Snowflakeセマンティックビューオートパイロット：数分でAIを活用したセマンティックモデリング

ガバナンスの確保された信頼できるセマンティクスは、AI-readyデータにとってのテーブルの賭けです。本日は、既存のクエリやBIアセットからセマンティックビューを自動生成するシステム、Semantic View Autopilot（SVA）の一般提供を開始します。

LLMではなく定義の欠如が問題

2025年、AIエージェントを構築するチームは、最も賢いモデルであっても一貫性のないビジネスロジックに苦労することを学びました。障壁はAI機能ではなく、データ定義でした。

VTSのエンジニアリング担当上級副社長（SVP）であるPrashanth Sanagavarapu氏は、数値の矛盾を防ぐためには「一貫したセマンティックレイヤーの構築と維持に膨大な手作業が必要だった」と指摘しています。そのため、私たちはSemantic View Autopilotを構築しました。ガバナンスの確保された信頼できるレイヤーの作成を自動化するためです。

「Semantic View Autopilotは、当社のAIシステムにビジネスメトリクスの一貫したガバナンスの確保された理解をもたらしてくれました。これにより、信頼できるパーソナライゼーションとAIドリブンなエンゲージメントを実現し、お客様に信頼していただけるようになりました」と、Simon AIのCTOであるMatt Walker氏は述べています。

Snowflake：セマンティックビューの作成を自動化

セマンティックビューは、構造だけでなくデータの意味や意図に関するコンテキストも提供します。LLMにデータをビジネスコンセプトに変換する方法を指示しますが、多くの場合、作成に時間がかかり、手作業が多くかかります。

データチームにとっての目標は、一貫したロジックです。しかし、手作業で作成するのは負担です。プロダクトチームは、財務チームが1回限りのセットアップ料金を除外していることを知らずに、「月間定期収益」を単方向で定義している可能性があります。こうした隠れたルールは、展開後に数字が合わないときにのみ現れます。

SVAは、セマンティックビューの作成とガバナンスを自動化することで、このギャップを埋めます。SVAは、エンジニアがゼロから定義をコーディングするのではなく、クエリ履歴や信頼できるBIアセットから学習した候補メトリクスやフィルターを提案することで、数週間ではなく数分でレビュー、認定、展開できるようにします。

メカニズム：合意パターンから学ぶ

SVAの中核的な原則は、クエリ履歴、データ使用状況、ダッシュボードにセマンティクスがすでに定義されていることです。これにより、セマンティックモデリングがコーディングからキュレーションへと変わり、チームはSVAによって浮かび上がるロジックのレビューに集中できるようになりました。これらのガバナンスの確保された定義により、Snowflake Cortex Analyst、Cortex Agents、Snowflake Intelligenceは、より正確で信頼できる結果を得られるようになります。

SVAは、以下に説明する3つの主要なシグナルを分析します。

パターン認識とコンセンサスベースの抽出

SVAは、クエリパターンと自然言語質問を分析するクラスタリングアルゴリズムを使用して、コンセンサスビジネスロジックを特定します。異なる「アクティブユーザー」フィルターなど、矛盾する定義が存在する場合、SVAは最も一般的なパターンを提案として提示します。

たとえば、200以上のクエリで一貫して「アクティブユーザー」が user_engagement_score > 50 AND last_login_days < 30と して計算される場合、ユーザーが最近別のクエリを実行した場合でも、SVAはこのフィルターを提案します。

信頼性の高いソースからのマルチシグナル学習

最も信頼できる情報源は、多くの場合、長年のビジネスロジックがすでに存在している既存のBIダッシュボードです。Tableauは、SVAがサポートする最初のBIツールであり、さらに20社以上のOSIパートナーを通じて提供される予定です。SVAは、静的ダッシュボードを数分で会話型AIに変換します（ハンズオンラボを参照）。

チームは、信頼できるSQLクエリを直接アップロードすることもできます。SVAは、リレーションシップとメトリクスを抽出し、検証済みのクエリとして保存します。また、すべてSnowflake内で実行されるため、SVAは実際のデータを分析できます。列カーディナリティによって関係タイプが明らかになり、精度向上のためのCortex Searchサービスの追加などの提案が提供されます。

使用状況の進化に応じた継続的なイテレーション

SVAは使用パターンを監視して、セマンティックビューを最新の状態に保ちます。組織が「Pro」サブスクリプションティアをローンチすると、SVAは新しいクエリにsubscription_tier = 'pro'が含まれていることに気付き、その組み込みを提案します。そのため、ビジネスルールが進化しても回答は一貫しています。

BIからAIエージェントへの移行には、LLMの前提ではなく、データ利用に基づいたセマンティックな基盤が必要です。Semantic View Autopilotは、ガバナンスの確保されたコンテキスト認識AIへの最短経路です。現在、Cortex Analystを利用できるSnowflakeの全リージョンで利用できます。

今すぐ始めましょう。アカウントでSVAを試して、Cortex Analystのセマンティックビュー作成のベストプラクティスを確認してください。