Snowflake presenta una startup: Euno

La serie Snowflake presenta una startup racconta le storie dei fondatori di startup: le sfide che affrontano, i prodotti che sviluppano e gli insight maturati nel loro percorso. Oggi presentiamo Sarah Levy, cofondatrice e CEO di Euno, una startup che aiuta i team dati a creare agentic analytics scalabili e a mantenere la governance man mano che le aziende crescono. 

Cosa ti ispira come founder di startup?

Mi ispira colmare il divario tra le promesse dell’analisi basata sull’AI e la realtà quotidiana dei team dati. Ogni azienda vuole che l’AI risponda alle domande sui dati, ma la maggior parte non riesce a scalare oltre la fase pilota perché agli agenti AI manca il contesto necessario per comprenderli. Non sanno quali data asset siano accurati, certificati o anche solo effettivamente utilizzati.

In Euno risolviamo questo problema sfruttando i metadati esistenti per fornire in tempo reale un contesto affidabile all’AI, in modo che gli insight siano attendibili e pienamente spiegabili. Una volta colmato questo gap, le opportunità diventano enormi: L’AI può finalmente esprimere tutto il suo potenziale, aiutando le organizzazioni a muoversi più velocemente, prendere decisioni migliori e concentrarsi sui problemi che contano davvero. 

Spiega Euno in due frasi.

Euno è una piattaforma di metadata intelligence che automatizza la governance e costruisce un contesto automatizzato per l’AI. Gli agenti AI si affidano al contesto di Euno per fornire risposte data-driven affidabili, spiegabili e scalabili. 

Parlaci più nel dettaglio del problema che Euno vuole risolvere. Come lo avete identificato?

Nel 2025 i team si aspettano che le analisi self-service basate sull’AI funzionino immediatamente, ma la realtà è diversa. Ambienti dati disordinati e definizioni contrastanti impediscono all’AI di individuare la fonte corretta e fornire risposte affidabili. In pratica, gli agenti AI sono già connessi a email, canali chat, CRM e app aziendali, ma i team dati non permettono loro di interrogare il data warehouse centrale. È semplicemente troppo rischioso. Ed è proprio questo il gap che Euno è stata progettata per colmare. 

Abbiamo identificato questo problema dopo aver parlato con oltre 250 team dati, tutti accomunati dalla stessa frustrazione: la difficoltà di scalare efficacemente l’agentic analytics. La sorprendente causa alla radice è una governance dei dati tradizionale che non riesce a stare al passo con l’AI. Le soluzioni tradizionali si basano su processi manuali che richiedono un grande sforzo iniziale e una manutenzione continua.  

La soluzione non consiste in una governance più rigida o in processi di pulizia top-down, ma in un framework leggero che si integri con il reale modo di lavorare dei team. Invece di richiedere aggiornamenti manuali costanti o grandi investimenti iniziali, Euno sfrutta i metadati esistenti e li trasforma in un livello contestuale automatizzato per l’AI, fornendo agli agenti le informazioni necessarie al momento della query per risultati affidabili, fin dal primo giorno.

Come hai costruito il team e lanciato l’azienda? 

Credo che i grandi team risolvano i problemi più complessi: per questo abbiamo riunito un A-team formato da ingegneri di talento e problem-solver appassionati, con un’esperienza diretta significativa in AI, sistemi dati scalabili e gestione di ambienti complessi. La nostra esperienza ci consente di offrire soluzioni di governance efficaci e tranquillità operativa, indipendentemente dal ritmo di crescita dell’organizzazione.

Ho anche seguito un prezioso consiglio su come avviare una startup: parla con i tuoi clienti fin dal primo giorno. Prima di scrivere una sola riga di codice, abbiamo dedicato i primi sei mesi a comprendere i problemi reali, cosa genera valore e per cosa le aziende sono effettivamente disposte a pagare. Quella disciplina iniziale ha influenzato ogni aspetto: ciò che abbiamo costruito e il modo in cui lo raccontiamo.

una cosa interessante che fate con i dati. 

Euno rende più intelligenti gli agenti AI (come Snowflake Intelligence) fornendo il contesto di cui hanno bisogno. Mappa i metadati esistenti, collegando la lineage a livello di colonna nel data warehouse, nelle dashboard e nelle metriche, e li combina con i dati di utilizzo a livello di campo per evidenziare ciò che conta davvero. I team dati possono eseguire classificazioni automatizzate basate su regole per identificare ciò che soddisfa gli standard dell’organizzazione e determinare cosa è certificato per l’AI, creando una base affidabile sia per gli agenti sia per le persone.

Supponiamo che un agente AI debba mostrare la customer retention secondo una definizione specifica. Con Euno, puoi risalire a quella metrica fino alla colonna corrispondente in Snowflake. Potrai sapere quali report la utilizzano, con quale frequenza, chi sono gli utenti e se si tratta di una definizione certificata. È un livello completamente nuovo di chiarezza per governare l’analisi con precisione.

In che modo Snowflake Native App Framework ha influenzato la vostra strategia di crescita e sviluppo?

Uno dei principali vantaggi di Euno è la rapidità dell’onboarding. Una parte significativa della nostra pipeline è composta da utenti Snowflake e il modello Snowflake Native App ci permette di servirli più velocemente, con un onboarding più semplice e meno ostacoli. In combinazione con Snowflake Native App Framework, possiamo costruire il nostro piano go-to-market attorno a un rapido time-to-value e concentrarci sulla customer experience, invece di gestire lunghi cicli di procurement. 

Siamo inoltre entusiasti della possibilità di sfruttare il Snowflake Marketplace e l’ampia customer base di Snowflake. Entrare nell’ecosistema Snowflake Native App ci consente di beneficiare del supporto del team commerciale Snowflake, aiutando i clienti a ottenere più valore dalla loro piattaforma dati grazie a Euno. 

Come founder e innovatrice, cosa pensi del panorama dell’AI in rapida evoluzione?

Il ritmo del cambiamento nell’AI è al tempo stesso entusiasmante e impegnativo. Gli LLM stanno aprendo nuove possibilità nella creazione di pipeline, nella governance e nell’analisi dei dati, automatizzando attività come la scrittura della documentazione, la creazione di pipeline o la standardizzazione dei metadati. In Euno abbiamo già osservato significativi incrementi di produttività, soprattutto nei flussi di lavoro DevOps ed engineering.

Inoltre, gli utenti aziendali vogliono porre domande semplici come “Quanti nuovi utenti attivi abbiamo acquisito il mese scorso?” e ottenere risposte accurate. Ma senza contesto, anche i modelli migliori possono restituire risultati che sembrano sicuri ma che sono errati. È questo rischio che ci spinge a fornire un framework flessibile che si integri con il modo di lavorare già consolidato nei team. Sfruttando i metadati esistenti, offriamo all’AI il contesto necessario per fornire risposte affidabili, così le organizzazioni possono fidarsi realmente degli insight generati.

Cosa c’è all’orizzonte per te e per Euno?

I cataloghi di dati tradizionali hanno avuto una loro funzione, ma quel modello sta diventando meno rilevante ora che l’AI è al centro del modo in cui le organizzazioni interagiscono con i dati. In questo nuovo scenario, i professionisti dei dati non si limitano più a gestire pipeline: stanno di fatto progettando l’ecosistema AI. E la governance diventa mission-critical quando le decisioni non sono più prese dalle persone, ma dai modelli.

Consideriamo Euno la nuova generazione di piattaforme di metadati: non solo un luogo dove documentare gli asset, ma un livello di controllo per configurare, ottimizzare e mantenere prestazioni, costi e affidabilità dei sistemi AI. Ed è proprio questa la direzione verso cui stiamo andando — e che crediamo seguirà l’intero settore.

Scopri di più sulle soluzioni Euno per analisi self-service affidabili e governance dell’AI su https://euno.ai/. Se sei una startup che sviluppa su Snowflake, scopri il Powered by Snowflake Startup Program per capire come Snowflake può supportare i tuoi obiettivi e partecipa alla Snowflake Startup Challenge 2026!