Snowflakeで実践する、生成AIを活用した「自然言語によるデータとの対話」

2025/10/31に開催した『生成AIでかわるデータ活用！クラスメソッドが実践する「自然言語による分析」と「名寄せ効率化」の事例』で発表した資料です。
https://classmethod.jp/seminar/251031-da-webinar/?utm_campaign=25783160-attract_251031_da2&utm_medium=email&_hsenc=p2ANqtz--LGSuvZwL_5a9kEsOd6FWLh9D4J5DW-mpFmSEaQeTCxGhc81urAWVYrFfZHh2J0aL_N1oKqloVIYgs5WgSYgs_3wpQ8G4lsHYHYz6FoRSbAilb_zs&_hsmi=386030198&utm_content=386030198&utm_source=hs_email

Transcript

1. Snowflakeで実践する、生成AIを活用した 「自然言語によるデータとの対話」 2025/10/31 データ事業本部 鈴木那由太
2. 目次 ⚫データ分析の課題とAI機能でどう解決できるか ⚫SnowflakeのAI機能のご紹介 ⚫AIでデータを活用するために 2
3. 3 鈴木 那由太 • 2021年〜 入社 ◦ データ分析基盤構築・運用 • 2023年〜 データ活用側の支援も経験 ◦ 機械学習システム構築 ◦ BIダッシュボード構築 • 2024年〜 生成AI活用の支援も経験 ◦ Snowflake Cortex AIを使った データ分析アプリ開発 • 部署 ◦ データ事業本部 • 所属 ◦ 大阪 • 受賞 ◦ 2025 Japan AWS Top Engineers (AI/ML Data Engineer) ◦ APJ Snowflake Partner Champions AI & ML
4. データ分析の課題とAI機能でどう解決できるか
5. データ分析における生成AIの効果 5 Snowflake社の公開したレポート「 Radical ROI of Generative AI（生成AIの劇的なROI (投資対効果)）」では、 データ分析への生成AIの効果が報告されている。 • 89%で、分析の生成が加速された • 87%で、ユーザーが分析をよりよく理解することが助けられた • 86%で、分析がよりセルフサービス化された 一方で、88%が生成AIのユースケースを網羅した、データ戦略とツールが必要であると断言している。 <対象> • 世界9ヵ国 • 1つ以上のユースケースでAIを積極的に 活用している企業 • 1900人のビジネスおよびITリーダー • 2024年11月21日から2025年1月10日の 調査期間 https://www.snowflake.com/ja/news/press-releases/snowflake-research-reveals-that-92-percent-of-early-adopters-see-roi-from-ai-investments/
6. データ分析における課題 6 分析担当者 売り上げの推移が見たいです。 順番に対応しますね。 できました！ ありがとうございます、 でもこの分析は今回だけでいいかな…。 〜数日後〜 生成AIなし 施策担当者 分析担当者（= ITエンジニア）による高品質な分析業務にはリードタイムや工数がかかる。 たとえ単発の分析でも、数日の待ちが発生してしまうことが多い。 施策担当者 分析担当者 障害などが起こった場合にはさらに遅れてしまうケースも……
7. AIによる解決イメージ 7 AI 7 ちょっと気になるので、 売り上げの推移をください。 有用そうだ！ しっかり作ってもらって、 今後も継続して確認したいな。 できました。 分かりました。 手直ししてダッシュボードに 追加しておきますね。 生成AIあり 分析担当者 施策担当者 施策担当者 施策担当者はAIを使い、最高品質ではないかもしれないが、素早く分析結果を得られるようになった。 分析担当者への依頼が、より品質を高くしたい場合や、モニタリングが必要な場合に限定できる。 ITエンジニアも重要な分析に専念でき、データ分析基盤やAIツールの改善にも取り組める。
8. SnowflakeのAI機能のご紹介
9. Snowflakeについて 9 データからより多くの価値を引き出すことができるAIデータクラウド。 データサイロの解消・アーキテクチャの簡素化ができるクラウドサービス。 <ポイント> • コンピュートとストレージを分離し、コストパフォーマンスを最適化 • データ活用の主要課題（メタデータや品質管理・データ処理・データセキュリティ・外部データの調達）に 対応したアプローチを持つ • データの80~90%を占めるといわれる非構造化データも処理・活用できる • ネイティブな機械学習・生成AI・AIエージェント機能を持つ
10. Snowflake Intelligence 10 ※分析は2分ほどかかったため適宜飛ばしています QuickStartのサンプルを使っています。→
11. Cortex Agents 11 • SnowflakeのAIエージェント機能で、Snowflake Intelligenceのエンジンとしても使われる。 • Cortex Analyst・Cortex Searchおよびカスタムツールを設定できる。 • REST APIを使って各種アプリケーションから呼び出すことも可能。 https://www.snowflake.com/en/blog/ai-data-agents-snowflake-cortex/
12. Streamlitアプリからの利用例 12 Cortex Agents Streamlit in Snowflake ユーザー 質問 回答 リクエスト 回答 Cortex Search Cortex Analyst ツール Cortex Agentsによるチャットアプリ例 • Cortex AIの機能を利用するプログラムをStreamlit in Snowflakeで作成することで、 AIエージェントを搭載したデータ分析アプリを自分でも作成できる。
13. Streamlitアプリからの利用例 13 上から順に 実行される Cortex Agentsへの リクエスト https://quickstarts.snowflake.com/guide/getting_started_with_cortex_agents/index.html#0
14. Snowflake Cortex Analyst 14 14 ▼以下のブログで詳しく紹介しました • Snowflakeのデータを自然言語で分析 • テーブル・ビューがデータソース • セマンティックモデル（ビュー）に 分析に必要な情報を記載 • マルチターンの会話も可能 • REST APIから利用する
15. Snowflake Cortex Search 15 ▼以下のブログで詳しく紹介しました https://docs.snowflake.com/ja/user-guide/snowflake-cortex/cortex-search/cortex-search-overview • Snowflakeのネイティブなデータ検索機能 • テーブルのクエリ結果を検索対象とする • SnowflakeのLLMと組み合わせてRAGで カスタマイズしたチャットBotなどを作成 • REST APIから利用する https://quickstarts.snowflake.com/guide/getting-started-with-snowflake-intelligence/index.html?index=..%2F..index#0
16. 活用のためのコツ（データの持ち方） 16 • 生成されるSQLができるだけ簡単になるようなデータの持ち方にする • 整然データなど、人間が分析しやすい持ち方はAIも分析しやすい • SQL文を簡単にすることで生成ミスを減らせる、トークン数が減れば生成速度向上のメリットも • カラム名はアルファベットにするなど、SQL生成をしやすいテーブル定義にする • 結合を含む分析を実行させる場合はリレーションの情報も準備する • AIが自分に結合・分析ができるテーブル設計になっていると、データマートを作る必要がなく、より旨みを引き出せる • 最初は結合済みのテーブルやデータマートに対する分析から始めると手軽に検証できる
17. 活用のためのコツ（データの管理） 17 • AIに渡すテーブルの情報に対して、データの品質を維持する • SQL生成は上手くできても、データの不備で実行時にエラーが発生したり、意図しない分析結果になりうる • 指標に対する集計ロジックを定義する • 質問中に登場する指標の集計ロジックはAIに与える必要がある • 人間も組織内で指標の定義を揃える • 分析のためのメタデータを準備する • 質問中に登場する分析対象データの別名や用語はAIに与える必要がある
18. AIでデータを活用するために
19. 求められる要素の例 19 基本的には、これまでのデータ分析基盤の仕組みづくりの延長線上にある。 • エンジン • AI機能・インターフェース • 分析実行エンジン • データカタログ • ビジネスロジック・ビジネス用語の定義 • データ品質・メタデータ管理・データリネージ • データ間の関連
20. エンジン 20 • SnowflakeはSnowflake IntelligenceまたはStreamlitアプリでインターフェースを公開できる。 • 生成AI機能はCortex AIで実現できる。 • Cortex AIから分析を行う際はウェアハウスを使うことで高速に処理できる。 https://www.snowflake.com/en/blog/ai-data-agents-snowflake-cortex/
21. データカタログ 21 • Snowflake Horizon Catalogでデータの検索と発見ができる。 • 社内マーケットプレイスで、公開設定をしつつ、ほかのチームにデータプロダクトを共有できる。
22. データカタログ 22 • セマンティックビューでビジネスロジック・ビジネス用語・関連をデータに対して設定可能。 • データリネージも作成できる。データ品質の計測も可能。 ~略~ ビジネス用語を登録可能
23. まとめ 23 • AIをデータ分析に活用することで、各専門家がより業務に専念でき、組織全体の改善サイクルが 回しやすくなることが期待される • SnowflakeはCortex AIを通じて自然言語によるデータ対話を可能にするネイティブなAI機能と 強力なデータ処理エンジンを提供する • AIでデータを活用するためには、従来の延長線上にデータ分析基盤が必要不可欠である