実験的なAIと本番環境のAIとの間にあるギャップが、モデルによって引き起こされることはほとんどありません。これはインフラストラクチャの問題です。具体的には、エージェント型エンタープライズの新たなビジネスのペースに合わせて稼働できる、接続されガバナンスが効いたインフラストラクチャの欠如が原因です。
AIエージェントは、組織がエンタープライズデータをセキュアに保ち、変換し、提供する方法を再定義しています。人間の意思決定のペースに合わせて構築されたデータシステムは、機密データ全体にわたって高速で継続的に推論し行動するエージェントの要求を満たすように進化する必要があります。つまり、次の3つの基本的な要素に対処する必要があります。
保存場所を問わず、一貫してガバナンスが効いたデータ
自律型AI向けに設計されたセキュリティ
すべてのワークロードに対する高いパフォーマンス
Summit 2026で、Snowflakeはこれらの各課題を解決する一連の機能を発表しました。これにより、エージェントは適切に保護され容易に理解できるデータに対し、迅速な行動を可能にするスピードで適切なレベルのアクセス権を得ることができます。そして、ユーザーは安心してAIを本番環境にデプロイできるようになります。
AIのための信頼できるコンテキストレイヤー
AIエージェントの性能は、分析や推論に使用するデータの品質に依存します。そして、エージェントがクエリを高速化し、より自律的なアクションを実行するようになるにつれて、データエステート全体で一貫したビジネスロジックと定義を持つことが重要な成功要因になります。「アクティブ顧客数」というメトリクスは、BIダッシュボード、Snowflake Cortex AIエージェント、アナリストのSQLクエリのいずれから取得された場合でも、同じ数値を返す必要があります。ビジネスロジックがSnowflakeの外部にあるツールやデータに分散していると、定義に一貫性がなくなる可能性があります。これは、信頼を損ない、新しいエージェントワークフローが追加されるたびに増大する、セマンティックの断片化という問題です。
Snowflake Horizonカタログの新機能であるSnowflake Horizon Contextは、ビジネスロジックをプラットフォームに組み込むことでこの問題に対処します。これにより、すべてのAIエージェント、BIツール、アプリケーションが同じ一貫した定義を継承します。ビジネスのメトリクス、ディメンション、リレーションシップは一度定義されるとあらゆる場所に適用され、ガバナンス制御はクエリエンジンレベルで自動的に継承されます。
後付けのセマンティックミドルウェアとは異なり、すべてのツールやクエリインターフェイスに手動で接続する必要はありません。Horizon Contextの標準コネクタは、クエリ履歴、dbtモデル、BIログからコンテキストを自動的に抽出し、組織の知識を解き放ち、セマンティックモデルの作成を加速させます。
その後、Semantic Studio（プライベートプレビュー）およびSnowflake Semantic View Autopilot（一般提供）を使用してメタデータのエンリッチメントを自動化し、コンテキストレイヤーの構築と維持に必要な手作業を減らすことができます。Snowflake CoCoにSQL生成タスクを与えるか、より高度なデータ分析タスクを与えるかにかかわらず、Universal Searchを使用して関連するコンテキストが自動的に取得されます。Universal Searchは、人気度などのシグナルを使用してランキングを改善し、アクセス制御ポリシーを使用して結果をフィルタリングする、キーワード検索とセマンティック検索のハイブリッドです。
ガバナンスが効いたセマンティック基盤をSnowflakeの外部でも利用できるようにするため、Horizon ContextはいくつかのSnowflake機能を活用しています。
標準コネクタ：PostgreSQL、Microsoft SQL Server、Tableau、Microsoft Power BI、dbtなどのツールに接続します。これにより、多くのソースからクエリログ、人気度、スキーマなどの豊富なコンテキストを収集し、検索可能な1つのカタログにまとめることができます。
エンドツーエンドの列レベルのリネージ：データ資産が互いにどのように関連しているかを理解するには、リネージが不可欠です。Horizon Contextは、Snowflakeおよび外部データベースのクエリログ、BIシステム、OpenLineageフィードからリネージ情報を抽出し、それらをすべてつなぎ合わせて、完全なエンドツーエンドのリネージグラフを作成します。
ネイティブのOpen Semantic Interchange（OSI）統合（プライベートプレビュー）：メトリクス、ディメンション、リレーションシップに関するベンダー中立の仕様を提供します。これにより、Horizon Contextで定義されたビジネスロジックを、変換することなくエコシステム全体で読み取り、理解できるようになります。
Semantic Studio （プライベートプレビュー）：SQLを記述せずにセマンティックビューを構築するためのビジュアルモデリングインターフェイスを提供します。これにより、データチームとビジネスアナリストの双方がガバナンスにアクセスしやすくなります。
AtScaleを利用したセマンティックビュー向けXMLAエンドポイント（まもなくプライベートプレビュー）：Power BIとExcelをセマンティックレイヤーに直接接続します。これにより、エンタープライズBIユーザーは、AIエージェントと同じガバナンスが効いた定義に基づいて作業できるようになります。
Advanced Semantics（プライベートプレビュー）：詳細レベル（LOD）計算、コンポーザブルな定義、および自動クエリ書き換えを伴うユーザー定義のマテリアライゼーションをサポートします。
Horizon Contextの詳細については、ブログ記事「Horizon Context：AI、BI、アプリのためのガバナンスが効いたコンテキストレイヤー」をご覧ください。
Horizon Contextのリリースに伴い、SnowflakeはHorizon Catalogの機能を強化しました。これにより、Snowflakeの内外にあるデータエステートのガバナンスを担う中央コントロールプレーンとしての役割と使いやすさが強調されています。
Snowflake CoWorkが、SQLに堪能なユーザーだけでなく、すべてのユーザーがポリシー、分類、アクセス制御を利用できるようにしたのと同様に、新しいIntent-Driven Governance（プライベートプレビュー）機能は、平易な言語のテンプレートをアクティブなHorizon Catalogポリシーに変換します。ビジネスリーダーやデータ実務者は、Snowflakeのガバナンスの基本要素を学習しなくても、ガバナンスの意図を承認できます。そしてSnowflakeは、マスキング、アクセス制御、データ品質を含むタグベースの適用を、既存および将来のオブジェクト全体にわたって自動的に推進します。システムはドリフトを継続的に監視し、詳細な監査パッケージを生成して、稼働中の構成を承認された人間の意図まで直接追跡します。さらに、新しいSnowflake CoCoスキルによるエージェント型ガバナンス（一般提供）により、ユーザーは自然言語のプロンプトを送信して、ポリシーの適用、バグの修正、異種リソースにわたる機密データの監視を行うことができます。
Horizon Catalogは、外部エンジンからの完全でセキュアな双方向の読み取り/書き込みアクセス（一般提供）を備えるようになりました。これにより、Snowflakeで定義したポリシーが、Apache Iceberg™ REST互換エンジンに普遍的に拡張されます。Apache Iceberg REST Scan Planning API （パブリックプレビュー）のサポートにより、クロス環境での適用がきめ細かいデータ保護にまで拡張されます。これらの機能を組み合わせることで、お客様は初日からすべてのエンジンからセキュアにアクセスできる、ガバナンスが効いた単一のデータコピーに基づいて作業できるようになります。これにより、エージェント型エンタープライズのビジネスのペースに合わせて稼働できるアーキテクチャが提供され、チームやエージェントの実行がスピードアップします。Snowflakeの相互運用可能なレイクハウスを使用して、ガバナンスが効いた単一のデータコピーにセキュアに標準化する方法について、詳しくはこちらをご覧ください。
組み込みのAIエージェントセキュリティ
従来のアクセス制御は、既知のロール、予測可能なアクセスパターン、監査可能なセッションで操作する人間向けに設計されていました。エージェントは、この常識を覆します。エージェントはマシンの速度とスケールで継続的に稼働し、プロンプトを通じて操作されることで、意図しない（または悪意のある）行動をとる可能性があります。今日の多くのプラットフォームでは、エージェントには検証可能なID、スコープされた権限、明確な監査証跡が欠けています。これは本番環境への展開において大きな障壁となります。実際、弊社の2026年 生成AIとエージェントのROIレポートの回答者の半数以上（56%）が、ガバナンスとコンプライアンスに関する課題を少なくとも1つ報告しています。
Snowflakeは、自律型アクターにゼロトラストの原則を拡張する、専用のエージェントセキュリティモデルによって、この課題に正面から取り組んでいます。Agent Identity（パブリックプレビュー）は、本番環境のデータにアクセスする前に、暗号化によって検証されたIDをすべてのエージェントに付与します。この新しいコンテキストは監査可能性をサポートし、金融サービス、ヘルスケア、官公庁・公的機関などの規制の厳しい業界におけるコンプライアンスフレームワークのトレーサビリティ要件に対応できる、完全な管理の連鎖を構築します。
エージェントのIDとインタラクションをガバナンスするこれらの専用コントロールを使用することで、Snowflakeのネイティブなセキュリティ機能のメリットを享受していることを確信し、より安心してAIエージェントやアプリを拡張できます。この基盤は、AIプロジェクトを停滞させる最大の障壁のいくつかに対処する多層防御スタックによってさらに強化されています。
エージェントのセキュアなアクセス
AI Security Posture Management（パブリックプレビュー）は、Snowflakeトラストセンターを通じて提供され、エージェントの行動全体にわたるプロアクティブな異常検知により、エージェントのセキュリティ態勢の継続的なモニタリングをサポートします。
データエステート向けのエンタープライズグレードの多層防御
Prompt Injection Protection Phase 2 （一般提供）は、ゼロデイインジェクションやジェイルブレイクの試みをLLM主導でほぼリアルタイムに検知します。これは、エンタープライズAIのセキュリティ評価で頻繁に求められる機能です。
Data Movement Policies （プライベートプレビュー）には、どのツールが転送を開始したかにかかわらず、エージェントのワークフローやAPI接続を通じた不正なデータ持ち出しの防止に役立つプラットフォームレイヤーのコントロールが含まれています。
Multi-Party Approval （パブリックプレビュー）は、実行前の明示的な承認ステップによって最もリスクの高い操作を制限する、「4つの目（複数人）」による認可を提供します。
Data Exfiltrationトラストセンターパッケージ（プライベートプレビュー） およびRansomware Protectionは、UI経由の過剰なデータダウンロードや、内部および外部ステージへの異常なデータ転送を対象とした異常検知など、大規模なデータ侵害の一般的なベクトルを監視します。
エージェントへのユーザーアクセスの簡素化
Just-in-Time User ProvisioningおよびRequest Access Workflow（ともにプライベートプレビュー）は、IDがそもそもどのようにアクセス権を受け取るかについて厳格なコントロールを提供し、プラットフォーム全体で常時付与されている特権を削減します。
SnowflakeのAIセキュリティ強化の詳細については、ブログDefending Your Enterprise at the Speed of AIをご覧ください。
トレードオフのないガバナンスと高パフォーマンス
エージェントは遅延を許容しません。データアクセスの速度低下は自律型エージェントの動作に制約をもたらすため、チームは高パフォーマンスを優先して、レイテンシーに敏感なワークロードをガバナンスの効いたプラットフォームから切り離すようになる可能性があります。この回避策は遅延を減らすかもしれませんが、インフラストラクチャ管理の負担を別途生み出し、ガバナンスのリスクを高めることにもなります。
Snowflakeのコンピュートポートフォリオの新たな強化は、一貫したガバナンスを維持し、運用オーバーヘッドを大幅に削減しながら、すべてのAIおよびデータワークロードに高パフォーマンスを提供することで、こうしたトレードオフを過去のものにするように設計されています。その結果：チームは手動のメンテナンスタスクの代わりに、戦略的な業務に集中できるようになります。
Snowflake Adaptive Compute （まもなく一般提供）は、急速に変化するAI環境における中核的な運用の課題、すなわち、ワークロードの多様化と予測困難化が進む中で、パフォーマンス、使いやすさ、スケーラビリティのバランスをどのように取るかという問題に対処します。
Adaptive Computeを使用して作成されたウェアハウスはAdaptive Warehousesと呼ばれ、手動でのサイジング、クラスター管理、キャパシティプランニングを必要とせずに、需要に合わせて動的に調整されるワークロード対応のコンピュートを提供します。Snowflakeがアカウント内の共有コンピュートプールに対するリソース割り当て、スケーリング、クエリルーティングを処理するため、以前は専用のチューニングサイクルを必要としていた構成の決定が、人間の介入なしに継続的に行われるようになります。これにより、特に複数のビジネスユニットにわたってコンピュートを管理するチームにとって、運用オーバーヘッドを大幅に削減できます。
高パフォーマンスは引き続き特徴の1つです。Adaptive Computeは最新のハードウェアとパフォーマンス強化を組み込んでおり、さまざまなワークロードにおいて、Gen1とGen2の両方の標準的なSnowflakeコンピュートと比較して（TPC-DSおよび内部ベンチマークに基づく）有意義なパフォーマンス向上を実証しています。1
- 探索的アナリティクス、データサイエンス、アドホックアナリティクスなどの分析ワークロードで最大1.6倍の高速化
- 同時実行性の高いオペレーショナルアナリティクスワークロードで最大2.2倍のスループット向上（クエリ/時）
- データ変換、インジェスト、データパイプラインなど、DMLを多用するワークロードで最大3.5倍の実行速度向上
Adaptive Computeの特長については、ブログワークロードに合わせて進化するアダプティブコンピュートのハイパフォーマンスで詳しく説明しています。
高い分析クエリパフォーマンスに加えて、ほぼリアルタイムのデータの鮮度が求められるワークロード向けに、インタラクティブなアナリティクスは、以前は個別のインフラストラクチャスタックを必要としていたストリーミング機能を提供します。Streaming Ingestion （プライベートプレビュー）は、継続的にインジェストされるデータを、1秒未満の鮮度と1,000 QPS以上の同時実行性を備えたクエリパフォーマンスでInteractive Tablesに取り込みます。これらはすべてSnowflakeのガバナンス境界内で行われます。2
さらに2つのリリースにより、トランザクションワークロードにも同様のパフォーマンスとシンプルさがもたらされます。Postgres Data Mirroring （まもなくパブリックプレビュー）は、Snowflake PostgresからアナリティクスのためのSnowflakeへデータを自動的に複製するため、チームはこれら2つのシステムを接続するために以前必要だった複雑なETLやグルーコードを排除できます。CoCo、Snowsight UI、またはSQLを通じて構成を行うことで、数分で開始できます。設定するだけで、シームレスなデータフローを実現できます。また、ハイブリッドテーブルでも（内部ベンチマークに基づく）劇的なパフォーマンス向上が見られます。最大8倍のスループット向上3と10倍のバッチ書き込みの高速化4に加えて、平均15%のコスト効率の向上が実現しています。5この画期的な進歩により、お客様は別のデータベースを追加することなく、より要求の厳しいワークロードを実行できるようになります。
これらの機能を大規模に運用する組織向けに、SnowflakeのWell-Architected Framework（WAF） はベストプラクティスとガードレールを標準化し、データおよびAIワークロード向けの統合されたエンタープライズグレードの運用モデルをサポートします。チームメンバーは、自然言語スキルとしてCoCoを通じてWAFにアクセスできるようになりました。チームメンバーは、プラットフォーム内のすべての構成領域に関する専門知識がなくても、フレームワークの柱に照らしてアーキテクチャを評価し、ギャップを特定してベストプラクティスを実装できます。
エンタープライズAIを自信を持って展開
Snowflakeの新しい機能と強化された機能は、AIワークロードの動的な性質にインテリジェントに対応できるスケーラブルな高パフォーマンスに支えられた、コンテキスト、ガバナンス、セキュリティへの連携したアプローチの価値を強調しています。これは、エンタープライズAIを制御されたパイロット版から、組織が依存できる本番システムへと移行させる、信頼性の高いアーキテクチャです。
詳細については、以下のリソースをご覧ください。
Horizon Contextおよびその他のHorizonカタログの強化機能を確認する
SnowflakeセキュリティハブおよびトラストセンターでAIセキュリティについてご確認ください
Adaptive Computeページをご覧いただき、6月3日（水）午後12:30 PDTに開催されるSnowflake Summit 2026のAdaptive Warehouseセッション にご参加ください
Essential Guide to Transactional, Analytical and Hybrid Dataで、ワークロードを統合する価値をご確認ください
Well-Architected Frameworkの詳細をご確認ください
1 業界標準（TPC-DS）と独自のベンチマークを組み合わせて測定し、標準のGen1インスタンスとAdaptiveウェアハウスを比較しています。2026年5月時点で一般提供されているお客様向けの機能のみを使用し、本番環境の展開において測定された結果です。
2 2026年1月に小規模なインタラクティブウェアハウス構成を使用して測定された、インタラクティブアナリティクスワークロードに基づくパフォーマンス結果です。
3 Gen2 XSウェアハウスで100%読み取りワークロードのYahoo Cloud Serving Benchmark（YCSB）を使用して実行されたベンチマークに基づくデータです。
4 2X-Largeウェアハウスを使用してハイブリッドテーブルに50GBをロードする内部ベンチマークに基づくデータです。
5 2026年2月の本番環境での実際のクレジット消費量に基づいて測定された、お客様全体における平均コスト削減額のSnowflakeの推定に基づくデータです。
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。
