스노우플레이크, 데이터 안 옮기는 기업용 AI 플랫폼으로 판 키움

• 스노우플레이크가 이번 서밋 2026에서 던진 메시지는 꽤 명확함. “기업 데이터는 그대로 두고, AI가 직접 찾아가게 하겠다”는 쪽임

  • 세일즈포스, SAP, 워크데이 같은 시스템에 흩어진 데이터를 복사하지 않고 한 화면에서 분석하는 아파치 아이스버그 v3를 시연함
  • 데이터 이동이 줄면 중복 저장, 동기화 지연, 권한 꼬임 같은 엔터프라이즈 단골 문제가 같이 줄어드는 효과가 있음

• 오픈소스 데이터 저장 표준인 아파치 아이스버그를 전면에 세운 것도 포인트임

  • 아이스버그는 아마존 웹서비스, 구글 클라우드, 데이터브릭스도 지원하는 표준이라 특정 벤더 락인 이미지를 줄이는 데 유리함
  • 스노우플레이크는 아파치 폴라리스 기반 호라이즌 카탈로그로 외부 엔진이 스노우플레이크 관리 데이터에 읽기와 쓰기를 양방향으로 하게 만들겠다고 함
  • 접근 권한과 보안 정책도 한 곳에서 통합 관리하는 구조라, 데이터 플랫폼 운영팀 입장에선 꽤 중요한 부분임

• 흥미로운 건 스노우플레이크가 “기업 내 용어 불일치”를 AI 문제로 정조준했다는 점임

  • 같은 “매출”이라도 영업팀과 재무팀이 다른 기준으로 계산하면 AI가 그럴듯하지만 틀린 답을 만들 수 있음
  • 호라이즌 컨텍스트는 회사의 핵심 개념 정의를 플랫폼에 등록해 모든 AI 도구가 같은 기준으로 쓰게 하는 기능임
  • 블랙록이 이 기능을 도입한 사례로 언급됐고, 코딩 지식 없이 개념을 관리하는 편집 도구도 같이 제공됨

• AI 에이전트 보안도 꽤 구체적으로 들어감

  • 에이전트 아이덴티티는 자동화 프로그램인 AI 에이전트마다 고유 인증 정보를 부여해 허가받지 않은 접근을 막는 기능임
  • AI 시스템 전반의 보안 상태를 실시간으로 점검하는 관제 기능도 들어감
  • 머신러닝 기반 프롬프트 인젝션 탐지까지 포함돼, “AI가 회사 데이터에 접근할 때” 생기는 공격면을 의식한 구성임

• 업무용 AI 비서 코워크는 기존 스노우플레이크 인텔리전스를 확장한 제품임

  • iOS 앱, 마이크로소프트 엑셀, 슬랙 연동이 추가돼 모바일과 협업 도구 쪽 접점이 늘어남
  • 자연어 질문에 회사 데이터 기반으로 답하고, 반복 업무 자동화도 맡는 구조임
  • 복잡한 분석 질문에는 정형 데이터와 비정형 데이터를 단계적으로 탐색해 원인까지 설명하는 딥 리서치 기능이 붙음
  • 스노우플레이크 테스트 기준으로 단순 검색 방식보다 정확도가 최대 59.5퍼센트 높았다고 밝힘

• AI 코딩 도구 코코도 이름을 바꿔 다시 나옴

  • 기존 코텍스 코드가 코코로 바뀌었고, 말로 설명하면 데이터 처리 코드와 AI 앱을 자동 작성해주는 서비스임
  • PC 앱, 스마트폰 앱, VS Code, 엑셀까지 지원 범위를 넓혔고 앤트로픽 클로드 코드 플러그인 형태로도 제공됨
  • 마이크로소프트 코파일럿, 구글 제미나이 같은 경쟁 제품이 이미 비슷한 영역을 파고 있어서 차별화는 결국 데이터 플랫폼과 얼마나 잘 붙느냐에 달릴 듯함

• 실시간 데이터 쪽으론 데이터스트림을 내놨음

  • 앱에서 발생하는 실시간 데이터를 중간 시스템 없이 스노우플레이크 분석 플랫폼으로 직접 보내는 서비스임
  • 아파치 카프카와 호환되고, 별도 스트리밍 인프라를 스노우플레이크 안으로 통합하는 게 목표임
  • 기업이 AI 모델을 직접 학습시키는 코텍스 트레이닝도 함께 공개됨

• 앤트로픽과의 협력도 공식화됨

  • 클로드는 스노우플레이크의 코텍스 AI에 탑재돼 아마존 웹서비스, 마이크로소프트 애저, 구글 클라우드 환경 전반에서 쓸 수 있음
  • 고객사가 앤트로픽과 맺은 기존 계약을 스노우플레이크 서비스에도 그대로 적용할 수 있게 한 점이 실무 구매 프로세스에 꽤 중요함

---

기술 맥락

• 스노우플레이크가 아이스버그와 폴라리스를 강조한 이유는 데이터를 한곳으로 다 끌어오는 방식이 점점 부담스러워졌기 때문이에요. 기업 데이터는 이미 여러 SaaS와 클라우드에 흩어져 있고, 복사본이 늘수록 비용과 권한 관리가 같이 터지거든요.

• 호라이즌 컨텍스트가 중요한 이유는 AI가 숫자를 틀리게 계산해서가 아니라, 조직마다 같은 단어를 다르게 쓰는 문제가 더 자주 터지기 때문이에요. 매출, 고객, 활성 사용자 같은 정의가 흔들리면 모델이 아무리 좋아도 답은 엉뚱해져요.

• 에이전트 아이덴티티는 AI 에이전트를 사람처럼 권한 주체로 다루겠다는 접근이에요. 에이전트가 슬랙을 읽고, 엑셀을 만들고, 데이터베이스를 조회하는 순간부터 “이 작업을 누가 승인했는가”를 남겨야 하거든요.

• 데이터스트림은 카프카 같은 별도 스트리밍 계층을 줄이려는 시도예요. 운영팀 입장에선 시스템 수가 줄면 장애 지점과 관측 포인트도 줄어드니까, 실시간 AI 분석을 데이터 플랫폼 안으로 끌어오는 흐름으로 보면 돼요.