🧊 Snowflake CoWork | Нашли, почему 49% компаний недовольны своим AI. Дело не в модели.

2 июня Snowflake показала цифры, которые объясняют главную боль корпоративного AI: без правильного контекста агент угадывает в два раза хуже.

Что произошло:

Snowflake переименовала Snowflake Intelligence в CoWork — персонального AI-агента для «белых воротничков», который отвечает на вопросы, строит отчёты и действует в Gmail, Slack, Jira и Salesforce. Но главная новость не ребрендинг, а внутренний тест: точность агента без контекстного слоя — 47%. С новым слоем Cortex Sense — 83%.

Cortex Sense автоматически подтягивает бизнес-определения компании — что такое «выручка», какой у вас фискальный календарь, как связаны данные между собой — без недель ручной настройки.

Что это значит на практике 🤝

По данным S&P Global, 49% компаний говорят, что генеративный AI не оправдал ожиданий. Snowflake прямо называет причину: агенты галлюцинируют не потому что модели слабые, а потому что не понимают контекст конкретного бизнеса.

Реальный кейс: финансовый директор спрашивает «почему упала маржа в Европе в этом квартале» — CoWork сам разбивает вопрос, запускает параллельный анализ выручки, издержек и валютных эффектов, и выдаёт отчёт с цитатами за минуты вместо дней работы аналитика.

Реальный вывод: Разница между «AI-демо, которое впечатляет» и «AI, который реально работает в проде» — это не модель, а контекстный слой вокруг неё.

Компании тратят месяцы на подключение мощных моделей и не понимают, почему точность в проде хуже, чем на презентации. Ответ прост: модель без понимания твоего бизнеса — это умный, но слепой инструмент.

Как применить в бизнесе 🤝

— Если у тебя уже есть AI-агенты с невысокой точностью — проверь, есть ли у них слой бизнес-контекста (глоссарий метрик, связи данных, фискальный календарь), а не только доступ к сырым данным.

— Перед внедрением нового AI-инструмента — задай вопрос вендору про контекстный слой, а не только про модель. Разница в точности может быть кратной.

— Если строишь AI-продукт для enterprise — инвестируй в онбординг бизнес-логики клиента с первого дня. Это то, что отличает продукт, который «работает», от того, что просто демонстрируется.

Практический эффект:

— Точность выросла с 47% до 83% — почти в 2 раза благодаря одному только контекстному слою

— Synopsys уже построила 20+ AI-агентов на этой платформе для revenue ops, юристов, финансов и продукта

— Компании, которые вложатся в контекстный слой для своих AI-агентов сейчас, получат кратный прирост точности без замены самих моделей — это дешевле, чем ждать следующего поколения LLM