13-1. Snowflake CoWorkを一言でまとめる
Snowflake CoWorkは、Cortex Agentを通じて、企業の構造化データ・非構造化データ・外部ツールを自然言語から利用するためのAIワークスペースです。
13-2. 全体構成の最終確認
flowchart TD
U[利用者] --> CW[Snowflake CoWork]
CW --> A[Cortex Agent]
A --> CA[Cortex Analyst]
CA --> SV[Semantic View]
SV --> D[Snowflake Data]
A --> CS[Cortex Search]
CS --> DOC[文書]
A --> MCP[MCP Connector]
MCP --> EXT[Power BI / Jira / Salesforce等]
A --> CT[Custom Tools]
13-3. 最も重要な5つのポイント
- Agentより先にデータと指標を整える
- Semantic Viewを業務用語で設計する
- Toolごとの役割を明確にする
- Power BIとCoWorkの正値を一致させる
- 評価・Feedback・改善を継続する
13-4. 導入ロードマップ
flowchart LR
A[1. ユースケース選定]
B[2. データ整備]
C[3. Semantic設計]
D[4. Agent構築]
E[5. 20〜50問評価]
F[6. 小規模公開]
G[7. 改善]
H[8. 横展開]
A --> B --> C --> D --> E --> F --> G --> H
13-5. 提案時に最初に顧客へ確認すること
| カテゴリ | 確認事項 |
|---|---|
| 目的 | 誰が、何を質問し、どの業務を効率化したいか |
| データ | Snowflakeに何のデータがあるか、品質はどうか |
| BI | Power BI/Tableauに既存Semantic Layerがあるか |
| 指標 | 売上・粗利などの正定義はどこにあるか |
| 文書 | 検索したい規程・FAQ・議事録はどこにあるか |
| 外部システム | Jira、Confluence、Salesforce等へ直接アクセスが必要か |
| 権限 | 利用者ごとに見せてよいデータ範囲は何か |
| 品質 | どの程度の正解率・数値一致を求めるか |
13-6. エンジニアとして目指す状態
CoWorkを「AIチャットを作る案件」と捉えず、以下を一体で設計できる状態を目指します。
Data
RAW→STG→CORE→MARTを理解する。
Semantic
業務指標とRelationshipを定義する。
AI
Agent・Analyst・Searchを設計する。
BI
Power BI Semantic Modelとの整合性を取る。
Security
RBAC・Policy・外部接続を管理する。
Operation
評価・Feedback・コストを改善する。
13-7. 最終チェック
- CoWork、Cortex Agent、Cortex Analyst、Cortex Searchの違いを説明できる
- Semantic Viewが必要な理由を説明できる
- AI精度を上げる具体策を説明できる
- Power BIと数値を一致させる2つの方式を説明できる
- 顧客に最初に確認すべき事項を整理できる
- PoCから本番運用までの流れを説明できる
教材終了
ここまででSnowflake CoWorkの基礎から、Semantic Layer、Cortex Analyst、Cortex Search、Power BI連携、精度改善、権限、運用までの全体像を学びました。
実案件では、この教材をベースに「顧客のデータ」「顧客のKPI」「顧客の権限」に置き換えて設計していきます。