【Part 2】Snowflake（SNOW：スノーフレーク）の生成AIを含むAI戦略とは？新CEOによる影響も含め徹底解説！

※「【Part 1】Snowflake（SNOW：スノーフレーク）は何がすごい？同社の最新の製品基盤強化に関する取り組みを徹底解説！」の続き

前章では、「Snowflakeは何がすごいのか？」という疑問に答えるべく、同社の製品基盤強化に関する取り組みやIcebergを巡るストレージ戦争に関して詳しく解説しております。

本稿の内容への理解をより深めるために、是非、インベストリンゴのプラットフォーム上にて、前章も併せてご覧ください。

Snowflake（SNOW：スノーフレーク）の生成AIを含むAI戦略

これまで、生成AI（GenAI）の分野では、LLM（大規模言語モデル）の性能向上のために、人間がコード化したロジックにあまり時間をかけるべきではないというのが一般的なコンセンサスでした。理由として、比較的短期間でスケーリング則によりさらなる進展が期待されていたからです。

しかし、2024年末に近づくにつれ、このコンセンサスが変わり始めています。最先端モデルの進化が予想よりも遅いことが明らかになりつつあります。LLMに人間がコード化したロジックを統合することで、生成AIシステムの性能を大幅に向上させる可能性があることが分かってきました。

さらに、企業が生成AI（GenAI）アプリケーションを本番環境に導入し始めると、大規模なスケーリングのコストが非常に高額であることに気づき始めています。機械学習（ML）、深層学習（DL）、複数のLLM（大規模言語モデル）、微調整されたSLM（小規模言語モデル）、ベクトルストア、その他のコンポーネントを組み合わせた生成AIシステムを、人間のロジックを取り入れて微調整・最適化することで、最先端モデルに完全に依存する場合に比べ、コストのごく一部で優れたパフォーマンスを実現できます。要するに、FLOPS（計算能力）やコンピュートリソースを増やすことで性能を向上させることは可能ですが、人間のロジックを活用した生成AIは、より少ないFLOPSで高いパフォーマンスを引き出し、将来のモデルにも適応できる柔軟性を持っています。

パロアルトネットワークス（PANW）のCEOであるニケシュ・アローラ氏は、同社の多くの実運用事例や顧客の要望が、高精度で信頼性のある現実的な用途に対応できる「精密AI」を必要としていることを強調しました。これは現在、生成AI（GenAI）の普及