В последнее время мир корпоративного искусственного интеллекта столкнулся с новой, весьма неприятной проблемой: AI-агенты, призванные упростить жизнь, начали уверенно выдавать ложную информацию. Как сообщает VentureBeat, дело не в самих моделях, а в так называемом "слое контекста" – той самой основе, которая помогает AI понимать данные.
По мере того как компании переходят от простых однослойных систем поиска (RAG) к более сложным гибридным архитектурам, одна и та же информация может трактоваться по-разному в зависимости от того, какой агент, инструмент или система задает вопрос. Например, понятие "выручка" может иметь разное значение в панели бизнес-аналитики (BI), в таблице SQL или в инструкциях, которые получает AI-агент. За последние два года инфраструктура поиска стала быстрее и дешевле, но не привела к общему пониманию того, что означают данные.
На недавнем Snowflake Summit 26 в Сан-Франциско компания Snowflake представила комплексное решение этой проблемы. Анонсы охватили управляемую потоковую службу Data Stream, совместимую с Kafka, улучшения в области адаптивных вычислений, расширенную совместимость с Apache Iceberg, а также обновления для своих продуктов для агентов и кодирования – Cowork и CoCo.
В основе всего этого лежит новый "слой контекста": Horizon Context и Cortex Sense. Это двухслойная система, разработанная для того, чтобы предоставить агентам единое, управляемое определение бизнес-логики, которое будет использоваться во всех поисковых стеках. Почему это важно? Согласно данным VB Pulse Q1 2026 от VentureBeat, основанным на опросе организаций со 100+ сотрудниками, намерение использовать гибридный поиск утроилось с 10,3% в январе до 33,3% в марте. Это самая быстрорастущая стратегическая позиция в наборе данных.
"Существует множество инструментов, которым вы можете задать вопрос, получить очень уверенный ответ, но насколько он правильный – это уже другой вопрос," – отметил Кристиан Кляйнерман, исполнительный вице-президент по продукту в Snowflake.
От фрагментированной бизнес-логики к управляемому слою контекста
Проблема, которую решает Horizon Context, весьма специфична. Бизнес-логика сегодня разбросана по SQL, BI-панелям и инструкциям для агентов, и ни одна система не владеет полным определением. Когда несколько агентов или инструментов запрашивают одни и те же данные, они оперируют разными схемами и возвращают разные ответы. Horizon Context – это попытка Snowflake исправить это на уровне каталога, а не на уровне агента.
* Horizon Context: Это уровень, управляемый клиентом, построенный на основе приобретения Snowflake компании Select Star. Он извлекает метаданные из Postgres, SQL Server, Tableau и Power BI в Horizon Catalog. Таким образом, каждый агент, BI-инструмент и внешняя система черпают информацию из единого управляемого определения, вместо того чтобы самостоятельно интерпретировать "сырую" физическую схему. Semantic View Autopilot автоматически создает и совершенствует семантические представления с течением времени, расширяя кураторскую бизнес-логику без необходимости постоянных ручных усилий.
* Cortex Sense: Это уровень, получаемый от платформы. Он автоматически строит и обогащает контекст на основе данных клиента и шаблонов использования на постоянной основе, без необходимости ручного создания семантических представлений. Кляйнерман описал это как улучшение стандартного опыта до того, как произойдет какая-либо явная кураторская работа.
Различие между двумя уровнями носит архитектурный характер, и Кляйнерман был точен в своих формулировках: "Думайте о Horizon Context как обо всем, что явно заявлено и определено клиентами, а Cortex Sense – как обо всем, что подразумевается и выводится нами".
Два слоя подключаются к существующей поисковой инфраструктуре Snowflake. Cortex Search, реализация RAG от компании, подключается к CoCo и Cowork в качестве инструмента, так что контекст, обогащенный любым из слоев, поступает в рабочие процессы поиска.
Хотя Horizon Context является технологией Snowflake, цель состоит в том, чтобы она была интероперабельной и открытой. Snowflake связывает технологию с Open Semantic Interchange, делая заявленные клиентами определения переносимыми между сторонними каталогами и инструментами. "Мы на 100% привержены Horizon Context и лидируем в усилиях, чтобы гарантировать, что он не будет заблокирован", – заявил Кляйнерман.
Слои контекста повсюду. Вопрос в том, какие из них действительно работают.
Snowflake присоединяется к растущему числу поставщиков, нацеленных на решение одной и той же проблемы. Microsoft открыла свою бизнес-онтологию Fabric IQ через MCP, чтобы любой агент мог использовать общий семантический слой. Redis запустила Iris, платформу контекста и памяти, которая находится между агентами и их данными, построенную на основе движка хранения, переработанного для объемов поиска на уровне агентов. Pinecone перепозиционируется из векторной базы данных в "движок знаний" с Nexus, который компилирует корпоративные данные в артефакты, специфичные для задач, еще до того, как агенты начнут их запрашивать.Девин Пратт, директор по исследованиям в IDC, считает, что Snowflake движется в правильном направлении и следует за всем рынком. "Агенты хороши ровно настолько, насколько хороши данные и семантика, стоящие за ними, поэтому именно слой контекста, а не модель, является тем, на что стоит обратить внимание прямо сейчас," – сказал Пратт.
По мнению Пратта, сильная сторона решения Snowflake заключается в разделении. Horizon Context охватывает то, что команды заявляют и курируют самостоятельно, а Cortex Sense – то, что платформа улавливает автоматически. Не менее важно то, что они закрепили Horizon Context внутри каталога и слоя управления, а не прикрутили его постфактум. "Слой контекста – это настоящее поле битвы для агентного AI. Агент настолько же заслуживает доверия, насколько и данные и семантика, стоящие за ним," – подчеркнул Пратт.
Майк Леоне, вице-президент и главный аналитик Moor Insights & Strategy, согласился, что раздельное рассмотрение двух слоев является правильным архитектурным решением. "Мне нравится направление, в котором движется Snowflake. Они разделяют контекст на два "ведра": Horizon Context охватывает то, что клиенты явно определяют, а Cortex Sense – то, что платформа выясняет самостоятельно," – сказал Леоне. "Нельзя доверять этим двум вещам одинаково, поэтому раздельное рассмотрение – правильный ход. Если Snowflake сможет показать, что эти два слоя чисто согласуются, и вы можете видеть, откуда пришел каждый ответ, у них есть что-то реальное."
Что это значит для предприятий
Для предприятий, оценивающих слои контекста, архитектурное направление ясно. Пробел в реализации – нет. Агенты поднимают планку для старой проблемы. Идея семантического слоя существует уже много лет, но агенты меняют стоимость ошибки – когда агент дает неверный ответ в масштабе, ущерб мгновенен. Леоне прямо говорит о том, что это означает для большинства поставщиков, представленных на рынке.
"Большинство поставщиков, продающих готовое решение, обещают слишком много," – заявил Леоне. "Внедрите его в реальное предприятие, и оно в основном обнажит, насколько беспорядочны ваши данные и определения, и многие компании собираются узнать это на собственном горьком опыте."
Барьер для оценки специфичен. Пратт определил, что отличает работающие слои контекста от тех, которые тормозят: управляемость.