2026-09-11 【Snowflake World Tour Tokyo 2026】Snowflakeを起点に、AI Agentが自律稼働し続ける未来へ / Driving AI Agents with Snowflake

2029-09-11 に開催された『Snowflake World Tour Tokyo 2026』ランチセッションでの登壇資料です。
https://snowflake-event.jp/content/LS3117/

Transcript

1. Snowflakeを起点に、 AI Agentが⾃律稼働し続ける未来へ 2026/09/11 Snowflake World Tour Tokyo 2026 @civitaspo © LayerX Inc.
2. ⾃⼰紹介
3. ⾃⼰紹介 civitaspo （ｷﾋﾞﾀｽﾎﾟ/ きびちゃん） バクラク事業部 BizOps部 データグループ マネージャー Links 𝕏 civitaspo civitaspo.com civitaspo 画像を⼊れてね その他 Snowflake Data Superhero 2026 Snowflake九州ユーザー会 主宰 Sigma User Community Japan 運営 © LayerX Inc. 3
4. 会社紹介
5. 会社紹介 Mission すべての経済活動を、 デジタル化する。 ⼈類の未来をより良くする。 そのために私たちは、テクノロジーの可能性を探求し、 経済活動における複雑で⼤きな課題に挑む。 仕事や暮らしの中にある摩擦が解消され、 それぞれの創造⼒が発揮されている。 そんな希望あふれる優しいデジタル社会を、 未来に残していくために。 © LayerX Inc. 5
6. 会社紹介 バクラク事業 Ai Workforce事業 Fintech事業 セキュリティ事業 バックオフィス向け AIエージェントサービス エンタープライズ向け AIプラットフォーム 資産運⽤サービス ALTERNA（オルタナ） AIエージェントによる セキュリティ検証サービス © LayerX Inc. 6
7. バクラクとは AIエージェントで 業務を完全⾃動化する バクラクは、バックオフィス業務を⾃動化する AIエージェントを提供するクラウドサービスです。 AIが⽇々仕事を進め、⼈は結果を受け取り判断に集中する。 作業を楽にするのではなく、その作業が不要になる状態を。 ⽉次を待つ経営から、⽇々意思決定できる経営を実現しま す。 中⼩企業から⼤企業まで、20,000社を超えるお客様の 働きやすい環境づくりと事業成⻑を⽀援しています。 © LayerX Inc. 7
8. プロダクトリリースの速度と数 四半期で1つ以上 新規プロダクトをリリース © LayerX Inc. 8
9. 業務をつなぎ、仕事の完了を届けるサービス群 差し戻しゼロへ。バクラク、AIエージェント「AI申請レビュー」をリリース。 AIが⾃社の規程‧ルールに基づき経費精算申請を即時レビュー AIエージェント「AI明細仕訳」 をリリース。明細OCR×⽣成AIで、明細⾏が多 い‧毎回取引内容が変わる請求書の処理を⾃動化。 - バクラク バクラク経費精算、AIが申請不備を検知‧指摘する「AI申請レビュー」全ユー ザーへの提供開始 〜9割の企業が抱える「⼿戻り」を解消。設定機能アップ デートにより、⾃社規定のAI実装が容易に LayerX、「バクラクAIエージェント」の新機能として「領収書分割エージェン ト」を提供開始 バクラク債権管理、「⼊⾦消込エージェント」を提供開始。⽇々のログイン不 要で⼊⾦確認から消込まで⾃動化 LayerX、「バクラクAIエージェント」の新機能として「AI勤怠初期設定」を提 供開始 AIが就業規則を読み解き、複雑な有給休暇の付与ルールを⾃動提案 © LayerX Inc. 9
10. 今⽇のトピック
11. 今⽇のトピック © LayerX Inc. 出典: https://snowflake-event.jp/content/LS3117/ 11
12. Agenda ⽬次 • ✅⾃⼰紹介 / 会社紹介 • 今⽇のトピック • LayerXのデータ基盤の歴史 • 現在のデータ基盤の概観 • リアルタイムデータ収集とタイムトラベル • ⾮構造化データを含むコンテキスト集約 • データ保護機能等を⽤いた安全なデータ提供 • まとめ
13. LayerXのデータ基盤の歴史と現在
14. LayerXのデータ基盤の歴史と現在 我々は2024年10⽉にSnowflakeを本格導⼊しました © LayerX Inc. 出典: Google BigQueryからSnowflakeへ。バクラクのデータ基盤技術移管事例 - Findy Tools / Snowflake導⼊から1年、LayerXのデータ活⽤の現在 / One Year into Snowflake: How LayerX Uses Data Today - Speaker Deck 14
15. LayerXのデータ基盤の歴史と現在 2025年はデータ基盤が「事業を⾒る」から「事業を動かす」へ進化 © LayerX Inc. 出典: Snowflake導⼊から1年、LayerXのデータ活⽤の現在 / One Year into Snowflake: How LayerX Uses Data Today - Speaker Deck 15
16. LayerXのデータ基盤の歴史と現在 そして、2026年 © LayerX Inc. 16
17. LayerXのデータ基盤の歴史と現在 ⾏動指針 Bet AI が会社に浸透、AI Agent が業務の中⼼へ 「Bet AI」の社内浸透 • 2025年にアップデートした⾏動指針「Bet AI」が全社 規模で深く定着。 ⼤規模なAI活⽤ • 社内でのAI利⽤は、⽉間数千億トークンを消費する規 模へと急拡⼤。 データ基盤の利⽤者がAI Agentへ • AI Agent が⾃律的に探索‧意思決定を⾏うためのデー タ基盤へと変化。 © LayerX Inc. 出典: LayerX、⾏動指針を「Bet AI」にアップデート。AIをフル活⽤し、AIの社会実装を加速 / Bet AIから⼀年、AI活⽤の先に⾒えてきた次の組織のかたち｜Matsumoto Yuki 17
18. LayerXのデータ基盤の歴史と現在 AI Agent 基盤は社内で整備されつつある Shepherd (内製MCPサーバ) 🤖 haro (内製Coding Agent) © LayerX Inc. etc… 出典: AIに "賭ける": LayerX の AI エージェント基盤と活⽤最前線 / Building an AI Agent Platform at LayerX - Speaker Deck / 「AIエージェントが業務を進める世界」を⾃社で体現する──社内開発ツール「Shepherd」 が全社インフラになるまでの舞台裏【Bet X】｜LayerX / Built Our Own Background Agent at LayerX - Speaker Deck 18
19. LayerXのデータ基盤の歴史と現在 社内のAI Agentの⼒を、最⼤限発揮するためのデータ基盤へ 背景‧前提 ⾃律的なAI活⽤と基盤の整備 データ基盤の「基礎⼒」を極限まで⾼める AI Agentが能⼒を100%発揮するための、最⾼⽔準のデータ環境 ①「Bet AI」の⽂化醸成 全社規模でのAI活⽤への理解と試⾏錯誤 ② AI Agent基盤の整備 環境が整い、AI Agentの開発が加速 © LayerX Inc. リアルタイム性 タイムトラベル データの多様性 安全なデータ利⽤ 現場の「今」に即 応してAgentが⾃ 律判断できる⾼速 データ連携 過去のコンテクス トを再現すること による迅速な評価 ⾮構造化データを 含む社内のあらゆ るコンテキストの 網羅 厳格なガバナンスを 担保した⾃由で安全 な探索環境 19
20. 現在のデータ基盤の概観
21. 現在のデータ基盤の概観 現在のデータ基盤 コアとなるデータ • • • • プロダクトデータ アプリケーションログ 営業活動データ 企業‧顧客データ AI Agentのためのデータ • • • • • Web検索結果 動画書き起こし サポート記事 問い合わせチケット etc… © LayerX Inc. 21
22. 現在のデータ基盤の概観 Snowflake が全社を⽀えるデータ基盤技術へ • • コーポレート部⾨や Ai Workforce事業部でも Snowflake の利⽤が拡⼤ 事業部横断でデータ基盤の設計思想が共有‧浸透 バクラク事業部 © LayerX Inc. コーポレート (Corporate) 出典: 2025 年のコーポレートエンジニアリング室におけるプラットフォーム的進化を振り返る - LayerX エンジニアブログ Ai Workforce事業部 22
23. Agenda ⽬次 • ✅⾃⼰紹介 / 会社紹介 • ✅今⽇のトピック • ✅LayerXのデータ基盤の歴史 • ✅現在のデータ基盤の概観 • リアルタイムデータ収集とタイムトラベル • ⾮構造化データを含むコンテキスト集約 • データ保護機能等を⽤いた安全なデータ提供 • まとめ
24. リアルタイムデータ収集と タイムトラベル
25. リアルタイムデータ収集とタイムトラベル なぜリアルタイムデータ収集とタイムトラベルが重要なのか リアルタイムデータ収集の重要性 タイムトラベル機能の重要性 常時稼働するAI Agentには「Daily / Hourly」 では遅すぎる 本番環境でABテストができない業務AI Agent の評価に必須 • 従来のバッチ連携では、リアルタイムに変化 する状況に合わせた迅速な意思決定や⾃律的 アクションで成果が最⼤化されない • ミッションクリティカルな業務システムでは、 本番環境でABテストなどを実施することが困 難 • 状況やビジネスが変化した「その瞬間」を捉 えてアクションを起こすことで、機会損失を防 ぐ • タイムトラベル機能により、「データがその当 時どうだったか」を完全に再現し、過去の状 況をベースに評価を⾏う • ⼈間には不可能なレベルの即時対応（即応 性）をAI Agentで⾃動化し、ビジネス価値を最 ⼤化 • 新しいAIモデルやプロンプトの挙動を、過去の 状況を⽤いて即座にバックテスト（評価‧検 証）が可能 © LayerX Inc. 25
26. リアルタイムデータ収集とタイムトラベル プロダクトデータベースのニアリアルタイム連携 • • • • © LayerX Inc. データベースのChange Data CaptureをDebeziumで取得 Managed Streaming for Apache Kafkaを経て、Snowflakeへ 公式Connectorであるgithub.com/snowflakedb/snowflake-kafka-connectorはSnowpipe Streaming V2もサポートしており、データベースへの書き込みから1分以内に書込完了 リアルタイム性を担保したことで、データベースの変更をトリガーにAI Agentを実⾏可能に 出典: 『AI Agentのビジネス価値を計るバックテスト基盤の構築』を⽀えるSnowflake上での任意時点のスナップショット取得を実現するデータパイプライン - LayerX エンジニアブログ 26
27. リアルタイムデータ収集とタイムトラベル Debezium • • • 様々なデータベースからCDCを取得するOSS ◦ MySQLの場合は binlog から ◦ PostgreSQLの場合は WAL から Kafka Connectを使⽤している場合は exactly-once semantics で動作させることが 可能なため、重複や⽋損なくデータを Kafka に吸い出せる。 内部的には、binlog のファイル名とpos/row をKafka Connectのメモリ上で管理し、毎回確 認することで重複‧⽋損を防いでいる。 © LayerX Inc. 出典: Debezium 27
28. リアルタイムデータ収集とタイムトラベル Snowpipe Streaming V2 • • • SnowflakeでStreaming Data Ingestionを実現する機能 2025/09/23にV2がGAし、テーブルあたり10GB/sのスループットが出る 書き込みから読み出せるようになるまで5~10秒程度 © LayerX Inc. 出典: https://docs.snowflake.com/en/user-guide/snowpipe-streaming/snowpipe-streaming-high-performance-overview 28
29. リアルタイムデータ収集とタイムトラベル DynamoDBのニアリアルタイム連携 • • • © LayerX Inc. DynamoDBのChange Data CaptureをDynamoDB Streams経由で取得 EventBridge Pipes経由でData Firehoseへ転送し、Snowflakeへ Data Firehoseは配信先としてSnowflakeをネイティブにサポートしている 29
30. リアルタイムデータ収集とタイムトラベル Data Firehoseの配信先としてのSnowflake • • • • Snowflakeの接続情報と配信先テーブル情報の設 定のみで、ストリーミングデータパイプライン を構築できる 内部実装は Snowpipe Streaming V1 であるた め、V2 ほどのスループットは出ない Data Firehose到達から、約5秒以内にSnowflake へロードされる Data Firehose から Snowflake へは exactly-once semantics で配信される © LayerX Inc. 出典: Snowpipe StreamingとAmazon Data Firehoseを使⽤してSnowflakeにストリームデータをロードする #ベッテク⽉間 - LayerX エンジニアブログ 30
31. リアルタイムデータ収集とタイムトラベル 外部サービス群のニアリアルタイム連携 • • • © LayerX Inc. ⼀部の外部SaaSは、Webhookで変更‧イベントを通知できる API Gateway等でエンドポイントを構築‧Webhookを受信し、CDC相当のデータとして扱う このデータをSnowflakeへ格納することで、AI Agentが参照できるリアルタイムデータとなる 31
32. リアルタイムデータ収集とタイムトラベル Salesforceのデータをリアルタイム連携するのは難しい • • • © LayerX Inc. SalesforceにはEventBridge統合や、Data 360とSnowflakeのゼロコピー統合も存在する しかし、契約コストが⾼く、弊社では採⽤しない⽅針 現在は、dbt と Snowpark による Hourly Incremental Load で運⽤ 出典: Receiving events from Salesforce in Amazon EventBridge / About Salesforce Data Cloud and Snowflake / BigQueryからSnowflakeへ移管して作る最強のデータ基盤 〜Data Ingestion編〜 - Speaker Deck 32
33. リアルタイムデータ収集とタイムトラベル 検証中 業務のインターフェースとしての、Sigmaへの期待 • 弊社がBIツールとして採⽤するSigmaは、 Salesforce や Snowflake への書き戻しが可能 Salesforce 上の業務を Sigma 上へ徐々に移すこ とで Salesforce にしか存在しない業務イベントを Snowflake へリアルタイムに格納できる © LayerX Inc. 出典: Integrate Salesforce using API Actions / Create and manage warehouse views | Sigma Documentation • 33
34. リアルタイムデータ収集とタイムトラベル 独⾃タイムトラベルUDTFの提供 通常のテーブルと同名のUDTFを定義し、取得したい時点の情報を与えて呼び出す。 CDCデータから該当時点のスナップショットを復元するクエリは難解なのでUDTFで隠蔽している。 © LayerX Inc. 34
35. リアルタイムデータ収集とタイムトラベル 独⾃タイムトラベルUDTFの提供 評価基盤を含めた技術的な詳細は、以下の登壇資料を参照ください。 © LayerX Inc. 嗚呼、当時の本番環境の状態で AI Agentを再評価したいなぁ... / Ah, I wish I could re-evaluate the AI Agent in the production environment it was in back then... - Speaker Deck 35
36. ⾮構造化データを含むコンテキスト集約
37. ⾮構造化データを含むコンテキスト集約 なぜ⾮構造化データの集約が必要なのか 構造化データだけでは 世界を表現できない 多様なコンテキストの集約が AI Agentの進化を⽀える 定量データ（結果）の裏にある「⽂脈（理由）」の⽋落 意思決定を⽀える「コンテキストの網羅性」 構造化データが⽰すのは、すでに起きた「結果」や「状 態」の断⽚にすぎない AI Agent が⾃律的に、より賢く動くためには、インプッ トされる情報の網羅性（コンテキスト）が極めて重要 真の意思決定に必要な「なぜ起きたのか」という背景 は、商談、メール、チャットなどの膨⼤な⾮構造化デー タの中に存在する ⾳声やドキュメントなどの⾮構造化データは、コンテキ ストを構成する重要な要素であり、これらを適切に集約 し届けることが、⾼度な判断を⽀える⼀助となる © LayerX Inc. 37
38. ⾮構造化データを含むコンテキスト集約 Web検索結果をSnowflakeへ格納 • • • dbt Python model として実装した Snowpark から Azure OpenAI をCall Responses API の Web Search で公開情報を 取得し、Snowflakeへ格納 ニュースやプレスリリースなどの情報を取得 するために利⽤ 出典: ⼈⼿のリサーチをデータパイプラインに。dbt Python model × LLM Web Searchで公開情報を Snowflakeに載せるまで - LayerX エンジニアブログ © LayerX Inc. 38
39. ⾮構造化データを含むコンテキスト集約 動画書き起こし結果をSnowflakeから参照 • • • © LayerX Inc. Google Meet や Zoom などのミーティングソリューションは動画書き起こし機能を持つ それらの書き起こしをS3に再格納し、External TableとしてSnowflakeから参照 AI_COMPLETE を使⽤したキーワード抽出、AI_EMBED を使⽤したEmbeddingの後、 VECTOR_COSINE_SIMILARITY 等を使⽤して、検索‧分類‧推薦に利⽤ 出典: AI_COMPLETE | Snowflake Documentation / AI_EMBED | Snowflake Documentation / VECTOR_COSINE_SIMILARITY | Snowflake Documentation 39
40. ⾮構造化データを含むコンテキスト集約 類似する⾮構造化データの検索 • • Cortex Search を使うことで⾮構造化データのベクトル検索を実現できる お問い合わせチケットのように、類似するデータを検索できることが AI Agent の回答精度を⼤幅 に向上させるケースで利⽤されている 出典:SnowflakeとAIで作る エスカレ対応効率化エージェント - SpeakerDeck © LayerX Inc. 40
41. データ保護機能等を⽤いた安全なデータ提供
42. データ保護機能等を⽤いた安全なデータ提供 なぜ安全なデータ提供が必要なのか 安全なデータ利⽤が AI Agentの価値を最⼤化する ⼈間以上に厳密な きめ細かな権限管理の必要性 セキュリティと利便性の両⽴がもたらす⾼い信頼性 事故を未然に防ぐ、きめ細やかなアクセス制御 AI Agentの能⼒を極限まで引き出すためには、社内の多様な データを安全にインプットできる環境が不可⽋ AIが本来閲覧してはいけないデータまで参照してしまうと、 不適切な情報の出⼒や、重⼤なセキュリティ事故が発⽣する リスクが⾼くなる しかし、安全性を⽋いた状態でのデータ利⽤は、情報漏洩や 重⼤な事故のリスクを⾼める © LayerX Inc. ⼈間に対する権限設定よりも、さらに細かい粒度で厳密に データへのアクセスを管理し制御する仕組みが必要 42
43. データ保護機能等を⽤いた安全なデータ提供 dbt と Snowflake を使い、多層的にデータを統制する dbt の静的解析やCI、および、Snowflakeのデータ保護機能を組み合わせ、開発から公開までの多層的な統制を⾃動強制 LAYER 01 LAYER 02 LAYER 03 LAYER 04 モデル依存関係 ⾏レベル制御 列レベル制御 公開経路制御 強制タイミング 強制タイミング 強制タイミング 強制タイミング データ作成時 (CI時) クエリ実⾏時 クエリ実⾏時 データ設計時 仕組み 仕組み 仕組み 仕組み dbt-authorized-models Row Access Policy Masking Policy Secure Data Sharing ビルド前にモデルの依存関係を CIで⾃動検査。不正な依存構造 を持つモデルの作成を未然に防 ⽌します。 Snowflakeがクエリ時に⾏を⾃ 動判別。ユーザーロールに応じ た閲覧可能レコードの⾃動絞り 込みを動的に実施します。 クエリ実⾏時に列単位でのマス ク表⽰を動的に実⾏。権限が不 ⾜するユーザーに対し、重要情 報を隠蔽します。 制限領域から許可データのみを 抽出‧公開する、安全な経路を 設計。未許可データが内部公開 の経路へ流出するのを遮断しま す。 © LayerX Inc. 出典 2026-09-10 【Snowflake World Tour Tokyo 2026】dbt Core と Snowflake で実現する多層的なデータガバナンス / Multi-Layered Data Governance Powered by dbt Core and Snowflake - Speakerdeck 43
44. おわりに
45. おわりに AIエージェントの能⼒を最⼤化する「データ基盤の3つの基礎⼒」 01 02 03 リアルタイムデータ収集と タイムトラベル ⾮構造化データを含む コンテキスト集約 データ保護機能を⽤いた 安全なデータ提供 即時対応（速応性） ⾮構造化データの重要性 セキュリティと利便性 「Daily/Hourly」のバッチ処理では遅い。状況変 化の「その瞬間」を捉えた⾃律アクションによ り、機会損失を防⽌。 構造化データは「結果」のみ。意思決定に必要 な「理由や背景（⽂脈）」は、⾳声‧メール‧ チャット等の⾮構造化データに存在。 極限まで能⼒を引き出すためには社内データの 安全なインプットが不可⽋。安全性を⽋いた利 ⽤は情報漏洩リスクを⾼める。 再現とバックテスト 網羅性が⽀える⾼度判断 厳密なアクセス制御 本番環境でABテストが困難な業務AIに対し、過 去データを完全再現。新モデルやプロンプトの 評価‧検証を安全に実⾏。 多様なコンテキストを網羅的に集約してAIエー ジェントに届けることで、⾃律的かつ極めて賢 い⾼度な判断を実現。 AIの不要データ参照による重⼤事故を防ぐため、 ⼈間に対する設定よりもさらにきめ細かな粒度 での権限管理が必要。 © LayerX Inc. 45
46. おわりに We are hiring!!! • • 弊社では、⼀緒に働く仲間を⼤募集しています！！！！ Production-ReadyなAI開発をサポートするためのデータ基盤開発、時系列データ処理、リアルタイ ムデータパイプラインの構築などに興味がある⽅、そして、データ基盤を事業成⻑のドライバーだ と信じて⽌まない⽅は、ぜひ⼀緒にチャレンジしましょう！！！ 【バクラク】データエンジニア © LayerX Inc. 【バクラク】アナリティクスエンジニア 46