AI热榜 2026 年，智能体将在企业级应用中取得哪些实质性突破？
点击下载《2026 年 AI 与数据发展预测》白皮书，获悉专家一手前瞻，抢先拥抱新的工作方式！
多年来，raw → transformed → curated 这种多层数据架构一直是把结构化数据转换成可分析资产的黄金标准。
它为数据生命周期带来了纪律性、清晰度和可信度。
在这条成熟的管线里，raw 层负责接入原始数据并保留原始状态；transformed 层负责清洗、增强并整合数据，形成一致视图；curated 层则输出经过精细整理和优化的数据，供业务直接消费。
但企业每天产生的大量非结构化数据怎么办？
通话转录、支持工单、法律合同、图像和视频里都蕴藏着有价值的信息。
尽管潜力巨大，这些数据却经常分散在割裂的孤岛里，只靠临时脚本处理。
结果就是洞察不一致、决策变慢，而且企业错失了释放这些数据真实价值的机会。
现在，是时候把同样的严谨性应用到非结构化数据上了。
我们引入了一种全新的方式，用 Snowflake Cortex AI Functions 来实现“把非结构化变成结构化”：将非结构化数据直接引入数据仓库，并通过可复用的工作流，把它转化成结构化、可行动的洞察。
核心就在于重新定义后的 transformed 阶段。
这个阶段利用 Cortex AI Functions，直接在 SQL 中把原始非结构化数据转换为实体抽取结果、情感评分、摘要等结构化信息。
之后，这些增强后的输出会无缝流入 curated 层，随时可用于驱动 BI dashboards、ML pipelines，以及借助 Snowflake Cortex Analyst 进行自然语言探索。
面向非结构化数据的全新 transformed 层 在这个框架中，transformed 层是连接“杂乱无章的文本”和“结构化、可度量分析”的关键桥梁。
也就是说，原始文本正是在这里，变成了企业能够追踪、度量和采取行动的数据。
这一层的核心原则包括：
- Stay native：所有非结构化数据都直接在 Snowflake 内部用 Cortex AI Functions 处理，不需要为了自然语言处理再把数据搬出去，从而简化架构并提升治理能力；
- Align with business：重点提取对业务有意义的概念，例如识别一次通话的升级原因、一份合同的关键条款，或者客户目前所处的购买阶段；
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接