Snowflake는 분류, 점수 산정, 필터링, 전달 등 대량의 기업 데이터 처리 업무를 위한 모델 Snowflake Decision을 2026년 10월 8일 비공개 미리보기로 공개했습니다. 이 모델은 Snowflake Cortex AI Functions의 AI_COMPLETE를 통해 사용할 수 있으며, 범주와 점수, 예·아니요 확률처럼 형식이 지정된 답을 반환합니다. 각 결정에는 기존 거버넌스, 접근 제어, 감사 정책이 적용된다고 Snowflake는 밝혔습니다.

이 모델은 답의 형식이 정해진 범위 제한형 업무를 위해 설계됐습니다. Snowflake는 범용 대규모 언어 모델을 쓰면 필요 이상으로 비용이 들거나 응답이 느릴 수 있는 작업을 예로 들었습니다. 고객 지원 티켓 하나를 처리할 때 한 번의 호출로 담당 팀을 지정하고, 고객의 불만 정도와 긴급성을 평가해 업무 흐름에서 활용할 수 있는 구조화된 답을 돌려줄 수 있습니다.

Snowflake의 평가에서 이 모델은 57.63점을 기록해 Jev Decision Index 0.2.1의 벤치마크 29개로 비교한 72개 모델 가운데 품질 점수가 가장 높았습니다. 벤치마크에는 추론, 언어, 검색, 도구 사용, 창의적 판단이 포함됐고 테스트 요청은 모두 88,837건이었습니다. 현재 인터페이스의 최대 선택지 32개 등 제한 때문에 이 평가는 더 광범위한 Hugging Face 벤치마크의 일부만 사용했습니다. Snowflake는 지수에 공개된 우연 보정 방식을 적용해 모든 모델 점수를 동일한 벤치마크 결과에서 산출했다고 설명했습니다.

AI_COMPLETE를 사용할 때 이용자는 요청을 JSON 형식으로 전달하고 세 가지 질문 유형을 선택할 수 있습니다. 정해진 목록에서 답을 고르는 방식, 순서가 있는 평가 기준에 따라 점수를 매기는 방식, 또는 0에서 1 사이의 확률을 반환하는 예·아니요 방식입니다. 결과는 질문 이름을 키로 삼은 답변 맵으로 제공되며, 선택한 값과 각 선택지의 확률을 포함합니다. 선택 및 점수 질문에는 신뢰도 값도 표시됩니다.

Snowflake는 답이 정해진 선택지나 점수 기준, 예·아니요 판단으로 나오고, 수천 행의 데이터를 처리하면서 속도와 비용 또는 기준값에 따라 나눌 수 있는 확률이 중요한 경우 의사결정 모델을 권장합니다. 여러 단계로 이뤄진 대규모 언어 모델 파이프라인에서는 첫 요청 전달이나 분류 단계에도 쓸 수 있습니다. 요약, 열린 질문에 대한 추론, 자유 형식 추출, 답의 범위가 정해지지 않은 작업, 여러 단계의 추론, 창작에는 범용 모델이 더 적합하다고 밝혔습니다.

제안된 용도에는 티켓 전달과 불만·긴급성 평가, 고객 리뷰 분류와 심각도 점수 산정, AI 비서의 답변이 정책을 따르고 고객 요청을 충족하는지 확인하는 작업이 있습니다. 더 많은 추론이 필요한 요청은 더 큰 모델로 보내고 단순한 요청은 비용 효율적으로 처리하는 방식도 제시됐습니다. 고객은 Snowflake 담당 계정팀을 통해 미리보기 이용을 신청할 수 있으며, 담당팀이 다음 단계와 비공개 미리보기 문서를 안내합니다.

Snowflake는 분류, 점수 산정, 필터링, 전달 등 대량의 기업 데이터 처리 업무를 위한 모델 Snowflake Decision을 2026년 10월 8일 비공개 미리보기로 공개했습니다. 이 모델은 Snowflake Cortex AI Functions의 AI_COMPLETE를 통해 사용할 수 있으며, 범주와 점수, 예·아니요 확률처럼 형식이 지정된 답을 반환합니다. 각 결정에는 기존 거버넌스, 접근 제어, 감사 정책이 적용된다고 Snowflake는 밝혔습니다.

이 모델은 답의 형식이 정해진 범위 제한형 업무를 위해 설계됐습니다. Snowflake는 범용 대규모 언어 모델을 쓰면 필요 이상으로 비용이 들거나 응답이 느릴 수 있는 작업을 예로 들었습니다. 고객 지원 티켓 하나를 처리할 때 한 번의 호출로 담당 팀을 지정하고, 고객의 불만 정도와 긴급성을 평가해 업무 흐름에서 활용할 수 있는 구조화된 답을 돌려줄 수 있습니다.

Snowflake의 평가에서 이 모델은 57.63점을 기록해 Jev Decision Index 0.2.1의 벤치마크 29개로 비교한 72개 모델 가운데 품질 점수가 가장 높았습니다. 벤치마크에는 추론, 언어, 검색, 도구 사용, 창의적 판단이 포함됐고 테스트 요청은 모두 88,837건이었습니다. 현재 인터페이스의 최대 선택지 32개 등 제한 때문에 이 평가는 더 광범위한 Hugging Face 벤치마크의 일부만 사용했습니다. Snowflake는 지수에 공개된 우연 보정 방식을 적용해 모든 모델 점수를 동일한 벤치마크 결과에서 산출했다고 설명했습니다.

AI_COMPLETE를 사용할 때 이용자는 요청을 JSON 형식으로 전달하고 세 가지 질문 유형을 선택할 수 있습니다. 정해진 목록에서 답을 고르는 방식, 순서가 있는 평가 기준에 따라 점수를 매기는 방식, 또는 0에서 1 사이의 확률을 반환하는 예·아니요 방식입니다. 결과는 질문 이름을 키로 삼은 답변 맵으로 제공되며, 선택한 값과 각 선택지의 확률을 포함합니다. 선택 및 점수 질문에는 신뢰도 값도 표시됩니다.

Snowflake는 답이 정해진 선택지나 점수 기준, 예·아니요 판단으로 나오고, 수천 행의 데이터를 처리하면서 속도와 비용 또는 기준값에 따라 나눌 수 있는 확률이 중요한 경우 의사결정 모델을 권장합니다. 여러 단계로 이뤄진 대규모 언어 모델 파이프라인에서는 첫 요청 전달이나 분류 단계에도 쓸 수 있습니다. 요약, 열린 질문에 대한 추론, 자유 형식 추출, 답의 범위가 정해지지 않은 작업, 여러 단계의 추론, 창작에는 범용 모델이 더 적합하다고 밝혔습니다.

제안된 용도에는 티켓 전달과 불만·긴급성 평가, 고객 리뷰 분류와 심각도 점수 산정, AI 비서의 답변이 정책을 따르고 고객 요청을 충족하는지 확인하는 작업이 있습니다. 더 많은 추론이 필요한 요청은 더 큰 모델로 보내고 단순한 요청은 비용 효율적으로 처리하는 방식도 제시됐습니다. 고객은 Snowflake 담당 계정팀을 통해 미리보기 이용을 신청할 수 있으며, 담당팀이 다음 단계와 비공개 미리보기 문서를 안내합니다.