Snowflake ziet zich als de geknipte partij om de uitrol van AI op bedrijfsniveau in goede banen te leiden. Context, beheer en beveiliging zijn daarvoor essentieel, dus wil het bedrijf daar de tools voor voorzien. Alleen is dat een verhaal dat we nog hebben gehoord, dus wat maakt Snowflake geschikt?
CEO Sridhar Ramaswamy doet op het podium van de Snowflake Summit in San Francisco uit de doeken wat een onderneming nodig heeft om agenten ten volle te omarmen. Ongeveer 20.000 aanwezigen luisteren naar zijn analyse. Volgens Ramaswamy zijn drie componenten onmisbaar: Data met bijhorende context in een enterprise-waardig platform, AI-modellen en Software en applicaties.
Niemand wil muren
Dat is geen baanbrekend inzicht. Dat kwaliteitsvolle en ontsloten data essentieel is, horen we ook bij pakweg Salesforce, ServiceNow of SAP. Zowat alle grote spelers hebben intussen de muren rond hun data gesloopt, en investeren in zero copy-integraties met elkaars systemen. Wie zijn datastrategie op orde heeft, kan systemen linken en klaarstomen voor AI.
Dat AI-modellen belangrijk zijn, spreekt voor zich. Ramaswamy wijst erop dat snel kunnen wisselen tussen modellen een troef is. Snowflake gaat voluit voor een LLM-agnostische aanpak. Daniela Amodei mag dan wel iets later het podium bestijgen, Anthropic is geen exclusieve partner. Modellen van OpenAI zijn ook beschikbaar, net als opensource-alternatieven, LLM’s van het Franse Mistral en sinds deze Summit zelfs AI-modellen van SpaceX.
Context boven model
Belangrijker dan het gebruikte model, is de context waarin het model gebruikt wordt. Zo is de tweede pijler gelinkt aan de eerste. Op de Summit besteedt Snowflake veel aandacht aan de introductie van systemen die AI-agenten en assistenten extra context bieden.
Het gaat dan met name om Horizon Context en Cortex Sense. Die systemen kijken naar data binnen en buiten Snowflake, en kunnen query’s en prompts zo voorzien van relevante bedrijfscontext. Christian Kleinerman, EVP of Product voor Snowflake, wijst erop dat de nauwkeurigheid van een prompt daarmee enorm de hoogte in gaat.
De relevantie van context voor de nauwkeurigheid van AI is een concept waar de hele sector het stilaan over eens wordt. Enkele weken geleden hoorden we bij SAP nog eenzelfde geluid: een knowledge graph (zoals Horizon Context) met kennis over het bedrijf tilt de werking van een AI-systeem naar een hoger niveau. AI-agenten en assistenten moeten minder raden, en interpreteren prompts op een meer gerichte manier.
Connectie met software
Ook software en applicaties moeten gekoppeld worden aan het AI-verhaal. Data en inzichten van je e-mail-applicaties en externe systemen zijn relevant, wat impliceert dat tools via een compatibel platform gelinkt dienen te worden. Niets of niemand werkt nog in isolatie: SAP haalde zijn connectie met Snowflake aan om dat te staven, Snowflake doet het omgekeerde. Integraties zijn legio: de wederzijds connectie met Salesforce is een ander voorbeeld.
Er ontstaan zo verschillende mogelijke zwaartepunten. De LLM-bouwers lijken in de context van bedrijfs-AI onmisbaar maar inwisselbaar. Snowflake, SAP, Salesforce en ServiceNow vertellen echter allemaal een gelijkaardig verhaal. Allemaal willen ze het verschil maken, en allemaal doen ze dat op dezelfde manier.
Wie mag lijmen?
Ramaswamy heeft net als de andere organisaties die surfen op de AI-hype vastgesteld dat er een vierde component nodig is om enterprise-AI te laten floreren. Data en context, modellen en applicaties dienen verbonden te worden door een controlelaag die agenten verbindt, beheer toestaat en de controlemechanismen biedt om ze in het gareel te houden.
Voor Snowflake zijn CoCo (vroeger Cortex Code) en CoWork (Snowflake Intelligence de lijm. Overzicht komt van het Trust Center. Snowflake heeft zijn platformarchitectuur bovendien verder ontwikkelt op maat van het beheer van agenten. De introductie van Agent Identity is wat dat betreft heel relevant: die laat het Snowflake-platform toe om agenten als een unieke entiteit te behandelen, zodat organisaties er beleid op maat aan kunnen koppelen.
Snowflake vertelt het verhaal op zijn eigen manier, maar we horen echo’s van SAP’s AI Agent Hub, en de AI Control Tower van ServiceNow. De rol van CoCo en CoWork is niet helemaal te vergelijken met die van Joule bij SAP, maar in beide gevallen gaat het om een AI-gedreven laag die alles aan elkaar koppelt.
Aanspraak op dezelfde centrale positie
Het valt op dat organisaties het stilaan eens worden over wat er nodig is voor de uitrol van veilige, schaalbare en nauwkeurige AI op bedrijfsniveau. Nu die puzzel stilaan gelegd is, probeert iedere grote speler vanuit zijn kant te claimen dat hij uniek gepositioneerd is om de centrale spil te zijn in het hele verhaal.
Wij hebben een voordeelpositie met dank aan de kennis die we hebben over onze klanten.
Sridhar Ramaswamy, CEO Snowflake
“Wij hebben een voordeelpositie met dank aan de kennis die we hebben over onze klanten”: Ramaswamy zegt het op de Summit, maar we hoorden het ook al bij ServiceNow, Salesforce en SAP.
Enige nuchterheid
Wie heeft er dan de beste troeven in handen? Nuchterheid siert de CEO van Snowflake. “Zowel applicatiebedrijven als modelbouwers kunnen de kroon claimen”, geeft hij toe. Snowflake stelt dat het via zijn dataplatform de ideale startpositie heeft. “Binnen enkele jaren zal duidelijk zijn hoe de markt is geëvolueerd, en dan zullen we het allemaal vanzelfsprekend vinden, maar we moeten het afwachten.”
Dat betekent die dat Snowflake zijn aanspraak op de koppositie niet kan staven met enkele argumenten. Die verwoordt medeoprichter Benoît Dageville nog het best. “Het originele doel van Snowflake was altijd om silo’s af te breken, net als de oorzaken voor het ontstaan van die silo’s”, schetst hij.
Dat heeft Snowflake al enkele malen gedaan. Het platform maakt data delen veilig en eenvoudig, zowel intern als extern. Met Apache Iceberg omarmt Snowflake openheid en interoperabiliteit. Het platform draait verder op de infrastructuur van de drie grote hyperscalers en is zo cloud-agnostisch, zodat ook daar geen silo’s ontstaan.
De rol van het dataplatform
Voor AI is één ding cruciaal volgens Dageville: “Data en AI moeten op dezelfde plek leven.” De rekenkracht voor AI moet met andere woorden naast de data staan, en gekoppeld zijn aan het dataplatform. “Anders creëren we opnieuw complexiteit, en ontstaan er terug silo’s.”
Als dat helemaal klopt, heeft Snowflake inderdaad goede kaarten in handen. Het dataplatform kan in die context de fundering worden van AI-ontwikkeling, waarbij de data en applicaties van andere spelers gekoppeld worden aan Snowflake. Het Trust Center, CoCo, CoWork, Horizon Context en alle andere innovaties zullen in dat geval de uitrol van AI ondersteunen.
Iedereen heeft gelijk
Vermoedelijk heeft iedereen wel een beetje gelijk. Organisaties die diep ingebakken zitten in het Salesforce-ecosysteem, zullen innovatie van daaruit sturen. In dat geval lijkt het logisch dat de Salesforce Agent Builder en de Einstein Trust Layer het voortouw zullen nemen. Maakbedrijven met een grote investering in S/4HANA zullen SAP eerder geloven wanneer het claimt zijn klanten door en door te kennen. In dat geval zal Joule het vermoedelijk winnen van Cortex, CoCo en CoWork.
Voor organisaties die hun projecten rond digitalisering en AI vanuit data bekijken, is het logisch om daar te beginnen. Snowflake kan zich in dat geval als centrale spil opwerpen.
Geen gebrek aan enthousiasme
Het lijkt er bovendien op dat klanten van Snowflake daar enthousiast voor zijn. Iets meer dan 13.600 klanten gebruiken Cortex AI wekelijks, volgens Timo Meijrink, Head of Solution Engineering in de Benelux. Op een klantenbestand van ongeveer 14.000 organisaties toont dat zowel enthousiasme, als een lage instapdrempel.
Wie zich zal ontpoppen tot centrale spil in de AI-transformatie van organisaties, zullen we zoals Ramaswamy aangeeft nog niet meteen weten. Dat Snowflake aanspraak kan maken op de positie, staat buiten kijf.