Snowflakeの新しいOntology Stack Builderは、ナレッジグラフに基づいたデータモデルの構築時間を数ヶ月から約1時間に短縮し、大規模言語モデル（LLM）に、クエリに正確に回答するために必要なビジネスコンテキストを提供します。

データウェアハウスに生成AIを重ね合わせようとする企業は、常に壁に突き当たっています。モデルが見ているのは行や列の名前であり、意思決定を左右する現実世界のエンティティ（人、チーム、契約など）ではないからです。セマンティックな架け橋がなければ、AIが生成するSQLはノイズが多くなり、論理エラーが混入し、信頼スコアは誤解を招くものになります。

なぜ生のテーブルはLLMを混乱させるのか

一般的なデータウェアハウスでは、情報は外部キーでリンクされた正規化されたテーブルに保存されます。列名は略語や社内用語であることがよくあります。ウェブテキストで学習したLLMは、ビジネスコンテキストにおける「EMP_ID」や「CNTRCT_AMT」を見たことがありません。そのため、「前四半期に最大の取引を成立させた営業担当者は誰ですか？」と尋ねられた際、まずすべてのフィールドの意味を推論し、次に複数のテーブルにわたって正しい結合（join）を組み立てなければなりません。その結果、一連の推測が連鎖し、もっともらしく見えるが間違った回答が生成される可能性があります。

ブループリントとしてのオントロジー

オントロジーは、クラス（例：Person、Organization、Contract）と、それらの間に存在し得る関係（Person works for Organization）を定義します。そのオントロジーから構築されたナレッジグラフは、具体的な事実（John Doe works for Acme Inc.、ある契約はAcme Inc.に属する、など）を保存し、AIが生の列識別子ではなく、それら高次の概念に基づいて推論することを可能にします。

Snowflakeの5層アプローチ

データウェアハウスをオントロジー駆動型システムに変えるためのSnowflakeのアーキテクチャは、以下の5つの層で構成されています。

  • Layer 1: Physical storage – 2つのコアテーブルがノード（エンティティ）とエッジ（リレーションシップ）を保持します。新しいエンティティタイプを追加する際、スキーマの変更は必要なく、新しい行を追加するだけで済みます。
  • Layer 2: Metadata configuration – リレーションシップはハードコードされたSQLではなく、設定ファイルを通じて宣言されるため、モデルのポータビリティが高まり、メンテナンスも容易になります。
  • Layer 3: Automatic compiler – コンパイラがメタデータを読み取り、具体的なテーブルを抽象的な概念に即座にマッピングする統合ビューを作成します。
  • Layer 4: Purpose-built models – あるモデルは高速な事実検索を最適化し、別のモデルはグラフ全体にわたる抽象的な推論をサポートし、3つ目のモデルはガバナンスと権限を強制します。
  • Layer 5: Cortex agent layer – インテリジェントなルーティングエンジンが、ユーザーの意図に基づいて、どの基盤モデルにクエリを投げるかを決定します。

これらの層を手動で構築する場合、データモデリング、スキーマ分析、カスタムコードの開発などが必要となり、通常は数ヶ月を要します。SnowflakeのOntology Stack Builderは、その作業の大部分を自動化します。

Stack Builderの仕組み

このツールは、既存のSnowflakeスキーマをスキャンし、考えられるエンティティタイプとリレーションシップを提案し、アナリストがビジュアルエディタでそれらを確認または調整できるインタラクティブなワークフローを開始します。オントロジーが定義されると、Builderはノード/エッジテーブルを生成し、メタデータを入力し、自動コンパイラを実行して統合ビューを作成します。中規模程度のデータウェアハウスであれば、パイプライン全体を1時間以内に構築できます。

企業が得られるメリット

  • AI統合の高速化 – チームは、生のSQL生成に苦労する代わりに、セマンティックに豊かなレイヤーにLLMを接続できます。
  • メンテナンスの削減 – 新しいデータソースの追加は、ノード/エッジテーブルに行を追加するだけで済みます。メタデータとコンパイルされたビューは自動的に更新されます。
  • 組み込まれたガバナンス – 専用の権限モデルにより、誰がどのエンティティを閲覧できるかが強制されます。これは規制の厳しい業界にとって極めて重要な機能です。

まとめ

数ヶ月に及ぶ手作業中心のモデリング作業を1時間のワークフローに変えることで、Snowflakeは企業に対し、LLMに必要なビジネスセマンティクスを提供するための実用的な道筋を示しています。その結果、意図を理解するAIが実現します。