非结构化数据的结构化处理：基于 Snowflake Cortex AI Functions | 技术实践

事件核心：发生了什么

InfoQ CN 发布的技术实践文章显示，Snowflake 提出了一套针对非结构化数据的三层处理框架：raw、transformed、curated。其中 transformed 层是新增的关键环节，直接调用 Cortex AI Functions，在 SQL 查询里把原始文本转换为实体抽取结果、情感评分、摘要等结构化信息。

这套方案依赖的具体函数包括：AI_COMPLETE（提取关键信息）、AI_CLASSIFY（按业务分类）、AI_FILTER（筛选条件记录）、AI_SIMILARITY（相似案例匹配）、AI_SUMMARIZE_AGG（跨记录汇总）、AI_EMBED（生成向量）、AI_TRANSCRIBE（音频转文字）。所有处理都在 Snowflake 内部完成，无需把数据导出到外部 NLP 服务。

文章还给出了呼叫中心场景的示例：音频转录后，用 AI_CLASSIFY 判断通话意图（billing_issue、technical_support、cancellation），用 AI_FILTER 识别升级投诉线索，用 AI_SIMILARITY 匹配已知问题，再通过 AI_AGG 生成供高管阅读的周度问题摘要。

为什么重要

非结构化数据长期游离在企业分析体系之外，通常依赖临时脚本单独处理，结果不可复用、缺乏统一口径。Snowflake 的做法是把文本分析能力下沉到数据仓库本身，让非结构化数据走和结构化数据相同的治理、血缘和审计链路。

这意味着数据处理团队可以在不引入额外工具的情况下，把通话记录、合同文本、工单内容变成可查询、可回溯的结构化资产。对于已经在使用 Snowflake 的企业来说，降低了尝试 AI 分析的门槛，也为后续接入 BI 报表或机器学习管线提供了更干净的数据基础。

对用户/开发者/创作者的影响

对数据工程师和数据分析师而言，最直接的变化是：过去需要编写 Python 脚本调用外部大模型 API 的流程，现在可以通过几条 SQL 语句完成，且数据不需要离开 Snowflake 环境，治理和合规层面的顾虑更少。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

对于业务团队，这个方案意味着更多业务数据可以被量化——客户情绪、投诉升级率、合同关键条款等都能进入仪表盘，不再依赖人工抽读。文章中的 SQL 示例展示了如何用 AI_COMPLETE 结合 Claude 3.5 Sonnet 生成单句摘要，说明大模型能力正在被封装成可重复调用的数据仓库函数。

目前公开信息显示，这套框架的适用边界取决于 Cortex AI Functions 的可用性和计价方式，使用成本尚未在文章中披露。

值得关注的后续

一是观察 Cortex AI Functions 在不同行业的具体落地效果，尤其是法律合同审查、金融客服质检这类对准确性要求较高的场景，函数输出能否满足业务验收标准。

二是关注定价策略。AI 函数的调用频率远高于传统 SQL 查询，如果按 token 或按调用次数计费，企业需要评估大规模处理非结构化数据的成本是否可控。

三是竞品动向。Databricks 和 BigQuery 同样在推进数据仓库内置 AI 能力，如果 Snowflake 这一步棋被验证有效，头部云数据平台之间的功能差距可能会进一步拉大。

来源：InfoQ CN