エコシステムエージェントフレームワーク：金融のエージェント型未来をオーケストレーションする

何十年もの間、金融サービス業界はデータへのアクセスを最適化してきました。しかし、アクセス自体が決して目的ではありませんでした。それは、インテリジェントな行動を可能にするという真の目標に対する制約だったのです。

業界の進化は、データの取得から一元化、そしてアナリティクスやAIを通じた活用へと、明確なプロセスをたどってきました。各フェーズで摩擦が軽減されましたが、それは摩擦を減らすこと自体が目的ではなく、より迅速で高品質な意思決定を可能にするためでした。

ここでの機会は、人間の判断を置き換えることではなく、それをより適切に割り当てることです。データの収集、照合、準備といった差別化につながらない作業を排除することで、成果をもたらすもの、すなわち、より迅速で確信度の高い意思決定に充てる時間と集中力を高めることができます。

同じ原則がシステム自体にも適用されるべきです。AIプラットフォームは新たな複雑さをもたらすべきではありません。構築や運用において、目に見えず、摩擦のないものであるべきです。アルファ（超過収益）が保証されていなくても、人間の労力とシステム設計の両方がシンプルになるよう最適化されていれば、そのような収益を生み出す条件は大幅に改善されます。

私たちは今、次のフェーズに入りつつあります。そこでは、目標はもはや単にデータを理解することではなく、データに基づいて行動することです。これは、インサイトから実行へのシフトであり、理解から行動へのシフトです。これがエージェントの時代です。

金融データの歴史的な引力

歴史的に、重要な金融の成果は、ファーストパーティの機関データとサードパーティの市場インテリジェンスの手動による統合に依存してきました。摩擦の多かった2015年以前の時代には、データの配信は時代遅れなものでした。SFTP転送は、構築にコストがかかり、保守が困難な、大規模で複雑な取り込みパイプラインを引き起こしていました。

「データ税」は恒常的な負担となり、情報に基づいて行動する能力を遅らせ、低下させていました。チームは、意思決定の出発点に到達するためだけに、データをつなぎ合わせたり、変換、照合したりするのに時間を費やす必要がありました。

重心がクラウドに移ったとき、パラダイムがシフトしました。Snowflakeは、これらのレガシーパイプラインを直接的なライブデータ共有に置き換えることで、機関がデータを管理し、アクセスする方法を再定義しました。

ETLを排除したことは、単なるデータの移動方法のシフトではなく、仕事の進め方のシフトでした。ファーストパーティデータとサードパーティデータが同じ環境内で共存できるようになり、エンジニアリング、アナリティクス、機械学習が共有基盤上で直接機能するようになりました。

このコンバージェンスは、摩擦を減らす以上の効果をもたらしました。金融ワークフローの構築方法を標準化したのです。資産運用、銀行、保険の各分野において、重要なワークフローは共通のパターンに従っています。それは、独自の内部コンテキストと外部の市場シグナルを組み合わせて意思決定を促進するというものです。

この統合は単なる技術的な利便性ではなく、エージェント型時代の必要な前提条件でした。これにより、コンテキストがオンデマンドで組み立てられるものではなく、実行の時点で既に存在しているという、高速な環境が構築されました。

現在、私たちは、人間が手動でファーストパーティデータとサードパーティデータのギャップを埋める必要があるアーキテクチャから、その統合がネイティブに行われるアーキテクチャへと移行しました。その結果、エージェント型ワークフローをその上で直接実行できるようになりました。

Snowflakeは、データ、ガバナンス管理、コンピュートを単一の環境に統合することで、このシフトの基盤を提供します。これらの要素が共存するようになったため、実行がデータの移動や照合によって妨げられることはなくなりました。以前は断片化された手動のプロセスであったものが、継続的でシステム主導の機能になります。

「AI-ready」から「エージェントアクティブ」へ

過去24か月間、業界はデータを「AI-ready」にすること、つまり構造化データセットに対する自然言語クエリを可能にすることに注力してきました。

AI-readyなデータは価値がありますが、単なる生の素材にすぎず、最終的な成果物ではありません。「チャット」は迅速なインサイトを提供するかもしれませんが、取引の決済、ポートフォリオのリバランス、複雑な保険金請求の処理を行うことはできません。データの価値が最大限に発揮されるのは、データがもはや単なる会話のソースではなく、特定の自律的な成果を促進するための、より大規模でマルチステップのワークフローに組み込まれたときだけです。

私たちは、AIの「検索と要約」のフェーズを超えて、「オーケストレーションと実行」のフェーズへと移行しつつあります。単に読み取り可能なデータから、エージェントアクティブなデータへと移行しているのです。

オーケストレーションのアーキテクチャ：エコシステムエージェントフレームワーク

データアクセスの統合こそが、Snowflakeをこれらのワークフローにとって自然な環境にした理由であり、現在ではエージェントがそれらを実行するための自然な環境にしている理由でもあります。

金融ワークフローは基本的に、ファーストパーティデータとサードパーティデータの組み合わせに基づいて構築されています。単一のガバナンス境界内で、Snowflakeはそのデータと、それに基づいて行動するために必要なプリミティブをまとめます。

Cortex AnalystとCortex Searchを通じて、構造化データと非構造化データにわたるワールドクラスの検索を提供し、エージェントがリアルタイムで問題の完全なコンテキストにアクセスできるようにします。これは、エコシステムからのAI-readyなデータプロダクトと組み合わされ、共有セマンティックビューおよびCortexナレッジ拡張として提供されるため、独自のインテリジェンスと外部のインテリジェンスの両方をすぐに利用できるようになります。

この基盤の上に、Cortex AgentsとCortex Codeは、そのコンテキストが存在する場所で直接ワークフローを構築および実行する機能を提供します。

これが重要な変化です。エージェントはもはやシステム間でコンテキストをつなぎ合わせるのではなく、コンテキストの上で直接動作します。

その結果、データ、コンテキスト、実行が統合された環境が実現します。企業は、データの移動やIPの漏洩をゼロに抑え、ガバナンス機能を備えながら、完全なリネージと評価を維持しつつ、ファーストパーティデータとサードパーティデータにまたがって動作するエージェントを構築できます。

このモデルでは、エージェントがデータやツールに「手を伸ばす」必要はありません。エージェントはデータがすでに存在する場所で、検索、推論、行動に必要なプリミティブを備えて構築されます。

こうした強みが、Snowflakeが金融サービスにおけるエージェント型ワークフローにとって自然な基盤となる理由です。

エージェントエコシステムアーキテクチャ

MCPについて

SnowflakeがホストするMCPサーバーではMCPなどの標準をサポートしていますが、これはエージェントがデータにアクセスできるようにするためのいくつかのアプローチの1つであると私たちは考えています。

MCPは、データが分散したままでなければならない環境に適しています。ただし、多くの場合、その分散は現在の必要性ではなく、過去の制約を反映したものです。

自動化、AI支援開発、オープンテーブルフォーマットの進歩により、真にオープンで相互運用可能な標準のおかげで、過去のオーバーヘッドなしに、またベンダーロックインを導入することなく、データへのアクセスを統合することが大幅に容易になりました。

その結果、組織は断片化を回避するのではなく、根本から減らすための柔軟性を高めることができます。

私たちの見解はシンプルです。統合が現実的である場合、最適なパスは、データ、AI機能、ガバナンス、エージェントのプリミティブを単一のまとまった環境に取り込むことです。これにより、エージェントを構築および運用するための、直接的でパフォーマンスが高く、ガバナンスの効いた基盤が構築されます。それが不可能な場合、MCPはシステム間の貴重な架け橋として機能します。

このモデルにおけるデータ、AI、ガバナンスの中心的な役割を考慮すると、Snowflakeはこの統合アプローチの自然な基盤を提供します。

その意味で、MCPはデフォルトではなく、例外と見なすのが最適です。

実際の実行：モダンなアナリスト

バイオファーマ業界を担当するアナリストを抱えるグローバルな資産運用会社を考えてみましょう。従来、このアナリストは、アクションを起こすためのシグナルを手作業で探すことに1日を費やしています。ニュースが飛び込んでくると、リサーチプロセスは過酷になります。社内の投資テーマ（非構造化ファーストパーティデータ）を確認し、現在のポジションとパフォーマンス（構造化ファーストパーティデータ）を検証し、ETFや証券を横断した総エクスポージャーを把握するために「ルックスルー分析」を行います（ファーストパーティデータとサードパーティデータの組み合わせ）。

エコシステムエージェントフレームワークでは、このプロセス全体がCortex Agentによってオーケストレーションされます。プロセスは事後対応ではなく、継続的になります。以前は手作業で時間が限られていた一連のタスクが、継続的でシステム主導のワークフローになります。エージェントは常にエコシステムデータを監視してシグナルを検知し、内部/外部データを相互参照し、要約だけでなく、十分なコンテキストを添えたタカ派、ハト派、中立のリサーチノート案をアナリストに提示します。

これがOperational Alphaを推進する重要な変化です。つまり、差別化されていない手作業を最小限に抑え、より高度で差別化された作業を実行するアナリストの能力を最大限に引き出します。

ワークフォースの活性化

「興味深いAIデモ」と「本番環境のエージェント型ワークフロー」のギャップの原因は、ほとんどの場合モデルではありません。それは、その基盤となるデータアーキテクチャです。

データとチャットする時代は終わりました。オーケストレーションの時代が始まり、それをサポートするために構築されたアーキテクチャが、エコシステムエージェントフレームワークを備えたSnowflakeです。 

短期的な接続性よりもデータ主権とスケールを優先する基盤を選択することで、次世代のエージェント型システムが単に機能するだけでなく、スピード、コントロール、意図を持って実行されるようになります。

さらに詳しい情報については、Snowflake Summitにご参加いただき、私のセッションSnowflakeを活用した金融サービスAI、アプリ、データガイドにもぜひご参加ください。