Redacción
Durante el pasado mes de julio, Snowflake presentó su plataforma Cortex AI Gateway como una base unificada para gestionar las conexiones de los agentes de inteligencia artificial y optimizar su consumo. Siguiendo esta línea de desarrollo, la compañía ha implementado ahora una función de enrutamiento dinámico de modelos dentro de esta pasarela y en herramientas como Snowflake CoCo y Snowflake CoWork. Esta actualización se complementa con la integración de nuevos modelos de lenguaje abiertos en su catálogo, con el objetivo de ajustar el consumo y mejorar la rentabilidad de las infraestructuras corporativas.
El despliegue masivo de aplicaciones inteligentes en entornos de producción ha provocado que el uso de un único modelo para todas las operaciones dispare los costes operativos. Para solventar este reto, el nuevo enrutamiento dinámico de modelos selecciona automáticamente la opción que ofrece el mejor equilibrio entre calidad y precio para cada tarea concreta. Así, los procesos repetitivos o sencillos se derivan hacia sistemas más eficientes, mientras que las operaciones que exigen un razonamiento complejo se destinan a los modelos más avanzados.
Los responsables de la empresa señalan que, actualmente, la prioridad del mercado ha pasado de la mera adopción tecnológica a la exigencia de un valor comercial real, por lo que resulta vital automatizar la elección de modelo en segundo plano. Analistas del sector coinciden en que el principal obstáculo para escalar estas infraestructuras no es la falta de opciones, sino la carga operativa que supone seleccionar la herramienta adecuada, un problema que esta automatización busca mitigar.
Más allá de la selección técnica, los administradores de sistemas pueden establecer qué proveedores y modelos se encuentran disponibles para los distintos usuarios de la organización. Esta capacidad de control resulta fundamental para las corporaciones internacionales que deben adaptarse a la disponibilidad regional de los servicios, así como para los sectores sujetos a normativas estrictas.
El sistema también actualiza las decisiones de enrutamiento en función de las variaciones de precios y rendimiento del mercado, lo que exime a los equipos de desarrollo de tener que rediseñar sus aplicaciones con cada cambio. Las pruebas internas de la compañía indican que el uso combinado de modelos abiertos y propietarios puede reducir hasta tres veces el consumo de tokens en tareas de transformación de datos y mejorar en un 25% la eficiencia en las revisiones de código, manteniendo intacta la calidad del resultado.
En paralelo a estas mejoras de gestión, la plataforma ha incorporado modelos abiertos de reciente aparición, como las familias DeepSeek-V4-Flash y GLM-5, los cuales se suman a las opciones ya existentes de otros grandes proveedores del mercado. La estrategia del fabricante consiste en evaluar y optimizar continuamente el funcionamiento de estos modelos abiertos para que los clientes puedan aprovechar sus ventajas sin modificar su infraestructura subyacente.
Las evaluaciones técnicas en tareas orientadas a la empresa han demostrado que los nuevos modelos abiertos consiguen superar a distintas alternativas propietarias en pruebas de ingeniería de datos, logrando puntuaciones destacadas con un consumo de recursos significativamente menor, lo que los habilita para soportar procesos críticos a un coste más reducido.
Para garantizar que el escalado de estas tecnologías se realiza ordenadamente, la pasarela proporciona visibilidad detallada sobre el gasto y permite fijar límites presupuestarios en todas las aplicaciones. Estas funciones se integran con los sistemas de control de acceso basados en roles ya existentes, facilitando la asignación de consumo por departamentos, la configuración de cuotas por usuario y la generación de alertas automáticas cuando el gasto se aproxima a los topes establecidos.
Mediante este conjunto de herramientas, las organizaciones adquieren una mayor capacidad de supervisión sobre sus inversiones en inteligencia artificial, asegurando la privacidad de sus datos y adecuando los recursos empleados a las necesidades reales del negocio.
