私たちの多くは、家の本棚にある百科事典のセットを、ほぼすべての疑問に答えてくれる権威あるものとして考えて育ちました。しかし、その内容はすぐに古くなってしまうことがよくありました。たとえば、冥王星が惑星と定義されなくなってから何年も経っているのに、9番目の惑星として記載されているのを目にしたり、調べようとしたことの多くが載っていなかったりしました。私たちが成長するにつれて、Wikipediaが新しい百科事典となり、それまでとは逆の働きをするようになりました。当初、学校の先生の中にはWikipediaを信用しないように言う人もいましたが、結果的にWikipediaはほぼすべての事柄を網羅し、常に最新の状態に保たれるようになりました。
エンタープライズデータは、そのような移行を遂げることはありませんでした。私たちは今でも百科事典と同じようにデータを文書化しようとしており、一握りの専門家がすべての意味を書き留めていますが、決して完成することはなく、ビジネスの変化に伴い徐々に遅れをとっています。
Snowflakeのプロダクトデータチームは、エージェントが推測するのではなく、キュレーションされガバナンスが効いた定義を読み取れるように、セマンティックビューを追加してテーブルをエージェントに理解しやすくする取り組みを始めました。プロダクト側では、これらをより迅速に生成するためにSemantic View Autopilotを提供しました。これは確かに役立ちましたが、それでも9,685あるテーブルの5%未満という、氷山の一角をカバーしたにすぎませんでした。その5%に含まれるものについては適切な回答が得られましたが、実際に人々が質問した内容のほとんどはそこから外れており、誰も文書化していないテーブルや、新しすぎてセマンティックビューが存在しないデータに関するものでした。
たとえば、あなたの会社が2週間前に従量課金制の料金プランを立ち上げたとします。その裏にあるテーブルは、作成されてからまだ数日しか経っていません。PMがエージェントに「新しいプランの立ち上げ後の状況はどうですか。」と直接質問した場合、セマンティックビューのみに依存するCortexエージェントは回答できません。また、Snowflake CoCo、Cursor、ChatGPTなど、チームがすでに依存している可能性のある他のエージェントは、セマンティックビューが存在するかどうかにかかわらず、その新しいデータを直接クエリする可能性があり、その結果、自信満々に誤った回答を提示するおそれがあります。
Cortex Sense（まもなくプライベートプレビュー開始）は、セマンティックビューの代わりではなく、セマンティックビューと連携して機能するように設計されています。ガバナンスが効いた一貫性のある回答が必要な場合、セマンティックビューは引き続きゴールドスタンダードであり、Cortex Senseはそれを権威あるシグナルとして扱います。データエステートの残りの部分については、Cortex Senseが独自にその理解を構築します。
セマンティックビューと同じような理解を組み立てるだけでなく、単なるテーブルのカタログではなく、ビジネス全体の機能モデルを構築することで、さらに一歩踏み込みます。これは、アナリストが過去に実行したクエリ、変換ツールで定義されたモデル、BIにすでに存在するメトリクスなど、ビジネスがすでに生成しているシグナルから自動的に行われます。このコンテキストの多くは、Snowflake Horizonコネクタを通じて取り込まれます。
Cortex Senseは、維持しなければならない2つ目の記録システムではなく、エージェントによるクエリの精度の底上げを図るマネージドソリューションとなります。
ベースラインを設定するため、Snowflakeの内部データに関するプロダクトアナリティクスの質問（テーブル間の結合、メトリクス式の検索、フィルター規則の知識が必要なもの）について、エージェントを評価しました。当社のデータチームは、コンテキストレイヤーがない場合、AIの精度は約25%であることを発見しました。これは、独自に測定してわずか21%であったAnthropicの結果と非常に似ていました。
Cortex Senseがない場合、CoCoは各テーブルとスキーマを個別に調査し、それらが何を行うかを学習しようとします。Cortex Senseがあれば、どこを見て何をクエリすべきかを正確に把握できます。
手作業で記述されるのではなく自動的にマイニングされるという事実は、誰にも気づかれないまま自信満々に間違える可能性があるという、もっともな懸念を生じさせます。Cortex Senseは、自身の知識のギャップや矛盾を常に特定する自己修正ループを実行することで、この問題を軽減します。CoCoを通じてCortex Senseを有効にすると、接続されたソースから初期ベースラインが構築されます。そこから、ターゲットを絞った評価を通じて改善されていきます。正解がわかっている質問を入力すると、Cortex Senseは不一致が生じるたびに自身の理解を修正します。これらの評価入力は、独自のゴールドスタンダードベンチマーク、ユーザーからのフィードバック、およびカバレッジが薄い領域に対するシステム独自の提案という3つのソースから得られます。
Snowflake CoCoにCortex Senseの評価結果が表示されます。（この図に記載されている情報は架空のものであり、実際のお客様やSnowflakeのデータに基づくものではありません。）
評価によってギャップが明らかになった場合、Cortex Senseは推測するのではなく、自らをグラウンディングします。ローンチ後の新しいプランの状況に関する質問に戻ると、アップグレードの意味について2つの矛盾する定義を拾い上げた場合、Cortex Senseはそのあいまいさをナレッジの中に残しておくことはありません。矛盾をCortex Senseのビルダーに提示し、人間に解決を求めます。コンテキストについてこのレベルの誠実さを強制することにより、見つかったものを単に検索するだけの検索拡張生成（RAG）のようなシステムと区別できることが分かりました。何らかの理由で評価が失敗した場合、または矛盾する情報を検出した場合、Cortex Senseはその理由を考察し、自身の理解を更新しようとします。それができない場合は、助けを求めます。たとえば、社内でCortex Senseのテストを開始したとき、デイリーアクティブユーザーの定義が何十種類も異なることがわかりました。各チームにはこのメトリクスを計算する独自のシステムがあったため、Cortex Senseから質問された際、私たちはどのメトリクスがどのチームに対応するかを自然言語で説明するだけで済みました。
シグナルが競合する場合、Cortex Senseはウェブ検索がページをランク付けするのと同じように、関連性、権威性、人気度、鮮度によってシグナルをランク付けします。ガバナンスが効いたセマンティックビューに裏付けられたメトリクス定義は、少数のクエリから推測されたものよりも高い権威を持ちます。本番環境の500のSQLステートメントに現れる結合パターンは、3つのステートメントに現れるものよりも重視されます。また、先月更新された定義は、2年前のものよりも優先されます。
Cortex Senseに関してよく寄せられる質問の1つは、コンテキストへのアクセスをどのように管理するかということです。Cortex Senseはメタデータと使用パターンのみを取り込み、実際のデータ行は取り込みません。しかし、他のSnowflakeの各オブジェクトと同様に、アクセスはSnowflakeの既存のガバナンスを通じてロールごとにスコープされます。まもなく開始されるプライベートプレビューでは、Cortex Sense全体にアクセスできる単一のロールをユーザーが指定できるようになります。将来的にはロールごとのコンテキストへと拡張し、マーケティングチームと財務チームがそれぞれ異なるコンテキストにアクセスできるようにする予定です。
このシステムを社内のデータサイエンティストに初めて公開した際、初期の社内評価セットにおいて、人々がすでに費やした作業を基盤とすることで、手作業でキュレーションされたセマンティックビューと同等の水準に達しました。そこから、定義が古くなっていた領域と、既存のセマンティックビューではカバーされていなかったドメインの2つの領域で、手作業によるビューを上回りました。その評価セットでは、最近のクエリ履歴などのシグナルを活用することで、人間のパフォーマンスを10パーセントポイント上回りました。
Cortex Senseがもたらす価値を検証するため、難易度の高い質問セットを用いてベンチマークを実施しました。モデルコンテキストプロトコル（MCP）を介してSQL実行に直接アクセスできる最先端のコーディングエージェント、必要に応じて関連するセマンティックビューを取得できる標準のCoCo、そしてCortex SenseによってグラウンディングされたCoCoを比較しました。私たちのベンチマークにおいて、Cortex Senseは精度を24.1%から86.3%へと向上させました。さらに、最先端のエージェントと比較して、Cortex Senseはエージェントが各テーブルを手動で検査するのを防ぐため、クエリあたりのコストを1.76ドルから0.59ドルに削減しました。最先端のエージェントは、数十のオブジェクトに対してDESCRIBE TABLEを実行する傾向があり、トークンを浪費してレイテンシーを増加させていました。Cortex Senseのコストメリットは、初期の1回限りのインデックス作成コスト（インデックス化されるデータ量に依存）によって部分的に相殺されますが、一般的に、事前のインデックス作成コストは、クエリあたりのコストの低さによって時間の経過とともに回収できることがわかりました。
2026年6月の社内テスト結果とコスト計算に基づきます。
コンサルティング契約や手作業による構築を待つ必要がないため、Cortex Senseの立ち上げは、通常数か月かかるプロジェクトとは異なり、わずか1日で完了しました。新しいセマンティックビューを作成する必要がないため、ソースに接続するだけで利用を開始でき、キュレーションに何日も費やす必要はありません。継続的なメンテナンスのモデルも異なります。データエステートが進化するにつれて、Cortex Senseは継続的なリフレッシュのサイクルで自動的にシグナルを拾い上げます。また、知識を確実に更新したい場合、修正ワークフローは対話型で行われます。自然言語で正しい定義を説明するだけで、モデルが更新されます。
百科事典がWikipediaに取って代わられたとき、画期的だったのは人々がより多くの知識を得たことではありません。知識が専門家によって定期的に公開されるものではなくなり、自律的に進化し始めたことでした。エンタープライズコンテキストも同じ転換期にあります。ガバナンスの効いた一貫性のある回答が必要な場合、セマンティックビューは引き続きゴールドスタンダードですが、AIがビジネスを学習する唯一の方法であるべきではありません。Cortex Senseは、ユーザーがすでに生成しているシグナルから学習し、変化に合わせて改善を続けます。
このプロダクトを世界中の皆様と共有できることを大変嬉しく思います。Cortex Senseは、7月中旬にプライベートプレビューを開始する予定です。早期アクセスをご希望の場合は、Snowflakeのアカウント担当者にお問い合わせください。
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。実際の結果や提供内容は異なる場合があり、既知および未知のリスクや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。
