AI 데이터 클라우드 기업 스노우플레이크(Snowflake)는 ‘AI + 데이터 예측 2026 보고서’를 발간하고 2026년은 에이전틱 AI와 데이터 전략이 기업 AI 성과를 좌우할 것이라고 전망했다.
보고서에 따르면 에이전틱 AI는 기존 대규모 언어 모델을 넘어 정교한 추론과 실행 능력을 갖춘 구조로 진화하며, 기업의 AI 활용은 전사적 AI 생태계 구축 단계로 진입할 전망이다. 신뢰성 확보를 위해 자체 검증 메커니즘과 사용자 피드백 기반 피드백 루프가 중요해지며, 특정 업무에 특화된 마이크로 에이전트가 단계적으로 도입될 것으로 예측됐다.
기업 시스템 전반으로 확산되는 에이전틱 AI의 효율적 활용을 위해서는 표준화된 AI 프로토콜, 오픈소스 모델, 실시간 처리 중심의 운영 인프라가 필요하며, Postgres와 같은 실시간 데이터 처리 시스템이 핵심 역할을 할 것으로 분석됐다. 또한 에이전틱 AI의 확대는 사이버 보안 위협과 기회가 동시에 증가하는 양날의 검으로 작용하지만, 보안 운영 센터(SOC)에서 AI 기반 도구와 전문가를 결합해 효과적인 대응 체계 구축이 가능할 것으로 전망됐다.
산업별로는 리테일·소비재에서 개인화된 고객 경험과 AI 쇼핑 어시스턴트가 확대되고, 금융 서비스 분야에서는 데이터 기반 분석·리스크 관리 에이전트가 활용되며, 제조 산업에서는 품질 검사, 설비 정비, 공급망 최적화 등 산업 특화 챗봇형 AI 에이전트 도입이 빠르게 진행될 것으로 예측됐다.
보고서 전문은 스노우플레이크 홈페이지에서 확인할 수 있다.
- 관련 기사 더 보기
Snowflake Releases AI + Data Forecast 2026 Report
Snowflake, an AI data cloud company, published its 'AI + Data Prediction 2026 Report' and predicted that agentic AI and data strategies will determine corporate AI performance in 2026.
According to the report, agentic AI will evolve beyond existing large-scale language models to structures with sophisticated inference and execution capabilities, and corporate AI use will enter a phase of building a company-wide AI ecosystem. To ensure reliability, self-verification mechanisms and feedback loops based on user feedback will become increasingly important, and specialized micro-agents for specific tasks will be gradually introduced.
To effectively leverage agentic AI, which is spreading across enterprise systems, a standardized AI protocol, open-source models, and a real-time processing-focused operational infrastructure are essential. Real-time data processing systems like Postgres are expected to play a key role. Furthermore, the expansion of agentic AI is a double-edged sword, increasing both cybersecurity threats and opportunities. However, it is anticipated that security operations centers (SOCs) can build effective response systems by combining AI-based tools with experts.
By industry, personalized customer experiences and AI shopping assistants are expected to expand in retail and consumer goods, data-based analysis and risk management agents will be utilized in financial services, and the manufacturing industry will rapidly adopt industry-specific chatbot-type AI agents for quality inspection, facility maintenance, and supply chain optimization.
The full report can be found on the Snowflake website.
- See more related articles
スノーフレーク、AI+データ予測2026レポート発表
AIデータクラウド企業スノーフレーク(Snowflake)は「AI+データ予測2026報告書」を発刊し、2026年はエージェンチックAIとデータ戦略が企業AIの成果を左右すると予想した。
報告書によると、Agentic AIは既存の大規模言語モデルを超えて精巧な推論と実行能力を備えた構造に進化し、企業のAI活用は全社的AIエコシステム構築段階に入る見通しだ。信頼性を確保するために、自己検証メカニズムとユーザーフィードバックベースのフィードバックループが重要になり、特定の業務に特化したマイクロエージェントが段階的に導入されると予測されています。
企業システム全体に広がるエージェンチックAIの効率的な活用には、標準化されたAIプロトコル、オープンソースモデル、リアルタイム処理中心の運用インフラが必要であり、Postgresなどのリアルタイムデータ処理システムが重要な役割を果たすと分析された。また、エージェンチックAIの拡大はサイバーセキュリティ脅威と機会が同時に増加する両刃の剣として働くが、セキュリティ運営センター(SOC)でAIベースのツールと専門家を組み合わせて効果的な対応体制構築が可能と見込まれた。
産業別では小売・消費財で個人化された顧客経験とAIショッピングアシスタントが拡大し、金融サービス分野ではデータ基盤分析・リスク管理エージェントが活用され、製造産業では品質検査、設備整備、サプライチェーン最適化など産業特化チャットボット型AIエージェント導入が急速に進行すると予測された。
報告書専門はスノーフレークホームページで確認できる。
- 関連記事をもっと見る
Snowflake发布2026年人工智能+数据预测报告
AI 数据云公司 Snowflake 发布了《2026 年 AI + 数据预测报告》，并预测智能 AI 和数据战略将在 2026 年决定企业 AI 的绩效。
报告指出，智能体人工智能将超越现有的大规模语言模型，发展出具备复杂推理和执行能力的结构，企业人工智能的应用也将进入构建全公司人工智能生态系统的阶段。为确保可靠性，基于用户反馈的自验证机制和反馈循环将变得日益重要，针对特定任务的专用微智能体也将逐步引入。
为了有效利用正在企业系统中广泛应用的智能体人工智能，标准化的AI协议、开源模型以及以实时处理为中心的运维基础设施至关重要。诸如Postgres之类的实时数据处理系统预计将发挥关键作用。此外，智能体人工智能的扩展是一把双刃剑，它既增加了网络安全威胁，也带来了机遇。然而，预计安全运营中心（SOC）可以通过将基于AI的工具与专家相结合，构建有效的响应系统。
从行业来看，个性化客户体验和人工智能购物助手有望在零售和消费品领域得到扩展，基于数据的分析和风险管理代理将在金融服务领域得到应用，而制造业将迅速采用行业特定的聊天机器人型人工智能代理，用于质量检验、设施维护和供应链优化。
完整报告可在 Snowflake 网站上找到。
- 查看更多相关文章
Snowflake publie son rapport prévisionnel sur l'IA et les données pour 2026
Snowflake, une entreprise spécialisée dans le cloud de données IA, a publié son rapport « AI + Data Prediction 2026 » et prédit que les stratégies d'IA et de données déterminantes seront déterminantes pour la performance de l'IA en entreprise en 2026.
D'après le rapport, l'IA agentielle évoluera au-delà des modèles de langage à grande échelle actuels vers des structures dotées de capacités d'inférence et d'exécution sophistiquées. L'utilisation de l'IA en entreprise entrera dans une phase de construction d'un écosystème d'IA à l'échelle de l'entreprise. Afin de garantir la fiabilité, les mécanismes d'auto-vérification et les boucles de rétroaction basées sur les retours des utilisateurs deviendront de plus en plus importants, et des micro-agents spécialisés pour des tâches spécifiques seront progressivement introduits.
Pour exploiter efficacement l'IA agentique, qui se généralise dans les systèmes d'entreprise, un protocole d'IA standardisé, des modèles open source et une infrastructure opérationnelle axée sur le traitement en temps réel sont indispensables. Les systèmes de traitement de données en temps réel comme Postgres devraient jouer un rôle clé. Par ailleurs, le développement de l'IA agentique présente un double tranchant, augmentant à la fois les menaces et les opportunités en matière de cybersécurité. Cependant, il est prévu que les centres d'opérations de sécurité (SOC) puissent mettre en place des systèmes de réponse efficaces en combinant des outils basés sur l'IA et l'expertise de spécialistes.
Selon le secteur d'activité, les expériences client personnalisées et les assistants d'achat basés sur l'IA devraient se développer dans le commerce de détail et les biens de consommation, les agents d'analyse de données et de gestion des risques seront utilisés dans les services financiers, et l'industrie manufacturière adoptera rapidement des agents d'IA de type chatbot spécifiques à l'industrie pour le contrôle qualité, la maintenance des installations et l'optimisation de la chaîne d'approvisionnement.
Le rapport complet est disponible sur le site web de Snowflake.
- Voir plus d'articles connexes
You must be logged in to post a comment.