正直、これは驚いた。
3月18日、Snowflakeが発表した「Project SnowWork」は、データウェアハウスの会社が本気でAIエージェント基盤になろうとしている宣言だった。その1週間前の3月11日には、DatabricksもAIエージェント「Genie Code」を投入している。
ここで起きていることは、単なる機能追加ではない。「データを貯めて分析する場所」だったプラットフォームが、「データを理解して自律的に動く場所」に変わろうとしている。この変化は、企業のAI戦略そのものを書き換える可能性がある。
この記事では、SnowWorkとGenie Codeという2つの発表を軸に、データ基盤のAIエージェント化がなぜ必然で、開発者や企業にとって何を意味するのかを、3つの視点で読み解いてみる。
何が発表されたのか — 1週間で起きた2つの地殻変動
まず事実を整理しておく。
| 項目 | Snowflake SnowWork | Databricks Genie Code |
|---|---|---|
| 発表日 | 2026年3月18日 | 2026年3月11日 |
| ステータス | リサーチプレビュー | 一般提供開始 |
| 主なターゲット | ビジネスユーザー（営業・マーケ・経営層） | データエンジニア・データサイエンティスト |
| できること | 自然言語で成果を依頼→複数ステップの業務を自律実行 | パイプライン構築・デバッグ・ダッシュボード作成を自律実行 |
| ガバナンス | ロールベースアクセス制御と統合 | Unity Catalogによる一元管理 |
| 特徴的な機能 | 職種別プリセットスキル（財務・営業・マーケ・オペレーション） | MCP対応、持続的メモリ、Quotient AI買収による強化学習 |
同じ週に、データ基盤の2大巨頭がそれぞれAIエージェント機能を正面から打ち出してきた。偶然ではないだろう。
視点1: なぜデータ基盤がAIエージェントを作るのか
「AIエージェントなら、OpenAIやAnthropicのAPIで作ればいいのでは？」
そう思う人は多い。だが、企業で実際にAIエージェントを運用しようとすると、最大のボトルネックはLLMの性能ではなく「データへのアクセスとガバナンス」だと気づく。
SnowflakeやDatabricksが持っている武器は3つある。
- 企業データがすでにそこにある — わざわざベクトルDBを立てたりRAGパイプラインを組んだりしなくても、売上データ、顧客データ、在庫データが構造化された状態で格納されている
- 権限管理が組み込まれている — 誰がどのデータにアクセスできるかのルールが既に運用されている。AIエージェントにもその権限をそのまま適用できる
- データのコンテキストを知っている — カラム名の意味、テーブル間の関係、KPIの定義。これらのメタデータがカタログに蓄積されている
要するに、「LLMに企業のことを教える」コストが圧倒的に低い。これがデータ基盤がAIエージェントを作る最大の理由だ。
視点2: アプローチの違いが映す「2つのAIエージェント像」
面白いのは、SnowflakeとDatabricksのアプローチが対照的なことだ。
Snowflake SnowWorkは「成果駆動」を掲げている。ユーザーは「来月のチャーンリスクが高い顧客リストと対策案を出して」と依頼するだけ。SnowWorkが複数ステップのワークフローを計画・実行し、レポートやスライドまで生成する。ターゲットは明確に非エンジニア、つまりビジネスパーソンだ。
一方、Databricks Genie Codeは「データ専門職の自動化」に振り切っている。パイプラインの構築、障害のデバッグ、本番システムのメンテナンスをAIエージェントが自律的に行う。ターゲットはデータエンジニアやデータサイエンティスト。面白いのは、MCP（Model Context Protocol）に対応して外部ツールとも連携可能な点と、ユーザーのコーディングスタイルを「学習して適応する」持続的メモリ機能を持っている点だ。
以下のPythonコードは、Databricks SDKを使ってGenie Codeにタスクを依頼する基本パターンのイメージだ。
# 動作環境: Python 3.10+, databricks-sdk>=0.40.0
# 注意: 本番環境で使用する前に、必ずテスト環境で動作確認してください。
from databricks.sdk import WorkspaceClient
w = WorkspaceClient()
# Genie Codeへのタスク依頼（概念コード）
task = w.genie.create_task(
description="過去90日の顧客離脱率をコホート別に分析し、"
"離脱リスクの高いセグメントを特定するダッシュボードを作成",
workspace_path="/Shared/churn_analysis",
auto_execute=True # 計画→実行→結果までを自律的に
)
print(f"Task ID: {task.task_id}, Status: {task.status}")
この違いは単なるUIの差ではない。「AIエージェントの顧客は誰か」という根本的な問いへの答えの違いだ。Snowflakeは「全従業員がAIで成果を出せる世界」を描き、Databricksは「データ専門職がAIで10倍の生産性を得る世界」を描いている。
視点3: 開発者はこの流れをどう読むべきか
ここからは筆者の見立てだ。
データ基盤のAIエージェント化は、AIエージェント開発者にとって脅威でもあり、巨大な機会でもある。
脅威の面は明確だ。これまで「企業データ×LLM」のRAGパイプラインやワークフロー自動化を独自に構築していたスタートアップや開発チームにとって、SnowflakeやDatabricksがネイティブでその機能を提供してくるのは厳しい。データへのアクセス、権限管理、コンテキスト理解の面で、プラットフォーム内蔵のエージェントに勝つのは難しい。
一方、機会の面もある。
- MCP対応が進む — Genie CodeはすでにMCPに対応している。つまり自社のツールやAPIをMCPサーバーとして公開すれば、Databricksのエージェントから呼び出してもらえる。「プラットフォームのエージェントを拡張するツール」というポジションは大きい
- マルチプラットフォーム統合 — 現実の企業はSnowflakeとDatabricksを両方使っていたり、SalesforceやServiceNowのデータも横断的に扱いたい。単一プラットフォームのエージェントでは対応しきれない「横串」の領域は、まだ開拓の余地がある
- 業界特化の深い知識 — SnowWorkの職種別プリセットは汎用的なものだ。医療、法務、製造といったドメイン固有の規制やワークフローを深く理解したエージェントは、プラットフォームベンダーが作りきれない
まだ見えていないこと
正直に言えば、筆者もまだ判断がつかない部分がある。
SnowWork はリサーチプレビューの段階で、実際にどこまで複雑なワークフローを自律実行できるかは未検証だ。「営業テリトリーの再編成」や「取締役会向けスライドの自動生成」がデモの通りに動くのか、本番データで試してみないとわからない。
Genie Codeについても、「コーディングスタイルを学習する持続的メモリ」がセキュリティやプライバシーの面でどう管理されるのか、詳細はまだ公開されていない。
また、両者とも自社プラットフォーム内のデータに対する操作が基本だ。企業の現実は、データがSnowflakeとSalesforceとNotionに散らばっている。この「外の世界」との接続がどこまでスムーズになるかが、実用性を左右する。
筆者の結論 — 「データの近くにいる者が勝つ」時代
AIエージェントの競争は、「どのLLMが賢いか」から「どれだけ企業のデータとコンテキストに近いか」にシフトしている。これが、データ基盤ベンダーがAIエージェント市場に参入する本質的な理由だ。
Snowflakeの年間売上は46.8億ドル（FY2026、前年比29%成長）に達し、Databricksも急成長を続けている。この2社がAIエージェントを「追加機能」ではなく「コア機能」として位置づけた意味は重い。
開発者として考えるべきは、この流れに抗うことではなく、この流れの中でどこにポジションを取るかだ。MCPサーバーとして自社ツールを公開する、ドメイン特化のエージェントを構築する、マルチプラットフォームの横串統合を担う — 選択肢はある。
データ基盤がAIエージェントに変わるのは、もう「いつか」の話ではない。今週始まった。
参考・出典
- Snowflake Launches Project SnowWork, Bringing Outcome-Driven AI to Every Business User — Snowflake公式プレスリリース（参照日: 2026-03-19）
- Databricks Launches Genie Code, Bringing Agentic Engineering to Data Work — Databricks公式プレスリリース（参照日: 2026-03-19）
- Snowflake’s new autonomous AI layer aims to do the work, not just answer questions — InfoWorld（参照日: 2026-03-19）
- Databricks launches Genie Code to own the next frontier of vibe coding — Fast Company（参照日: 2026-03-19）
- Snowflake Launches Project SnowWork, Eyes AI Workflows — Constellation Research（参照日: 2026-03-19）
この記事はAIgent Lab編集部がお届けしました。
あわせて読みたい:
- AIエージェント基盤3強比較｜Google・AWS・Microsoftの選び方 — クラウドベンダー側のAIエージェント基盤を比較
- A2Aプロトコルとは？MCPとの違いとマルチエージェント連携の新常識 — 記事中で触れたMCPの詳細を知りたい方に
ご質問・ご相談は お問い合わせフォーム からお気軽にどうぞ。
