Snowflake×AWSで実現する分析の民主化と業務自動化

Snow lake × AWS で実現する 分析の民主化と業務自動化 2026/7/15 (水) f クラウド食堂 #9 : ~ AI エージェント活用 LT 会

自己紹介 廣瀬 蒼馬 (Hirose Soma) - somasun • 所属 - SIer企業 • 経歴 - 2024年新卒入社（8月よりAWSを利用開始） • Xアカウント @somasun̲aws

はじめに クラウド食堂での登壇機会や皆さんとの交流・サポートのおかげで 2026 Japan AWS Jr.Champions に選出いただきました。 「クラウド食堂産」のエンジニアとして 更なるステップアップを目指して精進します。 みなさん今後ともよろしくお願いいたします！

アジェンダ • データ / AI 利活用のビジネス価値 • 導入・実用化における「壁」 • Snow akeについて • Amazon Quickについて fl • まとめ

データ / AI 利活用していますか？

データ / AI 利活用のビジネス価値 大幅な収益拡大効果 AIを導入したグローバル企業の56%が顕著な売上増加を報告。その 大半が、パーソナライズ化や高精度需要予測により6〜10%の売上 増を達成している。 業務効率化と劇的なコスト削減 先行してデータ・AIのオペレーション統合に成功した企業では、平 均して15.2%のコスト削減および22.6%の生産性向上を記録。 ビジネスモデルの変革推進 蓄積データを分析することで既存製品の差別化（高付加価値化）だ けでなく、新規サービスの創出や、自律型システムの実装へ寄与。 出典：McKinsey & Company "The State of AI in 2025”

なぜ「今」取り組むべきなのか 2030年、最大79万人のIT人材が不足する現実 労働人口急減に伴う構造的危機と内製化 79万人 予測される最大IT人材不足（2030年） 経済産業省の「IT人材需給に関する調査」において、2030年には 国内で最大79万人ものIT人材が不足すると予測されています。 少子高齢化が進む国内市場において、従来の雇用拡大によるマン パワー補填は事実上不可能になっています。技術優位性を確保し 「2025年の崖（レガシーシステム維持コスト急増）」を乗り越え るためには、AIによる自律的なシステム運用やデータ活用の自動 化を今すぐ定着させる必要があります。 出典：経済産業省「IT人材の最新動向と将来推計に関する調査結果」

導入・実用化における「壁」 実用化を阻む3つのボトルネック 人材・専門知識の不足 活用シナリオの不明確さ 組織・運用の仕組み化 日本企業が挙げる最大の推進障壁。 入前フェーズにおける最大の課題。全体 AI技術を全社導入しても、既存業務プロ 48.7%の企業が「人材不足」を最大の原 の35.6%が「自社業務における具体的な セスやルールの再設計を行わない限り機 因とし、AIの企画・実装を主導できる内 データやAIの使い道が不透明」と回答 能しない。EBITへ5%以上の確実な効果 製化人材の不在に悩まされている。 し、目的を定義できず実証実験で停滞。 を創出できている「AIハイパフォーマ ー」はわずか6%に留まる。 (出典：令和7年版情報通信白書) (出典：中小機構 2026年3月公表調査) (出典：McKinsey "State of AI 2025")

Snow lakeが提供するデータ基盤の価値 クラウドネイティブな Data Platform 弾力的拡張性 f fl ワークロードに応じた自動スケーリング とマルチクラウド対応 統合データ管理 サイロ化を排除し、組織横断での データガバナンスを確立 Cortex AI （自然言語クエリ） 自然言語によるデータ問い合わせを Snow akeないで実現 （Cortex Analist）

Snow lakeデータ活用における構造的課題 構造的課題 ① Cortex回答はテキスト/テーブル止まり。経営層 への報告にはダッシュボード化が別途必要 ② Cortex AIはSnow l ke内データのみ対象。 複数 データソースを横断した分析は不可。 ③ 非技術者による自律的WF構築不可・承認を含む ヒューマンインザループに非対応・外部S S連 a a a f f 携に個別開発が必要・チャットからの即時実行 という概念がない

解決策 - Amazon Quick 分析から実行まで、一気通貫で完結するAIワークスペース fl Amazon Quick 即時可視化＆共有 マルチソース統合 エージェント型AI 分析結果を即座にダッシュボード化 Snow ake + S3 + SaaS + ドキュメント 複数AIエージェントが連携して業務プロ Cortex AI のテキスト解答を可視化 を横断した統合分析を実現 セスを自律的に遂行するシステムを 自然言語で構築可能

自然言語主体の分析

機能統合によるデータ横断分析

Quickが提供する価値（分析） ① 自然言語ベースでのBI分析 ② 複数データソースの横断的な分析 ③ MCP連携や非構造化データも対応 データ分析に対する専門知識が不足していても分析可能 専門の方だけでなく経営層や営業の方でも分析を行うことができる 「分析の民主化」

AIエージェントによる業務自動化

AIエージェントによる業務自動化

Quickが提供する価値（業務自動化） ① 自然言語ベースでの業務自動化フロー作成 ② データを確認して転記するような日々の業務を自動化 ③ AIによる意思決定、人間は確認、承認のみ ④ カスタムしたエージェントを使用可能 マルチエージェントによる業務自動化

まとめ • データ / AI 利活用はこれからのビジネスインパクト大 • データ / AI 利活用には課題がある（専門性、データのサイロ化など） • Snow akeによる組織横断でのデータガバナンス実現 • Amazon Quickとの連携によるデータソース横断での分析 fl fl • Snow ake Quick により「分析の民主化」と「業務自動化」を実現

ありがとうございました！