連邦政府における新たな意思決定の基準
連邦政府のITがどれほど変化したか、少し立ち止まって考えてみてください。多くの場合、その変化は急速かつ劇的です。この機会に、ご自身の組織がその変化についていけているか確認してください。戦略、調達アプローチ、ガバナンス、組織の準備状況、アーキテクチャなど、綿密な計画を立てていたことでしょう。しかし、それ以降、テクノロジーの状況や現政権の優先事項は変化している可能性があります。今こそ、これらの計画を見直し、今日の機会に合わせて再調整する良いタイミングです。
変わっていないことは何でしょうか。
ほとんどの連邦政府機関は、Evidence Act（証拠に基づく政策形成法）の要件を満たし、証拠に基づく機関になるという目的から、データモダナイゼーションのジャーニーを開始しました。ビジネスインテリジェンスのインサイトを創出し、予測分析や不正検知のための機械学習をサポートし、組織全体で安全かつセキュアにデータを共有するというコミットメントから始まりました。これらはすべて、省庁間のポリシー目標のサポート、軍全体での連携、米国DATA Actの目標のサポートなど、自らのミッションを達成するために行われました。多くの機関が、これらのニーズを満たすためにスケーラブルでセキュアなデータアクセスを提供するクラウドデータプラットフォームの検討や導入を開始しました。また、データの品質、検出、可用性を向上させるために、データ戦略やデータガバナンスのアプローチを策定しました。
変わったことは何でしょうか。
第一に、AIは急速に進化し続けています。AIをサポートするために必要なテクノロジー環境には、高品質なデータ、最先端の生成AI基盤モデルへの安全なアクセス、特殊なコンピュートハードウェアが求められます。さらに、検索拡張生成（RAG）やエージェント型AIなどの機能のライフサイクル、ガバナンス、制御をサポートするために、急速に進化する環境とワークフローも必要です。
第二に、トランプ政権の連邦政府機関に対する期待が大きく変化しました。政権は連邦政府のコスト削減を優先し、政府全体で職員や契約スタッフを削減する措置を実行しました。そして、各機関に対し、AIと自動化を活用して緊縮財政下でも業務の有効性を維持することを期待しています。さらに、政権は新たな調達アプローチを指示しています。Revolutionary FAR Overhaul（RFO）のセクション1.102(a)(3)では、商用ソリューションを優先し、「政府独自のソリューション」よりもすぐに入手可能な商用プロダクトの利用を最大化するよう指示しています。
これらの変化の前に下されたデータプラットフォームに関する決定は、政府の伝統的なテクノロジー購買パターンから生じたものでした。プラットフォームは多くの場合、ミッションを幅広くサポートすることを目的としていましたが、プログラムの正当性は通常、特定の優先ミッションの成果を実現するという狭い焦点に基づいて構築されていました。このように政府独自の構成や統合が好まれるようになったことで、特定のミッションのパフォーマンスは局所的に向上しました。しかし、テクノロジーの評価が特定の手段に従って進められるようになり、結果として政府が特定のプラットフォームを好むようになりました。
各機関は、ミッションの保証と監査可能性を備えたデータセキュリティを維持しつつ、一般的なミッションの成功をサポートし、最終的な予算の価値を目標とするデータプラットフォームを必要としています。エンジニアリングのオーバーヘッドを最小限に抑えつつ、迅速な価値実現までの時間を求めている場合、また、ビジネスアナリストやユーザーに焦点を当てたパフォーマンスとユーザー体験を求めている場合、Snowflakeを再検討する価値があります。Snowflakeは、Forbes Global 2000の40%の企業に導入されています（2026年1月31日現在）。Snowflakeは特に金融サービスにおいて強みを持っています。金融サービスは、高い保証とセキュリティを備えた費用対効果の高いビジネスイネーブルメントという、現在の政府のニーズと共通点があります。Fortune 500の金融サービス企業の50%以上で使用されています。
現在の連邦政府の状況において、Snowflakeがどのような点で優れているかを見てみましょう。
複数プラットフォームの併用戦略を活用して既存のクラウドデータプラットフォームへの投資を強化
よくある誤解は、各機関が単一のデータプラットフォームを選択しなければならないというものです。これは、データプラットフォームが戦力を増幅する手段として組み合わせて活用されることが多い、商用環境の現実とは異なります。ミッションアナリティクスとAIのための、ガバナンスの効いた基盤および同時実行性の高いサービングレイヤーとしてSnowflakeを使用します。
実際には、Snowflakeは、各機関が耐久性、監査可能性、共有性を備えた「真実」のデータセットを確立する場所となります。これは、ダッシュボード、運用上の意思決定支援、AIアプリケーションを強化する、キュレーションされたデータプロダクトです。その後、特化したプラットフォームがそのガバナンスの効いた基盤に接続して高度なワークフローを実行します。得られた出力はSnowflakeにパブリッシュされるため、別のサイロに閉じ込められることなく、組織全体で再利用できます。
Snowflake + Palantir：Palantir Foundryは、クリーンで大規模なデータ基盤を必要としています。 Snowflakeは同時実行性の高いサービングレイヤーとして機能し、レガシーなオンプレミスストレージよりも効果的に、ガバナンスの効いたデータをFoundryに供給します。
Snowflake + Databricks：Snowflakeは、Databricksの機械学習モデルにとって理想的なゴールドレイヤーのリポジトリとして機能します。これにより、ビジネスアナリストはPythonやSparkを学ぶことなく、標準的なSQLダッシュボードを通じて価値の高いインサイトに即座にアクセスできるようになります。
また、Snowflakeは、エージェント型AIの利用が拡大する中で、組織の同時実行性の要求に対応できる位置づけにあります。単一のエージェントが多数の並行検索クエリ、特徴量のルックアップ、評価をトリガーする一方で、多数のアナリスト、ダッシュボード、アプリケーションが同じガバナンスの効いたデータセットにアクセスします。Snowflakeは、個別の仮想ウェアハウスでワークロードを分離することでこれをサポートします。また、キューが形成されたときにコンピュートクラスターを追加し、需要が収まったときにスケールダウンできるマルチクラスターウェアハウスによって、スパイクを吸収します。
組織内の「真実」のデータのソースとしてSnowflakeを利用することで、エージェント型AIの主要なデータリソースと、同時実行性のレジリエンスのための基盤が連携します。
ServiceNowとSalesforceのウォールドガーデンからのデータの解放
各機関は、ワークフローをモダナイズするために、ServiceNowやSalesforceのようなローコードプラットフォームに多額の投資を行ってきました。ミッションクリティカルなデータがこれらのSaaS独自のフォーマット内に閉じ込められ、新たなデータサイロを生み出すリスクがあります。標準的な取り込みパターン（コネクター、CDC、ストリーミング）とセキュアデータシェアリングを通じて、Snowflakeを使用すれば、脆弱でカスタム仕様のETLパイプラインを構築することなく、ServiceNowやSalesforceなどのプラットフォームからデータを取り込み、スケジュールされた、またはほぼリアルタイムの頻度で最新の状態に保つことができます。これにより、システムを横断したミッションの状況把握が可能になります。ServiceNowのITインシデントデータとSalesforceのケース管理データを関連付け、ミッションの停止を未然に予測するダッシュボードを想像してみてください。 Snowflakeにより、この統合は大幅にシンプルになり、ガバナンスも強化されます。
重要なのは、SaaSプラットフォームから単にデータを取り込むことではなく、ミッション全体でデータを利用できるようにすることです。Snowflakeは、運用データを最新の状態に保つための増分取り込みパターンをサポートしています。さらに、インシデント、ケース、資産、IDの各データを一度標準化して結合できる共有の「データプロダクト」レイヤーを実現することで、下流のプログラムが毎回統合を再構築する必要がなくなります。ミッションにおける成果として、信頼できる唯一の情報源において一貫したガバナンス制御を適用しながら、停止の予測、不正および異常検知、運用準備状況のレポート作成に向けて、システム間の関連付けをより迅速に行えるようになります。
財務管理のための「従量課金」のメリット
24時間365日ピーク容量をプロビジョニングし、その料金を支払う必要があるレガシーデータベースとは異なり、Snowflakeはコンピュートとストレージを分離しています。タスクが完了すると、ウェアハウス（コンピュート）を即座にオフにすることができます。これは、政府のテクノロジーモダナイゼーションの目標と完全に一致しています。アクティビティの減少に伴ってコンピュートコストがスケールダウンすることを示し、メンテナンスではなくイノベーションに資金を振り向けることで、直接的なROIの達成を実証できます。このモデルは連邦政府の需要に特に有効であり、月末のレポート作成、対応業務、モデルトレーニングの実行時に処理能力を急増させ、その後スケールダウンすることができます。政府機関は、年間を通じてピーク容量の料金を支払う代わりに、自動一時停止および自動再開のガードレールを適用することで、ベースラインのウェアハウスを適正なサイズに保つことができます。また、BI、パイプライン、データサイエンス、AIなどのワークロードごとに専用のウェアハウスを割り当てて、コスト管理とパフォーマンスの予測可能性を向上させることもできます。
Snowflakeの導入は、現在のツールを置き換えることではありません。むしろ、それらを将来にわたって活用できるようにすることです。Snowflakeは、AIパイロットの立ち上げ、SaaSプラットフォーム間の連携、特化したミッションツールのより高速な実行を可能にする、ガバナンスが効いたセキュアでスケーラブルな基盤を提供します。
AIへの対応準備とエージェント型AI
2024年と2025年に、政府機関は生成AIの実験を行いました。2026年に求められるのはエージェント型AI、すなわち推論してタスクを実行できる自律型システムです。連邦政府のAIにおける最大のボトルネックはモデルではありません。それは、データです。
SnowparkやCortexなどのSnowflakeのマネージドAIサービスを使用すると、認可された環境において、政府機関はペタバイト規模の機密データをモデルに移動するのではなく、コンピュートをデータに近づけることができます。これは、ロールベースのアクセス、動的マスキング、チームが安全にアクセスを拡張できるよう支援する監査機能などのネイティブのガバナンスコントロールによって強化されています。FedRAMP Highの認可を受けたSnowflake Government（SnowGov）環境（および該当する場合はDoW IL5）内でデータのガバナンスを維持することで、政府機関は認定された境界内のデータに近い場所でアナリティクスとAIのワークフローを実行できます。
短期的なAIパイロットから反復可能なAI運用への移行には、次のような実用的なメリットがあります。認定されていないツールのサイロに機密データをエクスポートすることなく、キュレーションされたデータセットへのガバナンスが効いたアクセス、反復可能な変換パイプライン、および特徴量エンジニアリング、検索、スコアリングの各ワークフローの制御された実行を行えるようになります。
Slalomの実績
Slalomはこれまでに2,700件以上の成功を収めたSnowflakeプロジェクトを完了しており、2025年のSnowflake Global Data Cloud Services AI Partner of the Yearに選出されています。Slalomが他と異なる点として、私たちは、規制の厳しい商用環境にSnowflakeを適用してきた深い経験を連邦政府のお客様にも提供し、商用分野のイノベーションと、連邦政府のデータ、セキュリティ、運用に求められる厳格さを組み合わせています。
