データサイエンス＆機械学習

JUN 01, 2025|約14分で読めます

エンタープライズAIの民主化：Snowflakeの新しいAI機能により、データドリブンなイノベーションを加速、簡略化

Snowflake Summit 2025では、AIを簡単、効率的、信頼できるものにするためのイノベーションを紹介しました。Snowflakeのセキュアな境界内のフルマネージド型のこれらの機能により、ビジネスユーザーやデータサイエンティストは、複雑なツールやインフラストラクチャーを使わずに、構造化データと非構造化データを実用的なインサイトに変えることができます。

お客様がテーブルの分析、ドキュメントの処理、AIエージェントの展開、モデルのトレーニングを行うかどうかにかかわらず、これらの機能は統合されたガバナンスを備えたSnowflakeのセキュアなプラットフォームに統合されているため、インフラストラクチャーの管理や複雑なツールは必要ありません。

Summitでは、AIに関する4つの主要な進歩を発表しました。

データエージェント：私たちは、Snowflake Intelligence（近日中にパブリックプレビュー開始）とSnowflake Cortexエージェント（近日中に一般提供開始）によるインテリジェントな機能を提供しています。Snowflake Intelligenceは、構造化データと非構造化データを迅速かつ信頼性の高いビジネスアクションに変えると同時に、Cortex AgentsはマルチステップタスクのオーケストレーションとMicrosoft Teamsまたはカスタムアプリへの統合を行います。
Cortex AISQLと分析：Cortex AISQL（パブリックプレビュー中）は、AIを使用したマルチモーダルデータ処理を使い慣れたSQLに組み込むことで、複雑なAIワークフローへのアクセスを可能にし、Snowflakeの包括的な非構造化データインサイトを補完します。これには、schema-aware table抽出を備えた強化された Document AI、および新しい抽出モデル「Arctic-Extract」が含まれます。これは、29 言語のドキュメントからの抽出をサポートしており、新しい関数 ai_extract （近日中にプライベートプレビュー開始）を通じて呼び出すことができます。
業界をリードする生成AIモデル、評価、可観測性、AIゲートウェイ：Snowflake Cortex AIの可観測性（近日中に一般提供開始）により、生成AIアプリのノーコードおよびプロコードのモニタリングが可能になります。また、Snowflakeは、Microsoft Azure OpenAI Service、Anthropic、Meta、Mistralなどの主要プロバイダーを通じて、Snowflakeのセキュアな範囲内でOpenAIからLLMへのアクセスを提供します。AIガバナンスゲートウェイは、堅牢なアクセス制御、詳細な使用状況のトラッキング、予算の適用（近日中にプライベートプレビュー開始）などのガバナンスポリシーを簡単に導入できる機能を提供します。
機械学習（ML）：自律型Data Science Agentの導入による開発ワークフロー全体の生産性の向上など、スケーラビリティと柔軟性の向上により、本番稼働可能なモデルを構築して提供します。

これらの連携により、開発を簡素化し、信頼性の高いスケーリングを実現し、Snowflakeのガバナンスが確保された環境内で信頼を維持する統合AI基盤が形成されます。

“Luminateでは、生成AIを通じてデータドリブンなインサイトを提供する方法を改革しています。Snowflakeの統一プラットフォームは、構造化データと非構造化データの両方に対して、開発者にスケーラブルな処理と検索能力を提供します。これは、私たちのアプリケーションを強化するデータエージェントを構築・オーケストレーションするための基盤となります。Snowflakeのガバナンス境界内でCortex AIを使用することで、開発時間を節約し、エージェントAIによってエンターテインメント業界データの可能性を最大限に引き出すことができます” —Glenn Walker, Chief Data Officer, Luminate Data

1.データエージェント：エージェントを構築し、マルチモーダルデータを大規模に分析

データエージェントは、Snowflake Intelligenceでセルフサービスのインサイトを可能にし、ビジネスユーザーは自然言語インターフェイスを使用してすべてのデータをクエリできます。ユーザーはダッシュボードやSQLを使わずに、複雑な質問をし、ガバナンスが確保された説明可能な回答を数秒で得ることができます。

Cortex AnalystやCortex SearchなどのCortex Agentやツールにより、開発者は構造化データと非構造化データの推論を行う、信頼のおける本番対応のAIアプリケーションを構築し、LLM、SQL、セマンティック検索によるワークフローのオーケストレーションを行うことができます。

Model Context Protocol（MCP）は、AIシステムとデータソースを接続するためのオープンスタンダードです。Snowflake上でMCPサーバーサポートが利用可能（近日中にプライベートプレビュー開始）となります。提供開始時には、開発者はSnowflake MCPサーバーのツールとしてCortex AnalystとCortex Searchを提供できるようになります。

Figure 1: Snowflake Cortex AI stack with the latest innovations.

1a. ビジネスチームのセルフサービスインテリジェンスを活用

Snowflake Intelligenceは、AIドリブンな自然言語インターフェイスをビジネスユーザーに提供し、構造化データと非構造化データの両方を操作できるようにします。ユーザーは、分かりやすい英語で複雑な質問をし、SQLやダッシュボードを使用することなく、説明可能でガバナンスが確保された回答を数秒で受け取ることができます。これらのエージェントはSnowflakeのセキュリティペリメータ内で実行され、ロールベースのアクセス、マスキング、監査コントロールが自動的に適用されます。エンタープライズデータ全体で推論を行い、多様なデータソース間の関係を特定し、テーブル、PDF、Jira、Salesforce、Zendeskなどから統合された回答を返すことができます。

1b. データエージェントを使用してすべての人のデータインサイトを簡略化

データエージェントにより、非技術チームは自然言語を使用してインサイトを抽出できます。ユーザーは、自動チャート、来歴追跡、説明可能性により、どのようにインサイトが生成されるかを確認できます。開発者は、新しいユースケースを迅速に展開し、好きなアプリにアナリティクスを埋め込むことで、イノベーションとインパクトを促進できます。

1c. 信頼性の高い会話アプリケーションを構築する

Cortex Agent（近日中に一般提供開始）により、開発者は構造化データと非構造化データの両方を推論する生成AIアプリケーションを構築できます。これらのエージェントは、LLM、SQL、セマンティック検索を組み合わせたワークフローをオーケストレーションすることで、高品質で説明可能な結果を実現します。これらのエージェントは、Claude 3.7 Sonnet、OpenAI GPT-4.1、o4-mini（近日中に一般提供開始）などのモデルを利用し、正確な結果を得るためにタスクを計画、実行、改良します。説明可能性とAPIアクセスが組み込まれているため、Microsoft TeamsやCopilotとの迅速な展開と統合が可能になり、ユーザーはコラボレーションツール内で直接AIとやり取りできます。

2. Cortex AISQLと分析：Snowflakeでマルチモーダルデータをインサイトに再定義

非構造化データは、その複雑さゆえに十分に活用されていません。Cortex AISQLは、チームが使い慣れたSQL構文を使用してドキュメントや画像などのフォーマットを分析できるようにすることで、この問題を解決します。Summitでご紹介したのは、

SQLとAIの融合：メタデータの抽出、センチメントの分類、埋め込みの検索をすべてSQL内で実行します。
非構造化データからの価値抽出：schema-aware table抽出（パブリックプレビュー中）をサポートするDocument AIを使用して、最小限のクリーンアップで複雑なPDFから構造化テーブルをプルします。
自動セマンティックモデル生成（プライベートプレビュー）：手動モデル設定の排除、ネイティブチャート可視化によるインサイトの検討、Snowparkコンテナサービスを使用したブランドエクスペリエンスの構築。

2a. Cortex AISQLでアナリストをAI開発者に変える

Cortex AISQLは、SQLをエンタープライズAIのコア言語として再構築します。ネイティブAIオペレーターにより、チームはテキスト、音声、画像、構造化データを組み合わせたマルチモーダルワークフローを構築できます。新しいツールの学習やデータの複製は必要ありません。

最適化されたバッチ推論とパフォーマンス最適化アルゴリズム（プライベートプレビュー中）により、従来のパイプラインと比較して30～70%の性能向上を実現し（内部ベンチマーク結果に基づき、通常の使用状況で実装）、アナリストがAI開発者になるのを支援します。

ユースケースには、レコードマッチング、不正検出、エンタープライズ規模のセマンティック結合などがあり、すべてSQLで記述されます。

2b. 非構造化データの分析と価値の抽出

Document AIの次世代のビジョンモデルarctic-extract（プライベートプレビュー中）の紹介もしました。

合計29の言語（日本語、韓国語、ドイツ語、フランス語、スペイン語、中国語など）をサポートすることにより、分類と標準化が強化されました。

検索側では、Cortex Searchが以下を追加します。

エンティティ解決や不正検出などの高スループットタスクのバッチファジー検索
メタデータによるマルチフィールド検索、スコアリング、ランキングのための高度なAPI（一般提供）
Snowsightの管理UI（一般提供）とQuality Evaluation Studio（近日中にパブリックプレビュー開始）により、コード不要の検索管理、診断、関連性の微調整を実現

また、カスタムベクトル埋め込み（パブリックプレビュー）により、Snowflakeのセキュアなプラットフォームと独自のモデル出力を組み合わせて、パフォーマンスとコントロールを強化できます。

2c. 自動化されたセマンティックモデルとチャートプレビューにより、データに基づいたインサイトを促進

自動セマンティックモデル生成（プライベートプレビュー）により、Cortex Analyst用のセマンティックモデルをより簡単かつ迅速に作成できます。スキーマメタデータ、クエリ履歴、ダッシュボードを分析することで、性能と再利用可能なモデルを構築し、数週間もの手作業を排除します。チャート機能（パブリックプレビュー中）により、ユーザーはAIの結果と合わせて視覚的にインサイトを探索できます。

Snowparkコンテナサービス(AWSとAzureで一般提供、近日中にGoogle Cloud Platformで利用可能)は、ログ、ガバナンス、セキュリティの一元化により、フルスタックのアプリとAPIをSnowflake内でネイティブにホストするスケーラブルなランタイムを提供します。

3. 生成AIの可観測性、モデル選択、スケーラブルなインフラストラクチャ：信頼できるAIの導入

Snowflakeは、組織が安全かつ確実にAIを拡張できるよう、以下のサービスを提供しています。

AI Observability：生成AIの精度とパフォーマンスのためのノーコード評価ツール
モデルアクセス：Meta、OpenAI、Anthropic、MistralのトップLLM
プロビジョニング済みスループット：本番規模の予測可能な推論性能

3a. Cortex AIでの評価とトレース

SnowsightのAI Observability（一般提供）は、チームが評価データセットを使用して精度とカバレッジを測定するのに役立ちます。LLM-as-a-judgeスコアリングは、Snowflake内で安全に実行され、接地性、有用性、有害性を評価します。エージェントトレースログやモデル比較などの機能により、デバッグ、迅速な改良、ガバナンスが簡略化されます。

3b. Snowflake上でOpenAI、Anthropicなどのモデルにセキュアにアクセス

Snowflakeのモデルエコシステムには、OpenAI、Anthropic、Meta、Mistralの業界をリードするLLM（Azure AI FoundryのMicrosoft Azure OpenAI Serviceを通じたOpenAIのGPT-4.1やo4-mini、AnthropicのClaude Opus 4やClaude Sonnet 4などの最新モデル）へのアクセスが含まれるようになりました。これらのモデルはSnowflakeのセキュリティ境界内で実行されるため、データは保護され、トレーニングに使用されることはありません。

カスタマーは、インフラストラクチャーを管理することなく、それぞれのユースケース、要約、分類、翻訳、エージェント的推論などに最適なモデルをマッチングできます。

Cortex AIは、Google Cloud Platformにも拡大しています。Google Cloud PlatformのSnowparkコンテナサービス（近日中に一般提供開始）により、お客様はGCPリージョンにオープンソースモデルを展開し、データの移動を回避してガバナンスを維持できます。

Cortex AIは、Google Cloud Platformにも拡大しています。Google Cloud PlatformのSnowparkコンテナサービス（近日中に一般提供開始）により、お客様はGCPリージョンにオープンソースモデルを展開し、データの移動を回避してガバナンスを維持できます。

3c. エンタープライズ対応AI向けにプロビジョニングされたスループット

プロビジョニングされたスループット（AWSとAzureで一般提供中）により、生成AIアプリ専用の推論能力をチームに提供します。すべてのSnowflakeリージョンでREST APIを介してアクセスできるため、共有サービスが予測不能になることなく、一貫したパフォーマンスを維持できます。インフラストラクチャのセットアップのオーバーヘッドなしで、POCから本番環境に移行するのに最適です。

3. AI Governance Gateway：生成AIのためのエンタープライズコントロール

AI Governance Gatewayは、お客様がセキュアなSnowflake境界内でSQL（またはREST API）を介して業界をリードするLLMに直接アクセスするための単一コンソールを提供します。包括的なロールベースのアクセス制御（RBAC）により、お客様は強固なガバナンスポリシーを実装できます。各AI機能の粒度の高い使用状況追跡ビューと予算執行コントロール（近日中にプライベートプレビュー開始）を組み合わせることで、組織全体で生成AIの使用を監視、管理できるようになります。Cortex Guardを使用して責任あるAIを推進し、有害なコンテンツをフィルタリングできます。また、AI可観測性により、生成AIアプリを評価、デバッグ、最適化し、精度と性能を高めることができます。これにより、実稼働展開の信頼性と透明性が向上します。Cortex AIはデータにAIをもたらします。また、AI Governance Gatewayにより、顧客は生成AIアプリケーションの提供を加速できます。

4. Snowflake MLを使用して本番環境で構築され運用されているモデル

予測MLは、不正検出、顧客セグメンテーション、レコメンデーションエンジンなどのユースケースにとって依然として重要な基盤です。しかし、そのようなモデルの構築と展開には、多くの場合、複数の異なるツールをつなぎ合わせる必要があり、管理が難しく、維持にコストがかかります。

Snowflake MLにより、企業はエンドツーエンドのワークフローにわたって統制されたデータと緊密に統合された最新のMLソリューションを手にすることができます。CoinbaseやCloudbedsなどのお客様が予測インサイトを推進しています。カナダの大手顧客ロイヤルティプログラムであるScene+は、Snowflake MLを使用することで、30以上のモデルで実稼働までの時間を60%以上、コストを35%以上削減しました。

Summitでは、スケーラブルで柔軟なMLに焦点を当てた一連の新しい発表により、ハイペースのイノベーションを継続しました。これにより、お客様は次のことを実現できます。

Data Science Agentを使用してMLパイプラインの生成を自動化し、データサイエンティストの生産性を向上（近日中にプライベートプレビュー開始）
コンテナランタイム（一般提供）の分散トレーニングAPIを使用して本番稼働可能なモデルをより迅速に構築し、ネイティブの実験追跡によってトレーニングジョブを簡単に管理（近日中にプライベートプレビュー開始）
好みのIDEからMLジョブを使用して動作し、Snowflakeデータ上でMLパイプラインを簡単に展開、オーケストレーション（近日中に一般提供開始）
Snowflake特徴量ストアからスケーラブルなコンピュート上で低レイテンシーのオンライン予測を提供（近日中にプライベートプレビュー開始）

これらすべては、カスタムメトリクスに対応した組み込みのML Observabilityと統合されており、簡単な監視とアラートを可能にします。

Figure 2: An integrated set of development and production capabilities in Snowflake ML.

4a. 信頼できるMLにエージェント型AIを適用し、生産性を向上

Snowflakeでは、すべてのお客様が生成AIなどの業界をリードする最新のテクノロジーを簡単かつ効率的に利用できるように取り組んでいます。私たちは、LLMの最新イノベーションを適用してデータサイエンティストを強化するという、未開拓の機会があると考えています。Summitでは、シンプルな自然言語プロンプトから完全に実行可能なMLパイプラインを自律的にイテレーション、調整、生成するデータサイエンスエージェント（近日中にAWSでのプライベートプレビュー開始）を使用して、エージェント型AIを適用し、予測MLの生産性を大幅に向上させることを発表しました。

Figure 3: Data Science Agent generates ML pipelines in the form of Snowflake Notebooks cells.

Data Science Agent は、Anthropic推論モデルを内部で実行することにより、問題を個別のステップに分解するマルチステッププランニングを使用し、データ準備、特徴量エンジニアリング、トレーニングなどのMLワークフローの各フェーズに最適な手法を選択します。

検証済みのMLパイプラインを迅速に生成した後、チームはそれぞれのドメイン知識に基づいてフォローアップを行い、パフォーマンスと精度を簡単にイテレーションして次善のバージョンにすることができます。この出力は、Snowflake Notebook on Container Runtimeから簡単に実行できる、本番環境に対応した完全に機能的なMLパイプラインです。面倒な実験やデバッグ作業を自動化することで、データサイエンティストは手作業の時間を節約し、より効果的な取り組みに注力できます。

4b. 任意のIDEからSnowflakeデータ上でスケーラブルなMLパイプラインを構築、オーケストレーション

ML開発については、ネイティブに統合されたSnowflake Notebookまたは便利なプッシュダウンメカニズムを備えた好みの外部IDEから、Snowflakeデータでモデルをより簡単かつ強力に構築できるようにする一連の新機能を発表しました。お客様は、コンテナランタイム（AWSおよびAzureで一般提供開始）でDistributed ML APIに簡単にアクセスし、任意のIDEからデータのロード、モデルトレーニング、ハイパーパラメータチューニングを加速できるようになりました。

トレーニング実行中にモデルのバージョンが繰り返されるため、ネイティブに統合された実験追跡（近日中にプライベートプレビュー開始）から、APIまたはSnowsight UIを介してアクセスし、最適なモデルを迅速に特定、共有、複製することができます。

Accelerating Data Science: Optimizing GPU Utilization For ML Model Training In Snowflake Notebooks

MLジョブ（近日中にAWSやAzureで一般提供開始） は、SnowflakeタスクやAirflowなどの外部ツールによってオーケストレーションされたMLパイプラインの開発と自動化を促進するために、リモートMLコード実行をトリガーする便利なメカニズムを提供します。さらに、MLジョブに含まれるインターフェイスにより、外部IDE（VS Code、PyCharm、SageMaker Notebooks）を使用してSnowflakeのコンテナランタイムに関数、ファイル、モジュールをディスパッチすることもできます。

Figure 4: Execute code remotely as an ML Job directly from any IDE (e.g., VS Code) or pipeline orchestrator.

4c. あらゆる場所で構築されたMLモデルを大規模に展開

モデルの構築場所や方法に関係なく、Snowflakeモデルレジストリに記録し、リアルタイム予測またはバッチ予測のためにCPUまたはGPUコンピュートを使用して、 Snowparkコンテナサービス（AWSおよびAzureで一般公開）上でスケーラブルな推論に利用することができます。また、低レイテンシーの推論アプリケーションのために、モデルをREST APIエンドポイントにデプロイすることもできます。これには、Hugging Face（近日中にプライベートプレビュー開始）からクライアントサイドモデルをダウンロードしないで1クリックで簡単にモデルをデプロイできる機能も含まれます。Snowflakeでログを記録し、サービスを提供するためのモデルハンドルとタスクを指定するだけで、チームは画像分類からセンテンス類似、オブジェクト検出まで、トップクラスの学習済みHugging Faceモデルに瞬時にアクセスできます。

Figure 5: Bring a model trained anywhere to run inference on Snowflake data.

また、Snowflake特徴量ストアが、パーソナライズされたレコメンデーション、価格設定、異常検知、カスタマーサービスなどのユースケースをサポートするバッチに加えて、低レイテンシーのオンライン推論（近日中にプライベートプレビュー開始）のための特徴量を提供する機能をサポートすることも発表しました。

Snowflakeに推論を保存するモデルは、Snowflake のML可観測性（一般提供）機能と自動的に統合され、信頼性の高い経時的予測が可能になります。

詳細とリソースの表示

Summitでは、エンタープライズAIを使いやすく、効率的に展開し、信頼性の高い方法で実行するためのイノベーションを紹介しました。Snowflake Intelligenceは、構造化データと非構造化データを実用的なインサイトに変換し、Cortexエージェントは、複数のデータにまたがる複雑なマルチステップタスクをオーケストレーションします。

Cortex AISQLは使い慣れたSQLワークフローにマルチモーダルデータ処理をもたらし、AI可観測性は生成AIアプリケーションをスケーリングするための堅牢な監視および評価ツールを提供します。従来のワークフローの場合、Snowflake MLを利用することで、お客様はより簡単かつ柔軟に本番環境でモデルを構築し、提供することができます。

このような進化により、Snowflakeは自信を持ってデータを大規模なインテリジェントなアクションに変換できるようになります。

以下のリソースを使用して、Snowflake for AIの利用を開始する：

MLモデルを本番稼働：Snowflake Notebooks（無料トライアルで利用可能）または任意のIDEから、エンドツーエンドのMLワークフローを構築してみてください。

将来の見通しに関する記述

このページには、Snowflakeが将来提供する製品に関する記述を含め、将来の見通しに関する記述が含まれていますが、これはいかなる製品の提供も約束するものではありません。実際の成果や提供物は異なる可能性があり、既知および未知のリスクおよび不確実性の影響を受けます。詳細については、最新の四半期報告書（10-Q）をご覧ください。