Snowflake presenta una startup: EmergeGen AI

Nelle interviste Snowflake presenta una startup chiediamo ai fondatori di startup quali problemi stanno risolvendo, quali applicazioni stanno sviluppando e quali lezioni hanno appreso nel loro percorso imprenditoriale. In questa edizione, incontriamo i co-fondatori di EmergeGen AI, Allan Beechinor, Niamh Parker e Chris Harrison, e scopriamo come stanno mettendo a frutto la loro esperienza in ambito di governance e conformità dei dati, legal technology e AI integrata per trasformare la conformità normativa in un volano di trasformazione del business. 

Come fondatori, cosa vi ispira?

Siamo ispirati dal potere trasformativo dell’AI nel risolvere alcune delle sfide più complesse legate alla governance dei dati, alla conformità e ai processi decisionali aziendali. La nostra visione è colmare il divario tra le tecnologie AI avanzate e le esigenze reali delle aziende, assicurando che l’AI non sia solo uno strumento, ma un abilitatore strategico per la crescita del business e la precisione normativa.

Quale problema si propone di risolvere EmergeGen?

I metodi tradizionali di elaborazione dei dati non riescono a scalare in modo efficace per gestire la crescita esponenziale di email, trascrizioni video, log di chat e documenti di conformità, lasciando informazioni di valore inutilizzate a causa dei limiti di elaborazione. EmergeGen AI crea pipeline di dati in grado di unificare tutti i dati aziendali — inclusi quelli non strutturati — e portarli in Snowflake, affinché possano essere utilizzati per migliorare l’intelligence aziendale e allineare l’automazione basata sull’AI alle esigenze di business, alle normative di settore e agli standard di sicurezza dei dati.

Cosa vi ha convinto ad affrontare il tema di rendere i dati frammentati pronti per l’AI e perché siete certi che il vostro team sia quello giusto per risolvere il problema?

Il nostro percorso è iniziato con un’esperienza diretta delle inefficienze nella gestione dei dati aziendali non strutturati e delle opportunità mancate in termini di insight e automazione. Allan, il nostro Chief AI Strategist, lavorava nell’automazione della conformità basata sull’AI e ha visto l’enorme sforzo manuale richiesto dagli audit normativi, dove i sistemi tradizionali non riuscivano a classificare ed elaborare correttamente la maggior parte dei dati non strutturati. La nostra CMO, Niamh, vanta oltre 20 anni di esperienza nel marketing e nei brevetti legali e ha riconosciuto i rischi crescenti legati ai bias dell’AI e alle lacune di conformità nei processi decisionali automatizzati. Il nostro CEO, Chris, facendo leva su decenni di leadership in ambito enterprise, ha individuato la necessità di soluzioni AI scalabili che si integrino in modo fluido negli ecosistemi aziendali esistenti.

Oggi, in EmergeGen, utilizziamo questa sinergia unica di competenze per sviluppare soluzioni basate sull’AI che non sono solo all’avanguardia, ma anche pratiche, trasparenti e allineate alle sfide concrete del business. Allan applica la sua esperienza nell’ottimizzazione dei modelli AI e nell’automazione della conformità, garantendo classificazioni ad alta accuratezza e rilevamento dei rischi. Niamh assicura che i nostri framework di AI siano progettati in modo etico, conformi dal punto di vista legale e allineati ai principi di AI human-centered. Chris guida l’adozione strategica dell’AI in ambito enterprise, assicurando che le soluzioni siano scalabili, economicamente sostenibili e facilmente implementabili nelle aziende Fortune 1000.

Qual è una cosa interessante che fate con i dati?

Uno degli avanzamenti più significativi che stiamo introducendo nell’elaborazione dei dati è il nostro framework di knowledge graph basato sull’AI, che organizza i dati aziendali non strutturati in relazioni strutturate e interconnesse. Questo approccio migliora la ricercabilità, il monitoraggio della conformità e la comprensione contestuale su grandi volumi di dati.

Sfruttando modelli transformer ottimizzati, il riconoscimento di entità basato sull’AI e la classificazione guidata dal machine learning, il nostro sistema estrae automaticamente metadati, identifica relazioni chiave e consente alle organizzazioni di ottenere insight azionabili da fonti di dati non strutturati come email, contratti e interazioni con i clienti. Questa innovazione migliora l’accessibilità e la governance dei dati, permettendo alle aziende di categorizzare, recuperare e analizzare le informazioni su larga scala, supportando al contempo conformità, gestione del rischio e decisioni strategiche.

Che ruolo ha avuto Snowflake Native App Framework nel portare il vostro prodotto sul mercato?

Snowflake Native App Framework è stato fondamentale per consentirci di offrire soluzioni di governance dei dati basate sull’AI e scalabili direttamente all’interno degli ambienti enterprise. Abbiamo sviluppato Data Central, la nostra piattaforma di punta, sfruttando l’infrastruttura sicura e flessibile di Snowflake. Poiché l’elaborazione avviene direttamente in Snowflake, i nostri clienti possono analizzare enormi volumi di documenti, email, log e altri dati non strutturati senza doverli spostare al di fuori del loro ambiente Snowflake. Grazie al supporto per workload containerizzati, possiamo distribuire modelli AI sofisticati e processi ad alta intensità di calcolo all’interno dell’ambiente Snowflake, abilitando l’estrazione di metadati in tempo reale, il rilevamento dei rischi e flussi di lavoro di governance automatizzati. 

Snowflake Native App Framework ci ha permesso di semplificare il processo di sviluppo del prodotto e ridurre il time to market delle nostre soluzioni di governance dei dati basate sull’AI. Il framework offre un ambiente di test completamente integrato e un flusso di lavoro per sviluppatori ottimizzato, consentendoci di concentrarci sullo sviluppo dell’app e di iterare rapidamente. Abbiamo liberato risorse interne da dedicare allo sviluppo dei modelli AI, all’automazione della conformità e ai miglioramenti guidati dai clienti, anziché alla gestione dell’infrastruttura di backend.

Un ulteriore vantaggio dell’ecosistema Snowflake: Data Central si integra con i principali strumenti enterprise per i dati, tra cui Snowflake Cortex AI, Claude, Collibra, Power BI e Azure, per creare un approccio unificato alla gestione dei dati. Questa interoperabilità consente alle organizzazioni di centralizzare la governance dei dati, migliorare la visibilità sui dati non strutturati e rafforzare il monitoraggio della conformità, il tutto all’interno dell’infrastruttura esistente.

In che modo lavorare con Snowflake ha influenzato la strategia di crescita e sviluppo di EmergeGen?

Lavorare con Snowflake ci ha consentito di interagire con grandi aziende, incluse quelle di settori regolamentati, dove sicurezza e conformità sono priorità assolute. Siamo riusciti ad accorciare i cicli di vendita e a scalare in modo efficiente con un team di ingegneria e vendite snello, supportato dalla piattaforma gestita di Snowflake. 

Inoltre, il Marketplace Snowflake ci offre un canale di distribuzione diretto verso i clienti Snowflake. Possiamo elencare, vendere e distribuire la nostra app senza le complessità legate al provisioning di infrastrutture esterne. I clienti hanno accesso a trial self-service e a un’implementazione fluida, migliorando drasticamente l’efficienza dell’onboarding. Riusciamo a mettere le soluzioni AI nelle mani dei clienti più rapidamente, permettendo loro di iniziare prima a utilizzarle e a generare valore.

Come fondatori, cosa pensate del panorama AI in rapida evoluzione? 

Vediamo diverse tendenze che stanno plasmando il futuro dell’AI enterprise. Una è la crescente specializzazione dei modelli AI per settori altamente regolamentati; un’altra è il miglioramento dell’efficienza, con modelli che richiedono meno potenza di calcolo pur mantenendo un’elevata accuratezza. 

Per quanto riguarda l’innovazione nell’AI per la governance dei dati, emergono approcci come i small language model (SLM), ottimizzati per applicazioni verticali e in grado di offrire modelli AI altamente efficienti e a basso consumo computazionale, ideali per contesti normativi ad alta criticità. Architetture AI ibride e automazione della conformità basata sull’AI stanno rivoluzionando la reportistica normativa e i modelli di valutazione e previsione del rischio.

Come fondatori, è interessante osservare anche l’impatto dell’AI sulle strategie degli investitori. Quando dialoghiamo con gli investitori, parliamo di decisioni AI spiegabili, di utilizzo dell’AI in applicazioni di business reali anziché in modelli sperimentali, di supervisione umana nei processi decisionali basati sull’AI e, sempre, di governance dei dati e sicurezza. 

Scopri di più sulle soluzioni EmergeGen su emergegen.ai. Se sei una startup che sviluppa su Snowflake, scopri il nostro programma Powered by Snowflake Startup per capire come Snowflake può supportare i tuoi obiettivi e partecipa anche tu alla Snowflake Startup Challenge 2026emergegen.ai!