Tutte e tre le grandi piattaforme dati ora permettono di chiamare un modello linguistico da una query SQL. Il modello legge una colonna, riga per riga, e restituisce un'etichetta, un sì o un no, un punteggio o dei campi estratti. Questa settimana tutte e tre hanno aggiunto qualcosa: Snowflake ha reso disponibile per tutti AI Function Studio, BigQuery ha aggiunto i modelli Gemini 4 e Databricks ha rilasciato un'API asincrona per i lotti grandi. Ecco come si confrontano a novembre 2026.
Le funzioni a confronto
| Compito | Snowflake | BigQuery | Databricks |
|---|---|---|---|
| Scegliere una categoria | AI_CLASSIFY | AI.CLASSIFY | ai_classify |
| Sì o no, per filtrare | AI_FILTER | AI.IF | ai_classify con due etichette |
| Dare un punteggio | AI_SENTIMENT per il sentiment | AI.SCORE | ai_analyze_sentiment per il sentiment |
| Estrarre campi | AI_EXTRACT | AI.GENERATE con uno schema di output | ai_extract |
| Testo libero, qualsiasi prompt | AI_COMPLETE | AI.GENERATE | ai_query |
| Leggere documenti | AI_PARSE_DOCUMENT | Tramite AI.GENERATE sui file | ai_parse_document |
| Riassumere molte righe | AI_AGG | AI.GENERATE su testo aggregato | ai_summarize per riga |
Lo stesso compito in tre modi: etichettare i ticket di assistenza
Una tabella tickets con una colonna di testo body. Vogliamo una categoria per ticket.
SELECT
ticket_id,
AI_CLASSIFY(body, ['billing', 'bug', 'feature request', 'other']):labels[0]::STRING
AS category
FROM tickets;AI_CLASSIFY restituisce un oggetto il cui campo labels è un array, quindi prendiamo il primo elemento. Aggiungi {'output_mode': 'multi'} come terzo argomento per permettere più etichette, e task_description o degli examples nello stesso oggetto per migliorare la precisione.
SELECT
ticket_id,
AI.CLASSIFY(
body,
categories => ['billing', 'bug', 'feature request', 'other']
) AS category
FROM mydataset.tickets;Restituisce una semplice STRING. Senza connection_id usa le tue credenziali Google, e senza endpoint BigQuery sceglie il modello con il miglior rapporto tra costo e qualità. Aggiungi output_mode => 'multi' per più etichette.
SELECT
ticket_id,
ai_classify(
body,
'["billing", "bug", "feature request", "other"]',
MAP('version', '2.1', 'enableConfidenceScores', 'true')
) AS result
FROM tickets;Restituisce un VARIANT con response, metadata ed error_message. Nella versione 2.1 ogni elemento di response ha una chiave value, e puoi chiedere punteggi di confidenza e brevi motivazioni (enableRationales). Le etichette possono essere un oggetto JSON con descrizioni, fino a 500.
Filtrare le righe con una domanda
Una funzione sì/no nella clausola WHERE è la funzione AI più utile che la maggior parte di chi analizza dati non prova mai. Risponde a domande come "quali recensioni parlano della consegna?" senza elenchi di parole chiave.
SELECT ticket_id, body
FROM tickets
WHERE AI_FILTER(CONCAT('Is this ticket asking for a refund? ', body));SELECT ticket_id, body
FROM mydataset.tickets
WHERE AI.IF(CONCAT('Is this ticket asking for a refund? ', body));SELECT ticket_id, body
FROM tickets
WHERE ai_classify(body, '["refund request", "other"]',
MAP('version', '2.1')):response[0].value::STRING = 'refund request';Databricks non ha una funzione sì/no dedicata, quindi una classificazione con due etichette fa lo stesso lavoro.
Cosa fa meglio ciascuna piattaforma
Snowflake
Ottimizzazione sui tuoi dati- AI Function Studio (GA questa settimana) costruisce, prova e ottimizza una funzione da una descrizione in linguaggio naturale
- AI Function Optimization confronta prompt e modelli sui tuoi dati, con qualità e costo
- AI_AGG riassume molte righe in una sola chiamata
- I tipi restituiti sono oggetti da spacchettare
Ideale quando eseguirai lo stesso compito AI ogni giorno e vuoi ottimizzarlo una volta sola.
BigQuery
Meno configurazione- Sceglie un modello in automatico se non ne indichi uno, con una scelta tra costo più basso e qualità più alta
- AI.CLASSIFY restituisce una semplice stringa
- Gemini 4 Carbon e Hydrogen disponibili da questa settimana
- La scelta dei modelli è soprattutto tra quelli di Google
Ideale per chi analizza dati e vuole risultati in fretta senza configurare nulla.
Databricks
Più controllo- Punteggi di confidenza e motivazioni in ai_classify 2.1
- ai_query chiama qualsiasi modello servito sulla piattaforma, compresi Claude, GPT e modelli aperti
- L'API asincrona esegue fino a 50.000 richieste da un file (beta)
- Più opzioni da imparare
Ideale per i data engineer che costruiscono pipeline AI grandi e ripetibili.
Tenere sotto controllo il conto
- 1
Prova su un campione
Esegui la funzione su 200 righe, controllale a mano e misura la precisione prima di toccare l'intera tabella.
- 2
Usa il modello più piccolo che supera il test
Classificare e filtrare raramente richiedono un modello di punta. Su BigQuery, lascia prima scegliere il modello alla piattaforma.
- 3
Salva i risultati
Scrivi le etichette in una tabella una volta sola. Una dashboard che chiama una funzione AI a ogni aggiornamento paga ogni volta.
- 4
Elabora solo le righe nuove
Etichetta in modo incrementale con un WHERE sulla data di caricamento o un MERGE, mai di nuovo tutto lo storico.
- 5
Guarda la vista dei consumi AI della piattaforma
Ogni piattaforma riporta la spesa AI separata da quella di calcolo; imposta un avviso di budget.
Quando uscire dall'SQL
Se ti servono molte domande chiuse per elemento, probabilità su cui fissare soglie, o immagini e video nella stessa chiamata, un'API dedicata può costare meno. La nuova Gemini Decisions API di Google risponde a fino a 1.000 domande sì/no, a scelta o a punteggio per chiamata, a 0,10 dollari per milione di token in input. Il compromesso: i dati escono dal tuo data warehouse, quindi controlla prima le tue regole di governance.
Verifica cosa hai capito
1/3Quale funzione di BigQuery filtra le righe con una domanda sì/no?
AI.IF restituisce vero o falso, quindi va bene in una clausola WHERE.
2/3Cosa restituisce AI_CLASSIFY di Snowflake?
Prendi labels[0] per un'etichetta singola, o tieni l'array per i risultati con più etichette.
3/3Qual è il modo migliore per tenere bassi i costi delle funzioni AI nelle dashboard?
Ogni chiamata costa token; calcola le etichette una volta e riusale.
Hai risposto correttamente a 0 domande su 3.
Altro: l'aggiornamento di Snowflake di novembre, l'aggiornamento di BigQuery di novembre e le novità di novembre di Databricks Genie One.
Fonti: documentazione di Snowflake per AI_CLASSIFY e le Cortex AI Functions; documentazione di BigQuery per AI.CLASSIFY e la panoramica dell'AI generativa; documentazione di Databricks per ai_classify e le AI Functions; note di rilascio di Snowflake, BigQuery e Databricks (dal 9 al 16 novembre 2026). Opzioni delle funzioni e prezzi cambiano spesso, quindi controlla la documentazione di ogni piattaforma prima di un'elaborazione grande.
