Snowflake、AI-readyなエンタープライズデータをすぐに活用可能に

開発者は、アクセス権限の承認やデータ更新を待たされることなく、次のアプリやAIエージェントの開発に取り掛かりたいと考えています。また、たとえ優れたモデルであっても、不完全で断片化された古いデータを補足することはできないとわかっています。 

AIに対応するには、データの継続的な利用、アクセス、使用、ガバナンスが不可欠です。このことが、失敗するAIと実用的に成功するAIの違いを生み出します。そのため、Snowflakeは、お客様が実稼働AIの展開とインテリジェントなアプリケーションを強化するために、常にAI-readyのデータを提供できるよう取り組んでいます。Snowflakeの最新プラットフォームの強化は、トランザクション処理、アナリティクス、自動化された最適化、相互運用性、エンタープライズグレードのガバナンス機能とレジリエンスにまで及び、以下のような機能を実現しています。

• トランザクションデータやリアルタイムデータなど、すべてのエンタープライズデータをAI-readyにする

• 組み込みの継続的なパフォーマンス最適化により、迅速で応答性に優れたAIシステムを維持する

• 運用、分析、AIの各ワークロードにわたるデータ移動とフラグメンテーションを削減する

• アドオンではなくプラットフォームに組み込まれたガバナンス制御により、AIイニシアチブにおいて、機密データを安全に活用する

• エンタープライズクラスの相互運用性とレジリエンスでAIを確実にスケールする

ここからは、Snowflakeがデータ、AI、アクションの間のループをどのように接続しているかを詳しく見ていきます。

AI-readyデータ：AIの成功の秘訣

真のエンタープライズインテリジェンスを提供するためには、AIは適切なコンテキストですぐに利用できる運用データを必要とします。つまり、データ戦略とデータが存在するシステムの両方をモダナイズして、コネクテッドな新しいデータでAIを実行する必要があります。 

Snowflakeは、この課題にさまざまな側面から取り組んでいます。レガシープラットフォームのモダナイズを検討している組織のために、SnowConvert AIはAIを活用したコード変換（現在一般提供中）を提供し、AI-readyデータへの取り組みを加速しています。基盤となるAIエージェントの改善により、精度が向上し、レイテンシーが低減します。また、新しい組み込みのユニットテストアプローチでは、合成データを使用してソースデータベースとSnowflakeターゲットデータベースの両方で実行を検証します。Sybaseストアドプロシージャ、ユーザー定義関数（UDF）、SSISからdbtへのプロジェクトの移行カバレッジが拡大することで、ビジネスクリティカルなロジックを維持しながら、手動での移行作業を削減できます。SnowflakeマネージドのApache Iceberg™テーブルへのAIを活用した変換機能（現在一般提供中）は、Teradataに別のソーステーブル変換オプションを提供し、Snowflakeマネージドのパフォーマンス、信頼性、ガバナンス制御を維持しながら、オープンテーブルフォーマットの相互運用性のニーズに対応します。

アプリ構築時に後付けの外部データベースやキャッシュレイヤーの廃止を検討しているユーザーには、強力な組み合わせとして、Snowflake Postgresとインタラクティブアナリティクスがあります。これらの補完的なサービスは、Snowflake上ですべてのデータワークロードを実行することで、開発者が高性能アプリケーションをより迅速かつ簡単に構築できるようにするという共通の目標を持っています。

近日中に一般提供を予定しているSnowflake Postgresは、トランザクションデータのユースケース向けに構築されています。Snowflake PostgresはPostgresをSnowflake AIデータクラウドに統合し、アプリケーションとAIエージェントのための実稼働可能な基盤を提供するとともに、インフラ統合によってアーキテクチャフットプリントを簡素化します。Snowflake Postgresは、トランザクションデータを脆弱なパイプラインなしにアナリティクスに接続し、実績ある、信頼性の高いセキュリティ、レジリエンス、スケーラビリティでエンタープライズグレードの機能を実現します。開発者は100%のPostgres互換性と高パフォーマンスを実現し、企業は次世代のリアルタイムアプリとAIエージェントを強化する統合プラットフォームを利用できます。

Snowflake Postgresは、以下のようなユースケースに最適です。

• モダンアプリとAIの開発：高スループットのトランザクション処理と大規模なアナリティクスを同時に必要とする、コンテキスト認識型かつインテリジェントな新世代のアプリケーションを強力に支援します。

• リアルタイム分析：ETLという隠れた代償を払うことなく、鮮度の高い運用データをAIデータクラウドで即座に分析できます。

• 運用ストア：既存のPostgresアプリをコードの書き換えなしで既存資産を活かしてスムーズに移行し、Webおよびエンタープライズアプリケーションのバックエンドをモダン化して統合します。 

インタラクティブアナリティクスは、読み取りの多い分析ユースケース向けに構築されており、数千ものユーザーが1秒未満の応答で分析ダッシュボードやAPIを同時に利用できます。それは、確信に満ちた意思決定、より迅速で（かつ的確な）カスタマーサービス、あるいは市場トレンドに合わせた素早い方向転換へとつながり、実質的で明確な競争優位性をもたらします。インタラクティブなアナリティクスは、以下のような大量シナリオで使用します。

• ユーザー向けアナリティクス：SaaSアプリのダッシュボードやレポーティングモジュールを強化して、ユーザーが超高速の応答時間を得られるようにします。
  高スループットAPI：大量の同時読み取り要求を処理するデータリッチなAPIのアナリティクスバックエンドとして機能します。

• リアルタイムモニタリング：低レイテンシーのサービングレイヤーを提供することで、テレメトリ、可観測性、IoTコンソールなど、データが到着した瞬間に可視化しなければならない状況に対応します。 

AIのスピードに対応するパフォーマンス

効果的なAIは、バッチ処理やオフライン処理だけでなく、リアルタイムで実行する必要があります。また、高速で予測可能なデータアクセスも必要です。また、継続的なチューニングや実践的な管理を行うことなく、需要に応じてスケーリングする必要があります。 

Snowflake Optimaは、ワークロード履歴の継続的かつ自動的な分析とインテリジェントな最適化により、開発者（とAIプロジェクト）のパフォーマンスを向上させます。Optima Metadata（一般提供中）は、ワークロード固有のメタデータを生成してクエリパフォーマンスを改善します。このツールをOptima Indexingと併用することで、開発者はストレージ、インデックス、メタデータのパフォーマンスを自動的に最適化できるようになります。さらに、クエリアクセラレーションサービスがGen2とマルチクラスターウェアハウスでデフォルトで有効化され、Apache Icebergテーブルなどの重要なクエリが高速化し、クエリの使用状況とパフォーマンスが可視化されました。 

一方、Snowflakeでは、Snowpipe Streaming、ダイナミックテーブル、Gen2ウェアハウスに対する継続的な強化により、データをほぼリアルタイムで継続的に取り込み、変換し、利用できます。Snowflake Optimaとインタラクティブアナリティクスの1秒未満の分析パフォーマンスを組み合わせることで、開発者は実際の生成AIやエージェント型イノベーションのニーズをサポートする信頼性の高いパフォーマンスを得られます。

信頼できるAIのためのオープンで相互運用可能なガバナンスの確保されたデータ

AIの信頼性は、その背後にあるデータによって決まります。データの出所を知り、機密データの豊富なインサイトをセキュアに活用し、さまざまな形式や場所に保存されているデータにアクセスする必要があります。ビジネスクリティカルな機能にAIツールを利用するユーザーが増えるにつれて、あらゆる軽微な不具合やハルシネーションは評判を失墜させるだけでなく、より深刻なエラーにつながる可能性があります。最近のKPMGの調査によると、回答者の66%が精度を評価せずにAIの出力に依存しており、56%がAIが原因で業務上でのミスをしています。

開発者は、ガバナンスとセキュリティについて余分なサイクルを費やすべきではありません。意識せずとも、確実に機能するべきです。Snowflakeでは、ガバナンス、セキュリティ、レジリエンスがプラットフォームに直接組み込まれているため、Snowflakeで構築するアプリやAIには最初から強固なガバナンス基盤が備わっています。AI Redact（現在一般提供中）、EU固有の新しい機密データ分類機能、新しいタグベースの行アクセスポリシーと投影ポリシーなどの機能により、プライバシーに影響したりデータを使用不能にしたりすることなく、機密データセットを安全に分析して使用できます。 

データ品質の評価と管理を簡素化するために、データ品質通知（パブリックプレビュー中）と異常検知（一般提供中）の機能を強化しました。外部リネージ機能（パブリックプレビュー中）を使用すると、外部ソースからデータを取り込み、データリネージをエンドツーエンドで包括的に把握できるため、AIモデルは信頼できる入力データでトレーニングされるため安心できます。また、データの状態が良好になると、Snowflake Backupsは保持ロック機能を持つ不変のバックアップを作成することで、データの損失、改ざん、サイバー攻撃から保護し、障害発生時にアクセスを回復して貴重なデータを回復できるようにします。

また、Snowflakeはオープンレイクハウスの相互運用性も拡張しており、AIはクラウド、カタログ、フォーマットや、保存場所に関係なくガバナンスの確保されたデータにセキュアにアクセスできます。Apache Iceberg V3のサポート（VARIANTデータ型による半構造化データ処理機能（近日中にパブリックプレビュー開始）とHorizon Catalogの相互運用性機能（外部読み取りサポートを一般提供中、外部書き込みサポートをパブリックプレビュー中）により、オープンAPIを介して任意のエンジンからSnowflakeマネージドテーブルに簡単にアクセスできるようになり、柔軟性を最大化します。また、Horizon Catalogでは、Apache SparkとSnowflake for Icebergテーブル（一般提供中）にわたって行と列のマスキングポリシーを一貫して適用できるため、Apache Icebergエコシステム全体に統合されたガバナンスを拡張するプロセスが簡素化されます。 

新たに提供が開始されたMicrosoft OneLakeとの統合（一般提供開始）により、SnowflakeまたはMicrosoft Fabricで管理されているApache Icebergデータに対して、セキュアな双方向の読み取りアクセスが可能になりました。両社の連携により、複雑なプロセスやデータの重複を排除し、双方のプラットフォームでのすべてのデータへのより容易なアクセスを実現します。私たちの製品担当エグゼクティブが、これがどのようにして真のオープン性と相互運用性を実現しているのかを解説します。また、こちらの動画を視聴して最新機能の詳細をさらにご確認ください。チーム、クラウド、さらにはリージョンの枠を超えたデータ共有を促進するため、オープンテーブルフォーマット共有を導入しました。これにより、SnowflakeのゼロETL共有モデルを、Apache IcebergやDelta Lakeといった追加フォーマットにまで拡張します。開発者は、アクセスとコストの両方を制御しながら、オープンフォーマット間でコラボレーションできます。

設計段階からAI-readyなエンタープライズデータを

Snowflakeは、コネクテッドで信頼性の高いデータファウンデーションの確立において、エンタープライズデータをAI-readyにする基準を高めています。開発者は、ガバナンス、相互運用性、高パフォーマンスがゼロから組み込まれている単一の統合されたプラットフォーム上で、インテリジェントなアプリと実稼働可能なAIエージェントを構築できます。 

snowflake.com/en/make-data-ai-readyのSnowflakeプラットフォームの機能でAI-readyのデータを整備する方法についての詳細は、AIデータクラウドがエンタープライズインテリジェンスとエージェントAIを大規模に提供し、開発者ワークフローをモダナイズする新機能によって構築の改善にどのように役立つかをご確認ください。 

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。