Snowflake acelera 37%: IA dispara consumo en la nube

Snowflake cierra su Q2 fiscal 2027 con producto creciendo 37% y tercer aceleración consecutiva

Snowflake reportó ingresos por producto de US$1,49 mil millones en el segundo trimestre de su año fiscal 2027, un 37% interanual que marca el tercer trimestre consecutivo de aceleración, según confirmó Yahoo Finance. Los ingresos totales llegaron a US$1,55 mil millones (+35,1%) y el management elevó la guía anual de producto a US$6,07 mil millones, desde los US$5,84 mil millones anteriores, lo que implica un crecimiento del 36% frente al 31% proyectado.

El reporte es relevante para founders porque confirma algo que llevaba meses insinuándose en el sector: la demanda de infraestructura de datos ya no se explica sin IA. No es un “bonus” sobre la tendencia cloud: es el motor que está acelerando el consumo por cliente.

La IA como flywheel de consumo, no como feature

La narrativa de Snowflake cambió de tono en este trimestre. La compañía lleva meses repitiendo que la IA “compounde advantages”; ahora lo demuestran los números.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

CoCo superó las 9,100 cuentas, tras incorporar más de 2,000 en el trimestre, según Yahoo Finance.
CoWork se expandió a 5,800 cuentas, casi 11% más secuencial.
Los productos de IA aportaron aproximadamente la mitad de la aceleración del crecimiento, según cifras recogidas por Blockonomi.
330 nuevas capacidades de producto pasaron a disponibilidad general en la primera mitad del año fiscal, 35% más interanual.

El dato más elocuente para un founder no es el crecimiento en sí, sino el patrón que describe el CEO Sridhar Ramaswamy en el comunicado recogido por Pulse 2.0: "AI continúa compounding nuestras ventajas, creando un efecto flywheel". La lógica es simple y replicable: una empresa mete más datos en la plataforma, levanta aplicaciones de IA sobre esos datos, y termina consumiendo más infraestructura de la que tenía contratada. El ticket sube sin que el equipo de procurement lo decida.

Clientes grandes, contratos largos: el verdadero termómetro

El crecimiento en cuentas se sostiene con métricas de expansión que importan más a un CFO que el titular de "37%".

14,554 clientes totales, con +692 nuevos netos (+32% interanual).
828 clientes que superan US$1 millón anuales en producto, un 27% más interanual.
829 clientes Forbes Global 2000, tras sumar 14 en el trimestre.
65 clientes que superan los US$10 millones en producto.
Net Revenue Retention del 126%, de los más altos del sector.
Remaining Performance Obligations (RPO) de US$9,00 mil millones (+30% interanual) — contratos firmados que se reconocerán como ingreso en los próximos 12-24 meses.

RPO al 30% de crecimiento es la métrica más infravalorada en análisis retail. Indica que las empresas no solo gastan más hoy: ya firmaron gastar más mañana. Para un founder B2B en etapa growth, esa dinámica explica por qué ciertos competidores con consumo por uso pueden acelerar ARR aunque su ACV unitario parezca modesto.

Comparativa: Snowflake vs MongoDB en el mismo trimestre

El artículo original contrasta el 35% de Snowflake con el 30% de MongoDB, pero el contexto completo cambia la lectura.

MongoDB reportó US$771,8 millones en Q2 fiscal 2027 (+30,5%), su mayor crecimiento trimestral desde 2024, según 24/7 Wall St. Repartido así:

Atlas (cloud): US$565,9 millones, +29% interanual, quinto trimestre consecutivo en ese rango.
Enterprise Advanced y otros: +36% interanual, el segmento de mayor crecimiento.
2,900 clientes nuevos en el trimestre (récord histórico), totalizando 70,600.
RPO de US$1,52 mil millones (+91% interanual) — un salto mucho más violento que el de Snowflake en términos relativos.
Margen operativo non-GAAP del 24%, sensiblemente mejor que el 14,5% proyectado por Snowflake para todo FY27.

La diferencia clave para founders: MongoDB vende base de datos operacional donde viven los datos en tiempo real que necesita un agente de IA; Snowflake vende el warehouse analítico donde se entrenan y consultan esos agentes. No compiten por lo mismo, pero la demanda de ambos se acelera por el mismo motivo: empresas construyendo aplicaciones agenticas sobre datos propios.

El CEO de MongoDB, CJ Desai, lo resumió en el call reportado por The Market Is Open: "Los clientes que ya corren una parte grande de su data estate en MongoDB están construyendo agentes encima de esos datos — es una extensión natural". La analogía sirve: si tu startup quiere vender IA empresarial, la pregunta no es qué LLM usar, sino dónde viven tus datos.

Sentimiento institucional: más largo que corto, pero con matices

El artículo original destaca que 103 fondos de cobertura mantenían posiciones largas en Snowflake al cierre del trimestre, frente a 80 al cierre del anterior. El interés corto en la acción ronda el 5,56% del float, contra 3,62% en competidores como MongoDB.

Esa diferencia de short interest suele interpretarse como “menos convicción”. Pero Blockonomi reportó que SNOW rebotó 21,63% en after-hours hasta US$372 tras el reporte, revirtiendo una caída del 4,37% en la sesión regular. La lectura: el mercado esperaba guía tibia y recibió guía alcista. Los cortos se cubrieron, los institucionales sumaron. Es un patrón clásico de "beat and raise" en enterprise software.

Para founders considerando salida a bolsa o ronda growth en 2026-2027, la señal es útil: empresas de infraestructura de datos con NRR >125% y RPO creciendo >30% siguen siendo rewarded por el mercado, incluso con valuaciones ajustadas desde 2024.

Qué significa esto para tu startup

Si estás construyendo sobre IA empresarial, los números de Snowflake y MongoDB validan que la capa de datos es el cuello de botella, no el modelo. Tres acciones concretas:

Audita dónde viven tus datos hoy. Si la respuesta es "en cinco lugares diferentes", cada aplicación de IA que lances costará más en integración que en cómputo. Plataformas unificadas (warehouse + lakehouse + vector store) están capturando presupuesto precisamente porque eliminan ese problema.
Mide tu consumo por feature de IA, no por modelo. El flywheel que describe Ramaswamy aplica a cualquier producto: más datos → más features IA → más uso de plataforma → más datos. Si tu SaaS no tiene esa dinámica, tienes un problema de retención disfrazado de problema de growth.
Si vendes a enterprise, prepárate para contratos de 12-24 meses. El RPO creciendo 30% significa que los clientes están dispuestos a comprometerse. Modelos puramente pay-as-you-go dejan dinero sobre la mesa en este ciclo.

La conclusión incómoda: en este mercado, quien no tiene datos limpios y unificados no podrá capturar el valor de la IA aunque tenga el mejor modelo. La infraestructura dejó de ser commodity — volvió a ser ventaja competitiva.