外部行业实践 ·
Snowflake依托数据平台优势落地AI产品,实现业务逆势高速增长
在企业软件市场整体承压、客户收紧IT支出的背景下,Snowflake2027财年第一季度营收及产品收入均实现高速增长,原有客户留存及消费额同步提升。公司并未自研通用大模型,而是依托自身数据平台沉淀的企业业务数据、权限、治理规则等优势,推出适配平台内环境的AI编程、协作工具,获得大量客户采用。同时公司探索基于本体论搭建企业认知层,解决通用AI不理解企业业务上下文的痛点,布局开放语义标准、AI治理等方
仅供行业学习与场景参考,不代表优秘交付、客户关系或效果承诺。
面临的问题
通用AI模型不了解企业的业务规则、指标定义及业务上下文,无法适配企业实际业务需求;企业不同业务系统间语义不统一,容易出现语义漂移问题,导致AI跨系统执行时结果矛盾;AI落地时需要重新搭建权限、治理体系,成本高且难以适配企业原有规则;AI自主执行动作时缺乏明确边界约束,容易引发数据泄露、业务操作错误等风险。
AI 落地做法
基于自身数据平台已有的业务数据、权限及治理规则开发AI工具,无需企业迁移数据或重建权限体系;基于本体论架构搭建企业认知层,定义企业业务概念及相互关系,填补AI模型与数据表之间的意义层,让AI能够正确理解企业业务逻辑;推动厂商中立的开放语义标准,实现不同系统间语义模型的交换,解决跨系统语义漂移问题;将原有数据治理与权限体系延伸至AI应用场景,收购相关平台扩展AI治理范围,作为企业智能体的控制平面,明确AI的操作边界。
实施路径
- 基于现有数据平台积累的业务数据、权限、治理规则开发适配的AI工具
- 基于本体论架构搭建企业认知层,打通AI模型与企业数据之间的意义层
- 推动Open Semantic Interchange项目进入Apache软件基金会孵化器,更名为Apache Ossie,打造开放语义标准
- 将原有数据治理与权限体系延伸至AI应用场景
- 收购企业级MCP平台Natoma,扩展AI治理覆盖范围
- 定位为Agentic Enterprise的控制平面,整合模型、企业数据、权限、工具和工作流
来源:InfoQ 中文(本站改写摘要,成效数据均取自原文)
项目背景
当前通用大模型供给充足,企业AI落地的核心矛盾从模型能力不足转向AI无法理解企业自身业务;企业对AI的需求从辅助生成内容转向可自主完成任务的智能体,对AI的安全性、合规性要求同步提升;企业软件市场整体承压,客户对IT支出的审视更为严格,更倾向于选择能直接落地产生价值的技术产品。 本案例依据「InfoQ 中文」公开发布的信息整理,原文:https://www.infoq.cn/article/55mbodVKkHgiHYqfqkFG?utm_source=rss&utm_medium=article
业务问题
通用AI模型不了解企业的业务规则、指标定义及业务上下文,无法适配企业实际业务需求;企业不同业务系统间语义不统一,容易出现语义漂移问题,导致AI跨系统执行时结果矛盾;AI落地时需要重新搭建权限、治理体系,成本高且难以适配企业原有规则;AI自主执行动作时缺乏明确边界约束,容易引发数据泄露、业务操作错误等风险。
实践方案
基于自身数据平台已有的业务数据、权限及治理规则开发AI工具,无需企业迁移数据或重建权限体系;基于本体论架构搭建企业认知层,定义企业业务概念及相互关系,填补AI模型与数据表之间的意义层,让AI能够正确理解企业业务逻辑;推动厂商中立的开放语义标准,实现不同系统间语义模型的交换,解决跨系统语义漂移问题;将原有数据治理与权限体系延伸至AI应用场景,收购相关平台扩展AI治理范围,作为企业智能体的控制平面,明确AI的操作边界。
原始来源:https://www.infoq.cn/article/55mbodVKkHgiHYqfqkFG?utm_source=rss&utm_medium=article