Expedition 2026: 더 빠른 구축과 스마트한 업무를 위한 데이터 기반 AI 에이전트와 앱 공개

Deloitte의 2026년 기술 트렌드 보고서에 따르면 에이전트를 파일럿으로 운영 중인 조직은 38%에 달하지만, 프로덕션에 도입한 조직은 11%에 불과합니다. 이처럼 파일럿과 프로덕션 배포 사이의 격차는 산업과 기업 규모를 막론하고 나타나고 있습니다. 팀은 설득력 있는 데모를 만들고 실제 데이터에 배포하지만, 결과적으로 잘못된 매출 수치를 확신에 차서 반환하거나 주니어 분석가도 알아챘을 정책 제약 조건을 놓치곤 합니다. 

문제는 컨텍스트의 부족입니다. 에이전트는 어떤 지표 정의가 권위 있는 기준인지, 어떤 데이터가 최신인지, 각 사용자가 어떤 권한을 보유하고 있는지, 마지막 대화에서 무슨 일이 있었는지를 알아야 합니다. 이러한 기반이 없으면 아무리 뛰어난 모델도 추측에 의존할 수밖에 없습니다. 에이전트가 올바른 답을 내놓더라도, 그 인사이트를 비즈니스 전반에 공유하기는 쉽지 않습니다.

Expedition 2026에서 Snowflake는 완전한 거버넌스와 컨텍스트를 바탕으로 에이전트와 앱이 데이터와 함께 실행되는 방식을 강화하는 세 가지 차원의 기능을 발표합니다.

• 근거 마련: 에이전트를 거버넌스가 적용된 데이터, 지표, 비즈니스 로직에 연결해 추측이 아닌 권위 있는 정의를 바탕으로 질문에 답하게 합니다.

• 실행: 팀이 이미 사용하는 도구 안에서 에이전트가 각 사용자의 권한을 따르며 실제 업무를 수행하도록 하고, 명확한 감사 가능성을 제공합니다. 거버넌스가 적용된 데이터 기반의 Snowflake 앱을 빠르고 안전하게 제공해 사람과 에이전트가 인사이트를 도출하고 조치를 취할 수 있게 합니다.

• 성과 축적: 검증된 스킬, 프로필, 메모리를 조직 전반에 공유해 새로 만들어지는 모든 에이전트가 이전보다 더 나은 출발점에서 시작하도록 합니다.

a16z 연구팀은 2026년 3월 분석에서 이를 명확히 짚었습니다. “에이전트가 제대로 작동하지 못한 핵심 이유는 적절한 데이터 컨텍스트의 부재였습니다.” “지난 분기 매출 성장률은 얼마였나?”라는 질문에 답하는 에이전트는 그럴듯해 보이는 테이블을 대상으로 제대로 된 SQL을 작성할 수는 있지만, 어떤 필드가 ‘매출’의 권위 있는 정의를 담고 있는지 아무도 알려주지 않았다면 당당하게 잘못된 수치를 반환할 수 있습니다.

Snowflake의 접근 방식은 에이전트가 조직이 이미 구축한 컨텍스트를 상속해야 한다는 원칙에서 출발합니다. 즉, 데이터의 작동 방식을 정의하는 스키마, 지표, 비즈니스 로직, 거버넌스 정책, 권한입니다. 새로운 기능과 향상된 기능은 이를 실제로 구현할 수 있게 합니다.

Snowflake Cortex Sense(퍼블릭 프리뷰 예정)은 기존 스키마, 지표 정의, 비즈니스 로직에서 컨텍스트를 자동으로 구축하므로, 연결을 설정하고 정의하는 데 몇 주를 들일 필요가 없습니다. Cortex Sense는 자체 데이터, 공유 데이터, Snowflake Marketplace를 통해 구매한 데이터 전반에서 작동합니다. 따라서 에이전트는 특정 팀의 일부 데이터만이 아니라 전체 그림을 이해할 수 있습니다.

에이전트가 대량의 비정형 정보를 추론해야 할 때 Analytical Search(퍼블릭 프리뷰)를 사용하면 계약서, 지원 티켓, 내부 보고서 등 수천 개의 문서 전반에서 한 번에 항목을 집계하고 비교하며 트렌드를 찾을 수 있습니다. 이는 키워드 검색이 아닙니다. Analytical Search는 문서 컬렉션 전반에 AI 함수를 적용해 “가격 인상 조항이 포함된 계약은 몇 개인가?” 또는 “같은 근본 원인을 언급하는 지원 티켓은 무엇인가?”와 같은 질문에 답합니다. 또한 Cortex Search가 이제는 소스 테이블에 행 액세스 및 마스킹 정책을 적용하므로(프라이빗 프리뷰), 에이전트가 볼 수 있는 문서는 에이전트가 쿼리하는 정형 데이터와 동일한 규칙을 따릅니다. 

에이전트가 문서를 찾는 단계를 넘어 문서를 이해하는 단계로 이동함에 따라 Snowflake의 새로운 임베딩 모델 Arctic Embed 3S(정식 출시 예정)은 Arctic Embed L-v2.0 대비 검색 품질을 영어에서 3%, 다국어 검색에서 6%, 정형 테이블과 컬럼에서 23% 개선합니다. 동시에 동일한 컴팩트 크기 클래스를 유지합니다.

프런티어 모델이 범용 상품화될수록 경쟁 우위는 모델이 특정 비즈니스를 얼마나 잘 이해하는지로 이동합니다. 조직은 지도 파인튜닝, 강화학습 같은 사후 학습 방법을 사용해 특정 도메인에 맞춤화한 오픈 웨이트 기반 모델로 눈을 돌리고 있습니다. Snowflake Cortex Training (퍼블릭 프리뷰)을 사용하면 완전 관리형 GPU를 통해 자체 데이터에서 Qwen, DeepSeek, Mistral, Gemma 등 오픈 웨이트 모델을 손쉽게 사후 학습하고 배포할 수 있습니다. 벤치마크에 따르면 경쟁 서버리스 제품 대비 비용을 최대 61% 낮출 수 있습니다.¹

Cortex Training을 통해 팀은 거버넌스가 적용된 데이터와 동일한 플랫폼에서 맞춤형 모델을 학습, 실험, 평가, 배포할 수 있습니다. Cortex Training은 Cortex AI Gateway(퍼블릭 프리뷰)와도 통합되어 에이전트 추적 정보와 로그를 캡처하고, 모델 맞춤화와 개선을 위한 지속적인 피드백 루프를 만듭니다.

새로운 기능은 공유 데이터와 외부 데이터도 에이전틱하게 활용할 수 있도록 지원합니다. AI Data Package(퍼블릭 프리뷰)는 주요 산업 전반에 걸친 60개 이상의 큐레이션된 외부 데이터 세트를 제공하며, 시맨틱 뷰와 즉시 사용할 수 있는 Snowflake CoWork 에이전트를 관리형 서비스로 함께 제공합니다. Snowflake CoCo 기반의 Agentic Marketplace Discovery(퍼블릭 프리뷰)를 사용하면 사용자가 대화를 통해 데이터, 앱, AI를 찾아 확보할 수 있습니다. Agents for Shared Data (퍼블릭 프리뷰)는 공유된 모든 데이터에 대해 Cortex Agent와 시맨틱 뷰를 자동으로 생성하므로, 수신자는 대화 방식으로 이를 사용할 수 있습니다. 이러한 기능을 함께 사용하면 사용자가 자연어만으로 공유 데이터와 외부 데이터를 발견하고, 쿼리하고, 활용할 수 있습니다.

에이전트를 올바른 데이터에 기반하게 하는 것이 출발점입니다. 다음 질문은 에이전트가 팀이 시간을 보내는 공간에서 적절한 권한으로 자율적으로 실제 업무를 수행할 수 있는지입니다. Capgemini의 연구에 따르면 데이터 개인정보 보호, ‘AI 블랙박스’의 불투명성, 제한적인 데이터 준비도에 대한 우려 속에서 완전 자율형 AI 에이전트에 대한 신뢰가 1년 만에 43%에서 27%로 하락한 것으로 나타났습니다.  

Snowflake의 통합되고 거버넌스가 적용된 AI 접근 방식은 이러한 상황을 방지하도록 설계되었습니다. 또한 최신 향상 기능은 투명성, 권한 적용, 감사 가능성을 통해 에이전트 신뢰를 구축하도록 지원합니다.

Snowflake CoCo는 데이터 팀을 위한 코딩 에이전트로, 이제 세션, 일정, 도구 전반에서 실제 업무를 자율적으로 수행할 수 있습니다.

CoCo Automations (Snowsight 인터페이스와 CLI에서 정식 출시, CoCo Desktop에서 퍼블릭 프리뷰)는 반복 업무를 예약된 Snowflake 태스크로 전환해 할 일 목록에서 덜어냅니다. 데이터 엔지니어는 “스탠드업 전에 파이프라인 상태 확인” 또는 “월요일 보고서 재작성”처럼 자연어로 작업을 설명하고 실행 주기를 설정합니다. 각 실행은 기록을 생성하고, 생성자의 권한 내에서 작동하며, 에이전트가 사용할 수 있는 비용을 제한하는 사전 설정 할당량 안에서 실행됩니다. 팀은 계정 전체의 Skills and Plugin Catalog를 통해 자동화와 직접 구축한 CoCo 스킬을 공유할 수 있습니다. 따라서 한 엔지니어가 만든 워크플로우를 팀 전체가 사용할 수 있습니다.

Snowsight에는 이제 CoCo 모드가 제공됩니다. 이는 셸, 파일 시스템, Git, 라이브 미리 보기를 갖춘 자체 클라우드 컨테이너 기반의 전체 화면 워크스페이스입니다. 긴 마이그레이션, 다단계 분석, 파이프라인 빌드를 시작한 뒤 랩톱을 닫고 돌아오면 완료된 결과를 확인할 수 있습니다. Cloud Agents(정식 출시)를 사용하면 팀은 장기 실행 태스크를 지원하는 격리된 Snowflake 관리형 환경에서 CoCo를 실행할 수 있습니다. 모든 세션은 생성한 사용자의 Snowflake 권한을 사용하며, 제한된 세션 범위(정식 출시)를 통해 관리자는 각 에이전트가 수행할 수 있는 작업을 추가로 제한할 수 있습니다.

CoCo는 이제 팀이 이미 일하고 있는 환경으로도 확장됩니다. CoCo Slackbot 통합(퍼블릭 프리뷰)은 질문, 워크플로우 트리거, 결과 검토를 위해 CoCo를 Slack 채널로 가져옵니다. CoCo GitHub 통합(퍼블릭 프리뷰)은 제안된 코드 변경을 팀의 기존 풀 요청 프로세스로 라우팅합니다. Snowflake Mobile의 CoCo(iOS 정식 출시, Android 퍼블릭 프리뷰)를 사용하면 사용자가 휴대폰에서 클라우드 세션을 확인하고, 도구 호출을 승인하거나, 후속 요청을 보낼 수 있습니다. 또한 Cortex Agent SDK (퍼블릭 프리뷰)를 통해 개발자는 CoCo의 코딩 기능을 자신이 제공하는 모든 애플리케이션에 임베드할 수 있습니다.

자세한 내용은 CoCo의 새로운 기능에 관한 블로그 게시물을 읽어 보세요.

Snowflake CoWork는 조직 구성원 모두를 위한 개인 업무 에이전트입니다. Expedition에서 Snowflake는 CoWork를 각 팀의 특정 업무에 맞게 조정할 수 있는 기능을 추가합니다.

그 시작은 CoWork Profiles(퍼블릭 프리뷰)입니다. 이를 통해 관리자는 각 팀에 표시되는 에이전트, 스킬, 커넥터, 지침을 구성할 수 있습니다. 재무 팀의 CoWork 경험은 질문을 재무 계획 에이전트로 라우팅하고, 마케팅 팀의 CoWork는 캠페인 분석 에이전트로 라우팅할 수 있습니다. 이 모든 과정은 액세스 범위를 넓히지 않고 이루어집니다. 동일한 질문이 자동으로 적절한 전문성에 연결되므로, 사용자는 잘 모르는 에이전트 메뉴에서 고르지 않고 자연스럽게 질문할 수 있습니다.

다음으로 Snowflake Dashboards(퍼블릭 프리뷰)를 사용하면 팀 누구나 CoWork를 통해 자신의 대시보드와 대화하며 요약을 요청하고, 변화의 원인을 묻거나, 특정 세그먼트로 필터링할 수 있습니다. 분석가는 대시보드를 CoCo에 설명해 구축하고, 올바른 역할과 공유합니다. 대시보드 기반 데이터는 Snowflake에 유지되며, 기존 행 액세스 및 마스킹 정책에 따라 거버넌스가 적용됩니다.

대시보드는 거버넌스가 적용된 데이터와 공유 컨텍스트를 바탕으로 팀이 AI 기반 대화를 나눌 수 있게 하는 공유 단일 진실 공급원을 만듭니다. Snowflake는 Mora 팀의 합류를 통해, BI를 위한 Mora의 혁신적인 AI 접근 방식을 Snowflake 플랫폼에 통합함으로써 이러한 노력을 더욱 강화합니다.

대시보드를 넘어 사용자 지정 탐색, 고급 시각화, 다단계 워크플로우가 필요한 경우 팀은 내장형 대화형 AI를 갖춘 Streamlit in Snowflake 앱 또는 React 및 Next.js 앱을 Snowflake App Runtime에서 만들 수 있습니다. 

CoWork의 더욱 광범위한 기능도 Expedition에서 확장됩니다. Automations는 실시간 질문과 동일한 권한으로 반복 업무를 일정에 따라 실행합니다. User Memory(정식 출시)와 User Skills느 세션 간 컨텍스트를 이어 주므로, 팀의 업무 방식을 매번 다시 설명할 필요가 없습니다. MCP 커넥터, 코드 실행 및 문서 생성(PDF, PPTX, DOCX, HTML)은 답변을 공유 가능한 작업 산출물로 전환하며, HTML 보고서(퍼블릭 프리뷰)를 통해 팀은 CoWork 대화에서 바로 세련되고 거버넌스가 적용된 보고서를 게시할 수 있습니다. 

자세한 내용은 새로운 CoWork 향상 기능에 관한 블로그 게시물을 읽어 보세요.

Snowflake Bots(프라이빗 프리뷰 예정)는 CoCo와 CoWork에 사전 대응형 목표 지향 에이전트를 제공합니다. 봇에게 핵심 파이프라인의 건전성 유지나 고객 이탈 관리 같은 책임을 부여하면, 봇은 처음부터 끝까지 목표를 책임집니다. 어떤 신호를 모니터링할지 제안하고, 작업을 계획하며, 기존 권한 아래 거버넌스가 적용된 데이터에서 며칠 또는 몇 주에 걸쳐 태스크를 완수합니다.

사람의 입력이 필요한 의사 결정 시점에만 봇이 사용자를 참여시키고, 작업이 완료되면 결과를 보고합니다. 따라서 팀은 업무 추적에 쓰는 시간을 줄이고 인간만이 할 수 있는 전략적이고 창의적인 업무에 더 많은 시간을 할애할 수 있습니다.

새로운 향상 기능은 내부 엔터프라이즈 앱이든 고객 대상 앱이든 Snowflake 앱에 더 넓은 도달 범위, 더 높은 유연성, 에이전틱 워크플로우에 대한 네이티브 지원을 제공합니다. 

Streamlit in Snowflake 앱에는 도달 범위와 대화형 기능을 확장하는 여러 기능이 추가됩니다. 

• 사용자 기반 공유(정식 출시): 팀은 역할뿐 아니라 개별 사용자와도 앱을 공유할 수 있습니다. 

• 임베딩 지원(정식 출시): Streamlit 앱은 이제 Snowflake 로그인 없이도, 거버넌스가 적용된 액세스를 유지하면서 포털 및 Salesforce 같은 서드 파티 도구에 임베드할 수 있습니다. 

• 검색 및 조회 가능성: 앱은 CoWork에서 CoWork Artifacts로 표시될 수 있습니다(프라이빗 프리뷰).

• 대화형 기능: 사용자는 Snowsight(정식 출시) 및 CoWork(프라이빗 프리뷰) 내에서 앱 화면과 나란히 앱의 데이터에 관해 CoCo와 대화할 수 있습니다. 

• 자동 MCP 노출(퍼블릭 프리뷰): 모든 앱은 에이전트가 호출할 수 있는 도구 모음으로 전환되어, 앱 데이터와 작업을 직접 호출합니다.

풀스택 웹 앱의 경우 App Runtime은 Snowflake 계정 안에서 프롬프트를 배포된 웹 앱으로 구현하는 엔드투엔드 솔루션입니다. Snowflake CoCo에 앱 아이디어를 설명하면 CoCo가 SSO, RBAC, 감사 로깅이 이미 활성화된 상태로 Snowflake 계정 안에서 앱을 빌드하고 게시할 수 있습니다. 서버리스 컴퓨팅 (퍼블릭 프리뷰 예정)은 유휴 상태의 앱을 제로까지 축소하고 사용자가 앱을 열면 몇 초 만에 다시 실행되도록 지원합니다. 따라서 팀은 상시 컴퓨팅이 아니라 실제 사용량에 대해서만 비용을 지불합니다.

Workspaces 통합(퍼블릭 프리뷰 예정)을 통해 로컬 개발 도구 사용이 제한된 환경에서도 팀은 Snowsight 안에서 전체 빌드와 배포를 수행할 수 있습니다. Cortex Agent SDK, app.yml v2, 배포 대상, 수평 확장을 통해 App Runtime은 CoCo가 생성한 프로토타입을 프로덕션 운영으로 전환하는 명확한 경로를 제공할 수 있습니다.

Snowflake Native App의 개선 사항은 ISV 파트너와 앱 제공업체가 구축할 수 있는 가능성도 넓혀 줍니다. Snowflake Native App의 프론트엔드로 App Runtime 사용(퍼블릭 프리뷰 예정)을 통해 제공업체는 고급 데이터 탐색과 복잡한 워크플로우를 위한 풀스택 웹 프레임워크를 활용할 수 있습니다. 또한 Snowflake Native App은 이제 Snowflake Postgres에 액세스할 수 있게 되어(퍼블릭 프리뷰 예정), 제공업체가 외부 액세스 통합 우회 방식 없이 계정 내에서 Postgres 인스턴스를 직접 생성하고 쿼리할 수 있습니다. 

이러한 모든 기능이 결합되면서 Snowflake 앱은 에이전틱 엔터프라이즈의 핵심 요소가 됩니다. 이제 내부 앱과 외부 대상 앱 모두 에이전트가 접근할 수 있고, Snowflake 외부 환경에 임베드할 수 있으며, 거버넌스가 체계적으로 적용된 데이터 기반 위에 구축됩니다.

데이터에 제대로 기반한 에이전트의 조직적 효과는 다음 에이전트가 이전 에이전트가 학습한 모든 것을 바탕으로 구축되고, 검증된 워크플로우, 팀 컨텍스트, 비용 효율적인 모델 라우팅이 프로젝트마다 다시 구축되는 대신 기본적으로 공유될 때 나타납니다.

Skills and Plugins Sharing(정식 출시)은 한 전문가의 워크플로우를 Snowflake 계정 전반에서 재사용 가능하고 거버넌스가 적용된 자산으로 전환합니다. 파이프라인 검토 스킬이나 데이터 품질 스킬을 한 번 구축한 뒤 snow:// 링크로 공유하거나, 검색 가능한 Snowsight 카탈로그에서 찾을 수 있도록 설정할 수 있습니다. 액세스 권한이 있는 팀원은 CoCo Desktop, Snowsight CoCo 또는 CoCo CLI에 이를 설치할 수 있습니다. 관리자는 신뢰할 수 있는 버전을 인증하고, 에이전트가 사용할 항목을 고정하며, 도입 현황을 추적할 수 있습니다. 팀은 같은 문제를 반복 해결하는 데 쓰는 토큰을 줄이면서 더 일관된 출력을 얻고, 에이전트는 즉흥적으로 처리하는 대신 검토된 플레이북을 따릅니다.

Agent Profiles는 지침, 커넥터, 선호 데이터 소스와 같은 팀별 기본값을 모든 세션에 적용합니다. 세션 간 개인 컨텍스트를 유지하는 Memory와 결합하면, 에이전트는 팀이 어떻게 일하는지, 지난번 무엇을 논의했는지, 어떤 규칙이 중요한지를 충분히 이해한 상태에서 매 대화를 시작합니다. 더 이상 매주 월요일 아침마다 기술 스택이나 명명 규칙을 다시 설명할 필요가 없습니다.

Model Tiers는 자동 라우팅을 통해 각 태스크를 해당 작업에 가장 적합한 모델에 연결합니다. 일상적인 요약 및 서식 지정 태스크는 비용 효율적인 모델에서 실행되고, 복잡한 추론 태스크는 더 뛰어난 성능의 모델로 라우팅됩니다. 팀은 모델을 수동으로 선택하거나 단순한 태스크에 과도한 비용을 들이지 않고도 필요한 품질을 확보할 수 있습니다.

마지막으로 Agentic Marketplace Discovery(퍼블릭 프리뷰)는 CoCo를 Snowsight의 Snowflake Marketplace로 확장합니다. 사용자는 “EMEA 고객 계정의 기업 퍼모그래픽 데이터”처럼 필요한 항목을 설명하고, CoCo가 일치하는 데이터, 앱, AI 제품을 찾아 비교하는 과정에서 대화를 통해 요구 사항을 정교화할 수 있습니다. 동일한 대화 안에서 사용자는 리스팅을 살펴보고, 설치하고, 평가판을 시작하거나 견적을 요청할 수 있습니다. 단, 해당 리스팅이 이를 지원하고 사용자의 역할에서 허용되는 경우에 한합니다. 검색은 새로운 데이터를 실제 업무에 활용하기 위한 첫 단계가 됩니다.

이번 발표는 Snowflake가 하나의 공통 설계 원칙에 집중하고 있음을 보여 줍니다. 에이전트는 필요한 데이터와 동일한 플랫폼에서 실행되고, 기존 거버넌스를 상속하며, 사용할수록 개선되어야 합니다. 에이전트가 기업의 데이터에 기반하고 실제 권한으로 작업할 수 있는 적절한 가드레일을 갖추면, AI 워크플로우에 마찰을 더하지 않으면서도 신뢰할 수 있는 결과와 응답을 제공할 수 있습니다.

snowflake.com/en/blog/expedition-26/에서 더 많은 Snowflake Expedition 발표 내용을 확인하거나, snowflake.com/en/expedition/에서 가상 이벤트에 참여해 보세요.

미래 전망 진술: 이 문서에는 향후 제품 제공에 관한 내용을 포함한 미래 전망 진술이 포함될 수 있으며, 이는 어떠한 제품 제공을 약속하는 것이 아닙니다. 실제 결과와 제공 사항은 달라질 수 있습니다. 보다 자세한 내용은 최신 10-Q를 참조하세요.

¹ 비용 비교 방법론: Fireworks 및 Tinker의 가격은 2026년 10월 22일 각 웹페이지에 게시된 가격을 기준으로 합니다. 당사는 다양한 컨텍스트 길이로 Cortex Training에서 LoRA SFT 학습 워크로드를 실행하고, H200 GPU당 처리량을 측정했습니다. 이 처리량(toks/sec)을 사용해 Cortex Training의 백만 토큰당 가격을 (price_per_second / throughput) x 1M. 공식으로 계산했습니다.

Snowflake Expedition 2026에서 발표된 에이전트 관련 내용은 무엇인가요?

주요 발표 내용에는 Snowsight의 CoCo 모드, 자율 코딩 워크플로우를 위한 Cloud Agents, 팀별 에이전트 라우팅을 위한 CoWork Profiles, CoWork의 Snowflake Dashboards, 오픈 웨이트 모델 맞춤화를 위한 Cortex Training, 서버리스 컴퓨팅 기반 App Runtime, 조직적 재사용을 위한 Skills and Plugins Sharing, 대화형 데이터 소싱을 위한 Agentic Marketplace Discovery가 포함됩니다.

Snowflake는 AI 에이전트의 신뢰성을 어떻게 높이나요?

Snowflake는 Cortex Sense를 통해 에이전트를 거버넌스가 적용된 데이터에 기반하도록 하며, Cortex Sense는 스키마, 지표, 비즈니스 로직에서 컨텍스트를 자동으로 구축합니다. 에이전트는 기존 권한, 행 액세스 정책, 마스킹 규칙을 상속하므로 추측이 아니라 권위 있는 정의를 바탕으로 답변할 수 있습니다. 에이전트 작업은 사용자 또는 소유자의 Snowflake 권한에 따라 실행되며 감사가 가능합니다.

Cortex Sense란 무엇인가요?

Cortex Sense(퍼블릭 프리뷰 예정)는 기존 스키마, 지표 정의, 비즈니스 로직에서 비즈니스 컨텍스트를 자동으로 구축합니다. 이는 일반적으로 에이전트가 데이터를 이해하도록 만드는 데 몇 주씩 필요한 수동 프롬프트 엔지니어링을 없애도록 설계되었으며, 자체 데이터, 공유 데이터, 마켓플레이스 데이터 전반에서 작동합니다.

CoCo Agent Mode란 무엇인가요? 

CoCo Agent Mode는 Snowflake의 코딩 에이전트에 클라우드 컨테이너가 지원하는 전체 화면 워크스페이스를 제공합니다. 데이터 엔지니어는 장시간 실행되는 마이그레이션, 빌드 또는 분석을 시작한 뒤 랩톱을 닫았다가 돌아와 완료된 결과를 확인할 수 있습니다. 세션은 추가 제어를 위해 제한된 세션 범위를 적용한 상태에서 사용자의 Snowflake 권한에 따라 실행됩니다.

CoWork Profiles란 무엇인가요?

CoWork Profiles(퍼블릭 프리뷰)를 사용하면 관리자가 사용 가능한 에이전트, 스킬, 커넥터, 지침을 지정해 각 팀에 맞춤화된 에이전트 경험을 구성할 수 있습니다. 동일한 질문도 데이터 액세스 범위를 넓히지 않고 자동으로 적합한 전문 영역으로 라우팅됩니다.

Snowflake에는 앱 개발 플랫폼이 있나요?

네. Snowflake에서는 데이터 탐색 앱, 풀스택 웹 앱, 외부 대상 데이터 제품을 포함한 엔터프라이즈급 앱을 구축하고 출시할 수 있습니다. Streamlit in Snowflake는 데이터 대시보드와 시각화, 탐색적 분석, 경량 워크플로우 같은 내부 Python 기반 데이터 앱을 구축하는 데 사용됩니다. Snowflake App Runtime을 사용하면 고급 데이터 탐색 앱, 복잡한 워크플로우 앱, AI 앱/에이전트 등 사용자 지정 UI가 필요한 풀스택 앱을 구축할 수 있습니다. Snowflake Native App Framework는 외부 대상의 수익화 가능한 데이터 제품을 구축하기 위한 프레임워크이며, 이러한 제품은 Snowflake Marketplace에 등록하고 배포할 수 있습니다.

App Runtime은 Streamlit in Snowflake와 어떻게 다른가요?

Streamlit in Snowflake는 Python 우선 방식으로 설계되었으며, 데이터 대시보드와 시각화, 탐색적 분석, 경량 워크플로우에 적합합니다. App Runtime은 사용자 지정 UI 및 UX, 특화된 JavaScript 라이브러리, 맞춤형 탐색 또는 API 엔드포인트가 필요한 풀스택 웹 앱을 위한 기능으로, 고급 데이터 탐색, 복잡한 워크플로우, AI 앱과 에이전트를 지원합니다. 둘 다 Snowflake 계정 안에서 실행되며 해당 계정의 거버넌스 프레임워크를 상속합니다.