WhatnotがSnowflakeのAIエージェントで会話型分析と監視を拡大

Snowflakeは、WhatnotがSnowflake上で会話型分析と観測性を広げた事例を紹介しました。

要点

• Whatnotは、Snowflake Cortexエージェントを使うHex Threadsにより、社内の多くの従業員が会話形式でデータへアクセスする流れを作りました。
• Snowflake Trailの次世代イベントテーブルにより、イベント取り込みを高速化し、運用監視の遅延と費用を抑える方向が示されています。
• CoCoから自然言語でアラートを作る例や、CortexエージェントをWhatnot Seller Hubへ組み込む構想も紹介されています。

今回のブログ記事で語られていること

今回のSnowflakeブログは、ライブショッピング企業Whatnotが急成長する中で、データ基盤の可視性とセルフサービス分析をどう広げたかを扱っています。Whatnotは、2025年に80億ドルのライブGMV、2000万を超える新規アカウント、毎週55万時間を超えるライブ配信など、大量のリアルタイム活動を扱っています。こうした環境では、データ遅延やダッシュボード停止が買い手と売り手の体験へ直接影響します。Whatnotは、単一の中央データチームに依存する形から、各部門がSnowflakeウェアハウスやパイプラインを管理できる分散型のデータスタックへ移りました。

分散化は速度を上げる一方で、費用、品質、監視、定義の一貫性を難しくします。ブログでは、WhatnotがAI Slack botから始め、Snowflake semantic viewsをSigmaやGleanなどへ広げ、2026年にはSnowflake Cortexエージェントを使うHex Threadsへ進んだ流れが説明されています。利用者はテーブルの場所やSQLエラー処理を詳しく知らなくても、会話形式でデータネットワークを探索できます。導入後90日で従業員1000人超の80%以上が利用し、17部門で100%の利用に達したとされています。

観測性の面では、標準的な利用ログが3から4時間遅れる課題や、15分ごとの大規模診断スキャンが費用と権限面で重い課題がありました。SnowflakeはSnowflake Trailの次世代イベントテーブルでイベント取り込みを10倍高速化したと説明し、CoCoから自然言語でウェアハウスの性能異常や費用急増を検知するアラートを作る例も示しています。Whatnotはさらに、販売者向けのWhatnot Seller HubにCortexエージェントを組み込み、厳格な行レベルセキュリティを前提に販売者が自然言語で状況を確認できる構想を進めています。

今回のブログ記事が関係する人

Snowflakeで大規模なセルフサービス分析を運用するデータチーム、Cortexエージェントを業務部門へ展開するAI基盤担当、費用とパフォーマンス監視を担うSREやFinOps担当に関係します。

結局、今回のブログ記事をどう読むべきか

Whatnot事例は、会話型分析を増やすほど、意味モデル、権限、費用監視、観測性が重要になることを示しています。Snowflake利用者は、AI分析の利用率だけでなく、データ品質と運用ガードレールを同時に設計したいです。