dbt: AI-agenten verzenden als tabellen voor Snowflake CoWork

Samenvatting

dbt koppelt AI-agenten aan dezelfde releaseketen als tabellen in Snowflake CoWork.

dbt-materialisaties voor Snowflake CoWork

Tijdens dbt Summit 2026 beschreven Stanley Bathina en Ryan Ballman van Under Armour hoe zij AI-agenten, semantic views en Cortex Search-services onderbrachten in dbt. Hun bestaande dbt- en Snowflake-pijplijn leverde ongeveer 3.000 beheerde dataproducten aan circa 950 dagelijkse gebruikers. De nieuwe AI-objecten werden aanvankelijk handmatig beheerd in de Snowflake-interface, zonder versiebeheer, pull requests, CI-controles of promotiepad tussen omgevingen.

Under Armour bouwde daarom twee eigen dbt-materialisaties: agent en cortex_search_service. Een agent wordt aangemaakt als die nog niet bestaat en aangepast als hij al bestaat. Vervangen is geen optie, omdat agents gespreksgeschiedenis en gebruiksanalyses bevatten. Dankzij relationele verwijzingen naar onderliggende tabellen kan dbt deze objecten opnemen in zijn afhankelijkheidsgrafiek.

Snowflake CoWork en beheerde AI-objecten

De aanpak maakt zichtbaar welke agents een wijziging raakt. Met dbt ls --select daily_sales_semv+ onderzoekt het team de gevolgen vóór een merge; dbt build --select state:modified+ bouwt in CI alleen gewijzigde onderdelen opnieuw op. Een post-hook regelt daarnaast omgevingsspecifieke rollen, rechten en registratie in Snowflake CoWork.

Dat verschil met handmatig beheer is concreet. Een eerder defect ontstond nadat een upstream-kolom was verwijderd; gebruikers kregen pas daarna verkeerde antwoorden. De nieuwe keten koppelt afhankelijkheden, toegangsrechten en deployment aan één controleerbaar proces. Vijf maanden na de ingebruikname waren meer dan 30 Cortex-objecten via dbt uitgerold over drie domeinen en drie omgevingen.

Concrete takeaway voor dbt- en Snowflake-teams

Behandel een AI-agent niet als een los configuratieobject in de Snowflake-interface. Definieer de agent, de bijbehorende semantic view en de Cortex Search-service als dbt-modellen, voeg CI-selecties en rechtencontroles toe en registreer productieagents automatisch in Snowflake CoWork. Controleer daarbij dat updates bestaande agents aanpassen in plaats van ze te vervangen, zodat gespreksgeschiedenis en gebruiksanalyses behouden blijven.