Il problema dei video aziendali
Il video è oggi il tipo di dato più prodotto, più consumato e al contempo meno compreso nelle imprese. Rappresenta la quota più ampia del traffico internet consumer. All’interno delle organizzazioni, i contenuti video includono librerie di marketing con decine di migliaia di creativi, archivi sportivi che coprono decenni di trasmissioni, riprese di sicurezza e operative, contenuti formativi, call sugli utili, media generati dagli utenti e collezioni di contenuti dal valore di miliardi.
Nonostante la loro diffusione, pochi di questi video sono facilmente interrogabili. Molti risiedono in archivi a freddo come semplice voce di costo, anziché come asset strategico. Questa è un’opportunità persa: video interrogabili potrebbero permettere ai marketer di collegare il contenuto di un creativo alle performance della campagna, ai broadcaster di monetizzare decenni di archivi, ai retailer di trasformare i video di prodotto in dati catalogo strutturati e ai team di compliance di individuare rapidamente i filmati pertinenti. Le informazioni sono già presenti nei video; le organizzazioni non sanno ancora come porre loro domande.
La causa è semplice: il video non ha avuto un “momento foundation‑model” analogo a quello del testo. Il testo ha beneficiato di transformer, embedding e modelli di ragionamento, dando vita a un ecosistema di ricerca, sintesi e analisi. Il video, invece, si è limitato al riconoscimento di oggetti nei singoli fotogrammi, senza comprendere narrazioni, emozioni o flussi temporali. La trascrizione ha catturato solo il parlato, ignorando le informazioni visive. Le varie modalità sono rimaste isolate, lasciando i video aziendali come dati oscuri.
La svolta: Snowflake e TwelveLabs
Ora la situazione cambia. Snowflake ha stretto una partnership con TwelveLabs per offrire capacità AI native per il video attraverso le Snowflake Cortex AI Functions, consentendo alle organizzazioni di cercare e analizzare i video usando SQL, mantenendo al contempo i controlli di governance e sicurezza tipici di Snowflake.
Perché TwelveLabs
TwelveLabs sviluppa modelli AI nativi per il video che elaborano contemporaneamente visuale, audio e parlato lungo il tempo. I modelli sono progettati per un’analisi temporale unificata, anziché basarsi su singoli fotogrammi o pipeline separate per ciascuna modalità.
Due modelli alimentano la soluzione:
- Marengo (motore di percezione): un encoder multimodale che converte il video in embedding a 512 dimensioni, catturando contenuti visivi, schemi audio e linguaggio parlato in un’unica rappresentazione. È l’equivalente per i video di quello che gli embedding testuali hanno fatto per i documenti.
- Pegasus (motore di ragionamento): un modello video‑lingua che “guarda” il video e genera testo – riassunti, metadati strutturati, risposte a domande, descrizioni di scene. È l’equivalente per i video di quello che GPT ha realizzato per il testo.
Insieme, Marengo individua il momento giusto in una libreria massiva, mentre Pegasus spiega il significato di quel momento.
Integrazione con Snowflake
I dati di campagne, segmenti di audience, metadati di contenuti e spese sono già presenti in Snowflake. Fino a poco tempo fa, i video che hanno generato tali dati erano bloccati fuori dallo strato analitico.
Con le funzioni AI di TwelveLabs accessibili tramite Cortex AI Functions, si ottengono diversi vantaggi:
- Generazione di embedding video direttamente in‑place con le funzioni AI.
- Utilizzo di SQL: nessuna piattaforma separata, nessun SDK Python, nessun nuovo fornitore da integrare – basta una chiamata di funzione in una query.
- I segnali derivati dal video risiedono nelle stesse tabelle dei dati strutturati, permettendo di combinare intelligenza dei contenuti e metriche di performance in un’unica query.
- Governance completa: politiche a livello di riga, controlli basati su ruoli, log di audit. Le stesse regole si applicano ai dati derivati dal video memorizzati in Snowflake.
Architettura di riferimento

Come funziona nella pratica
Embedding: una sola chiamata per creare embedding ricercabili
I video sono conservati su uno stage Snowflake, interno o esterno (S3, GCS, Azure).
SELECT AIMULTI_EMBED(
'twelvelabs-marengo-embed-3-0',
TOFILE(@mystage, relative_path) -- funziona con stage interni o esterni
) AS embeddings
FROM video_catalog;
Marengo elabora ogni video end‑to‑end e restituisce un oggetto strutturato contenente embedding per tre modalità. Ogni modalità produce uno o più segmenti a seconda della lunghezza e del contenuto del video; ogni segmento è rappresentato da un vettore a 512 dimensioni:

Il numero di segmenti varia: un video di 2 minuti può produrre 10 segmenti visivi, 8 audio e 12 di trascrizione. Ogni segmento cattura una diversa sfaccettatura – ciò che appare sullo schermo, ciò che si sente e ciò che viene detto – supportando 36 lingue.
Ricerca: descrivi ciò che vuoi e troverai il momento esatto
Dopo aver memorizzato gli embedding, Cortex Search li indicizza e rende la libreria video ricercabile in linguaggio naturale, riducendo la dipendenza da tag manuali, corrispondenza di parole chiave e tassonomie mantenute.
query_vec = session.sql("""
SELECT AIMULTIEMBED('twelvelabs-marengo-embed-3-0',
'Find me a scene where a ship is burning at night'):value[0]['embedding']::ARRAY
""").collect()[0][0]
results = svc.search(
multiindexquery={"visualembedding": [{"vector": queryvec}]},
columns=["videofile", "startsec", "end_sec"],
limit=5
)
Esempio reale: il team marketing di Challenger School ha costruito uno strumento di ricerca di filmati basato su AIMULTIEMBED che individua clip rilevanti in minuti, sostituendo un processo manuale che richiedeva settimane.
“Usando il modello Marengo di Twelve Labs tramite AIMULTIEMBED di Snowflake, il nostro team può chiedere filmati in linguaggio naturale e ricevere timestamp, contesto della trascrizione e sequenze di revisione Premiere collegate ai file originali. Questo fornisce ai nostri editor un punto di partenza pratico per la creazione di video.” – Yashwanth Karumanchi, Research & Development, Challenger School Foundation
Analisi: poni qualsiasi domanda, ottieni risposte strutturate
Una singola chiamata di funzione può semplificare l’analisi del video. A seconda del caso d’uso, non è necessario configurare pipeline separate per estrazione di fotogrammi o trascrizione. Pegasus può analizzare il video e restituire risposte in linguaggio naturale o metadati strutturati.
SELECT AI_COMPLETE(
'twelvelabs-pegasus-1-5',
'What are the main characters doing? Identify any historical references.',
TOFILE(@mystage, relative_path) -- funziona con stage interni o esterni
) AS analysis
FROM video_catalog;
Per scenari avanzati, i Cortex Agents orchestrano ricerche multi‑vectoriali combinando segnali visivi, audio e di trascrizione con strategie di ranking personalizzate, tutto tramite tool calling. Basta descrivere in linguaggio naturale ciò che si cerca e l’agente recupera i momenti più pertinenti dalla libreria.

Chi può trarne beneficio
Le soluzioni sono rilevanti per molteplici settori: marketing, media & entertainment, retail, sicurezza, formazione, compliance e qualsiasi organizzazione che gestisce grandi volumi di contenuti video.

Come iniziare
Per sperimentare le capacità di Video AI su Snowflake, è sufficiente:
- Caricare i video su uno stage Snowflake (interno o esterno).
- Abilitare le funzioni AI di Cortex (AIMULTIEMBED, AI_COMPLETE).
- Creare tabelle per memorizzare gli embedding e i risultati di analisi.
- Utilizzare le query SQL illustrate per generare embedding, ricercare scene e ottenere analisi testuali.
Snowflake fornisce guide passo‑a‑passo e modelli di esempio nella documentazione ufficiale, consentendo alle organizzazioni di trasformare rapidamente i video da “dati oscuri” a risorse interrogabili e valorizzate.
