Hoe Snowflake AI-modellen naar je data brengt zonder security risico

Snowflake zet in op een fundamenteel andere benadering van AI: in plaats van data naar AI-modellen te sturen, brengt het platform de modellen naar de data toe. Dit betekent dat bedrijven kunnen werken met de nieuwste AI-technologie zonder hun security en privacy controls te compromitteren.

Martin Frederik, country manager Snowflake Benelux, legt in deze aflevering van Techzine Talks uit hoe deze aanpak werkt en waarom dit steeds belangrijker wordt. “Als Opus 4.6 uitkomt, draait het een dag later op Snowflake. Toen OpenAI uitkwam met GPT-4, stond het een dag later op Snowflake,” vertelt Frederik. De samenwerking met vrijwel alle grote AI-platformbouwers zorgt voor een zelfversterkend effect.

Luister (en kijk) elke week door je te abonneren via: Spotify, Apple Podcasts, YouTube of een andere dienst.

De centrale gedachte is dat alle data binnen de eigen Snowflake-omgeving blijft, volledig onder de eigen security-richtlijnen en privacy controls van de klant. Dit elimineert de noodzaak om data te verplaatsen naar externe AI-diensten, wat niet alleen veiliger is maar ook praktischer op grote schaal.

Model as a Service binnen je eigen security

Snowflake biedt AI-modellen aan als een service binnen de eigen omgeving van de klant. Dit betekent dat modellen zoals Claude van Anthropic, GPT-4 van OpenAI of Mistral direct lokaal tegen de data aanpraten. “Je hoeft het niet eerst te versturen naar een andere cloud. Je kunt het model naar je data toe halen,” legt Frederik uit.

Het grote voordeel is dat alle policies die op data toegepast worden, zoals maskering, toegangsrechten en beschikbaarheid, automatisch van toepassing zijn op alles wat met AI gebeurt. Dit maakt een groot verschil voor organisaties die te maken hebben met strenge compliance-eisen.

De keuze van het juiste model wordt steeds belangrijker. Frederik: “Op het moment dat je zoiets op schaal gaat gebruiken, bijvoorbeeld als je call center agents gaat vervangen, dan gaat het uitmaken welk model daar goed in is, welke toon het heeft, maar ook wat het kost. Want er zit een business case achter.” Klanten kunnen verschillende modellen naast elkaar draaien en vergelijken op basis van kwaliteit, snelheid en kosten.

Lees ook: Snowflake verlaagt de drempel van AI-appontwikkeling

Open source-strategie tegen vendor lock-in

Een opvallende ontwikkeling is dat Snowflake twee jaar geleden een strategische draai maakte naar openheid. Het bedrijf ondersteunt nu open source formaten zoals Apache Iceberg en Polaris. “Het was best een gecalculeerd risico, wat heel erg goed heeft uitgepakt,” vertelt Frederik.

Deze open benadering betekent dat klanten hun data in portable formaten kunnen bewaren en theoretisch kunnen verplaatsen. “Er zijn best wat klanten, zeker in Nederland, die hebben gezegd dat dit het voor ons eigenlijk nog aantrekkelijker maakt om Snowflake te gebruiken, wetende dat jullie de optie bieden met iets dat open source is waar je uit kan,” aldus Frederik.

Van data silo’s naar centrale platforms

De eeuwige discussie over data silo’s krijgt een nieuwe dimensie. De gemiddelde enterprise organisatie heeft 985 applicaties draaien. Dus heb je praktisch gezien 985 silo’s. Frederik is realistisch; hij stelt dat hij niet gelooft dat silo’s verdwijnen, maar wel dat je er iets bovenop kunt zetten dat als één platform functioneert.

Het voorbeeld van Toyota Motor Europe illustreert waarom dit belangrijk is. Verschillende afdelingen, denk aan; finance voor verzekeringen, kwaliteit voor onderdelen, manufacturing voor CO2-uitstoot, ze hebben elk hun eigen silo’s maar willen wel geïntegreerde inzichten. Daar komt Snowflake om te hoek kijken, want je kan je data centraal gaan organiseren en dataproducten ontwikkelen.

Praktische AI-toepassingen in productiviteit

De grootste tractie ziet Snowflake momenteel in productiviteitsverhoging. Dit gebeurt in IT en coding, in call centers, en op vele andere plekken waar taken geautomatiseerd kunnen worden. Maar Frederik benadrukt een belangrijk punt: “Probeer de mensen maar eens te vinden voor het werk dat je wilt gaan doen.”

Het gaat niet zozeer om mensen vervangen, maar om met dezelfde mensen veel meer te kunnen doen. Concrete voorbeelden zijn klanten die grote delen van hun call center met Snowflake draaien, waarbij pas heel laat of zelfs nooit een mens bij te pas komt, maar die wel inhoudelijke antwoorden kunnen geven.

Een innovatieve toepassing is in de energietransitie. Netwerkoperatoren worstelen met het ontwerpen van netwerken onder onzekerheid. “We moeten rekening houden met buffers in netwerken voor scenario’s die niet daadwerkelijk voorkomen,” vertelt Frederik. AI kan helpen bij het optimaliseren van het netwerkontwerp, wat direct impact heeft op hoeveel huizen en fabrieken aangesloten kunnen worden.

Cortex Code: van idee naar applicatie

Met Cortex Code maakt Snowflake het mogelijk dat niet-technische gebruikers zelf applicaties bouwen. Frederik gebruikt het zelf: “Ik bouw Streamlit-apps in natuurlijke taal. Ik heb een vraag over de sales in mijn team. Ik kan die vragen zelf stellen, in natuurlijke taal uittypen welk dashboard ik wil hebben, en Cortex Code gaat het voor me bouwen.”

Het systeem kent de semantiek van het datamodel, weet wie de klanten zijn en welke rol de gebruiker heeft. “Ik kan data engineering werk doen met vaardigheden die ik echt 20 jaar geleden ben kwijtgeraakt,” zegt Frederik. Deze ontwikkeling verkort de tijd tussen idee en realisatie.

AI agents: tussen belofte en praktijk

Over AI agents en agentic workflows is Snowflake positief maar realistisch. “Het bouwen van agents is iets waar klanten zich voornamelijk voor afvragen: hoe ga ik dat voor mij de eerste keer goed doen?” vertelt Frederik. De technologie is er, maar klanten zijn soms huiverig om daadwerkelijk controle los te laten.

Een cruciale vraag is governance: geef je een marketingagent dezelfde rechten als een marketingmedewerker? “Je moet daar heel goed over nadenken,” zegt Frederik. “We zijn met veel klanten nog steeds aan het beginnen met nadenken hoe we dat gaan doen. Want de eerste proof of concept is cool, maar hoe ga je dit op schaal weten in te zetten?”

Enkele klanten hebben deze drempel doorbroken en zetten agents op grote schaal in. “Als je dat eenmaal mooi ingeregeld hebt, is het een enorme schaalvergroting die je kan toepassen op je bedrijf,” aldus Frederik.

Data soevereiniteit en de Europese context

De discussie over datasoevereiniteit wordt steeds emotioneler, maar Frederik benadrukt dat het eigenlijk gaat om een praktische vraag: “In welke mate ben ik in staat om onafhankelijk te opereren van de bedrijven bij wie ik diensten afneem die kritiek zijn voor mijn bedrijfsvoering?”

Snowflake werkt samen met AWS Sovereign Cloud en volgt ontwikkelingen bij Google en Microsoft op de voet. Het bedrijf werkt al jarenlang met financiële instellingen en telco’s die strikte eisen stellen. “We komen altijd doorheen die controles,” zegt Frederik. Klanten kunnen hun eigen key management regelen zodat niemand bij data kan zonder toestemming.

De bredere Europese vraag over technologische onafhankelijkheid erkent Frederik wel. “Veel van de techniek die je nodig hebt wordt gebouwd in andere landen. Mistral is Frans, dat is al een hele mooie stap geweest.” De beweging is pas een jaar oud en Snowflake volgt met interesse waar dit naartoe gaat.

Balans tussen innovatie en skepsis

In het gesprek komt ook de spanning naar voren tussen enthousiasme voor AI en noodzakelijke skepsis. Waar Frederik een “rasoptimist” is, waarschuwen de hosts voor te veel blindelings vertrouwen. Het gevaar bestaat dat mensen niet meer zelf nadenken, maar direct AI om oplossingen vragen.

“Je moet een balans hebben,” benadrukt Frederik. “Probeer van alles, maar blijf er wel een beetje sceptisch naar kijken. Dat je niet te veel een fanboy wordt.” Hij erkent dat dit altijd het begin is van een innovatiegolf: beloftes, experimenteren, dingen die mislukken, en uiteindelijk waarde vinden.

De belangrijkste vraag blijft volgens Frederik: wat wil je uiteindelijk bereiken? “Moet het risico omlaag? Moet de omzet omhoog? Moeten de kosten omlaag? Want met wat wij kunnen doen, wat matcht met wat je uiteindelijk wil gaan bereiken?” Die focus op concrete business outcomes is cruciaal om door de hype heen te kijken naar echte waarde.

Podcastspeler: