[レポート]Snowflake Data for Breakfast Tokyo 2026 KEYNOTE #DataForBreakfast #Snowflake

2026.03.17

かわばたです。
2026年3月17日に、「Data for Breakfast Tokyo 2026」が開催されました。
本記事はKEYNOTEのレポートブログとなります。
 登壇者
浮田 竜路 氏
Snowflake合同会社 社長執行役員

クリスチャン・クライナマン 氏
Snowflake Inc. プロダクト担当上席副社長 (EVP)

田中 翔 氏
Snowflake合同会社 Developer Relations Lead Developer Advocate

 浮田 竜路氏よりオープニング
AIの流れが非常に激しくなっており、検索する時代から相談する時代へと移行している
企業ではエージェンティックAIやAIエージェントの部分導入、PoCを進めながら社内活用を検討している
セキュリティとガバナンスを最初に考える必要がある
AIを全社的に導入した企業では、パフォーマンス低下や応答品質の課題が出るケースもある
AIエージェントが乱立する中で、オブザーバビリティも必要
「データ戦略なくしてAI戦略なし」がSnowflakeのメッセージ
 Snowflake Intelligenceの活用
昨年12月に発表した会話型エージェント「Snowflake Intelligence」
Snowflake社内では、週あたり3万件以上の問い合わせが行われていると紹介された
営業担当がセールスオペレーションに詳細を聞くような場面で活用されている
 クリスチャン・クライナマン氏から
 AIで成果を出すために待つべきではない

AIはすでに成果を生み出している
AstraZenecaでは創薬や薬剤試験のプロセスが加速
NissanはAIを活用して製品提供までの期間を2か月以上短縮
 AI活用の障壁
AIそのものの課題：汎用的なAIは幻覚を起こし、誤った結果を返すことがある。自社の文脈とデータを結びつける必要がある
データの断片化：Snowflakeは12年前の創業以来、データサイロをなくすことを使命としてきた
 Snowflakeの特性
使いやすさ：ビジネス成果をより早く出せる
接続性：組織全体をつなぐ
信頼性：データが失われない、壊れない、障害が起きても継続して利用できる
 田中 翔氏からデモンストレーション デモ1：Snowflake Intelligence
日本語で「過去30日間の月次成長率上位5つのアカウントを表示してください」と入力
AIが日本語の意味を理解し、テキストからSQLへ変換し、データを抽出
結果をグラフとして可視化も可能
単なる集計結果だけでなく、分析の示唆や戦略案まで提示
 AI Data Cloud

Snowflakeはデータのライフサイクル全体を支援する統合プラットフォームを提供
データの取り込み、生成、変換、分析、最終的な利用までをカバー
世界中で1万を超えるお客様が利用
Amazon、Microsoft、Googleなど複数のクラウド上で51のリージョンに展開
 ビジネスロジックと文脈

Snowflakeは、業界最先端のAIモデルにアクセスできる環境を提供する
例として、Anthropic、OpenAI、Mistralや各種オープンモデルが挙げられた
 パートナー連携
SAP、ServiceNow、Workday、Palantirといった企業との連携を発表
SAP Business Data CloudとSnowflakeの連携により、SAPデータを分析用に活用可能
 Cortex Codeの一般提供開始
データ管理におけるコーディング支援ツール
本来4週間かかる作業が2、3時間で終わる事例も
ガバナンス設定、パイプライン作成、データ修正、データへの質問などで活用
 再び田中 翔氏からデモンストレーション デモ2：GTM Agent Blueprint新しい企業のIcebergデータをエージェントに取り込むデモを実施

 データガバナンスの実装
AWS上のIcebergデータを読み込み
マスキングポリシーの作成（名前をアスタリスクで隠す、メールアドレスの@より前を隠す）
Dynamic Tableを使って新しいデータにも自動的にガバナンスを適用
 Cortex Codeの活用
自然言語からSQLを生成
AI_REDACT関数を使い、個人情報を自動検知してマスキング
 Semantic Viewの設定
Cortex Analyst用のSemantic Viewを設定
YAMLファイルでテーブル名、カラム定義、数値か文字列か、カラムの意味を記述
 結果
Snowflake Intelligence画面から新しく追加したデータにアクセス可能
顧客名は匿名化、メールアドレスも適切にマスキング
ガバナンスを保ちながら新しい企業のIcebergデータをすぐにエージェントへ連携
SnowflakeはLLMの活用やデータソース管理、エージェント構築をフルマネージドで進めやすい
 再びクリスチャン・クライナマン氏から 新しい製品機能 Snowflake Postgres
先月一般提供開始
アプリケーションやエージェント構築において、高速なトランザクションデータベースが必要なユースケースに対応
 Observe（買収）
インフラ管理ツールのデータを取り込み、状況を理解できるようにする
コードやアプリケーションのオブザーバビリティを支援
 AIで成果を出すための3つのステップ

Snowflakeの3つの特性
使いやすく、素早く成果を出せること
人とデータをつなぐ接続性があること
信頼できる選択肢であること

基盤となるデータをモダナイズすること
そのデータをAI対応の状態にすること
エージェントを構築すること
 所感AIの活用において「データ戦略なくしてAI戦略なし」というメッセージが印象的でした。

やはり必要な部分はデータ基盤のモダナイズ化とセマンティックレイヤーの整備は必要な要素であると感じました。

モデル自体は日々進化しているので、AIを活用していくためにも元となるデータの整備が大事だと思います。

Snowflakeはガバナンスを保ちながらも迅速にデータを活用できる点が、企業のAI導入を加速させるツールとして鍵になると思いました。

この記事が何かの参考になれば幸いです！