Snowflake anunció el 3 de noviembre, durante su conferencia Expedition 2026, la disponibilidad general de un conjunto de capacidades que la compañía agrupa bajo la etiqueta de ingeniería de datos autónoma. Pasan a estar generalmente disponibles los CoCo Cloud Agents, las CoCo Automations, las CoCo Skills, el ámbito de sesión restringida para esos agentes, los Elastic Channels de Snowpipe Streaming y la analítica interactiva.
La pieza central son los agentes. Cada sesión se ejecuta en un contenedor propio y aislado, gestionado por Snowflake, y trabaja sobre los ficheros de un espacio de trabajo compartido de la plataforma. Combinados con las automatizaciones, pueden programarse para vigilar una tubería, investigar por su cuenta un fallo y proponer la reparación, con integración en los flujos de GitHub y Slack. El diseño mantiene a la persona responsable en el paso decisivo: el agente propone el cambio, el ingeniero lo revisa antes de que llegue a producción.
En el plano de la ingesta, la plataforma declara hasta 20 GB por segundo de caudal por tabla a través de Snowpipe Streaming y una latencia mediana de disponibilidad del dato de tres segundos, medida por la compañía el 20 de octubre de 2026. La analítica interactiva, también general, se describe con latencias por debajo del segundo para servir ese dato a cuadros de mando y a agentes.
Conviene separar lo general de lo que todavía no lo es, porque es la diferencia entre lo que puede sostener un entorno productivo y lo que no. En vista previa pública quedan el Pipeline Builder, las API de escritura de DataFrame de Snowpark Connect, el patrón escribir-auditar-publicar sobre tablas Iceberg, la interfaz de monitorización y el lector de ficheros para Apache Spark. Snowflake Datastream y la integración con Slack se anuncian como vista previa próxima, y las transformaciones en continuo siguen en vista previa privada.
Para un equipo de datos, el interés del anuncio no está en la autonomía, sino en dónde coloca el punto de control. Un agente que abre una propuesta de cambio en un repositorio y espera revisión encaja en los procedimientos que ya existen; el riesgo se traslada entonces al volumen, porque la capacidad de revisar no crece al mismo ritmo que la de generar. La pregunta práctica antes de adoptarlo es cuántas de las incidencias reales de la semana habría resuelto el agente sin intervención, y cuánto tiempo cuesta comprobar cada propuesta.
Las cifras de caudal y latencia proceden de mediciones del propio fabricante y en sus condiciones, así que valen como indicación de orden de magnitud y no como previsión para una carga concreta. La prueba que merece la pena es la de siempre: una tubería conocida, con el volumen y la forma de los datos propios, y la comparación con lo que el equipo obtiene hoy.
Más en Dataprix: sección de integración de datos de Dataprix
Fuente: Snowflake (nota de prensa)
Contenido elaborado con asistencia de inteligencia artificial — Equipo Editorial Dataprix. Verifica la información antes de tomar decisiones.