Snowflake CoCo: Інференс Залишається Всередині Периметра

Будь-який керівник платформи, який має в бюджеті на 2026 рік рядок «AI-підтримка кодування для дата-команди», вже сьогодні має дати відповідь на конкретне вендорне питання протягом наступних 90 днів: чи виконує агент інференс усередині вашого периметра управління, чи він надсилає вашу схему та історію запитів до чужого inference-ендпоінту. Snowflake щойно зробив це питання складнішим для ухилення. Запуск CoCo — AI-агента для кодування для дата-інженерів — це менше продуктова історія, ніж закупівельна.

Що Сталося

4 вересня Jeremiah Hansen, сейлз-інженер Snowflake, опублікував пост із представленням CoCo — AI-агента для кодування, орієнтованого безпосередньо на дата-інженерів, що будують відтворювані пайплайни. Як повідомив StartupHub.ai, Hansen будує свій пітч навколо відтворюваності, а не сирої генерації коду — це помітний риторичний хід на ринку, де кожен вендор усе ще змагається за tokens-per-second і бенчмарк-показники.

CoCo постачається у трьох формах, що спільно використовують один інтелект: CLI для роботи в терміналі, Desktop-клієнт на основі VS Code та версія без інсталяції, вбудована в Snowsight для тривалих хмарних завдань. Головна архітектурна особливість — інференс залишається всередині інфраструктури Snowflake. Схеми, конфігурації сховищ і історія запитів обробляються відповідно до тих самих політик управління та класифікації, які клієнт вже має, і не передаються стороннім постачальникам моделей.

Агент поставляється з вбудованими навичками для Dynamic Tables, Snowpipe Streaming, Openflow, міграції Spark, dbt, Snowpark і DCM. Ці навички активуються, коли запит відповідає домену, тому агент не завантажує кожну можливість у контекст при кожному виклику. Hansen відкрито говорить про можливий збій: агенти є недетермінованими за своєю природою, і якщо дозволити агенту писати безпосередньо в продакшн без dbt, schemachange, Flyway або Terraform у ланцюжку, це призводить до нестійких деплойментів. Відповідь Snowflake — пакування. Командні конвенції зберігаються у файлах SKILL.md. Плагіни об'єднують навички разом із підагентами, слеш-командами, хуками та MCP-серверами, а потім розгортаються як версійні одиниці через реєстр за допомогою команд cortex plugin validate, install та update.

Технічна Анатомія

Якщо зняти маркетинговий шар, CoCo — це фактично два дизайнерські рішення, скріплені разом. Перше — де фізично виконується інференс. Друге — як знання команди кодуються та версіонуються.

Щодо межі інференсу: більшість універсальних агентів для кодування надсилають контекст до зовнішнього LLM API. Для завдань дата-інженерії цей контекст містить схеми таблиць, назви стовпців, зразки рядків, історію запитів і нерідко сам план запиту. Саме такий набір даних регульований iGaming-оператор, платіжний процесор або аналітична команда банку юридично не може передати третій стороні без угоди про обробку даних — а часто й із нею не може. Зберігання інференсу всередині периметра Snowflake означає, що теги класифікації, які клієнт вже застосував відповідно до наявної політики управління, продовжують діяти під час кроку міркування агента. Це не просто зручна функція. Це різниця між «ми можемо запустити пілот» і «юридичний відділ зарубав це на перевірці».

Щодо рівня пакування: SKILL.md — це по суті файл «конвенція як код». Він кодує те, як конкретна команда пише dbt-моделі, іменує Dynamic Tables, структурує Snowpark-задачі. Плагін об'єднує одну або кілька навичок разом із виконуваними механізмами, підагентами для обробки підзавдань, слеш-командами для операторів, хуками для подій життєвого циклу та MCP-серверами для доступу до зовнішніх інструментів. Модель реєстру з командами validate, install, update запозичена безпосередньо з концепції менеджерів пакетів. Це важливо, оскільки означає, що платформна команда може версіонувати свої внутрішні правила так само, як версіонує Terraform-модулі або dbt-пакети. Зверніться до документації dbt, щоб побачити, якої зрілості досягнув цей підхід на рівні трансформації; CoCo намагається перенести ту саму дисципліну в поведінку агентів.

Попередження Hansen щодо недетермінованості — це чесна частина. Жодне пакування навичок не зробить LLM детермінованим. Але воно обмежує радіус ураження. Якщо агент має виробляти dbt-моделі або міграції schemachange, а не сирий DDL, що виконується безпосередньо в продакшні, ви отримуєте рев'ю коду, CI і rollback як безкоштовний побічний продукт наявного пайплайну деплойменту. Ось що насправді означає заява про відтворюваність. Не те, що агент є повторюваним, а те, що його результати потрапляють у системи, які вже є такими. Документація платформи Snowflake — це місце, де в кінцевому підсумку визначається межа між результатами агента та керованим деплойментом.

Хто Програє

Три групи відчують цей крок негайно.

По-перше, незалежні вендори AI-агентів для кодування, що орієнтуються на дата-команди. Будь-який стартап із пітчем «ми підключаємося до Snowflake і даємо вашим інженерам Copilot для SQL» щойно побачив, як власник платформи випустив нативного внутрішньопериметрового конкурента з попередньо завантаженими навичками для тих самих Snowflake-поверхонь, які вони обгортали. Математика «будувати або купувати» для Head of Platform змінилася за одну ніч. Якщо ви вже платите Snowflake сім цифр на рік, додавання першопартійного агента, що успадковує ваші політики управління, — це значно коротший закупівельний цикл, ніж підключення нового вендора, погодження DPA та налаштування правил мережевого виходу для стороннього inference-ендпоінту.

По-друге, компанії з переважаючим Databricks, що виконують змішані навантаження. Пітч Snowflake тепер звучить так: «ваш агент залишається всередині огорожі». Це конкурентне формулювання, на яке Databricks доведеться відповідати, і відповідь, мабуть, включатиме глибшу інтеграцію між агентами для кодування та рівнем управління Databricks. Команди, що зараз вибирають між платформами для нового greenfield-аналітичного проєкту, мають очікувати, що тема агентів стане частиною RFP уже в найближчому кварталі.

По-третє, ринок найму старших дата-інженерів. Якщо CoCo справді виконує обіцянки щодо автоматизації на основі навичок для міграції Spark, написання dbt і конфігурації Snowpipe Streaming, гранична цінність середньорівневого дата-інженера, який переважно пише шаблонні трансформації, знижується. Премія переходить до інженерів, що можуть авторити конвенції SKILL.md, проєктувати архітектури плагінів і забезпечувати дисципліну деплойменту, яку Hansen позначив як залишкову прогалину. Це та сама роздвоєність, яку ринок розробки програмного забезпечення пережив із Copilot — тепер вона приходить до ролей на платформах даних.

CFO будь-якого клієнта Snowflake цього тижня має запитати свого VP Data, чи можна розірвати поточний контракт на зовнішній AI-інструмент для кодування за власним бажанням і як виглядає профіль споживання кредитів CoCo порівняно з витратами на збережені ліцензії. Ніхто ще не опублікував unit-економіку для інференсу CoCo у кредитах Snowflake, і поки ця математика не на столі, «це включено в платформу» — маркетингова фраза, а не бюджетний рядок.

План Дій для Дата-Команд

Для керівників платформ, що оцінюють це в наступному спринті, послідовність має значення.

Почніть з інвентаризації кожного існуючого AI-інструменту для роботи з даними, який використовує ваша команда, та визначте, які з них надсилають схему, історію запитів або зразки даних за межі вашого периметра Snowflake. Ця інвентаризація — аргумент відповідності для пілотування CoCo, і це боєприпаси, необхідні вам, якщо відділ закупівель заперечує проти витрат на перехід.

Далі — не дозволяйте CoCo писати безпосередньо в продакшн. Hansen сказав це, і він має рацію. Направляйте вихідні дані агента через dbt, schemachange, Flyway або Terraform залежно від того, який рівень він торкається. Ставтеся до коду, згенерованого агентом, точно так само, як до коду, написаного стажером: рев'ю коду, CI-перевірки, поетапне розгортання. Заява про відтворюваність є дійсною лише тоді, коли ви забезпечуєте детермінований обгортач.

Потім вкладіть інженерний час у написання файлів SKILL.md, що кодують реальні конвенції вашої команди. Шаблони іменування для Dynamic Tables, евристики розміру сховищ, стандарти тегування. Саме тут платформна команда виправдовує своє існування в епоху агентів. Загальні навички виробляють загальний код. Закодовані конвенції виробляють код, що проходить ваше рев'ю.

Нарешті, уважно стежте за зрілістю реєстру плагінів. Версійна, валідована система плагінів — це різниця між агентами як іграшками та агентами як інфраструктурою. Якщо Snowflake побудує тут реальну екосистему, за нею підуть сторонні автори навичок, і прив'язка стане глибшою. Якщо реєстр застоюватиметься, CoCo залишиться першопартійною зручною функцією, а ринок залишиться відкритим. Плануйте бюджет відповідно.

Ключові Висновки

• CoCo виконує інференс усередині периметра Snowflake, усуваючи проблему витоку даних до сторонніх LLM, яка блокує більшість універсальних агентів для кодування від регульованих навантажень.
• Три поверхні (CLI, VS Code Desktop, вбудована в Snowsight) спільно використовують один інтелект, причому версія Snowsight орієнтована на тривалі хмарні завдання.
• Вбудовані навички охоплюють Dynamic Tables, Snowpipe Streaming, Openflow, міграцію Spark, dbt, Snowpark і DCM — активуються через відповідність запиту, а не через постійно завантажений контекст.
• Відтворюваність забезпечується обгорткою деплойменту (dbt, schemachange, Flyway, Terraform), а не самим агентом; Hansen прямо зазначив, що агенти залишаються недетермінованими.
• Шаблон SKILL.md разом із реєстром плагінів і командами validate, install, update — це фактична стратегічна ставка: дисципліна керування пакетами, застосована до поведінки агентів.