0-1. Snowflake Data CloudからAI Data Cloudへ
Snowflakeは、企業データを蓄積・分析するデータプラットフォームから、 データとAIを一体的に活用するAI Data Cloudへ機能領域を拡大しています。
0-2. AI活用に必要な3つの要素
flowchart LR
A[AI活用]
B[正しいデータ]
C[意味定義]
D[AI Agent]
A --> B
A --> C
A --> D
| 要素 | 役割 |
|---|---|
| データ | 売上・顧客・商品・在庫など、AIが判断材料として利用する情報 |
| 意味定義 | 「売上」「利益」「顧客」などの業務用語をAIが正しく理解するための定義 |
| AI Agent | 質問を理解し、必要なツールやデータを判断して回答を作る仕組み |
0-3. Cortex AI機能の全体像
flowchart TD
U[利用者]
C[Snowflake CoWork]
A[Cortex Agent]
B[Cortex Analyst]
S[Cortex Search]
AI[Cortex AI Functions]
U --> C
C --> A
A --> B
A --> S
A --> AI
| 機能 | 役割 |
|---|---|
| Cortex Agent | 複数のAI機能を組み合わせて目的達成を支援するAI Agent |
| Cortex Analyst | 自然言語による構造化データ分析 |
| Cortex Search | 文書・FAQ・ナレッジなどの検索 |
| Cortex AI Functions | Snowflake上のデータに対してAI処理を実行する機能群 |
0-4. Semantic Layerが重要な理由
AIは列名やテーブル名を見ただけでは、企業固有の業務ルールを十分に理解できません。 そこで、売上・利益・顧客などの業務上の意味をデータと結びつけるSemantic Layerが重要になります。
flowchart TD
A[利用者: 売上はいくら?]
B[AI]
C[Semantic Layer]
D[売上 = 販売金額の合計
返品除外
税抜
会計年度基準] A --> B B --> C C --> D
返品除外
税抜
会計年度基準] A --> B B --> C C --> D
0-5. Power BI Semantic Modelとの関係
Power BIをすでに利用している企業では、売上・粗利率・前年比などの定義がPower BI Semantic Modelに存在することがあります。 CoWork側でも同じ定義を扱えるように設計しないと、Power BIとAI回答の数値がずれる可能性があります。
flowchart LR
D[Snowflake Data]
P[Power BI Semantic Model]
S[Snowflake Semantic Layer]
R[Power BI Report]
C[Snowflake CoWork]
D --> P
D --> S
P --> R
S --> C
この章で理解したこと
- Snowflakeはデータ基盤からAI活用基盤へ機能領域を拡大している
- AI活用には「データ」「意味定義」「AI Agent」が必要
- Cortex Agent・Analyst・Searchは役割が異なる
- Semantic LayerはAI回答精度を左右する
- Power BIとの数値整合性には指標定義の統一が重要
次章では、Snowflake CoWorkそのものが何をする仕組みなのかを具体的に整理します。