Snowflake Summit 2026：Whatnotがハイパーグロースのデータを明確なビジネスインサイトに変換した方法
大規模なデータプラットフォームの内部で、毎秒実際に何が起きているのか、疑問に思う方もいるでしょう。
多くの企業にとって、データインフラストラクチャはブラックボックスのように機能しています。何百万ものデータポイントが入力され、複雑なクエリが実行され、レポートが出力されます。しかし、処理が遅延したり、コストが急増したり、重要なダッシュボードが空白になったりした場合、根本原因の特定は暗闇の中を手探りで進むような作業になります。
この課題を解決するため、ライブショッピングプラットフォームを提供するWhatnotは、Snowflake Summit 2026でSnowflakeとともに登壇しました。同社は、驚異的なハイパーグロースのストーリーと、自動化されたAIアナリスト、そして極めて透明性の高いプラットフォーム監視を組み合わせた、モダンな企業向けの新たな青写真を描きました。このパートナーシップは、大規模なリアルタイムの需要下であっても、モダンなデータツールが顧客体験をスムーズかつ信頼性の高いものにし、包括的な可視性を維持する方法を示しています。
ハイパーグロースの現実とエラーが許されない数十億のイベント処理
Whatnotは、史上最も急成長しているマーケットプレイスの1つとして世界的な勢いを獲得しており、創業から数年でeBayやAmazonなどのレガシーなEコマース大手の歴史的な軌跡を上回るペースで成長しています。現在、同社は北米、英国、オーストラリア、欧州におけるトップクラスのライブショッピングプラットフォームとしての地位を確立しています。
以下のメトリクスは、同社の事業の圧倒的な規模と、データインフラストラクチャが処理する膨大なデータ量を示しています。
80億ドルライブ配信によるグローバル流通取引総額（GMV）（2025年）
2,000万件以上全市場における新規アカウント追加数（2025年）
前年比285%の初回購入者の増加率（2025年）
週55万時間以上のライブ配信時間（アクティブ視聴者のアプリ利用時間は平均1日95分以上）
米国史上最大規模のライブショッピング配信（2026年、同時視聴者数58万3,000人、同一プレゼント企画への同時参加ユーザー数55万5,000人）
その裏側では、オークションの入札、チャットメッセージ、トランザクションにより、毎日数十億ものデータポイントが生成されています。これらのデータはすべてSnowflake内に集約され、即時性の高いユーザー体験を支えています。
「Whatnotにおいて、データは過去のレポートを作成するためだけのものではなく、ライブアプリの体験を促進するものです」と、WhatnotのEngineering ManagerであるAlice Leach氏は説明します。「顧客がライブ配信でアイテムを購入した場合、当社の機械学習アルゴリズムは、数日後ではなく数分以内に、関連する製品を推奨する必要があります。データの遅延が発生すれば、購入者と販売者に直接的な影響が及びます。」
当初、Whatnotはdbtを使用し、単一の中央集権的なデータチームを通じてこのすべての情報を管理していました。しかし、会社の急成長に伴い、このセットアップが大きなボトルネックとなりました。この問題を解決するため、Whatnotはモジュール式のデータスタックに移行しました。インフラストラクチャアズコード（IaC）を使用することで、個々のビジネス部門（不正防止やベンダーアナリティクスなど）は、専用のSnowflakeウェアハウスをオンデマンドで立ち上げ、独自のパイプラインを管理する独立性を得ました。
分散化により組織的な障壁は解消されましたが、新たな課題が生じました。会社全体で包括的な可視性、コスト制御、パフォーマンス品質を維持しながら、独自のデータパイプラインを実行する最大限の自由を各チームにどのように与えるかという課題です。
AIソリューション：データリクエストから対話型アナリティクスへの移行
インフラストラクチャの分散化はエンジニアリング部門に貢献した一方で、データサイエンティストという人的なボトルネックを浮き彫りにしました。ビジネスリーダーが日々の迅速な意思決定を迫られる中、データサイエンティストはSlack上でアドホックなデータに関する質問に答えるという終わりのないループに陥っていました。
「極めて迅速に」行動するためには、誰もがタイピングのスピードでデータにアクセスできるよう、参入障壁を下げる必要があることにWhatnotは気づきました。
仮想アナリストの進化
Whatnotにおけるアナリティクス拡張のジャーニーは、3つのフェーズを経て進化しました。
2024年（固定化されたSlackbot）：Whatnotは、SQLクエリを自動生成するAI Slack bot（@databot）を構築しました。シンプルなリクエストには対応できたものの、多大なメンテナンスと継続的な人間による検証が必要でした。
2025年（分散型ツール）：同社は、SigmaやGleanなどの多目的アプリ全体にSnowflakeセマンティックビューを統合しました。Snowflakeを主要な高度なLLMと組み合わせることで、Whatnotの内部テストにおけるText-to-SQLの精度は90%を超えましたが、エコシステムには統一された「フロントドア」が欠けていました。
2026年（エージェント型アナリティクスの時代）：Whatnotは、Snowflake Cortex Agentsを活用したカスタムデータコンパニオンであるHex Threadsを展開しました。ユーザーにデータベーステーブルの正確な場所やSQLエラーのデバッグ方法の把握を強いる代わりに、AIがデータネットワークを安全にスキャンし、対話型アシスタントとして機能します。
ビジネスへの影響力
煩雑で手動によるデータの抽出からエージェント型AIへの移行により、社内の文化は大きく変革されました。
幅広い利用：導入から90日以内に、Whatnotの1,000人以上の従業員の80%超が、このエージェント型ソリューションをアクティブに利用するようになりました。
普遍的アクセス：社内の17の部門で、アクティブな利用率100%を達成しました。パフォーマンスマーケティング、人材獲得、事業運営などのチームが、全面的に自立して業務を行えるようになりました。
より深い戦略的分析：チームは、単に静的なリストを抽出するだけでなく、海外の週間トレンドの追跡、煩雑なデータフィールドの照合、販売者のチャーン予測モデルの構築といった複雑な作業に、対話型AIを活用しています。
ビジネスおよびプロダクト分析の迅速なイテレーション：以前は数週間前から計画してアドホックなデータリクエストを行う必要がありましたが、現在では、タイピングと同じスピードでデータを利用できるようになりました。これにより技術的な摩擦が大幅に軽減され、プロダクトチームはエンジニアリングのキューを待つことなく、SQLの実行チェック、フィード生成ロジックのテスト、予測モデル（販売者のチャーンなど）の迅速なイテレーションを行えるようになりました。
Whatnotの従業員がエージェントに取得を依頼しているデータ |
|
ビジネストピック |
全クエリに占める割合 |
販売者データ |
16.0% |
ライブ配信 |
11.9% |
注文 |
11.4% |
データエンジニアリング |
8.2% |
Whatnotは現在、まさにこの機能を一般向けに提供しようとしています。ライブストリームの配信者は、Whatnot Seller Hubを通じて独立した経営者として活動しています。厳格な行レベルセキュリティ（データのプライバシーと保護を確実にするための設計）を備えたCortex Agentsを組み込むことで、販売者はアプリに自然な文章を入力し、次のような最新情報を即座に取得できます。たとえば、「過去30日間のトップバイヤーを表示して」などです。
高速かつ手頃な価格で民主化されたモニタリングを実現する技術インフラストラクチャ
何百人もの社内従業員や何千人もの外部の販売者に、データをクエリしてウェアハウスを立ち上げる自由を与えると、コストの暴走や予期せぬプラットフォームエラーのリスク管理という、特有の運用上の課題が生じます。
分散型AIの急速なスピードとのバランスをとるため、Whatnotは、高速で費用対効果が高く、読みやすいように設計されたモニタリングセットアップの構築を継続的な目標としてきました。
ロギングのボトルネックの解消
これまで、プラットフォームの健全性をリアルタイムで追跡することは大きな悩みの種でした。標準的な使用状況ログは3〜4時間遅延しており、稼働中のパイプラインエラーを検知するには遅すぎました。代替策として15分ごとに大規模な診断スキャンを実行していましたが、これではコンピュート予算を使い果たしてしまううえに、ログを表示するだけでも厳格な管理者のセキュリティクリアランスが必要でした。
この問題を解決するため、SnowflakeはSnowflake Trailを介した次世代のイベントテーブルを使用して、ネイティブのテレメトリエンジンを刷新しました。このアップデートによりイベントの取り込みが10倍高速化され、包括的なロギングに伴う財務上のストレスが解消されました。
複雑なコードから自然言語によるアラートへの移行
以前は、高品質なシステムアラートを設定するために、データエンジニアが100行を超える複雑なSQLコードを記述する必要がありました。この技術的な障壁により、ビジネスアナリストや運用マネージャーは事実上、蚊帳の外に置かれていました。
現在では、SnowflakeのAI支援型オブザーバビリティワークフローを使用することで、ユーザーはSnowsight UIのCoCoに次のような対話型のリクエストを入力するだけで、自動化されたインフラストラクチャモニタリングを立ち上げることができます。
「ウェアハウスでパフォーマンスの異常や急激なコストの急増が発生したことを検知するアラートを作成し、そのサマリーを毎日Eメールで送信して」
バックグラウンドでは、組み込みAIがユーザーのビジネス意図を評価し、関連するプラットフォームビューをスキャンして、基盤となるコードロジックを構築し、通知チャネルを自動的にプロビジョニングするように設計されています。
今後の展望：知識の健全性およびプロアクティブなデータ運用
Whatnotが将来を見据える中で、最終的な目標は、過去の問題の診断からプロアクティブな問題の防止へと移行することです。
しかし、AIアナリティクスの拡張は、同社に重要な教訓をもたらしました。技術的な摩擦を減らすと、必然的に組織的な摩擦が露呈するということです。データがタイピングのスピードで移動するようになると、データモデリング、オーナーシップ、指標の定義におけるギャップが、極めて迅速かつ明白に現れます。さらに、分散型AIシステムは、全くガイダンスなしに放置されると「エージェントのスプロール化」に陥る可能性があります。
データの信頼性を維持するため、WhatnotはAIネットワーク全体で、知識の健全性とエージェントガイダンスに関する厳格なプレイブックを適用しています。
確率的な言語：エージェントはデフォルトで慎重かつ確率的な言語（「これは〜を反映している可能性があります」、「データは〜と一致しています」など）を使用する必要があり、「これは〜を証明しています」や「これは〜を明確に示しています」といった断定的なフレーズの使用は明確に禁止されています。
観察と解釈：AIは、生データの事実と主観的なビジネス上の解釈を明確に区別する必要があります。
盲目的な因果関係の排除：エージェントは、単なる観察データから因果関係を断定することを厳しく禁じられており、デフォルトで「〜に関連する」や「〜と相関がある」などの用語を使用します。
これらの厳格な構造的ガードレールと、コストの一元的な追跡を可能にするUnified Observability HubsやAIドリブンのスマートアラート推奨機能といったSnowflakeの今後の機能を組み合わせることで、ソフトウェアエンジニア、データサイエンティスト、ビジネス部門のマネージャーの境界線は意図的に曖昧になっています。
モジュール式のデータスタック、手頃な価格のリアルタイムイベントログ、対話型AIを採用することで、Whatnotのような企業はインフラストラクチャのブラックボックスを大きな競争上の優位性に変えています。これにより、データチームがカスタムロギングスクリプトの作成に費やす時間を削減し、ライブショッピングの顧客にシームレスなリアルタイムエクスペリエンスを提供しています。
すべての統計は、2026年7月27日時点のWhatnotの内部アナリティクスによって提供されています。
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。
