Perplexity lança conector Snowflake para ciência de dados

Introdução

A disponibilidade do conector Snowflake da Perplexity dentro do Computer coloca a análise em linguagem natural no centro das decisões do dia a dia. A novidade permite fazer perguntas sobre dados corporativos usando o conector Snowflake e receber respostas com SQL, tabelas, filtros e métricas, tudo a partir de solicitações em texto comum.

Além da conexão direta, o Computer cria automaticamente um Data Map do seu Snowflake, um nível semântico que aprende esquemas, colunas, relacionamentos e padrões históricos de consulta. Esse mapa garante que perguntas em linguagem natural virem consultas corretas, sem que a equipe escreva uma linha de SQL.

Por que isso importa para o negócio

Colocar o conector Snowflake nas mãos do Computer reduz um gargalo clássico, o acúmulo de tickets para o time de dados por perguntas recorrentes. Agora, profissionais de vendas, marketing, finanças e operações podem consultar dados governados em linguagem natural e receber resultados prontos para decisão, incluindo séries históricas, tops e comparativos. O próprio changelog da Perplexity descreve o caso de uso, por exemplo, pedir a receita trimestral por vertical e comparar as taxas ano sobre ano direto do Snowflake.

Há também ganhos de cadência. Em vez de esperar um dashboard ser modelado, pessoas não técnicas conseguem prosseguir com hipóteses e validações rápidas. O movimento acompanha a tendência mais ampla de IA conversacional em dados, na qual ferramentas corporativas vêm expondo experiências em linguagem natural sobre data warehouses, mantendo governança e auditoria. A própria Snowflake vem promovendo experiências conversacionais e agentes com foco em governança.

Como o Data Map torna NL2SQL confiável

Traduções de linguagem natural para SQL só funcionam bem quando existe contexto semântico. O Data Map da Perplexity captura informações do seu ambiente, como tabelas-chave, colunas críticas, relações e padrões de uso. O processo lê as visões de uso de conta do Snowflake, aprende com feedback diário dos usuários e permite edição por administradores, com versionamento e rollback. Isso reduz ambiguidades típicas, por exemplo, qual tabela de fatos é a fonte de verdade para receita, e evita que uma simples pergunta gere consultas imprecisas.

O editor do Data Map libera que admins ajustem definições de negócio, adicionem contexto suplementar e aprovem propostas de atualização geradas automaticamente a partir de correções dadas pelos usuários. Em organizações grandes, esse ciclo humano-no-loop é o que sustenta confiabilidade, sem abrir mão da velocidade da IA.

Segurança, governança e trilhas de auditoria

Para uso corporativo, a integração herda as permissões da conta configurada, obedecendo papéis e acessos definidos no Snowflake. O Computer opera como um orquestrador que consulta dados governados e registra atividades com rastreabilidade. No ecossistema Enterprise, a Perplexity destaca compliance, criptografia e monitoramento contínuo, além de integração com ferramentas de segurança parceiras. Esses pilares são essenciais quando a análise deixa de ser exclusiva do time de dados e passa a alcançar toda a empresa.

Onde a experiência acontece, inclusive no Slack

O Computer foi projetado para viver onde as equipes já trabalham. A Perplexity integrou o orquestrador diretamente ao Slack, permitindo que canais e DMs se tornem pontos de partida para rotinas de análise, automações recorrentes e workflows que incluem consultas ao Snowflake. Existem publicações oficiais descrevendo essa operação e a expansão de conectores corporativos, como Snowflake, Datadog, Salesforce, SharePoint e HubSpot.

Na prática, isso significa que uma pergunta lançada no canal de vendas, por exemplo, pode disparar uma consulta no Snowflake, enriquecer com fontes externas e devolver uma tabela pronta, sem que a conversa saia de contexto. É um fluxo que reduz atritos e preserva o histórico da discussão, algo já destacado em posts do hub da Perplexity sobre o Computer no trabalho.

O que muda para analistas e engenheiros de dados

Longe de substituir o trabalho especializado, a integração reorganiza prioridades. Em vez de focar em perguntas repetitivas, analistas e engenheiros podem concentrar esforços em modelagem semântica, qualidade de dados, governança e otimizações de performance. A geração do Data Map, aliás, depende explicitamente de permissões para ler QUERY_HISTORY e ACCESS_HISTORY no Snowflake, o que reforça o papel do time técnico na configuração segura e eficiente.

Outra consequência positiva é a redução de shadow IT. Quando usuários finais conseguem responder perguntas comuns a partir do warehouse governado, diminui a tentação de exportar dados para planilhas paralelas. O resultado prático é menos risco de dados desatualizados e mais autonomia responsável.

Exemplos práticos de uso com Snowflake

Pergunta de vendas: quais foram os 10 maiores clientes por receita no último trimestre e como variaram versus o mesmo período do ano passado. O Computer traduz a pergunta, gera SQL sobre as tabelas corretas mapeadas e retorna a comparação com contexto.
Operações de assinatura: qual a taxa de churn mês a mês por faixa de preço nos últimos 12 meses. O conector retorna a série com filtros coerentes ao dicionário de dados.
Finanças: receita por vertical, variações ano a ano e explicações textuais de drivers. Tudo chega à thread com tabelas e, quando necessário, gráficos.

![Logotipo da Snowflake em fundo transparente]

Como começar, do zero ao primeiro insight

Conectar com conta de serviço. No Enterprise, a Perplexity recomenda um serviço centralizado para o conector Snowflake, com chaves ou OAuth, garantindo que permissões e auditoria fiquem sob controle.
Gerar o Data Map. O admin inicia a geração no modal do conector. O processo pode levar até 90 minutos, depende do tamanho e da complexidade do warehouse.
Adicionar contexto suplementar. Documentos com definições de negócio e explicações de tabelas críticas melhoram a precisão, principalmente para métricas mais sutis.
Validar com o time de dados. Revisões no editor do Data Map e o ciclo de propostas diárias mantêm o conhecimento alinhado ao uso real.
Operar onde a equipe já está. Traga o Computer para Slack e para os rituais de time, automatizando resumos semanais e indicadores recorrentes.

Além do conector, o papel do Computer

O anúncio do conector chega em um momento em que a Perplexity vem ampliando o escopo do Computer, posicionando-o como um orquestrador multi-modelo capaz de decompor objetivos, escolher o melhor modelo para cada etapa e executar trabalho fim a fim, do código ao relatório pronto. Publicações independentes notaram esse movimento e o enquadraram na disputa do espaço de agentes corporativos.

Essa arquitetura é o alicerce para que experiências NL2SQL sejam mais do que um chatbot. Ao unir conectores, busca web com fontes citadas e um nível semântico que aprende com o uso, o Computer tende a entregar respostas auditáveis e replicáveis, reduzindo o custo de manter múltiplos stacks desconectados.

![Ilustração oficial do Perplexity Computer]

Boas práticas para confiabilidade e escala

Controle de privilégios. Garanta que o papel usado pelo conector tenha acesso explícito às visões de uso do Snowflake, conforme os requisitos. Erros de permissão são a causa mais comum de geração falha do Data Map.
Glossário vivo. Use o editor do Data Map para consolidar definições de negócio e exemplos de consulta. Isso reduz divergências e educa novos integrantes do time.
Ciclos de revisão. Aprove cadastro de propostas diárias geradas pelo feedback dos usuários, mantendo o humano no loop para estabilidade semântica.
Threads como memória. Operar via Slack preserva a história das perguntas e respostas, o que acelera iterações e padroniza boas práticas.

Reflexões e insights

A fronteira entre BI tradicional e agentes convergentes está diminuindo. A diferença prática, agora, é a orquestração. Em vez de construir tudo em camadas estáticas, orquestrar modelos, conectores e conhecimento versionado aproxima pessoas não técnicas do dado com segurança. Nesse cenário, o valor do time de dados desloca do atendimento a tickets para o design do contexto, o que inclui semântica, métricas padronizadas, SLOs de dados e observabilidade.

Outro ponto de atenção é a governança. O ganho de velocidade só se sustenta se os times seguirem trilhas de auditoria e se o acesso for realmente centralizado. As páginas oficiais reforçam esses elementos, inclusive destacando a importância de um serviço de conta centralizado para o conector e a herança das políticas de segurança corporativas.

Conclusão

O conector Snowflake da Perplexity dentro do Computer eleva a análise em linguagem natural ao padrão corporativo, com semântica gerada automaticamente, governança e trilhas que podem ser auditadas. Para as áreas de negócio, os ganhos são imediatos, de respostas rápidas sem abrir mão do dado confiável à redução de filas para o time de dados.

Para os líderes de dados, a oportunidade está em transformar curadoria e governança em uma vantagem competitiva. Quem orientar o Data Map com contexto de negócio, instituir ciclos de revisão e integrar o Computer ao fluxo das equipes, tende a capturar velocidade com responsabilidade, sem abandonar o que torna um warehouse corporativo valioso, a confiabilidade do dado.