Snowflake zet kunstmatige intelligentie centraal om de groei weer te versnellen. Het Amerikaanse dataplatform rolt nieuwe AI-functies, zoals Snowflake Cortex en het open taalmodel Arctic, breder uit op zijn cloud. Daarmee wil het bedrijf, ook in Europa en Nederland, meer datatoepassingen en AI-werkstromen naar zijn platform trekken. De Europese AI-verordening en de AVG sturen die aanpak, omdat klanten hun data veilig en controleerbaar willen gebruiken.
AI-producten trekken werk
Snowflake breidt Snowflake Cortex uit met functies voor zoeken in ongestructureerde data, vectoropslag en ingebouwde chatassistenten. Dat maakt het eenvoudiger om eigen documenten en tabellen te gebruiken in generatieve AI. Bedrijven kunnen zo vragen stellen aan hun data zonder die data te verplaatsen naar externe tools. Dit verlaagt kosten, beperkt risico’s en houdt toezicht centraal.
Het open taalmodel Snowflake Arctic is ontwikkeld voor zakelijke taken, zoals analyse, SQL en documentvragen. Open modellen zijn bruikbaar omdat ze transparanter zijn en lokaal of in een afgeschermde cloud kunnen draaien. Voor veel Europese organisaties is dat aantrekkelijk vanwege AVG-eisen. Arctic en Cortex sluiten daarbij aan doordat de data in het Snowflake-account blijven.
Met zogeheten “in-database” AI verplaatst Snowflake rekenkracht naar de data, in plaats van andersom. Dit versnelt projecten zoals klantenservice-assistenten, fraude-inspecties en technische zoekopdrachten. Voor beheerders is het handig dat logging, autorisaties en kostenbeheersing al in het platform zitten. Zo wordt de drempel lager om AI in productie te brengen.
Focus op eigen data
De meeste waarde ontstaat als AI draait op bedrijfsdata die al schoon en geclassificeerd zijn. Snowflake richt zich daarom op governance: wie mag welke kolom zien, en onder welke voorwaarden. Functies voor datamaskering, auditlogs en fijnmazige toegangsrechten helpen organisaties om compliant te blijven. Dit is nodig bij gevoelige informatie, zoals klant- of patiëntgegevens.
Een veelgebruikte aanpak is retrieval-augmented generation, kortweg RAG. Daarbij zoekt een AI-systeem eerst documenten in een eigen kennisbank en gebruikt die context om beter te antwoorden. In Snowflake betekent dat: documenten en tabellen indexeren, en vervolgens via Cortex de antwoorden genereren. Zo krijgen teams actuele, herleidbare resultaten met minder hallucinaties.
RAG combineert een taalmodel met eigen bedrijfsdata, zodat antwoorden gebaseerd zijn op gecontroleerde informatiebronnen.
Voor Europese klanten telt ook dataminimalisatie uit de AVG: verwerk niet meer data dan nodig. Door AI dicht bij de data te draaien, blijft uitwisseling met derden beperkt. Dat maakt DPIA’s (gegevensbeschermingseffectbeoordelingen) overzichtelijker. Bovendien helpt het bij sectorregels, zoals in zorg en financiële dienstverlening.
Regels sturen ontwerpkeuzes
De Europese AI-verordening (AI Act) werkt met risicoklassen, van laag naar onaanvaardbaar risico. Veel zakelijke assistenten vallen in een lagere categorie, maar toepassingen zoals kredietbeoordeling kunnen hoog risico zijn. Dan gelden strengere eisen voor documentatie, testen en menselijk toezicht. Leveranciers en gebruikers moeten hun rol en plichten duidelijk vastleggen.
Snowflake profileert zich vooral als infrastructuur en gereedschap, niet als afgebakende toepassing. Toch raken regels voor zogeheten general-purpose AI (GPAI) ook modellen als Arctic en geïntegreerde AI-functies. Transparantie over trainingsdata, modelprestaties en beperkingen wordt belangrijker. Europese klanten vragen bovendien om datalokalisatie in EU-regio’s en versleuteling standaard.
Voor overheden en publieke instellingen speelt extra toezicht. Denk aan archiefplicht, uitlegbaarheid en toegankelijkheid van digitale diensten. Wie AI inzet in besluitvorming, moet kunnen uitleggen hoe een uitkomst tot stand is gekomen. Dat vereist logboeken, reproduceerbare evaluaties en duidelijke fallback-procedures.
Nieuwe leiding kiest voor AI
Sinds de wissel aan de top stuurt Snowflake sterker op AI-producten en ontwikkelaars. De strategie: meer apps en assistenten laten draaien op de data die al in Snowflake staan. Dat moet het gebruik per klant verhogen en de groei van rekenuren en opslag aanjagen. Partnerschappen met grote cloudleveranciers en chipbedrijven ondersteunen die koers.
De overname van zoekstart-up Neeva in 2023 gaf Snowflake extra expertise in generatieve AI en productzoek. Die kennis is nu zichtbaar in de interface en API’s van Cortex. Voor klanten telt vooral dat de functies in bestaande werkstromen passen. Minder knip- en plakwerk betekent snellere adoptie.
Ook zet Snowflake in op ontwikkelgemak met notebooks en ingebedde functies voor evaluatie. Teams kunnen binnen hetzelfde platform data voorbereiden, een prototype bouwen en het uitrollen. Dit verkort de stap van pilot naar productie. Het maakt budgetten en risico’s voorspelbaarder voor CIO’s en datateams.
Concurrentie en beperkingen
De concurrentie is stevig: Databricks, Microsoft Fabric, Google BigQuery en AWS bouwen vergelijkbare AI-lagen. Keuze hangt vaak af van waar data nu al staan en welke tools teams kennen. Lock-in en kostenbeheersing blijven belangrijke zorgen. Organisaties willen kunnen wisselen tussen modellen en clouds zonder migratiestress.
Technisch gezien blijven taalmodellen foutgevoelig, vooral buiten hun trainingsdomein. Goede evaluatiesets, guardrails en monitoring zijn daarom nodig. Snowflake levert bouwstenen, maar gebruikers moeten zelf scenario’s en normen bepalen. Zonder die afspraken lopen projecten vast in supporttickets en herwerk.
Ook is er schaarste aan praktische AI-vaardigheden. Teams moeten leren prompten, indexeren en resultaten toetsen. Europese organisaties die hier vroeg in investeren, brengen AI sneller gecontroleerd in productie. Wie wacht, loopt het risico op versnipperde pilots zonder meetbare waarde.
Impact in Nederland
Nederlandse bedrijven in finance, industrie en zorg vragen om AI die voldoet aan de AVG en sectorregels. Snowflake speelt daarop in met datalocaties in EU-regio’s en uniforme toegangscontrole. Voor overheden telt bovendien: Europese AI-verordening gevolgen overheid, zoals uitlegbaarheid en menselijke controle. Dat past bij aanbestedingseisen en de Baseline Informatiebeveiliging Overheid.
Praktisch betekent dit: start met afgebakende use-cases, zoals kennisassistenten op interne documenten. Houd data binnen de vertrouwde cloud en log alle stappen. Werk met RAG en duidelijke bronnen, zodat antwoorden te controleren zijn. En leg verantwoordelijkheden vast tussen leverancier en gebruiker volgens de AI Act.
Als AI het gebruik van het Snowflake-platform vergroot, kan de groeicurve aantrekken. De doorslag valt echter op betrouwbaarheid, kosten en naleving van regels. Wie dat goed regelt, haalt meer waarde uit bestaande data. Daar ligt de echte motor voor duurzame groei, voorbij de hype.