I risultati di Snowflake superano le attese, ma il consumo legato all'IA deve dimostrare di poter durare
I risultati di Snowflake hanno registrato una netta sorpresa positiva, con ricavi trimestrali pari a 1,55 miliardi di dollari e ricavi da prodotti in crescita del 37% rispetto a un anno prima. Il risultato ha superato il consenso sui ricavi di circa 1,48 miliardi di dollari riportato da LSEG. Snowflake ha inoltre alzato le proprie previsioni annuali sui ricavi da prodotti ben oltre le indicazioni precedenti.
Il superamento delle attese conta perché Snowflake opera con un modello di business basato sul consumo. I clienti pagano in base all'utilizzo di risorse di calcolo, archiviazione e servizi di IA, anziché tramite abbonamenti prevedibili basati sul numero di postazioni. Una crescita più rapida suggerisce quindi che i carichi di lavoro aziendali si stanno espandendo, e non soltanto che i clienti hanno firmato contratti più lunghi.
La questione più profonda è se l'IA abbia cambiato la traiettoria di crescita di Snowflake o abbia semplicemente prodotto un trimestre molto forte. Databricks, Microsoft, Google, Amazon Web Services e altri fornitori di piattaforme dati competono per gli stessi carichi di lavoro IA. Snowflake deve ora dimostrare che la sua accelerazione riflette un utilizzo produttivo duraturo, non sperimentazioni che i clienti in seguito ottimizzano fino a eliminare.
Il superamento delle attese di Snowflake è andato oltre un singolo dato sui ricavi
Snowflake ha superato le aspettative per ricavi correnti, impegni futuri e previsioni per l'intero anno.
Snowflake ha comunicato i risultati del secondo trimestre dell'esercizio fiscale 2027 il 2 settembre 2026. Il trimestre si è concluso il 31 luglio, quindi l'annuncio copre attività completate prima dell'ultimo mese del terzo trimestre solare.
Secondo i risultati trimestrali della società, i ricavi totali hanno raggiunto 1,55 miliardi di dollari. Ciò ha rappresentato una crescita del 35% su base annua. I ricavi da prodotti hanno raggiunto 1,49 miliardi di dollari, in aumento del 37%.
Questi numeri devono rimanere distinti. I ricavi totali includono i ricavi da prodotti e i servizi professionali. Il dato sui prodotti è particolarmente importante perché Snowflake lo usa per misurare la domanda della propria piattaforma principale.
I dati esterni di consenso indicavano ricavi totali attesi intorno a 1,48 miliardi di dollari. Alcuni resoconti hanno arrotondato diversamente tale stima, ma il risultato essenziale rimane invariato. Snowflake ha superato la previsione media di Wall Street di circa 70 milioni di dollari.
Il management ha descritto il periodo come il terzo trimestre consecutivo di accelerazione della crescita dei ricavi da prodotti. Questo andamento ha più peso di un singolo superamento delle attese sugli utili. Snowflake ha chiuso l'esercizio fiscale 2026 con una crescita dei ricavi da prodotti intorno al 30%, per poi accelerare nella prima metà dell'esercizio fiscale 2027.
Anche gli indicatori relativi ai clienti si sono mossi nella stessa direzione. Snowflake ha chiuso il trimestre con 828 clienti che generavano oltre 1 milione di dollari di ricavi da prodotti negli ultimi 12 mesi. Questo gruppo è cresciuto del 27% rispetto all'anno precedente.
La crescita dei grandi clienti è importante perché i progetti aziendali sui dati spesso iniziano con un carico di lavoro limitato. Diventano strategicamente rilevanti quando ulteriori dipartimenti, set di dati, applicazioni e sistemi IA confluiscono nella stessa piattaforma.
Snowflake ha inoltre riportato 829 clienti Forbes Global 2000. Questo numero offre una misura distinta della penetrazione nel mercato aziendale, anche se non rivela quanto spenda ciascun cliente.
Il net revenue retention è stato del 126%. Il net revenue retention confronta i ricavi correnti da prodotti di un gruppo di clienti esistente con i ricavi dello stesso gruppo un anno prima. Un tasso superiore al 100% significa che l'espansione ha superato riduzioni e perdite di clienti.
Il dato del 126% indica che i clienti esistenti, nel loro insieme, hanno aumentato la spesa. Non mostra tuttavia se tale espansione sia stata distribuita uniformemente. Un numero ristretto di carichi di lavoro IA in rapida crescita può influenzare materialmente i ricavi da consumo.
Le obbligazioni di performance rimanenti hanno raggiunto 9 miliardi di dollari, in aumento del 30% su base annua. Questa metrica rappresenta ricavi futuri contrattualizzati che Snowflake non ha ancora rilevato. Offre visibilità sulla domanda, anche se la tempistica del riconoscimento dipende dall'utilizzo dei clienti e dalle condizioni contrattuali.
La società è rimasta in perdita secondo i principi contabili generalmente accettati. Ha riportato una perdita netta trimestrale di circa 192 milioni di dollari, in miglioramento rispetto ai circa 298 milioni di dollari di un anno prima. Il divario tra performance rettificata e redditività GAAP rimane parte del dibattito sugli investimenti.
Nel complesso, questi dati mostrano un miglioramento ampio. I clienti hanno impegnato più denaro, gli account esistenti hanno ampliato i consumi, il numero di grandi account è aumentato e i ricavi rilevati hanno superato le attese.
Questa ampiezza spiega perché gli investitori si siano concentrati su più del dato principale di 1,55 miliardi di dollari. Il trimestre ha offerto prove che il motore di crescita di Snowflake ha accelerato attraverso diversi indicatori collegati.
Snowflake ha alzato le previsioni ben oltre il precedente livello di riferimento
Il cambiamento più rilevante è stata la decisione di Snowflake di aumentare le previsioni sui ricavi da prodotti per l'intero anno a 6,07 miliardi di dollari.
Snowflake prevedeva in precedenza ricavi da prodotti per l'esercizio fiscale 2027 di circa 5,84 miliardi di dollari. La nuova previsione aggiunge circa 230 milioni di dollari a tale prospettiva e implica una crescita annuale del 36%.
Il dato rivisto ha inoltre superato il consenso degli analisti di circa 5,86 miliardi di dollari citato nei primi resoconti. Non si è trattato di un ristretto adeguamento delle previsioni pensato semplicemente per eguagliare le aspettative di Wall Street.
Snowflake prevede ricavi da prodotti per il terzo trimestre fiscale di circa 1,59 miliardi di dollari. Questa previsione era superiore alla stima degli analisti vicina a 1,51 miliardi di dollari riportata nell'articolo originale e implica che il management si aspetta che lo slancio continui oltre il trimestre comunicato.
La reazione del mercato ha riflesso questo segnale orientato al futuro. Le azioni Snowflake sono salite di oltre il 20% nelle contrattazioni estese dopo l'annuncio.
I movimenti azionari non verificano le dichiarazioni operative di una società. Mostrano però come gli investitori abbiano interpretato la differenza tra la vecchia previsione e quella nuova. In questo caso, il mercato ha considerato l'aumento delle previsioni una prova che la domanda aveva superato le ipotesi precedenti.
La portata della revisione è importante perché Snowflake aveva già alzato le aspettative in precedenza nell'esercizio fiscale. Un ulteriore aumento suggerisce che la società abbia osservato consumi più forti dopo aver fissato la previsione precedente.
I modelli basati sul consumo possono rivelare i cambiamenti della domanda più rapidamente dei contratti di abbonamento tradizionali. Quando i clienti eseguono più query, elaborano set di dati più grandi o richiamano più modelli IA, i ricavi possono crescere nello stesso trimestre.
La stessa sensibilità crea rischi. I clienti possono ottimizzare i carichi di lavoro, ridurre le query non necessarie o rinviare progetti. Snowflake ha subito questa pressione quando le aziende hanno esaminato attentamente la spesa per il cloud in periodi precedenti.
Questo trimestre indica che l'espansione dei carichi di lavoro ha superato tali sforzi di ottimizzazione. Non significa che l'ottimizzazione sia scomparsa. I clienti continueranno a cercare migliori prestazioni per unità di calcolo, soprattutto perché l'inferenza IA aumenta le bollette infrastrutturali.
Snowflake ha inoltre indicato un margine operativo non-GAAP del 14,5% per l'intero anno. Il margine previsto di free cash flow rettificato non-GAAP era del 23%.
Questi obiettivi di margine sono importanti perché servire carichi di lavoro IA può essere costoso. Inferenza dei modelli, calcolo accelerato, reti e archiviazione generano costi diversi dalle query analitiche convenzionali.
Il management affronta quindi due test simultanei. Snowflake deve aumentare il consumo legato all'IA preservando al contempo margini lordi e operativi accettabili. Una crescita ottenuta tramite risorse di calcolo antieconomiche indebolirebbe il valore dell'accelerazione dei ricavi.
Gli impegni infrastrutturali a lungo termine di Snowflake aggiungono un ulteriore livello. La società ha firmato nel trimestre precedente un accordo quinquennale che prevede 6 miliardi di dollari di consumo infrastrutturale AWS atteso.
Tale impegno può garantire capacità e migliorare l'economia del servizio. Aumenta però anche l'importanza di una domanda sostenuta della piattaforma, poiché Snowflake deve generare sufficiente consumo dei clienti per utilizzare l'infrastruttura in modo efficiente.
La nuova previsione indica che il management vede attualmente domanda sufficiente per aumentare le proprie aspettative. I prossimi trimestri riveleranno se questa fiducia resisterà ai cambiamenti nei budget dei clienti e nell'efficienza computazionale.
L'IA sta passando da una storia di funzionalità a una storia di consumo
L'inversione centrale è che l'IA sembra aumentare la domanda per la piattaforma dati principale di Snowflake anziché aggirarla.
L'argomento ribassista sull'IA aziendale era semplice. Nuovi modelli avrebbero potuto consentire alle aziende di interagire direttamente con le informazioni nei sistemi esistenti, riducendo la necessità di un data warehouse cloud separato.
Snowflake presenta l'esito opposto. La sua piattaforma si colloca tra i dati aziendali e le applicazioni IA, offrendo archiviazione, calcolo, governance, ricerca e controlli di accesso. Le applicazioni IA possono creare query aggiuntive e attività di elaborazione dei dati all'interno di questo ambiente.
Il CFO Brian Robins ha affermato che il trimestre ha incluso “un significativo incremento dei ricavi dall'IA”. Ha inoltre collegato il risultato alla continua solidità del core business della piattaforma dati di Snowflake.
Questa distinzione è importante. L'IA non opera come una categoria di prodotto completamente separata. Può aumentare la domanda per data warehouse esistenti, pipeline di dati, sistemi di governance e infrastruttura applicativa.
Snowflake Intelligence fornisce un esempio. Il prodotto consente agli utenti aziendali di porre domande sui dati dell'impresa tramite un'interfaccia conversazionale. Dietro tale interfaccia, Snowflake deve comunque identificare i dati autorizzati, recuperare le informazioni pertinenti ed eseguire calcoli governati.
Cortex AI offre servizi per creare e gestire applicazioni di IA generativa all'interno di Snowflake. Cortex AI SQL integra operazioni assistite dai modelli in SQL, il linguaggio comune utilizzato per interrogare dati strutturati.
Un documento tecnico redatto da Snowflake descrive come Cortex AI SQL consideri il costo dell'inferenza dei modelli come parte della pianificazione delle query. Il sistema può indirizzare attività più semplici verso modelli meno costosi e riservare modelli più capaci ai casi incerti.
Questo meccanismo collega direttamente l'adozione dell'IA alla sfida economica di Snowflake. I clienti desiderano risultati utili dai modelli, ma hanno anche bisogno di latenza prevedibile e costi di calcolo gestibili.
Se Snowflake riduce il costo di una query IA, i clienti potrebbero spendere meno per ogni richiesta. Tuttavia, costi più bassi possono anche rendere pratici ulteriori casi d'uso produttivi, aumentando il volume totale delle query.
Questa dinamica ricorda i precedenti cicli di ottimizzazione del cloud. Un'infrastruttura più efficiente non riduce automaticamente i ricavi di un fornitore. Costi unitari più bassi possono stimolare maggiori consumi quando i clienti trovano più carichi di lavoro che vale la pena eseguire.
L'attuale posizione di Snowflake sui dati è d'aiuto. I sistemi IA aziendali richiedono più del semplice accesso a un modello linguistico. Necessitano di informazioni aziendali aggiornate, controlli sulle autorizzazioni, verifiche di qualità, tracciabilità e monitoraggio.
Questi requisiti diventano particolarmente importanti quando un agente IA può intraprendere azioni. Un riepilogo errato crea un inconveniente. Un'azione automatizzata errata può influire su registrazioni finanziarie, clienti, inventario o processi regolamentati.
Snowflake sta cercando di diventare il livello di esecuzione governato per questi sistemi. La sua opportunità non si limita alla vendita di accesso a modelli proprietari. I clienti possono utilizzare diversi fornitori di modelli mantenendo dati e politiche di controllo all'interno di Snowflake.
Questo approccio spiega anche perché il core business della piattaforma abbia accelerato insieme ai ricavi dall'IA. Prima che un cliente distribuisca un agente IA, potrebbe dover consolidare le informazioni, migliorare la qualità dei dati e stabilire regole di accesso.
Questi carichi di lavoro preparatori generano un consumo convenzionale della piattaforma dati. L'AI può quindi espandere i ricavi prima che l'applicazione finale raggiunga un utilizzo diffuso in produzione.
La discussione sui risultati dell'azienda ha inoltre evidenziato le migrazioni da sistemi dati meno recenti. Queste migrazioni restano una fonte di crescita distinta, ma l'urgenza dell'AI può accelerarle.
Un'azienda può tollerare dati frammentati quando i dipendenti compilano manualmente i report. La stessa frammentazione diventa un ostacolo maggiore quando un sistema di AI necessita di un accesso affidabile e immediato tra i vari reparti.
L'argomentazione più forte di Snowflake va quindi oltre il concetto di “i clienti vogliono l'AI”. È che un'AI aziendale utile aumenta la domanda di dati organizzati, governati e accessibili dal punto di vista computazionale.
I knowledge worker affrontano un problema analogo su scala più piccola. Un modello non può rispondere in modo affidabile alle domande quando note e documenti rilevanti restano dispersi. Una base di conoscenza personale consultabile applica lo stesso principio di base al lavoro individuale.
Per Snowflake, l'opportunità di ricavo deriva dall'applicazione di questo principio in grandi organizzazioni. Ogni sistema di AI in produzione può creare nuova domanda di preparazione dei dati, recupero delle informazioni, sicurezza e monitoraggio.
Ecco perché questo trimestre è più significativo di un annuncio isolato su un prodotto AI. Snowflake ha riportato evidenze del fatto che l'attività legata all'AI sta ora incidendo sui ricavi riconosciuti e sulle sue previsioni annuali.
Databricks e i giganti del cloud mantengono alta la pressione
I risultati di Snowflake rafforzano la sua posizione, ma non risolvono la competizione per i carichi di lavoro aziendali legati ai dati per l'AI.
Databricks rimane il concorrente diretto più evidente. L'azienda ha costruito la propria reputazione attorno al data engineering e al machine learning, mentre Snowflake si è inizialmente fatta conoscere per il data warehousing nel cloud.
Entrambe le aziende si sono espanse oltre questi punti di partenza. Snowflake ha aggiunto strumenti per sviluppatori, servizi di machine learning, supporto per tabelle aperte e prodotti AI. Databricks si è spinta maggiormente in analytics, carichi di lavoro SQL, governance e business intelligence.
Questa convergenza significa che gli acquirenti li valutano sempre più rispetto agli stessi requisiti. Tra questi figurano data engineering, analytics, sviluppo di modelli, governance, distribuzione di applicazioni e supporto per formati aperti.
L'accelerazione dei ricavi di Snowflake suggerisce che Databricks non le ha impedito di espandersi nelle grandi imprese. Anche la conclusione opposta sarebbe però troppo netta. Molte aziende utilizzano entrambe le piattaforme e assegnano a ciascuna carichi di lavoro diversi.
Microsoft, Google e AWS creano un'altra forma di pressione. Ciascuna controlla un importante ambiente cloud e offre servizi integrati di dati, analytics e AI.
Microsoft può combinare l'infrastruttura Azure, Fabric, Power BI e le proprie relazioni con OpenAI. Google offre BigQuery, Vertex AI e i suoi modelli Gemini. AWS collega la propria presenza infrastrutturale a Redshift, Bedrock, SageMaker e servizi correlati.
Queste aziende possono includere prodotti per dati e AI in impegni cloud più ampi. Controllano inoltre l'infrastruttura sottostante che Snowflake utilizza per erogare il proprio servizio.
La risposta di Snowflake è la disponibilità multi-cloud e una piattaforma coerente tra i vari provider. Questo può attrarre le aziende che desiderano ridurre la dipendenza da un singolo fornitore cloud o gestire i dati in più ambienti.
Tuttavia, l'architettura multi-cloud introduce costi propri. Lo spostamento delle informazioni tra regioni o provider può generare spese di rete, complessità di governance e latenza.
Anche i formati di dati aperti hanno modificato il panorama competitivo. Apache Iceberg, un formato di tabella aperto, consente a più motori di calcolo di lavorare sugli stessi file di dati sottostanti.
Snowflake supporta Iceberg perché i clienti desiderano sempre più separare l'archiviazione dei dati dal motore di calcolo di un singolo fornitore. Databricks promuove un'apertura comparabile tramite tecnologie associate all'approccio lakehouse.
Questo cambiamento offre ai clienti maggiore flessibilità. Indebolisce però anche il vantaggio tradizionale di bloccare dati e calcolo all'interno di un unico ambiente proprietario.
Snowflake deve quindi competere attraverso prestazioni, governance, esperienza per gli sviluppatori e servizi integrati. La semplice archiviazione dei dati di un cliente non è più sufficiente.
L'AI aumenta questa pressione perché i fornitori di modelli e gli sviluppatori di applicazioni desiderano accedere ai dati senza spostarli inutilmente. La piattaforma che offre l'accesso governato più semplice può acquisire una quota maggiore del calcolo a valle.
I numeri del secondo trimestre di Snowflake mostrano che i clienti stanno attualmente portando più attività sulla sua piattaforma. Le obbligazioni di prestazione residue e la crescita dei grandi clienti indicano che l'azienda sta anche assicurandosi impegni di più lungo periodo.
Tuttavia, tali impegni non garantiscono un utilizzo esclusivo. Un'azienda può firmare un grande contratto Snowflake mentre espande Databricks, Microsoft Fabric o Google BigQuery altrove.
Anche la concentrazione dei clienti merita attenzione. La crescita tra gli account che spendono oltre 1 milione di dollari è incoraggiante, ma le grandi imprese dispongono di un notevole potere contrattuale. Possono negoziare sconti e spostare i carichi di lavoro quando le condizioni economiche cambiano.
Il modello di consumo di Snowflake rende visibili i cambiamenti competitivi attraverso l'utilizzo. Se un cliente reindirizza l'addestramento di machine learning o l'inferenza AI verso un altro ambiente, Snowflake potrebbe subirne l'effetto prima della scadenza di un contratto in abbonamento.
Questa sensibilità spiega in parte perché gli investitori abbiano reagito con forza al trimestre. L'accelerazione del consumo fornisce un segnale relativamente immediato che Snowflake sta conquistando abbastanza carichi di lavoro da superare la pressione competitiva e di ottimizzazione.
La precedente relazione annuale dell'azienda ha identificato concorrenza, dipendenza dall'infrastruttura, sicurezza e ottimizzazione dei clienti come rischi persistenti. Un trimestre positivo modifica le evidenze attuali, non queste condizioni strutturali.
Snowflake ha guadagnato una posizione più forte nel dibattito. Non ha ottenuto un'esenzione da esso.
Ciò che i numeri non dimostrano ancora
Snowflake ha mostrato che l'AI ha contribuito a una crescita più rapida, ma non ha ancora divulgato pienamente la sostenibilità o l'economia di tale contributo.
Il management ha dichiarato che i ricavi dell'AI sono aumentati in modo significativo. Il comunicato pubblico sugli utili non ha fornito una cifra completa e autonoma dei ricavi AI, una coorte di clienti o il margine lordo di tali carichi di lavoro.
Questa omissione limita l'analisi esterna. Gli investitori possono osservare una crescita più rapida dei ricavi di prodotto, ma non possono separare con precisione il consumo AI da migrazioni, analytics convenzionali, archiviazione, prezzi o altri servizi della piattaforma.
Anche le metriche di adozione da parte dei clienti richiedono contesto. Un account può attivare una funzionalità AI senza portarla in un processo produttivo critico. Prove, dimostrazioni e implementazioni limitate a singoli reparti possono tutte essere conteggiate come utilizzo.
I carichi di lavoro in produzione tendono a comportarsi diversamente. Elaborano più dati, richiedono una sicurezza più rigorosa e operano in modo ripetuto. Sono inoltre sottoposti a un controllo più attento da parte dei team finanziari, legali e infrastrutturali.
La domanda successiva non è quindi se i clienti possano accedere ai prodotti AI di Snowflake. È se questi prodotti diventino componenti ricorrenti delle operazioni aziendali.
La volatilità dei consumi rimane un'altra incertezza. Lo sviluppo dell'AI spesso crea un picco iniziale mentre i team preparano i dati, testano i modelli e confrontano le architetture. L'utilizzo può diminuire quando un progetto termina o raggiunge una fase di ottimizzazione.
L'aumento delle previsioni per il terzo trimestre da parte di Snowflake riduce le preoccupazioni per un'inversione immediata. Non stabilisce però un andamento pluriennale.
Anche il rapporto tra efficienza e ricavi richiede un'interpretazione attenta. Snowflake migliora continuamente le prestazioni di calcolo affinché i clienti possano completare più lavoro utilizzando meno crediti.
Questo miglioramento rafforza il valore per i clienti e la competitività. Nel breve termine, tuttavia, può ridurre i ricavi derivanti da un carico di lavoro invariato. Snowflake necessita di nuovi carichi di lavoro e di maggiore attività per compensare tali guadagni di efficienza.
L'AI può fornire questa domanda aggiuntiva. Il trimestre supporta questa tesi, ma i risultati futuri dovranno dimostrare che la creazione di carichi di lavoro supera costantemente l'ottimizzazione.
I margini costituiscono un secondo test. Snowflake prevede un margine lordo di prodotto non-GAAP del 74% per l'intero anno, insieme a un margine operativo non-GAAP del 14,5%.
Queste cifre indicano che il management prevede una redditività sostanziale nonostante l'aumento dell'attività AI. Gli investitori dovrebbero comunque monitorare se l'inferenza dei modelli e il calcolo accelerato esercitino pressione sul margine lordo di prodotto.
La redditività GAAP rimane irrisolta. La perdita netta trimestrale di circa 192 milioni di dollari di Snowflake è migliorata, ma dimostra che gli utili rettificati non catturano tutte le spese rilevanti.
La compensazione basata su azioni rimane una differenza importante tra i risultati GAAP e non-GAAP. Non richiede lo stesso pagamento immediato in contanti degli stipendi, ma può diluire gli azionisti esistenti quando le aziende emettono azioni aggiuntive.
La reazione del mercato crea una sfida propria. Una valutazione più elevata attribuisce maggiore peso all'esecuzione futura. Snowflake deve ora raggiungere una previsione annuale sostanzialmente superiore al suo piano precedente.
I budget aziendali aggiungono incertezza. L'AI rimane una priorità del management, ma molte organizzazioni stanno ancora determinando quali casi d'uso offrano rendimenti misurabili.
Sicurezza e affidabilità possono rallentare le implementazioni. Le aziende possono consentire a un assistente AI di riassumere documenti interni prima di permettere a un agente di aggiornare database o attivare flussi di lavoro operativi.
La qualità dei dati rappresenta un'altra limitazione. Un sistema AI può recuperare rapidamente informazioni e continuare comunque a produrre risposte inaffidabili se i dati di origine sono incoerenti, incompleti o mal governati.
Snowflake può fornire un'infrastruttura per la governance, ma non può correggere automaticamente ogni processo organizzativo che ha prodotto dati deboli. Le implementazioni di successo richiedono lavoro tecnico e disciplina operativa da parte dei clienti.
Questi vincoli non annullano il trimestre. Definiscono lo standard che Snowflake dovrà soddisfare in seguito. L'azienda deve trasformare il primo interesse per l'AI in un consumo ricorrente in produzione senza sacrificare margini o fiducia.
Tre segnali mostreranno se l'accelerazione di Snowflake può continuare
Il consumo del terzo trimestre, l'economia dell'AI e le vittorie competitive sui carichi di lavoro determineranno se questo trimestre segna un cambiamento duraturo.
Il primo segnale è il fatturato di prodotto di Snowflake nel terzo trimestre fiscale. Il management prevede circa 1,59 miliardi di dollari, comodamente al di sopra della precedente stima degli analisti citata nei primi report.
Raggiungere tale obiettivo dimostrerebbe che l'accelerazione del secondo trimestre è proseguita dopo luglio. Un ulteriore aumento delle previsioni rafforzerebbe l'argomentazione secondo cui il management ha ancora sottostimato la domanda.
Un mancato raggiungimento non invaliderebbe automaticamente la tesi dell'AI. Il consumo può spostarsi tra trimestri a causa dei calendari dei clienti e dell'attività stagionale. Un divario significativo solleverebbe comunque interrogativi sulla sostenibilità della recente crescita dei carichi di lavoro.
La retention netta dei ricavi dovrebbe essere letta insieme ai ricavi di prodotto. Un tasso stabile o in aumento indicherebbe che i clienti esistenti continuano a espandersi. Un calo suggerirebbe che la nuova attività dei clienti stia facendo una parte maggiore del lavoro.
Il secondo segnale è il rapporto tra ricavi AI e margini. Snowflake deve dimostrare che un maggiore utilizzo dei modelli può coesistere con i suoi obiettivi di margine lordo e flusso di cassa libero rettificato.
Gli investitori dovrebbero monitorare il margine lordo di prodotto, i costi dell'infrastruttura e i commenti del management sull'efficienza dell'inferenza. Se i margini reggono mentre il consumo AI aumenta, l'economia della piattaforma Snowflake apparirà più solida.
Se i margini si indeboliscono, il mercato dovrà determinare se la pressione rifletta un investimento temporaneo o una combinazione di carichi di lavoro strutturalmente più costosa.
Il terzo segnale è rappresentato dalle prove di successi competitivi in produzione. Gli annunci dei clienti contano soprattutto quando descrivono sistemi già implementati, utilizzo ripetuto, consumo misurabile ed espansione tra i reparti.
Gli annunci di partnership generiche offrono meno prove. Un'azienda può annunciare l'accesso a un modello o a un'integrazione senza generare ricavi significativi per la piattaforma.
Anche l'attività di migrazione rivelerà la forza competitiva. Quando le organizzazioni trasferiscono vecchi data warehouse o sistemi di dati frammentati in Snowflake, creano una base per il futuro consumo di analisi e AI.
I casi più solidi combineranno la migrazione con l'AI in produzione. Questa combinazione sostiene l'argomentazione di Snowflake secondo cui l'AI amplia la piattaforma principale anziché sostituirla.
Databricks, Microsoft, Google e AWS continueranno a rilasciare servizi concorrenti. Le loro risposte aiuteranno a capire se Snowflake ha creato un vantaggio distintivo in termini di governance e consumo o se si è semplicemente unita a una corsa alle funzionalità già affollata.
Gli acquirenti aziendali dovrebbero confrontare le piattaforme a livello di carico di lavoro. La posizione dei dati, i requisiti di governance, il supporto ai formati aperti, la scelta dei modelli, le prestazioni e il costo operativo totale contano più di un singolo titolo trimestrale.
Gli sviluppatori dovrebbero osservare con quale facilità i servizi AI di Snowflake passano dai prototipi alle applicazioni monitorate. La velocità di implementazione è importante, ma affidabilità e controllo dei costi determinano se tali applicazioni supereranno le revisioni di budget.
I knowledge worker dovrebbero aspettarsi un accesso più conversazionale ai dati aziendali. Dovrebbero anche chiedere quali fonti supportano una risposta, quali autorizzazioni si applicano e se il sistema sa distinguere le informazioni verificate dal testo generato.
I risultati del secondo trimestre di Snowflake offrono finora la prova più solida che l'AI stia aumentando il consumo della sua piattaforma. Ricavi, fidelizzazione, impegni e previsioni si sono tutti mossi in una direzione favorevole.
La prova rimanente è la ripetizione. Occorre monitorare l'obiettivo di 1,59 miliardi di dollari per i prodotti del terzo trimestre, i commenti sui margini legati all'AI e le implementazioni in produzione nominate. Questi tre segnali mostreranno se gli utili di Snowflake hanno segnato un'accelerazione duratura o un trimestre insolitamente forte.
