Snowflake Cortex AI Gateway styrer

Cortex AI Gateway er Snowflakes bud på det lag, som mange virksomheder i dag mangler: et sted, hvor man kan se og styre, hvad AI-agenter egentlig foretager sig, når de arbejder med virksomhedens data. Jeg ser gatewayen som et forsøg på at gøre Snowflake til den platform, virksomheder naturligt vender sig mod, når de skal have styr på agenter, der ellers opererer med vidtgående adgang og uden nogen samlet oversigt.

Det er en strategisk positionering, der giver mening. Efterhånden som flere virksomheder sætter AI-agenter i drift, bliver det tydeligt, at agenter ikke kan behandles som almindelige brugere med et fast sæt rettigheder. En agent kan blive bedt om at løse en opgave, hente data den ikke burde røre, eller sende forespørgsler i et tempo, der aldrig var tiltænkt. Uden et kontrollag bliver det svært at se, hvem eller hvad der egentlig har adgang til hvad, og hvornår.

Kernen i Cortex AI Gateway er det, Snowflake kalder dual attribution: hver handling en agent udfører, registreres både under agentens egen identitet og under den bruger, der satte agenten i gang. Det betyder, at en virksomhed kan se præcis, hvilken agent der har gjort hvad, men også hvilken menneskelig bruger der stod bag opgaven. Det lyder som en teknisk detalje. Det er den detalje, der afgør, om en revisor eller sikkerhedsansvarlig kan stole på loggen, når noget går galt.

Dertil kommer opgavebegrænset adgang. I stedet for at en agent får en bred, permanent adgang til data og systemer, tildeles den kun adgang til det, den konkrete opgave kræver, og kun så længe opgaven varer. Når opgaven er løst, forsvinder adgangen igen. Det er en markant anden tilgang end den, mange virksomheder i dag bruger, hvor agenter ofte arver adgangsrettigheder fra en servicekonto, der aldrig bliver strammet op igen.

Cortex AI Gateway bygger videre på Snowflakes opkøb af identitetsplatformen Natoma. Natoma var specialiseret i netop identitets- og adgangsstyring for AI-agenter, og opkøbet giver nu mening som det tekniske fundament under gatewayen. I stedet for at hver agent har sin egen isolerede identitetsmodel, samler Snowflake styringen ét sted, så virksomheder kan administrere adgang for alle deres agenter gennem en fælles ramme, uanset hvilken model eller hvilket værktøj agenten kører på.

Det er en logisk konsolidering. Virksomheder, der har flere AI-agenter i drift fra forskellige leverandører, har hidtil skullet stykke identitetsstyringen sammen selv, ofte med spredte løsninger, der ikke taler sammen. Med Natoma-teknologien indlejret i Cortex AI Gateway får virksomheder ét sted at definere, hvem en agent er, hvad den må, og hvornår adgangen skal trækkes tilbage.

Den anden halvdel af gatewayen handler om penge. Snowflake har bygget forbrugslofter ind i produktet, så virksomheder kan sætte en øvre grænse for, hvor meget en agent eller et team af agenter må forbruge, før systemet stopper eller advarer. Det lyder simpelt. Men det rammer et af de mest håndgribelige problemer, virksomheder har oplevet, siden agentisk AI for alvor kom i drift: regninger, der vokser langt hurtigere end forventet, fordi en agent kører i en løkke, kalder en dyr model unødigt mange gange, eller simpelthen bliver brugt mere intensivt, end nogen havde budgetteret med.

Uden den slags lofter er den eneste reelle kontrol i dag efterfølgende overvågning af regningen, altså at opdage problemet, når det allerede er sket. Med forbrugslofter flytter Snowflake kontrollen hen, før forbruget løber løbsk, ikke bagefter.

For virksomheder, der allerede har sat AI-agenter i produktion, eller som er ved at planlægge det, peger Cortex AI Gateway på et skifte i, hvad man bør kræve af sin AI-infrastruktur. Jeg har set det samme mønster gentage sig i projekt efter projekt: governance og omkostningsstyring kommer først ind i billedet, når en agent allerede har fået for bred adgang, eller når regningen for en måned overrasker. Det første spørgsmål i et agentprojekt er sjældent, hvad agenten må røre. Det burde det være.

Det, Snowflake nu bygger ind som standardfunktion, er noget mange virksomheder ellers har måttet forsøge at løse med interne processer, regneark og manuel opfølgning. Dual attribution, opgavebegrænset adgang og forbrugslofter er ikke nye idéer i sig selv, men at se dem samlet i én platform er et signal om, hvor markedet for agentisk AI bevæger sig hen: fra eksperimenter uden bremser til drift med indbygget kontrol. Kører du allerede agenter i produktion, er det værd at spørge, om din nuværende opsætning giver dig den samme grad af synlighed og styring, eller om du reelt kører uden sikkerhedsnet.