Snowflakeが注目するスタートアップ企業：Euno

Snowflakeが注目するスタートアップ企業はシリーズで、スタートアップ企業の創業者たちが取り組んでいる課題、構築中の製品、ジャーニーで得たインサイトについて、さまざまなストーリーを共有します。今回取り上げるのは、Eunoの共同創業者でありCEOでもあるSarah Levy氏です。同社は、データチームがスケーラブルなエージェント型アナリティクスを構築し、企業の成長に合わせてガバナンスを維持できるように支援することに注力しているスタートアップ企業です。 

創業者としてのインスピレーションは何ですか？

私たちにインスピレーションを与えているのは、AIアナリティクスの期待とデータチームが直面する現実との間にあるギャップを埋めることです。すべての企業がAIにデータ質問への回答を求めますが、AIエージェントにはデータを理解するために必要なコンテキストがないため、そのほとんどは試験的なスケーリングに失敗します。どのデータアセットが正確か、認定されているか、使用されているかすら把握していません。

Eunoでは、既存のメタデータを活用して信頼できるコンテキストをAIにリアルタイムで提示することで、この問題を解決しています。そのため、インサイトの信頼性と十分な説明が可能です。このギャップが解消されれば、大きな機会がもたらされます。AIは最終的にその潜在能力を発揮し、組織がより迅速に動き、意思決定を改善し、真に重要な問題の解決に集中できるようにします。 

Eunoを2つの文章で説明してください。

Eunoは、ガバナンスの自動化とAIのための自動化されたコンテキストの構築を実現するメタデータインテリジェンスプラットフォームです。AIエージェントは、Eunoのコンテキストに基づいて、信頼性と説明可能なデータドリブンな回答を大規模に提供します。 

Eunoが解決しようとしている問題について詳しく教えてください。どのようにしてその問題を特定したのでしょうか。

2025年、チームはAI駆動のセルフサービス分析が機能することを期待していますが、それは現実ではありません。データ環境が整然としており、定義が矛盾しているため、AIはデータの適切な場所を指し示し、信頼できる回答を提供できません。実際には、AIエージェントはすでに組織のEメール、チャットチャネル、CRM、ビジネスアプリに接続されていますが、データチームは中央のデータウェアハウスへのクエリを許可しません。リスクが高すぎます。このギャップを埋めるためにEunoは構築されました。 

私たちは、エージェント型アナリティクスの効果的なスケーリングの難しさという共通の不満を抱えていた250以上のデータチームと話をして、この問題を特定しました。驚くべき根本原因は、AIについていけない従来のデータガバナンスでした。従来のソリューションは、手作業のプロセスに依存しており、膨大な初期費用と延々と続くメンテナンスを必要としていました。  

ソリューションは、より硬直したトップダウンのガバナンスやクリーンアップのプロセスではなく、チームが実際に作業する方法と共存できる軽量のフレームワークです。Eunoは、継続的な手動更新や大規模な初期投資を行うことなく、既存のメタデータを活用してAIのための自動化されたコンテキストレイヤーに変換し、クエリ時に情報エージェントに必要な情報を明らかにして、初日から信頼性の高い結果を提供します。

チームを構築し、会社をスタートさせるために、どのようなアプローチをされましたか？ 

私は、優れたチームが難題を解決すると信じています。そのため、私たちは、AI、スケーラブルなデータシステム、複雑なデータ管理の課題に関する豊富な経験を持つ、トップクラスのエンジニアと情熱的な問題解決者で構成されたAチームを編成しました。私たちの専門知識により、組織がどんなに急成長しても、効果的なガバナンスソリューションと安心を提供できます。

また、スタートアップ企業の経営について、次のような貴重なアドバイスを受けました：第1日目からお客様と話す。コードを1行も書く前に、最初の6か月間は、実際の問題、真の価値を促進するもの、企業が実際に支払う対価を理解することに焦点を当てました。その初期の規律が、構築したものから説明方法まで、すべてを形作りました。

データに関してクールなことは何ですか？ 

Eunoは、AIエージェント（Snowflake Intelligenceなど）に必要なコンテキストを提供することで、エージェントをよりスマートにします。既存のメタデータをマッピングし、データウェアハウス、ダッシュボード、メトリクスにわたって列レベルのリネージをつなぎ合わせ、それをフィールドレベルの使用状況データと組み合わせて、実際に何が重要なのかを明らかにします。データチームは、ルールベースの自動分類を実行して組織の基準を満たしているものにフラグを付け、AI認定資格を決定できるため、エージェントと従業員の両方が信頼できる基盤を構築できます。

たとえば、AIエージェントが特定の定義を使用して顧客維持率を示す必要があるとします。Eunoでは、そのメトリクスをSnowflakeの列まで遡ることができます。どのレポートが信頼できるか、使用頻度、ユーザーが誰か、認証された定義であるかどうかがわかります。アナリティクスを正確に管理するための、まったく新しいレベルの明確さです。

Snowflakeネイティブアプリフレームワークは、御社のスタートアップ企業としての成長と開発戦略をどのように形成しましたか。

Eunoの最大のメリットの一つは、迅速なオンボーディングです。パイプラインの大部分がSnowflakeユーザーで構成されており、Snowflakeネイティブアプリモデルによって、より迅速に、より簡単なオンボーディングとより少ないブロッカーでサービスを提供できるようになりました。Snowflakeネイティブアプリフレームワークワークと組み合わせることで、価値実現までの時間を短縮して市場投入計画を策定し、調達サイクルの遅延を管理するのではなく、顧客体験に集中できるようになりました。 

また、SnowflakeマーケットプレイスとSnowflakeの大規模な顧客基盤を活用する機会があることにも期待しています。Snowflakeネイティブアプリエコシステムの一員であることは、Snowflakeのセールスチームの旗振り役となり、お客様がEunoを通じてデータプラットフォームからより多くの価値を得られるよう支援します。 

創業者でありイノベーターとして、急速に変化するAI情勢についてどのように考えていますか？

AIの変化のペースは、エキサイティングであると同時に要求も厳しいものです。LLMは、ドキュメントの作成、データパイプラインの構築、メタデータの標準化などのタスクを自動化することで、データパイプライン、ガバナンス、アナリティクスに新たな可能性をもたらしています。Eunoでは、特にdevOpsとエンジニアリングワークフローにおいて、すでに真の生産性向上を実現しています。

また、ビジネスユーザーは「先月の新規アクティブユーザー数は？」のようなシンプルな質問をして正確な回答を得たいものです。しかし、コンテキストがなければ、たとえ優れたモデルであっても、自信があるように見えて不正確な結果を返す可能性があります。このリスクから、私たちは、チームがすでに取り組んでいる方法と共存できる柔軟なフレームワークを提供することに注力しています。既存のメタデータを活用することで、信頼できる回答を提供するためにAIに必要なコンテキストが提供され、組織はAIから得たインサイトを実際に信頼できるようになります。

あなたとEunoの今後の展望を教えてください。

従来のデータカタログは目的を果たしていましたが、組織がデータとのやり取りにおいてAIが中心的な役割を果たすようになるにつれて、このモデルは重要性を失いつつあります。この新しいランドスケープでは、データプラクティショナーはもはやパイプラインを管理するだけでなく、AIエコシステムを効果的に設計しています。そして、意思決定が人間ではなくモデルによって行われる場合、ガバナンスはミッションクリティカルなものになります。

私たちは、Eunoを次世代のメタデータプラットフォームであると考えています。Eunoはアセットを文書化するだけでなく、AIシステムのパフォーマンス、コスト、信頼性を設定、最適化、維持するための制御レイヤーでもあります。私たちがそこに向かっていて、そしてこの業界も共に前進していると信じています。

https://euno.ai/における、信頼性の高いセルフサービス分析とAIガバナンスのためのEunoのソリューションの詳細について説明します。Snowflakeは、Snowflakeで構築しているスタートアップ企業の目標達成をサポートしています。Powered by Snowflakeスタートアッププログラムをぜひご確認いただき、2026 Snowflake Startup Challengeまでご応募ください。