Snowflake World Tour 2026 järjestettiin jälleen Tukholmassa. Tällä kertaa tapahtuma kokosi paikalle yli 2000 osallistujaa kuulemaan Snowflaken uusimmista kehitysaskelista datan ja AI:n ympärillä. Ohjelmassa oli yli 30 sessiota ja 67 puhujaa 11 eri toimialalta, puheenvuorot käsittelivät niin teknisiä ratkaisuja, asiakastarinoita kuin Snowflaken uusimpia ominaisuuksiakin. Päivän agenda oli mahdollista rakentaa omien kiinnostuksen kohteiden ympärille, ja omissa valinnoissani korostuivat erityisesti Snowflaken AI-ominaisuudet, datan hallinta ja kustannusten seuranta sekä data engineeringin kehittyminen tekoälyn myötä.
Tapahtuman perusteella kehityksen suunta on selvä: yksittäisistä AI-ominaisuuksista ollaan siirtymässä kohti agentteja ja agentic enterprise -ajattelua. AI ei pelkästään vastaa kysymyksiin vaan pystyy hyödyntämään yrityksen dataa, sovelluksia ja liiketoimintakontekstia tehtävien suorittamiseen.
Samalla yksi asia korostui lähes kaikessa: mitä enemmän vastuuta AI:lle annetaan, sitä tärkeämmiksi nousevat luotettava data, governance ja kustannusten hallinta.
Snowflake World Tour 2026 Keynote – kohti Agentic Enterprisea
Keynotessa Snowflaken viesti rakentui vahvasti Agentic Enterprise -ajattelun ympärille. AI-agenttien hyödyntäminen ei kuitenkaan onnistu vain ottamalla käyttöön uusi AI-palvelu, vaan niiden taustalla tarvitaan luotettava data, liiketoimintakonteksti, hallinta ja integraatiot yrityksen muihin järjestelmiin.
Snowflaken agenttipohjainen ympäristö rakentuu kolmesta keskeisestä kokonaisuudesta:
- yrityksen datasta ja kontekstista,
- käytettävistä AI-malleista
- sekä ohjelmistoista ja sovelluksista.
Näitä hallinnoi agenttien hallintakerros, jonka tehtävänä on yhdistää kokonaisuus hallitusti.
Tähän liittyen esiin nostettiin esimerkiksi Snowflake CoWork, joka tuo AI-agentit osaksi työntekijän päivittäistä työskentelyä, sekä enemmän kehittäjille suunnattu Snowflake CoCo, jonka tavoitteena on nopeuttaa Snowflake pohjaisten ohjelmistojen- ja dataratkaisujen kehittämistä AI-avusteisesti.
Samalla korostettiin, että tärkeässä roolissa ovat yrityksen oma data, sen liiketoimintakonteksti sekä hallintamalli, jonka avulla agenttien toimintaa voidaan kontrolloida.
Yksittäisenä erillisenä nostona keynotessa nousi esiin Snowflaken ja eurooppalaisen pilvipalveluntarjoaja STACKITin yhteistyö. Yhteistyön tarkoituksena on tarjota eurooppalaisille yrityksille paikallinen pilvipalvelu. STACKITin datakeskukset sijaitsevat Saksassa ja Itävallassa.
Luotettava data on edelleen kaiken perusta
AI:n vahvasta roolista huolimatta yksi päivän toistuvista teemoista oli hyvin tuttu: ilman laadukasta ja hallittua dataa ei synny myöskään luotettavia AI-ratkaisuja.
Swedbankin esityksessä käytiin läpi pankin Data & AI-transformaatiota ja Snowflaken roolia sen teknisenä perustana.
Yrityksen tavoitteena on siirtyä tilanteesta, jossa data nähdään lähinnä IT:n vastuuna, malliin, jossa data on koko liiketoiminnan yhteinen resurssi. Transformaation keskeisiä tavoitteita ovat datan laadun ja saatavuuden parantaminen, manuaalisen työn vähentäminen sekä analytiikan ja AI:n tuominen lähemmäksi liiketoiminnan päivittäistä päätöksentekoa.
Esityksen ehkä tärkein viesti oli yksinkertainen: Luotettava AI edellyttää luotettavaa dataa. AI-ratkaisujen rakentaminen ei siis poista toimivan data-alustan, datan laadun tai governance-ratkaisujen merkitystä – päinvastoin niiden merkitys kasvaa.
Snowflaken hallinta ja kustannukset entistä tarkemmin kontrolliin
Snowflakeen on tullut useita uusia ominaisuuksia kustannusten hallintaan ja kontrolliin. Kustannuksia voidaan seurata organisaatiotasolta aina yksittäisiin käyttäjiin ja tiimeihin asti. Budjetteja voidaan puolestaan määritellä esimerkiksi resursseille tai tageihin perustuen.
Myös AI:n kustannuksia voidaan seurata entistä tarkemmin. Tämä tulee olemaan tärkeää AI-palveluiden käytön kasvaessa, sillä esimerkiksi mallien ja agenttien käyttö muodostaa Snowflake-ympäristöön uuden kustannusulottuvuuden. Käyttäjäkohtaiset kiintiöt sekä mahdollisuus automatisoida toimenpiteitä budjettirajojen täyttyessä helpottavat kustannusten hallintaa.
Tavoitteena on antaa käyttäjille enemmän mahdollisuuksia rakentaa ratkaisuja, mutta organisaatio säilyttää samalla kontrollin kustannuksiin.
Semantic Views tuo yhteisen merkityksen datalle ja AI:lle
AI:n yleistyessä semanttisen kerroksen merkitys kasvaa. Jos esimerkiksi liikevaihto määritellään eri tavalla Power BI:ssä, SQL-kyselyissä ja AI-agentille annetussa kontekstissa, voidaan samaan kysymykseen saada useita eri vastauksia.
Snowflaken Semantic Viewsin tavoitteena on ratkaista tätä ongelmaa määrittelemällä liiketoiminnan käsitteet, mittarit, dimensiot ja niiden väliset suhteet keskitetysti Snowflakeen. Semantic Studio helpottaa semanttisten mallien rakentamista. Aikaisemmin malleja rakennettiin pitkälti YAML-määritysten avulla, mutta jatkossa niitä voidaan muodostaa ja ylläpitää visuaalisemmin ja luonnollista kieltä hyödyntäen.
Mielenkiintoinen kehityssuunta on myös Snowflaken semanttisen kerroksen yhdistäminen muihin sitä hyödyntäviin työkaluihin. Esimerkkinä Power BI:n olemassa olevia malleja voidaan hyödyntää Semantic Viewin lähtökohtana ja samoja määrityksiä voidaan hyödyntää Power BI:ssä ja Excelissä.
Lopputulemana sama liiketoimintamääritelmä palvelee BI-raportointia, SQL-kyselyitä, sovelluksia ja AI-agentteja.
Snowflake CoWork ja Cortex Agentit vievät AI:n kysymyksistä toimintaan
Snowflake CoWork oli yksi päivän näkyvimmistä AI-aiheista. Sen tavoite on toimia työntekijän henkilökohtaisena työkaluna, joka tuntee yrityksen datan ja kontekstin sekä pystyy käyttämään erilaisia työkaluja tehtävien suorittamiseen.
Keskeinen muutos aikaisempiin AI-ratkaisuihin verrattuna on siirtyminen kysymys–vastaus-mallista kohti toimintaa. Pelkästä datan analysoinnista ja vastausten tuottamisesta siirrytään kohti toimintaa: agentti voi hyödyntää muita agentteja, työkaluja ja yrityksen järjestelmiä tehtävien suorittamiseen.
Tätä kehitystä tukevat esimerkiksi CoWorkin automaatiot, käyttäjäkohtaiset skills-ominaisuudet sekä integraatiot muihin työkaluihin. Käytännössä tavoitteena on, että käyttäjän ei tarvitse itse tietää, mikä agentti tai tekninen komponentti tehtävän suorittamiseen tarvitaan, vaan CoWork pystyy ohjaamaan tehtävän oikealle agentille.
AI ei ole enää erillinen ominaisuus data-alustan päällä, vaan siitä ollaan tekemässä kiinteä osa päivittäistä työskentelyä.
Data Engineerin työ muuttuu AI:n mukana
Päivän esityksissä nousi esiin myös Data Engineerin työnkuvan muuttuminen. AI:ta hyödyntäen pystytään automatisoimaan yhä enemmän esimerkiksi koodin kirjoittamista, rutiininomaista debuggausta, pipelinejen pohjien rakentamista sekä koodin migrointeja ja refaktorointeja.
Tämä ei kuitenkaan poista Data Engineerin tarvetta. Painopiste siirtyy enemmän järjestelmien ja ratkaisuiden kokonaisuuksien ymmärtämiseen, datatuotteiden suunnitteluun, governanceen ja liiketoiminnan ymmärtämiseen.
Data Engineerin arvo ei siis tulevaisuudessa synny pelkästään siitä, kuinka nopeasti hän pystyy kirjoittamaan pipelinea tai SQL:ää. Yhä tärkeämmäksi nousee kyky ymmärtää, millainen ratkaisu kannattaa rakentaa, miten dataa hallitaan ja miten tekninen toteutus palvelee liiketoimintaa.
Snowflake World Tour 2026 – AI siirtyy kokeiluista osaksi data-alustaa
Snowflake World Tour oli jälleen hyvä tilaisuus nähdä, mihin suuntaan Snowflake ja koko data-ala ovat menossa.
Tulevaisuus näyttää selkeästi agenttipohjaiselta. Samalla päivän esityksistä jäi kuitenkin vahvasti mieleen, ettei AI vähennä hyvän datan, governancen tai kustannusten hallinnan merkitystä – päinvastoin.
Mitä enemmän AI:lle annetaan mahdollisuuksia käyttää yrityksen dataa ja suorittaa itsenäisesti tehtäviä, sitä tärkeämpää on tietää, mitä data tarkoittaa, kuka sitä saa käyttää ja millä kustannuksilla.
-Asko Ovaska
Partner, Senior Data Engineer
