Snowflake Perkuat Akurasi dan Keamanan Agen AI Bisnis

Apa yang berubah pada agen AI Snowflake

Snowflake perkuat akurasi dan keamanan agen AI bisnis melalui konteks bisnis yang disepakati, verifikasi jawaban, serta kontrol akses dan tindakan agen. Menurut siaran pers Snowflake yang dikutip Investing.com, pada Snowflake Expedition 2026, 3 November 2026, pembaruan ini ditujukan untuk mengatasi istilah bisnis yang tidak dipahami secara konsisten dan akses agen yang terlalu luas.

Menurut siaran pers Snowflake yang dikutip Investing.com, pembaruan tersebut mencakup Business Ontology dan perluasan Cortex AI Gateway. Business Ontology ditujukan untuk menyatukan definisi konsep bisnis di berbagai sistem data. Cortex AI Gateway berperan sebagai titik kontrol terpusat untuk menerapkan kebijakan keamanan serta tata kelola pada koneksi agen AI.

Laporan Demokratis.co.id menyebut Snowflake juga memperkenalkan Cortex Sense dan Verified Answers. Cortex Sense dirancang untuk menemukan hubungan semantik dari interaksi data sehari-hari. Verified Answers memberi penanda pada jawaban yang telah melalui proses verifikasi akurasi. Konteks membantu agen memahami pertanyaan. Verifikasi membantu pengguna menilai dasar jawaban.

Mengapa konteks bisnis menentukan kualitas jawaban agen

Agen AI tidak otomatis memahami bahwa satu istilah dapat memiliki arti berbeda antarperusahaan, divisi, atau laporan. Kata “pendapatan” dapat merujuk pada nilai transaksi, pendapatan sebelum pengurangan tertentu, atau angka yang telah disesuaikan. Tanpa definisi yang ditetapkan, agen dapat mengambil tabel yang benar secara teknis tetapi menjawab kebutuhan bisnis yang salah.

Business Ontology memungkinkan organisasi menetapkan definisi konsep bisnis yang disetujui dan menghubungkannya dengan tabel data pendukung, menurut siaran pers Snowflake yang dikutip Investing.com. Sumber sama menyebut fitur ini berada dalam Snowflake Horizon Catalog serta dapat mengumpulkan metadata dari Tableau, Power BI, dbt, SQL Server, dan PostgreSQL. Perubahan definisi dicatat untuk kebutuhan audit.

Sebagai ilustrasi (kasus rekaan), kepala penjualan bertanya, “Berapa pipeline aktif bulan ini?” Pemilik proses perlu menetapkan lebih dahulu apakah pipeline aktif mencakup lead baru, peluang lolos kualifikasi, atau hanya peluang dengan nilai transaksi terisi. Definisi tersebut lalu dipautkan ke sumber data yang tepat. Agen memiliki dasar untuk menjawab tanpa menebak istilah tim.

Menurut Demokratis.co.id, Snowflake membedakan Business Ontology dari Semantic Views. Semantic Views memberi konteks pada domain atau tabel bisnis tertentu. Business Ontology bekerja pada cakupan organisasi lebih luas. Keduanya dapat dipakai bersamaan sehingga pekerjaan berbasis Semantic Views tidak harus dipindahkan.

Mengapa jawaban yang terdengar meyakinkan belum tentu aman dipakai

Agen AI perlu dapat berhenti ketika data atau konteks tidak memadai. Laporan Demokratis.co.id mengutip Christian Kleinerman, Executive Vice President of Product Snowflake, bahwa sistem dirancang menyatakan tidak tahu saat tingkat keyakinannya tidak memadai, alih-alih memberi jawaban palsu. Bahasa yang lancar dapat membuat jawaban tanpa dasar tampak dapat dipercaya.

Verified Answers membantu membedakan jawaban terverifikasi dari jawaban biasa, menurut Demokratis.co.id. Penanda ini tidak menggantikan tanggung jawab pemilik proses. Tim tetap perlu menentukan pertanyaan yang boleh dijawab agen, sumber rujukan, serta kondisi ketika permintaan harus dialihkan kepada manusia.

Siaran pers Snowflake yang dikutip Investing.com juga merujuk survei MIT Technology Review terhadap 400 eksekutif senior data dan teknologi pada Juli–Agustus 2026. Mayoritas responden menilai kurangnya konteks bisnis cenderung menurunkan kualitas wawasan agen AI. Sebanyaksesuai target internal menyebut data terfragmentasi atau tidak dapat diakses. Temuan tersebut menunjukkan masalah agen sering muncul sebelum pemilihan model: definisi, keterhubungan, dan akses data belum siap.

Uji agen memakai pertanyaan yang jawabannya telah diketahui pemilik proses. Periksa apakah agen memakai definisi tepat, mengambil sumber yang diizinkan, menunjukkan dasar jawaban, serta melakukan eskalasi saat data belum memadai. Respons natural tidak cukup menjadi ukuran kualitas.

Cortex AI Gateway membatasi apa yang dapat dilakukan agen

Agen AI berbeda dari chatbot sederhana ketika dapat memakai alat, memanggil API, menjalankan kode, atau mengubah data. Kemampuan tindakan berguna, tetapi risikonya meningkat bila batas akses tidak sesuai dengan peran pengguna dan tujuan workflow.

Menurut siaran pers Snowflake yang dikutip Investing.com, Cortex AI Gateway menerapkan kebijakan akses, autentikasi, dan izin pada koneksi agen di berbagai platform cloud serta penyedia AI. Kemampuan baru yang disebut sumber tersebut mencakup Cortex Sandboxes untuk lingkungan aman menjalankan kode, Agent Abuse Detection untuk menganalisis aktivitas agen dan mengidentifikasi operasi tidak sah, serta tata kelola biaya berdasarkan pengguna, tim, atau agen.

Dynamic Model Routing juga disebut dalam siaran pers tersebut. Fitur ini mengarahkan permintaan ke model yang disetujui berdasarkan kebutuhan biaya, akurasi, dan latensi. Penerapannya relevan saat organisasi perlu menentukan model yang boleh dipakai untuk jenis pekerjaan atau tingkat risiko tertentu.

Andaikan agen layanan pelanggan dapat membaca knowledge base dan membuat draf jawaban pertanyaan umum. Agen dapat mengirim draf ke antrean tinjauan. Namun, agen tidak boleh mengubah alamat pelanggan, membatalkan pesanan, atau menjanjikan kompensasi tanpa persetujuan petugas. Hak baca, membuat draf, dan mengubah data perlu dipisahkan. Log aktivitas perlu menunjukkan peminta tindakan, data yang dipakai, serta hasil tindakan.

Cara memakai pelajaran dari pembaruan Snowflake

Pembaruan Snowflake menekankan urutan kerja: proses bisnis, definisi data, akses, lalu agen. Memulai dari model atau tool dapat menghasilkan demo cepat, tetapi belum tentu sistem aman untuk tim operasional.

Mulailah dari satu workflow berisiko terbatas, seperti pertanyaan internal mengenai status pipeline penjualan. Tentukan pemilik definisi bisnis, tabel yang boleh dibaca, kelompok pengguna yang berhak bertanya, serta jawaban yang wajib dialihkan ke manajer. Siapkan pula pertanyaan uji, termasuk pertanyaan ambigu dan pertanyaan yang semestinya dijawab “tidak tahu”.

Buat matriks tindakan sebelum menghubungkan agen ke alat kerja:

• Tentukan tindakan yang boleh dilakukan agen: membaca laporan, membuat draf, mengirim pesan, atau mengubah CRM.
• Tetapkan status setiap tindakan: otomatis, perlu persetujuan, atau dilarang.
• Tentukan penanggung jawab pemeriksaan kesalahan dan prosedur pemulihan perubahan.

Pembaca yang masih menyusun fondasi dapat melanjutkan ke artikel pilar “Apa Itu AI Agent? Ini Cara Kerja dan Contoh Nyatanya”. Berikutnya, pilih satu keputusan bisnis yang akan dipengaruhi agen minggu ini. Dokumentasikan definisi, sumber data, batas tindakan, serta pemilik persetujuan. Catatan ini menjadi dasar evaluasi sebelum akses agen diperluas.