Snowflake breidt AI-agent CoCo (Cortex Code) uit met cloudagents en automations die datapipelines bewaken en repareren. Daarnaast komt het bedrijf met realtime analytics, waarmee tot 20 GB per seconde aan data in één governed platform binnenkomt. Engineers houden het laatste woord over wat naar productie gaat.
Snowflake doet de aankondigingen tijdens Snowflake Expedition 2026. In de kern laat het bedrijf AI-agents terugkerend werk overnemen: pipelines bouwen, draaien en repareren. Volgens Snowflake besteden datateams nog veel tijd aan pipelines en streamingsystemen die uit meerdere tools bestaan. En werkt een agent met de cijfers van gisteren of met een kapotte pipeline, dan handelt hij op basis van verkeerde informatie.
“Elk AI-succesverhaal heeft een datateam achter zich”, zegt Christian Kleinerman, EVP of Product bij Snowflake. “Maar zelfs nu AI in de hele organisatie opschaalt, houden die teams data nog grotendeels met de hand accuraat.”
Agents in de cloud, op schema
Met CoCo Cloud Agents draait CoCo niet meer op de laptop van een engineer, maar in een geïsoleerde cloudomgeving die Snowflake beheert. Elke sessie krijgt een eigen beveiligde container en werkt met bestanden in een gedeelde Snowflake Workspace. Via CoCo Restricted Session Scope beperken engineers wat de agent mag. Het werk loopt bovendien door als de engineer uitlogt.
CoCo Automations brengen daar een planning bij. Engineers beschrijven een terugkerende taak in gewone taal, zoals het controleren van pipelines of het onderzoeken van mislukte jobs. Vindt een run een probleem, dan zoekt CoCo de waarschijnlijke oorzaak en stelt een fix voor. Wie beslist wat naar productie gaat? De engineers. Via de GitHub-integratie doorlopen codewijzigingen het bestaande reviewproces, terwijl Snowflake for Slack de agent naar de kanalen haalt waar teams al werken. Omdat alles binnen Snowflake draait, kent CoCo de lineage, catalogus en governance-policies van een organisatie.
Voor nieuwe pipelines is er Pipeline Builder, een visuele editor in Snowflake Workspaces. auxmoney en New American Funding gebruiken die al.
Realtime data zonder losse tools
Het tweede deel draait om live data. Snowpipe Streaming schaalt met Elastic Channels automatisch mee. Met Snowflake Datastream sturen bedrijven die Apache Kafka gebruiken hun apps rechtstreeks naar Snowflake, zonder brokers of connectors te beheren. Minted, Nexon en Zywave doen dat al. Streaming Transformations transformeren data onderweg met standaard SQL.
Interactive Analytics moet een aparte serving-database overbodig maken. Het levert antwoorden met sub-seconde latency aan dashboards, apps en AI-agents, ook bij piekbelasting. Bedrijven kunnen volgens Snowflake tot 20 GB per seconde streamen, met een mediane tijd tot bruikbaarheid van minder dan drie seconden.
Spark-workloads overzetten
Voor Spark-teams ondersteunt Snowpark Connect nu DataFrame Writer V2 API’s en flexibele partitionering voor Iceberg-tabellen. Hierdoor kunnen Spark-pipelines die schrijven naar Iceberg-tabellen met minder codeveranderingen naar Snowflake toe.
Een File reader voor Apache Spark laadt JSON-, CSV- en Parquet-bestanden direct in Snowflake. Met Write-Audit-Publish testen teams pipelines eerst op een databranch. CoCo kan daarnaast bestaande Spark-code herschrijven voor Snowflake, waarna een Monitoring UI toont hoe jobs presteren.
Tip: Snowflake Cortex Code heet nu CoCo, voert autonoom ontwikkelwerk uit