※本記事は、Snowflake が主催する「The 2026 Snowflake Startup Challenge Finale with Three Visionary Teams」の動画内容を基に作成されています。本動画では、Snowflake Summit の Dev Day において、3社の画期的なスタートアップが登壇し、Snowflake Ventures からの投資、Snowflake とのマーケティング連携、そして NYSE のベルを鳴らす機会を懸けて競い合いました。Arrived は、エンタープライズの業務全体にわたって AI を民主化する Agentic OS を発表しました。LGND AI は、800ペタバイト超の衛星画像を自然言語で問い合わせ可能にする大規模地球観測モデル（Large Earth Observation Models）を披露しました。Twine Security は、アイデンティティとアクセス管理のタスクを端から端まで担う AI デジタル従業員 Alex を実演しました。審査員を務めた Benoit Dageville 氏、Denise Persson 氏、John Herrick 氏、John Barat 氏による白熱した審議の末、地球を AI にとって理解可能なものにするという野心的なミッションが評価され、LGND AI がグランプリに選ばれました。本記事では、動画の内容を要約しております。なお、本記事の内容は原著作者の見解を正確に反映するよう努めていますが、要約や解釈による誤りがある可能性もありますので、正確な情報や文脈については、オリジナルの動画をご覧いただくことをお勧めいたします。3社それぞれのピッチ、審査員との質疑応答、そして優勝発表の瞬間は、動画の本編でご確認いただけます。2027年の Startup Challenge は、この秋に New York Stock Exchange でキックオフします。
1. オープニングとコンペティション概要
1.1 第6回 Snowflake Startup Challenge の趣旨とトップ3選出
Narrator： Snowflake Summit と Developer Day にお集まりの皆さん、ふたたび Snowflake Startup Challenge の時間がやってまいりました。今年で6回目を迎えるこのコンペティションは、New York Stock Exchange とのパートナーシップのもとで、Snowflake 上にプロダクトを構築する最も革新的なスタートアップを発掘し、投資していく取り組みです。私たちは文字どおり目の前で世界が変わっていく時代に生きています。AI と生成AI の採用が加速し、ビジネスのあり方は永久に変わってしまいました。そのなかで自社のデータを正しく収益化し、意味のあるビジネス成果へとつなげられる企業こそが、エンタープライズAI の時代に新たな高みへと登り詰めていくのだと考えています。私たちが探し求めているのは、まさにそうした企業です。
Narrator： 第6回となる今回問いたいのは、どの創業者がチームを率い、ビジョンとプロダクトロードマップ、そしてゴートゥーマーケット戦略を備え、Snowflake 上で次のゲームチェンジャーとなるアプリケーションを築き上げられるのか、という点です。私たちは世界中を回って AI データクラウドのエコシステムに光を当て、その候補をトップ3まで絞り込んできました。シリコンバレーは次なる大物の登場を待っています。今日という日は、まさにそれを見極めるための日なのです。勝者を選ぶのは容易ではありませんが、審査員たちはその準備を整えています。今年のコンペティションには世界各地から画期的なスタートアップが集まり、数か月にわたるピッチと開発、競い合いを経て、いよいよこの3社のファイナリストへと行き着きました。Snowflake Ventures からの100万ドルの投資が懸かったこのグランドフィナーレ、サンフランシスコの皆さん、どうぞ盛大に盛り上がってください。
1.2 ホストによる開会、ファイナリスト3社の紹介と審査基準
Ryan Green： 皆さん、Snowflake Developer Day へようこそ。そして Snowflake Startup Challenge のグランドフィナーレへようこそ。調子はいかがでしょうか。私は Snowflake のニュースアンカーを務める Ryan Green です。本日のグランドフィナーレでホストを担当いたします。私たちは歴史のなかでも実に変革的な瞬間を生きています。データと AI はもはや未来の概念ではなく、ビジネスがイノベーションを起こし、運営され、日々競争していくうえでの原動力そのものになりました。かつて不可能に思えたことが、いまやリアルタイムで起こっており、あらゆる組織が AI の潜在能力を解き放ち、顧客体験を変革し、意思決定を加速させ、何が可能なのかという定義そのものを塗り替えようと競い合っています。本日はまさにそれが懸かっているのです。Agentic AI の時代にあって、イノベーションのスピードはかつてないほど速くなっています。そして、データファーストの戦略でリードする企業こそが、真に未来をかたちづくっていく存在です。
Ryan Green： 6回目を迎えた Snowflake Startup Challenge は、ビジョンを持つ創業者たちが次世代の AI 企業・データ駆動型企業を築き上げる、グローバルなコンペティションへと成長しました。競争が年々スケールし進化を続けるなかでも、一貫して変わらないものがあります。それは、大胆なアイデアと卓越したチーム、そしてカテゴリーを定義するようなイノベーションを見出そうとする Snowflake のコミットメントです。3組の素晴らしいファイナリストがこのステージに揃いました。100万ドルの投資に加え、New York Stock Exchange であの象徴的なベルを鳴らす機会も懸かっています。本日お迎えする3社は、Arrived、Legend、そして Twine security です。
Ryan Green： 審査員の皆さんは、いくつかの重要な基準に沿って評価を行います。すなわち、全体的な事業ポテンシャルと市場機会、彼らが築き上げたものの革新性と独自性、Snowflake の AI データクラウドプラットフォームをどう活用しているか、そしてチーム全体としての力です。会場の皆さんの準備が整ったところで、いよいよその審査員たちをお迎えしましょう。
2. 審査員紹介と各自の評価視点
2.1 John Berg と John Herrick の視点
Ryan Green： それでは最初の審査員をお迎えします。サンフランシスコから、Capital One Ventures のパートナー、John Berg さんです。John さん、投資家の立場から、本日はどんな点をチェックリストに掲げていらっしゃいますか。
John Berg： 私たちは戦略的投資家ですので、自分たちのイノベーションを後押ししてくれるテクノロジーを探しています。じつは私たちは Snowflake の初期からの投資家でして、10年以上前、私たちが完全クラウドベースの金融機関を初めて築き上げる旅路において、Snowflake が大きく手を貸してくれました。私たちはそれを自分たちだけで成し遂げられないことを分かっていました。そこへ到達させてくれるスタートアップは、いつだって存在するのです。ですから本日も、イノベーション、チーム、そして市場機会といった観点を見ていきたいと考えています。
Ryan Green： 素晴らしいですね。次にお迎えするのは、ウォール街から、審査員として2年連続のご登壇となる方です。New York Stock Exchange の最高プロダクト責任者、John Herrick さんです。John さん、お帰りなさい。200年以上にわたり、New York Stock Exchange の資本市場は世界の羨望の的であり続けてきました。本日、最も気にかけていらっしゃることは何でしょうか。
John Herrick： まずはお招きいただきありがとうございます。New York Stock Exchange が Snowflake とともにこの素晴らしいイベントを主催できることを光栄に思います。ご紹介いただいたとおり、私はトランザクション事業を統括しており、私たちの市場が今日体現している技術的洗練の幅広さに携わっています。本日私が注目したいのは、こうしたイノベーターたちが、かなり成熟した産業に対して、ガバナンス要件やレジリエンス要件を遵守しつつ、なおかつ全体を新たな次元へと引き上げるようなプロダクトを、どのように考えて構築しているのか、という点です。そしてもう一つ、私にとって常に重要なのが、チームのケミストリーです。各部分の総和を超えるチーム、つまりプロダクトを前へと推し進める力を持ったチームというのは、私にとって本当に大きな動機づけになります。
2.2 Denise Pearson と Benoit Dageville の視点
Ryan Green： 続いては、唯一無二の Snowflake CMO、Denise Pearson さんです。Denise さん、お帰りなさい。サミットの規模はこれまでになく大きくなっていますが、本日、最も心を躍らせていることは何でしょうか。
Denise Pearson： こうしてここに戻ってこられて、本当にわくわくしています。これは今週のハイライトと言える瞬間です。私が見たいのは、これらの企業が解決しようとしている問題の大きさ、そしてそれを追い求めるだけの情熱とグリットを彼らが持っているかどうか、という点です。
Ryan Green： そして最後にご紹介するのは、究極のビジョナリーであり、Snowflake 自身の共同創業者でもあるビルダー、Benoit Dageville さんです。Benoit さん、お帰りなさい。創業者の視点から、本日最も気にかけていらっしゃることは何でしょうか。
Benoit Dageville： 私にとってはやはり、いつもながらイノベーションです。もちろん、これらのスタートアップが私たちのプラットフォームと、私たちが構築しているあらゆる機能をどのように活用しているか、という点も見ています。そしてチームです。私にとってはこの3つの観点に尽きると思います。
3. ファイナリスト①：Arrived — 紹介VTRとピッチ
3.1 紹介VTR、創業者登壇と "Husband 2.0" のエピソード
Ryan Green： サンフランシスコの皆さん、最初のコンテスタントをお迎えする準備はよろしいですか。企業はしばしば AI を実運用に乗せることに苦戦します。自律的な推論モデルを構築・管理するために必要な人材、インフラ、ガバナンスが不足しており、その結果、断片化され、十分に監督されていない AI スタックが生まれてしまうのです。そこで登場するのが Arrived です。同社は Agentic OS という、エンタープライズグレードのオペレーティングシステムを提供します。これは専門の AI スタッフを必要とせずに、サイバーセキュリティ、IT、ビジネスオペレーションの各領域にわたって、自律型 AI エージェントを構築・ファインチューニング・オーケストレーション・ガバナンスできるようにするものです。カリフォルニア州ダブリンから、Arrived の登場です。
Narrator（VTR）： Arrived とは「目的地に到達した」という意味です。AI はサイエンスプロジェクトであってはなりません。成果を届けるものであるべきです。しかし今日、企業は AI 人材に何百万ドルも費やし、決してスケールしないパイロットを走らせ、互いに連携しないポイント製品をつなぎ合わせることに行き詰まっています。彼らが抱えているのは AI の問題ではなく、実行の問題なのです。
Anor： こんにちは、Snowflake の皆さん。調子はいかがでしょうか。審査員の皆さん、この素晴らしい機会を本当にありがとうございます。私たちはとてもわくわくしています。妻が見ていると思うので、一つお話をさせてください。私は起業の旅を始めるたびに、妻にこう言うんです。「信じてくれ、これが最後だから」と。これが実際、6回もうまくいきました。ですが今回それを伝えたとき、妻は私を見てにっこり笑ったんです。私は妻を見返して尋ねました。「どうしたんだい、何かあったの」と。すると妻はこう言いました。「あのね、私も自分の会社を立ち上げようと思っているの」と。私はとても嬉しくなりました。私の起業家精神がいい形で妻にも伝わったのかと思ったのです。そこで「君のスタートアップは何についてなんだい」と尋ねました。エージェント関連かなと思っていたら、妻は「いいえ、Husband 2.0 についてよ」と言ったんです。そういうわけで、これが私の最後のスタートアップになると思いますし、全力を注ぐつもりです。私の名前は Anor、Arrived の共同創業者兼 CEO です。そして隣にいるのが共同創業者兼 CTO の AJ Singh です。
Anor： ご存じのとおり、AI はすでに世に出ていて、誰もが極めて生産的になっています。しかし、それは単に生産性の話だけではありません。AI は人々を創造者、ビルダー、そして実行者へと変革しつつあるのです。Suno、Sora、Midjourney、Firefly といったテクノロジーは、知性を創造へと翻訳しています。そして私たちは、あらゆる組織がこの変革を経ていくと信じています。
3.2 AIの民主化ビジョンと Snowflake 上での位置づけ
Anor： しかし今日、企業は苦戦しています。あらゆるビジネス上の意思決定が自律的に走るようになる、それは確実です。問題はそれがいつなのか、ということだけです。けれども今の組織は AI 人材を探し回っては苦労し、断片化したツールやテクノロジーを寄せ集めてビジネス課題を解こうとしては、失敗しているのです。私たちのビジョンは極めてシンプルです。すべてのビジネスユーザーを AI エキスパートにすること。スプレッドシートが分析を、クラウドがインフラをコモディティ化し民主化したのとちょうど同じように、Arrived は AI を民主化しているのです。私たちのゴールは、すべてのビジネスユーザーがエージェントを構築し、デプロイし、運用できるようにすることです。
Anor： Snowflake は最も豊かなテクノロジー、最も先進的な AI データクラウドを提供しています。コアとなる基盤から、開発者向けプラットフォーム、そして Cortex を使ったインテリジェンスまでを私たちに与えてくれます。私たちはそのテクノロジースタックの上に位置し、推論レイヤーと実行レイヤーを提供します。Snowflake と Arrived がともに、企業をデータからインテリジェンスへ、そして実行へと変革していくのです。
3.3 実導入事例と "Builder 2.0" への道のり
Anor： 私たちはまだ非常に若い会社ですが、すでに保険から飲食、フィンテック企業、複数の銀行、大手通信事業者に至るまで、世界最大級の組織のいくつかでグローバルに導入されています。しかしそれだけではありません。私たちは、本番環境で動く高忠実度のアプリが走るオペレーティングシステムを構築しており、顧客自身もそうしたアプリを作れるようにしています。たとえば、私たちのエージェントを使ってファイアウォールを管理している非常に大きな組織があります。エージェントはシャドウルールを精査し、コンプライアンスのギャップを探し、さらには利用者自身がファイアウォールのルール管理をセルフサービスでできるようにしているのです。
Anor： また、エンタイトルメント、つまり各従業員のアクセス権限を一つひとつ評価し、そのリスクを査定したうえで、その権限を維持すべきか剥奪すべきかを判断している組織もあります。私たちはあるフィンテック企業で本番稼働を開始したばかりで、いままさにそれを、600万件ものエンタイトルメントを管理しなければならない非常に大きな医療組織に向けてスケールさせているところです。さらに私たちは、ある国の初のソブリンクラウドを支えました。そのクラウドは現在、政府や企業の顧客に対して、人材不足に悩まされることなく、モデルをファインチューニングし、ディープリサーチシステムを構築し、エージェントによるオーケストレーションを容易に走らせる能力を提供しています。加えて、シャドウAI を発見し、すべての利用者だけでなく、Claude Code を実際に使っているすべての開発者にもガードレールを適用したいという組織もあります。そして、マージンが極めて薄く、IT とセキュリティのオペレーションを自律的に走らせる以外に選択肢のない飲食店もあります。私たちは、こうしたあらゆるアプリを支えるオペレーティングシステムを構築しているのです。
Anor： 私たちが築いているのは、エンタープライズ向けの自律実行システムです。今日のエンタープライズソフトウェアは、単に情報を提示するだけのものであってはならないと、私たちは考えています。判断し、推論し、行動できなければならない。それこそが Arrived プラットフォームなのです。最後に一つ。先ほど私は Husband 2.0 の話をしましたが、それで思い出しました。私たちは Builder 2.0 への旅の途上にあります。7年前、私たちが初めてスタートアップで出会ったときに作った NLP プロダクト、あれが Build 1.0 でした。同じ創業者、同じ創業時のマインドセット、ビルダーのマインドセットが、今日ふたたび一つになり、より大きく、より壮大なものを、大きなビジョンとともに築いているのです。これが Arrived です。ありがとうございました。
4. ファイナリスト①：Arrived — 審査員Q&A
4.1 ランド＆エクスパンド戦略と差別化
Ryan Green： それでは審査員の皆さん、Arrived への質問はありますか。John さん、口火を切っていただけますか。
John Berg： では喜んで。皆さんが狙っているユースケースは、エンタープライズ全体にまたがる非常に広範なものですよね。それ自体は重要なことだと思います。ですが、若い企業が大企業に入っていくとき、私が考えてしまうのは、たとえば Capital One ではサイバーのバイヤー、IT のバイヤー、ビジネスのバイヤーがそれぞれ別にいる、という点です。エンタープライズの中にどう入り込み、そこから拡大していくのか、その戦略をどう考えていますか。あるいは、こうした異なる ICP（理想的顧客像）をどう捉えていますか。
Anor： これは二つに分けてお答えします。私たちがこの旅を始めたとき、周りの誰もがポイント製品のソリューションを作るよう求めてきました。実際、私たちは過去の道のりで7つのポイント製品を作ってきたのです。ですから今回は、プラットフォーム戦略でいこうと決めました。それをチームに説明するために、私はとてもシンプルなたとえを使いました。ある問題を一つのおもちゃだと考えてみてください。そのおもちゃを小さなレゴのピースに分解するのです。つまり、その問題を、第一原理で解ける基盤的なブロックへと分解し、それらの小さなレゴのピースを組み立てて、まったく新しいおもちゃを作り出せるようなテクノロジーを構築する、ということです。だからこそ私たちは、ファイアウォールの管理も、エンタイトルメントも、シャドウAI も、セキュリティオペレーションも手がけられるのです。
Anor： そして、いただいた二つ目の質問、これは本当に良い質問です。私たちがどのアカウントに入っても、CIO や CISO が私たちのビジョンに着地した瞬間、つまり私たちのビジョンを理解した瞬間、彼らはたちまち非常にクリエイティブになります。「この問題も解けそうだ、あの問題も解けそうだ」と言い出し、最後は「では、君たちのテクノロジーが本当に動くことを証明してみせてくれ」となるのです。ですから素晴らしいのは、私たちが複数のチームと同時に始められる点です。IT チーム、セキュリティオペレーションチーム、といった具合にです。そして私たちは勝ちます。その利点は、いまや3つの異なるチームが私たちのプラットフォーム上にいるため、私たちが非常に粘着性の高い存在になることです。そして私たちのビジョンは彼らを AI エキスパートにすることですから、その組織内での粘着性はさらに増していくのです。
John Berg： その流れに沿ってお聞きします。見込み顧客にピッチをしていて、「では、より大規模なエンタープライズソリューション、たとえば Snowflake 経由で誰かのデータと統合できるようなものと比べて、カスタマイズされた実装で君たちが提供できるものをどう差別化するのか」と問われたとします。それはファイアウォールやエンタイトルメントのユースケース、つまり CISO や CIO が強く関心を持つ領域に寄っていくのか、それとも他の領域もあると感じていますか。
Anor： はい、それは本当に常に起こります。私たちが返す典型的な答えは、「私たちはエージェントネイティブな企業だ」というものです。私たちはこの旅を7年前、トランスフォーマー技術がまだ存在しなかった頃に、NLP のテックスタックを構築するところから始めました。ですから、私たちには独自に積み上げてきた基盤があるのです。世の中には、GPT やその他のモデルを使って要約系のテクノロジーを上塗りできるものがたくさんあります。私たちはそういうものではありません。私たちは基盤的なテクノロジーなのです。私たちは、組み立ててアプリを利用したり、アプリを生み出したりできるレゴブロック作成能力を、皆さんに提供します。私たちはそのように自社を位置づけています。
4.2 ビジネスモデルと Snowflake 活用・IP
John Berg： 皆さんはランド＆エクスパンドの戦略をとっていますよね。ビジネスモデルはそれをどう支えているのでしょうか。これは従量課金型の価格モデルなのか、どういう形になっているのですか。
Anor： 私たちは顧客に二つのビジネスモデルを提供しています。一つは、クラウドや Snowflake のテクノロジー、あるいは Gemini などと同じような、純粋な従量課金モデルです。しかし私は個人的に、顧客にこう伝えています。「従量課金モデルにはしないでください」と。固定のエンタープライズライセンスにすべきだ、と。これは私にとって、マージンを削るリスクを負うことになります。赤字になりかねないからです。それでもそう言うのには理由があります。固定価格にすれば、自分のコストが分かります。そして何より、トークンの消費によって創造性が制限されることがなくなるのです。私は顧客に、「ああ、トークンを左右に湯水のように使ってしまっている」と心臓発作を起こすような思いをして、創造性が止まってしまう、そんな事態にはなってほしくないのです。ですから私はスタートアップとしてそのリスクを引き受け、「食べ放題です、制限はありません」と言います。好きなだけクリエイティブになり、好きなだけチームを追加し、好きなだけ多くの用途を解決してください、固定価格で、と。ただし、組織の規模によって価格水準は決まります。
Benoit Dageville： AI とは別に、Snowflake のどの主要機能を活用していますか。そして、皆さんのテクノロジーにおける秘伝のソース、つまりこれは知的財産だと言える部分はどこにあるのでしょうか。
Anor： 私たちは、皆さんのファインチューニング機能を私たちのシステムに組み込んでいくロードマップを持っています。それが中核となる基本要素です。さて、ご質問はどこに私たちの強み（エッジ）があるか、ということですね。ご存じのとおり、世界はコンテキストグラフへと向かっています。それこそ私たちが力を注いでいるものです。私たちは初期バージョンを顧客に見せていて、彼らは非常に興奮して買いたがっているのですが、まだベータ段階なので売ろうとはしていません。それに非常に高価です。私は彼らに、これは非常に高価な製品（SKU）だと伝えていますが、信じられないほどの成果をお見せできるものです。また私たちは、ディープリサーチシステムを構築できる、ある種のテクノロジーも持っています。これはポイント＆クリックで使えます。LangGraph のような複雑なテクノロジーを使う必要はありません。私たちのシステムに入ってきて、「こういうスキルを持ち、こういうアクションが必要なエージェントが欲しい」と言えば、たちまちディープリサーチシステムが手に入るのです。さらに私たちのファインチューニングは、エージェントから学習して、モデルを丸ごとトレーニングすることさえできます。これは私たちが提供する非常にユニークなコンセプトです。
Ryan Green： ありがとうございました。サンフランシスコの皆さん、もう一度大きな拍手を。1社が終わり、残るは2社です。
5. ファイナリスト②：Legend — 紹介VTRとピッチ
5.1 紹介VTR、自作の詩とチーム紹介、製品ビジョン
Ryan Green： それでは先へ進みましょう。地球データのインテリジェンスは、この20年間、古典的なコンピュータビジョン、つまりマップタイル上のピクセルに依存してきました。その結果、画像は垂直にサイロ化されたレガシーシステムのなかに閉じ込められ、AI が解析しにくい状態に置かれてきました。Legend は、Clay と呼ばれるオープンソースかつモデル非依存の基盤モデルを提供することで、このプラットフォームをジオエンベディングへと転換させています。これにより、さまざまな種類の画像を自然言語で検索できるようになるのです。バークレーとフィラデルフィアにデュアル本社を構える、Legend の登場です。
Nat Manning（VTR）： 皆さんに Legend をご紹介させてください。これは私たちの序曲です。私たちは、測れないものは直せないと信じています。これほどの才能の密度が一か所に集まっているのを、私はかつて見たことがありません。それはきっと、優しさと激しさを併せ持つ人々と働きたいという、私たちに共通する性向のおかげなのでしょう。いまはビルダーであるには最高の時代です。過去のあらゆる発明が一つに結びつき、可能性に満ちたスリリングな瞬間を生み出しています。私たちがそのエネルギーを、運動的で影響力のあるものへと変えていく様を、どうかご覧ください。なぜなら、地球を空間と時間にわたって問い合わせられるということは、すべての生き物に影響を及ぼす気候危機を解決するうえで、欠かせないことだからです。そしてそれは、さまざまな感情を呼び起こします。その最たるものが、この才能と時間、不屈の精神を捧げてくれるチームへの感謝です。あの White House で、私は共同創業者の Bruno と Dan に出会いました。「できる」を初期設定とする人々と働けるのは、本当に素晴らしいことです。そして皆さんに知っておいてほしいのですが、私はこの詩を、Jeff が私たちのコードをレビューするのと同じやり方で書きました。つまり、この頌歌を書くのに、LLM は一切手を貸していないのです。私たちには、エンベディングの工場を指数関数的なペースで稼働させてくれる Nate のような優れた頭脳がいます。Sophie、Sam、そして Z が、誰にも真似できない速さでモデルをトレーニングしてくれるからこそ、いまや皆さんは地球に問いを投げかけられるのです。Sue は生涯を地理分析の政府部門で率いることに費やしてきました。Bruno、Matt、Constantine の AI 研究は、業界の触媒となる火花を生み出しました。Kevin はフライフィッシングをしていないときには、奇跡のようなコードを書いています。そして私たちは皆、NASA の帽子をかぶった Dan に刺激を受けています。私たちは地球を理解する AI を作り、世界にレジリエンスを埋め込みます。しかし本当に皆さんの度肝を抜くのは、私たちが地球を人工知能にとって理解可能なものにするときです。それこそが、単なる投資家への配当を超え、私たちが伝説（legends）としての地位を占める機会を与えてくれるのです。
Nat Manning： 皆さん、こんにちは。あの映像から、私がいかに言葉を愛しているかお分かりいただけたと思います。よく「一枚の絵は千の言葉に値する」と言いますよね。ですが、もしその絵が、その千の言葉をあなたに語ってくれるとしたらどうでしょう。もし AI が、人間と同じように地球の写真を見て、何が変わったのかを説明し、次に何が起こりうるかを予測できるとしたら。いまこの Moscone のステージでやっているように、です。それこそが Legend を生み出した問いでした。私は Legend の CEO、Nat Manning です。
Jeff Albrecht： そして私が、エンジニアリング責任者の Jeff Albrecht です。さて、皆さんは大規模言語モデル（LLM）をご存じでしょう。LLM は地球の分析を得意としていません。なぜでしょうか。それは、LLM が言語でトレーニングされているからです。その答えは言葉そのものの中にあります。Legend では、私たちがこの惑星について撮影してきた800ペタバイトの画像でトレーニングした、Large Earth Models（大規模地球モデル）を構築しています。
5.2 フルスタックという堀、解決する課題と TAM
Jeff Albrecht： Matt、君がいつも TED トークをやりたがっているのは知っていますが、ここはその場ではありません。ここは Snowflake で、聴いているのはエンジニアたちです。彼らの言葉で話させてください。私たちはモデルを作っただけではありません。スタック全体を作り上げました。モデル、インフラ、エージェント、そのすべてが、Snow Pipes、dynamic tables、Cortex search といったサービスにまたがる Snowflake への深い統合によって支えられています。そして私たちは、その上に画面でご覧いただいている Discover のようなアプリケーションも構築しました。このフルスタックのアプローチこそが、私たちの堀（モート）です。私たちは単なるラッパーではありません。全部を自分たちで作ったのです。たとえばここでは、Soma 地区がこの数年で何がどう変わったのかの分析をご覧いただけます。私たちは AI を使って地球を理解可能にし、それによって地球を AI にとって理解可能なものにしているのです。
Nat Manning： Jeff、技術が素晴らしいのは分かっているよ。でも、私たちが解決している問題そのものを話そう。地球観測データは、高価なことで有名で、使いにくいことで悪名高く、そしていま私たちが生きているこの AI 革命からほぼ完全に取り残されています。信じられないなら、お気に入りの LLM に聞いてみてください。「今年アマゾンのどこで森林破壊が起きたか」あるいは「テキサスのどこにデータセンターを建てるべきか」と。LLM は、人間が書いたレポートを引用して答えを返してくるでしょう。なぜなら、LLM は地球ではなく言語でトレーニングされているからです。しかし、これらすべての問いに答えるための一次ソースデータは、すでに存在しています。それは、毎日撮影され続けている数十億もの地球の衛星画像のなかにあるのです。私たちは、衛星画像には計り知れない潜在的価値があり、Legend がそれを解き放つと信じています。私たちは地理空間のコパイロットを構築し、地理空間データによって意思決定プロセスに情報を与える能力を、劇的に向上させているのです。
Nat Manning： Jeff、彼らはもう理解してくれているよ。このプロダクトがどれほど素晴らしいか分かってくれている。では TAM（獲得可能な市場規模）はどうでしょう。地理空間データを答えへと翻訳することに費やされている年間およそ600億ドルのうち、その3分の2は、データでもソフトウェアでもなく、人的サービスに流れています。その400億ドルこそが私たちのターゲット市場であり、今日それは14%の CAGR で成長しています。しかもこれは、ロボティクスやワールドモデル、エージェントによってこれから何が起こるかをまだ織り込んでさえいない数字なのです。
5.3 3つのユースケースと学んだ気づき
Nat Manning： では、3つの実際のユースケースをご紹介しましょう。なぜなら、そこにこそ私たちのビジョン、ビジネス、エンジニアリングのすべてが一つに結びつくからです。
Jeff Albrecht： そのとおりです。まず一つ目は、保険と気候リスクです。私たちはある大手のリスクモデリング企業と取り組んでいます。彼らは合衆国内のすべての山火事を調べ、どの物件が焼け、どの物件が焼けなかったのかを特定し、そしてその理由を答えたいと考えています。屋根の素材のせいだったのか、防火帯のおかげだったのか、と。Legend を使えば、彼らはまさにそうした問いを投げかけるだけで答えを得られ、最終的に人々を気候災害からよりよく守れるようになるのです。
Nat Manning： 二つ目はインテリジェンスです。私たちは、地理空間データの処理を担う合衆国政府の一部門と取り組み始めています。これらのアナリストはデータの洪水に溺れています。処理する時間に対して、画像があまりにも多すぎるのです。Legend を使えば、彼らはそのロングテールを問い合わせられるようになります。アナリストは「黄海や南シナ海の軍艦はどこにいるか」といった問いを投げかけることができ、Legend がその変化を検知し、見ているものを説明し、監視アラートや通知を伴った簡潔なレポートを書き上げるのです。三つ目です。あなたの旅行用 AI エージェントが、隣で工事中のホテルを除外してくれる様子を想像してみてください。これは最近、妻と私が子どもたちなしで初めて出かけた旅行のときに、実際に私の身に起きたことなのです。本当にがっかりさせられました。あるいは、あなたの AI 不動産エージェントが、あなたが歩ける散策路が近くにあって、家の前に歩道のある家だけを望んでいると理解してくれる様子を想像してみてください。そしてアナリストがアマゾンの森林破壊を追跡したいとき、彼らは二次的なレポートからではなく、お気に入りの AI ツールのなかで、一次ソースデータから直接作業することになるのです。
Nat Manning： だからこそ私たちは、そう遠くない未来において、私たちの最大のユーザー層は人間だけではなくなると信じています。それはエージェントであり、ロボットであり、その他の AI モデルになるでしょう。物理世界を理解したいと願うあらゆる AI が、私たちが構築しているものを必要とするからです。AI 革命はすでに、私たちがテキスト、動画、音声を理解する方法を一変させました。そして私たちは、次は地球データだと考えています。Legend のミッションは、LLM がテキストに対して成し遂げたのと同じように、この惑星を空間と時間にわたって問い合わせ可能にすることです。そして私たちが学んだのは、人々が求めているのは答えだということです。絵でも、データでも、ベクトルエンベディングでもなく、答えなのです。もし一枚の絵が千の言葉に値するなら、それらの答えの一つひとつは、数千ドルの価値を持つことになるでしょう。ありがとうございました。
6. ファイナリスト②：Legend — 審査員Q&A
6.1 初期トラクションと画像ソーシング、Tip and Cue 戦略
Ryan Green： さて審査員の皆さん、解きほぐすべきことがたくさんありますね。最も気になっている点は何でしょうか。
John Berg： 私から始めましょう。ミッションは文句なしに大好きです。皆さんは巨大な問題を解いていますし、ユースケースも素晴らしい。初期のトラクションはどのあたりに見えていますか。顧客がすでにいるのかは分かりませんが、フィードバックはどうですか。スケールさせられる、繰り返し可能なゴートゥーマーケットの動きはどこに見えていますか。
Nat Manning： 先ほどお見せしたようなユースケースですが、私たちはそれらを商用と政府の二つに分けています。NDA があるため具体的に話せないものもありますが、保険市場や資産モニタリングの分野に顧客がいます。一例として、合衆国中を走る鉄道があり、その資産を常時モニタリングしたいと考えています。さらに、初期段階ではありますが、金融サービスへとつながるインテリジェンス分野にも顧客がいます。そして政府分野です。これは分かりやすい話で、インテリジェンスは一般に地球観測データにとって最大の市場であり続けてきましたし、それは主として合衆国政府が相手になります。
John Herrick： 画像がどのように調達されているのか、その更新頻度、そして契約によってどの程度まで個別具体的になりうるのか、その点について少し時間を割いてお話しいただけますか。というのも、それは皆さんが構築しているものの長期的な存続可能性に影響を与える要素だと思うからです。
Nat Manning： 本当に良い質問です。よく言われる格言に、「速い、安い、良い、のうち二つしか選べない」というものがありますよね。画像の世界では、「最新性が高い、解像度が高い、無料、のうち二つしか選べない」となります。そして、これこそが私たちの堀の一つなのですが、Legend はあらゆる種類の画像で動作できるのです。これは本当に重要なことです。なぜなら世の中の他社は皆、自分たちの画像に対してのみ分析を売っており、しかもその画像が実際に撮影された時点のものだとは限らないからです。私たちは「Planet のこのソースを使いたいですか、それともこちらを使いますか、あるいは Sentinel 2 のような無料ソースでも構いませんか」と、賢く判断して提示できます。全世界を7日ごとに撮影する無料画像が存在しますが、それは解像度があまり高くありません。一方、高解像度のものは通常、年に一度程度しか撮影されません。それ以外のものが欲しければ、料金を払う必要があります。私たちはそうしたあらゆるパートナーと連携し、ご要望に応じて分析をお返しするのです。
Nat Manning： これを解決する方法の一つとして、私たちは「Tip and Cue」と呼ばれる戦略をとっています。これは地理空間業界で広く採用されている手法です。これはどういうことかというと、まず無料で利用できる画像から始めて、何を見ているのかの概観をつかみます。Large Earth Models から得られるエンベディングは、特にこの用途に優れています。そして、無料で、いわばどの領域が注目に値するかを特定したうえで、その地点を深掘りするために、より高解像度の商用衛星画像を発注（タスク）できるのです。良い例が、港湾周辺のインフラモニタリング、船舶の出入りなどです。たとえば無料解像度のデータから、ある週にホルムズ海峡で一定の活動があったことが見て取れたとします。そこで、その特定の画像を取得するために、ピンポイントで衛星撮影を発注しに行く、というわけです。
6.2 Clay と電磁スペクトル、運用課題への対応
Jeff Albrecht： Clay が電磁場の上でどう動くのかを、彼らに話したらどうだい。
Nat Manning： ええ。この仕組みはこうです。私たちが扱っているモデルの一つが Clay と呼ばれるもので、これは Large Earth Models のなかでも極めてユニークです。というのも、Clay は電磁スペクトルを実際に理解するからです。地球の周りを回っているこれらの衛星がやっているのは、太陽から波長を跳ね返して収集するか、あるいはアクティブセンサーとして自ら波長を発して跳ね返ってきたものを捉えるか、そのどちらかにすぎません。センサーが宇宙で捉えているものは、その波長が相互作用している地表の物質の物理と生物の関数なのです。多くの Large Earth Models は、Planet の画像や特定のセンサーに特化してトレーニングされています。しかし私たちが構築し維持しているモデルは、他のモデルにはないかたちで、電磁スペクトルにおける物理を実際に理解します。だからこそ、他の画像プロバイダにも転用できるのです。それが私たちの堀の大きな部分を占めています。
Jeff Albrecht： 私たちは、それができる唯一のモデルです。今日あらゆる画像で動作できる唯一のモデルなのです。
John Herrick： その点に関連してですが、たとえば異なる気象パターンや大気の状態が、モデルを歪めたりハルシネーションを起こさせたりする可能性があると想像します。
Nat Manning： 私たちは、たとえば雲を貫通できるレーダーセンサーを扱っています。ですから、災害後の対応のような現場に私たちのソリューションを運用展開する場合、たとえば先ほどの鉄道のユースケースで、ハリケーンが直撃した直後に線路の上に木が倒れていないかを知りたい、といったとき、私たちのモデルは雲を貫通するレーダーデータを理解できるのです。こうして異なるセンサーやモダリティをまたいで動作できることが、実際の現実世界にソリューションを展開するうえで、運用レベルでの柔軟性を私たちに与えてくれます。これは、地理空間という広い領域を見渡したときに、まさに物事が破綻しがちなポイントなのです。衛星画像を使って意思決定の問いに情報を与えられることを示す、見栄えのよい PowerPoint のデッキはいくらでも作れます。しかしそれらは、実運用でスケールさせて展開しようとしたときに、たいてい破綻します。私たちはマルチモダリティのアプローチによって、その問題を解決できるのです。私たちの秘伝のソースの一つは、投げかけられた問いに対して適切な画像ソースへとルーティングできる、自社開発のエージェントを社内に持っていることです。そのすべてが Cortex の上に構築されています。
Jeff Albrecht： Cortex の上に構築されています。
John Herrick： それはいいですね。
Jeff Albrecht： そうなんです。そして具体的に言えば、私たちは Cortex Search の「Bring Your Own Embedding（自前のエンベディングを持ち込む）」機能の、たしか最初のユーザーの一つでした。そのため Cortex チームやプロダクトマネージャーの方々と非常に緊密に協働してきましたし、それは私たちにとって素晴らしい経験となりました。
7. ファイナリスト③：Twine Security — 紹介VTRとピッチ
7.1 紹介VTR、犬の文化と10倍効率化のコンセプト
Ryan Green： さあ、最後のコンテスタントです。会場の皆さん、調子はいかがですか。サイバーセキュリティのチームと CISO たちは、絶え間なく拡大する攻撃対象領域、多すぎるツール、そして深刻なスキル人材の不足に圧倒されています。Twine security は、AI のデジタル従業員を構築することで、このリソース不足に立ち向かいます。その最初のプロダクトが Alex です。Alex はサイバーセキュリティにおける最大の攻撃対象領域である、アイデンティティとアクセス管理（IAM）のタスクを、端から端まで担います。将来のデジタル従業員は、SOC、脆弱性管理、アプリ、ネットワークセキュリティへと広がっていきます。イスラエルから、Twine Security の登場です。
Eyal Carmel（VTR、クラリティ共同創業者として）： 私は clarity の共同創業者として、この8年間、CISO たちに仕事を与えてきました。可視性を提供し、彼らがどこに注力すべきか優先順位をつけることでです。今日、私はその方程式をひっくり返したいのです。もう、見せるだけのツールはいりません。あるのは行動だけです。私の新しいベンチャーである Twine は、複雑なサイバータスクを A から Z まで実行する AI 従業員を構築しています。私たちは本当に未来をかたちにしています。タスクを引き受けられるデジタル従業員を築いているのです。人々はいつも「AI が仕事をするようになる」と言います。私たちはまさにその仕事をする AI を構築しているのです。だから本当にクールなんです。
Team member（VTR）： マルチエージェントシステムという最先端のテクノロジーに取り組むこと、これはまだかなりユニークなことです。とても新しい分野です。私たちの作業プロセスは、互いに非常に密接に協働するものになっています。私はサイロのなかで働いているとは決して感じません。チームの全員と本当に協働できていると感じられます。それは私にとって非常に重要なことですし、文化もそうです。私たちは友人同士になりました。世界でいままさに開発されているものを築いているのです。ベストプラクティスは存在しません。私たちが自分たちでそのプラクティスを作っているのです。あちらにはパフ（犬）の部屋もあります。ただ、犬を採用する際の基準は、人を採用する際の基準ほど高くはありませんが。
Eyal Carmel： では改めて、Twine Security をステージにお迎えください。こんにちは。ええ、まず最初に申し上げておくと、私たちが犬を採用する基準は人ほど高くありません。なぜなら、それは問題にならないからです。犬を撫でたり、犬と遊んだりしているとき、脳内のドーパミンのレベルが上がり、人はずっとリラックスして集中できるようになります。ですから、それは私たちにとって本当に重要なことなのです。Snowflake さん、お招きいただき本当にありがとうございます。私の名前は Eyal Carmel、Twine security の VP R&D です。本日は皆さんに Twine をご紹介します。Twine では、私たちはサイバーセキュリティチームのための AI デジタル従業員を構築しています。それが何を意味するかというと、私たちは彼らを支援し、力を与え、10倍効率的にするということです。
7.2 解決する課題とチケット解決ユースケース
Eyal Carmel： 皆さんがご覧になったように、これは私たちが働いているビルの隣で、真っ昼間に地べたに座っている私たちのチームです。基本的には、建設への大きな情熱を持った素晴らしい人たちの集まりです。そして最も重要なのは、私たちの人間対犬の比率が7対1くらいだということです。これは本当に重要で、私たちはその比率を保つようにしています。さて、それでは私たちが解決している問題に焦点を当てましょう。サイバーセキュリティチームに馴染みのない方のために説明すると、彼らは常に大量の情報に押し流されています。組織のセキュリティ上の問題やギャップを検知するツールを非常に多く抱えていますが、その環境はかなり旧式です。彼らの多くはいまだに Active Directory を使ってユーザーを管理しています。なかには、ユーザー管理のために複数の Active Directory を持っているところさえあります。本当に、ときに非常に煩雑なのです。ですから、自動化は基本的にそこではうまく機能しません。あちこちに散らばっているものを自動化するのは、本当に難しいのです。そして、これらの組織はそれぞれ独自のポリシーと、独自のカスタムプロセスを持って、セキュリティのギャップを解決し、組織が期待するだけの安全性を確保しようとしています。
Eyal Carmel： そこで私たちが Twine で行っているのは、エージェント型の AI を使い、こうした旧式のチームにエージェント AI を持ち込んで、仕事を端から端まで完遂する AI 従業員を構築することです。Twine では、私たちのアイデンティティ管理エキスパートである Alex から始めましたが、その一族全体を構築していくつもりです。そしてここで最も重要なのは、Snowflake がこれらのエージェントのバックボーンだということです。私たちは Snowflake を、これらのエージェントのためのガバナンスの効いたデータレイクとして使っています。組織のあらゆる情報がそこにあり、あらゆる知識がそこにあります。そして Alex が下すすべての判断、Alex が取るすべての行動は、Snowflake の情報、Snowflake のデータによって裏付けられているのです。つまりここでの発想は、Alex が常に証拠をもって行動でき、組織の全体像を理解している、ということです。
Eyal Carmel： 私たちがこれらの企業のために解決しているユースケースは非常に数多くあります。ユーザーアクセスレビューに始まり、過剰な権限付与、ポリシードリフトなどです。ただ、そのすべてを話す時間はありません。そこで、本当に興味深いユースケースを一つ、チケットの解決についてお話しします。サイバーセキュリティチームは組織全体に対してサービスを提供します。組織のあらゆる場所から、セキュリティ関連のリクエストがこのチームに送られてきて、彼らは常にチケットの洪水に押し流されています。ちょうど、いまここに表示されているようなものです。たとえばこの例を見てみましょう。私は次のようなリクエストのチケットを受け取ります。「経理部の Levi に、みんなと同じように Salesforce へのアクセス権を誰か与えてくれませんか」と。これを受け取った人間として、私はかなり困惑します。なぜなら、私はその Levi が誰なのか分からないからです。この組織には10万人もの従業員がいます。Levi という人物が複数いるかもしれませんし、その人が Salesforce にどんなアクセス権を必要としているのかも分かりません。経理部の標準的なルールはどうなっているのか。こういったことを解決するには、基本的に2日くらいかかります。なぜなら、確認のための質問をいくつかする必要があり、もっと回答を集める必要があり、過去のチケットを調べて、以前はどうやって対応していたのかを理解する必要があるかもしれず、もしかすると組織のポリシー文書を検索する必要もあるかもしれないからです。時間がかかるのです。
Eyal Carmel： そこで Twine で私たちが行っているのは、こうしたチケットが起票されると、それを直接 Snowflake へと流し込むことです。Snowflake の streams のなかへと入れていきます。そこで、Cortex エージェントとしての Alex が、これらのチケットを取り込みます。そして、アイデンティティの類似検索（identity similarity search）を使って Levi が誰なのかを特定し、チームの残りのメンバー、つまり経理チームを見て、彼らの Salesforce へのアクセス権がどうなっているかを把握し、Cortex search によるセマンティック検索を走らせて、過去に私たちがこうしたチケットをどう解決してきたかを理解したうえで、解決計画を組み立てます。その後、Alex はこの解決計画を私たちのシステムのなかで実行します。私たちのシステムは組織のすべてのアプリに接続されているため、この解決計画を端から端まで走らせることができるのです。その結果、その成果としてチケットは10倍速く解決されます。いえ、それよりさらに速いです。2日かかっていたものと比べれば、30分ほどです。ですから人々は、犬を撫でたり犬と遊んだりする時間がずっと増えるというわけです。どうもありがとうございました。
8. ファイナリスト③：Twine Security — 審査員Q&A
8.1 信頼の構築とサイバー以外への応用
John Berg： 私は信頼の側面について考えていました。フェラーリの鍵を渡してしまう、というのは懸念すべきことですよね。特に Capital One のような大きな企業にとってはそうです。皆さんはどのようにその信頼を築き、私たちのコンプライアンスチームが必要とする、どんな変更が加えられ、エージェントがどう動いているのかを理解するための、非常に厳格な監査情報を持てるようにしているのでしょうか。
Eyal Carmel： 素晴らしい質問です。これは最大の課題の一つであり、信頼の問題です。私たちはそれを、顧客との長期的な関係のなかで築いていきます。まず私たちは「コントロールメンブレン（制御の膜）」と呼ぶものを作り、Alex の周りをすべて包み込みます。これは決定論的なレイヤーのようなもので、Alex が行うすべてのアクションを承認する人間がループのなかに必ずいる、ということを保証します。これは時間をかけて信頼が築かれていくまで続きます。信頼が築かれれば、顧客は私たちに「この特定のアクション、たとえばユーザーをグループに追加するとか、ユーザーに何らかの権限を与えるといったことは、君に任せて構わない」と告げられるようになります。ですから、その粒度は本当にきめ細かいのです。私たちは、完全に自律的なアクションについては承認を得るようにしています。これには少し時間がかかりますが、時間をかければうまくいきます。そしてもちろん、Snowflake も助けになっています。すべてのデータが Snowflake のなかで安全に保たれていて、後ほどお話しできる Snowflake のガードレールがある、という発想です。これによって、顧客が私たちをはるかに強く信頼してくれるようになるのです。
John Berg： サイバー以外で、どんな応用が見えていますか。皆さんがこれで取り組めると考えている他の領域は構想していますか。
Eyal Carmel： ええ、ですが私たちはサイバーセキュリティに集中しています。なぜなら、これは私たちが熟知しているチームであり、私たちは長らく彼らの課題を解決してきたので、彼らのニーズが正確に何なのかを分かっているからです。とはいえ、私たちが構築しているシステムは、実際にはデータや高レベルの指標、ギャップを取り込んで、そのギャップを解消するための緩和策を走らせるのを助けるものです。ですから、おそらく他のさまざまな領域にも適用してみることはできるでしょう。しかし、私たちはサイバーセキュリティに集中しています。なぜならそこが、私たちが本当によく知っている領域だからです。
8.2 顧客とゴートゥーマーケット、技術的課題
John Herrick： 皆さんはいま、旅のどの段階にいるのでしょうか。顧客はいますか。そしてゴートゥーマーケット戦略はどのようなものですか。いまここ、北米へと拡大しているところですか。
Eyal Carmel： はい、私たちにはすでに複数の顧客がいます。すでに十数社ほどです。医療や製造の本当に大手企業ですね。そしていま、すでにいくつかの銀行とも取り組み始めています。発想としては、基本的にできるだけ多くの業種へと拡大していくことです。私たちのゴートゥーマーケット戦略は、現在は主に米国が中心ですが、EMEA の顧客、たとえばイスラエルにも顧客がいるので、それも助けになっています。そして、できるだけ多くのエンタープライズが課題を解決できるよう、可能な限り成長していくのが狙いです。
Benoit Dageville： 皆さんが抱えている最大の技術的課題は何でしょうか。一つ挙げるとすれば、そしてどの領域で Snowflake がもっと良くなるべきだと思うか、あるいはテクノロジーに何か限界を感じたことはありますか。先ほどの最初の質問は非常に良かったと思います。なぜなら、特にサイバーセキュリティにおいて行動を起こし始めると、それは怖いことに違いないからです。ただ、ユーザーがループのなかにいるというのは、それほど悪いことでもないと思います。調査自体はエージェントが行えるわけですから。ですから、それは大きな問題ではないのかもしれません。それでも、何か取り組んでいることや限界はありますか。
Eyal Carmel： はい、エンタープライズにとって本当に興味深い例を一つお話しできます。銀行は通常、自分たちの情報に対して非常に神経質です。ですから、すべてを自分たちのコントロール下に置きたがります。彼らは、すべてのデータが私たち（Twine）の Snowflake のなかにあるという事実をあまり好みません。彼らはその Snowflake をコントロールしたいのです。そこで私たちがそこで行っているのは、彼らに Snowflake アカウントの暗号鍵をコントロールする能力を与えることです。たとえば AWS の KMS を使うのです。そうすれば、彼らは必要とするだけのセキュリティとコントロールの感覚を得られます。基本的に彼らは「もう君を信頼しない。すべての鍵を失効させる。そうすれば君はもうデータを一切持っていないことになる」と言えるわけです。このために、私たちは Snowflake のそうした仕組みを使っていますし、必要な場合には、彼ら自身の環境のなかに私たちのシステムをデプロイすることもしています。
Benoit Dageville： それは（Snowflake の）ネイティブアプリなのですか。
Eyal Carmel： まだネイティブアプリではありませんが、それを実現することについても話し合っています。
Benoit Dageville： ええ、ぜひやるべきですよ。
9. 審査前の温度感チェックと Harsha インタビュー
9.1 審査員4名の温度感チェック
Ryan Green： 皆さん、写真撮影も終わりましたので、いよいよ一つのことを意味します。私たちは審議の時間に入ろうとしています。ですがその前に、まず温度感のチェックをして、順番に伺っていきましょう。Benoit さん、いま最も気にかかっていることは何でしょうか。
Benoit Dageville： いつもながら、難しいですね。地理空間の会社（Legend）は本当に気に入っています。地球を理解するというテーマは、これほど野心的なゴールであり、私は野心が好きなのです。ですが、セキュリティもまた非常に具体的で、しかも非常に重要な、解くべき問題です。ですから、本当に多くの要素があります。
Ryan Green： すべてはこのステージで決まります。本当の決定がこれから下されるのです。これは事前に決まっているわけではありません。Denise さん、いかがでしょうか。
Denise Pearson： ええ、Benoit が言ったとおり、私たちにとってここでの決定は難しいものになりそうです。慌てずにいきましょう。重ねて言いますが、3社はそれぞれ非常に異なる会社で、多くの情熱と、それぞれの分野における多くの経験を備えています。彼らは初めてのスタートアップ創業者ではありません。最初の挑戦では多くの失敗をするものですが、彼らは過去にそこから多くを学んできました。3社とも、この種の「実行の問題」に本当に集中しています。それが今年の新しい点だと思いますし、私たちが顧客から聞いていることでもあります。ですから、私たちにとってここでの議論はタフなものになりそうです。
Ryan Green： タフですね。昨年も同じような状況にいた気がします。
John Herrick： うらやましくはないですね。私が思うに、最終的にはスケールの問題に行き着くでしょう。それぞれのアイデアが、異なる領域で、あるいは彼らが選んだ垂直分野のなかで、どうスケールしていけるか、という点です。ですが、いずれも素晴らしい会社ですし、皆さんは誇りに思うべきです。
John Berg： このステージでは新顔なので、これらの会社を掘り下げる時間が30分ほどしかなかったのは、少し残念です。彼らがあまりにも興味深いので、一日中でも話していられそうでした。これほどの機会があるのですから。ゴートゥーマーケットは、それぞれ明らかに独自のやり方で非常に革新的ですが、ゴートゥーマーケットというのは攻略するのが本当に難しいものです。スケーラビリティや拡張を可能にするプロダクトマーケットフィットをどう見つけるか、そのあたりが気にかかっている点です。
9.2 参加企業の水準と昨年からの転換
Ryan Green： さて、審議の時間がやってまいりました。これは機密の会話ですので、舞台裏の技術スタッフはマイクをカットしてください。私はその間、客席に飛び込んで会場を盛り上げてきます。ここで、このショー全体を統括している人物にお話を伺うのも面白いかと思います。ベンチャー部門の責任者、Harsha さんです。私たちはたったいま3つの素晴らしいピッチを見たわけですが、今年のコンペティションについて、最も気にかかっていることは何でしょうか。
Harsha： 最も気にかかっているのは、このチャレンジに出てきた企業のレベルの高さですね。毎年私たちはここに立ってきましたが、たいていは誰がトップに上り詰めそうか、何となく予感を持っていたものです。ですが今年は、審査員が3社のうちどこを選ぶのか、文字どおり見当もつきません。衛星で地球を理解するというものから、エンタープライズのサイバーセキュリティをまたぐエージェント型のプラットフォームとワークフローまで。「復活」と言うべきかは分かりませんが、エージェントの世界において、これらはまさに真のエンタープライズの問題なのです。幅と規模がそこにありますし、これらの企業にはすでにトラクションもあります。これは非常にタフなコンペティションになると思います。
Harsha： もう一つ私にとって非常に興味深く、重要な気づきは、昨年からの転換です。昨年はまだ、本当に興味深い分析ソリューションを構築している企業が多くありました。それが今年は、Snowflake の上に乗る AI パワードのソリューションへと反転し、変貌を遂げているのです。私は Snowflake に9年いますが、その変革をスタートアップチャレンジを通じて、3社のファイナリストだけでなく、私が関わるトップ10を通じて体感できるのは、本当に驚くべきことです。彼らが真に AI ネイティブなテクノロジーを Snowflake の上で活用している様子を見られるのは、実に素晴らしいことです。
Ryan Green： このコンペティションの期間について触れてくださったのは嬉しいですね。私たちはこうしてフィナーレを見ているわけですが、皆さんのチームはこの10か月近くにわたって、すべてのコンテスタントと一緒に取り組んでこられました。今日のファイナリストを選ぶまで、そのプロセスはどのようなものでしたか。
Harsha： 私にとっては、今年は少し楽なプロセスでした。私たちはスタートアップチャレンジのプログラムと Snowflake Ventures を一つの傘の下に統合したのです。ですから正直なところ、私自身はそれほど深く関わっていません。私はむしろトップ10により深く関わるようになりました。今年は、見た瞬間に「なんてことだ、この10社はどれも素晴らしい」と思いました。AI の統合と Snowflake 上での活用のレベルが、実に強力だったのです。とはいえ、私たち自身のメンターシップやコーチングのスケールを通じて、これらの企業と関わり、チームと一緒にレビューを行ってきたプロセス全体は、信じがたいほど素晴らしいものでした。
9.3 創業者への助言とプログラムの今後es とプログラムの今後、データ＆AIプラットフォーム・真のAIコントロールプレーンへの変革
Ryan Green： これは次の質問にぴったりつながります。Harsha さんは日々、創業者やビジョナリーと時間を過ごす機会がありますよね。今後数年のうちにこのステージに立ちたいと願っている会場の皆さんに、どんなアドバイスを贈りますか。重要な気づきやアドバイスがあれば、ぜひ。
Harsha： 私が顧客にいつも贈るのと同じアドバイスを贈ります。それは「顧客、顧客、顧客」です。顧客への執拗なまでの集中こそ、すべての創業者が最優先に心に留めておくべきことです。いまの AI の進化、AI の新しい世界には、一つの罠があると思います。それは「AI を使えばあらゆる素晴らしいことを解決できる」というものです。ですが、できるからといってそれをやってはいけません。クールだからという理由だけでやってはいけないのです。私は多くの創業者と話してきましたが、「20人のエンジニアがやれることを自分一人でできるんです」と言う人がたくさんいます。そこで「では何を作るべきだと思いますか」と尋ねると、「まったく見当もつきません」と返ってくるのです。私たちが必要としているのは、そのドメインの専門知識を持った創業者です。もし自分にそれがないなら、それを持っている人を見つけてパートナーになってください。そして毎日顧客と話し、顧客への執拗な集中を保ち、持続力のある問題を解決していることを確かめてください。いま VC が問うている最大の問いは、「これはスケールするのか」「これはコーディングエージェントによって破壊されてしまうのではないか」というものです。だからこそ、データの堀、ドメインの堀を持たなければなりません。そしてそれを意識して顧客と関わっていれば、答えはかなり明快になるはずです。
Ryan Green： Snowflake Ventures とスタートアッププログラムにとって、次は何が待っているのでしょうか。
Harsha： 先ほど少し触れたように、私たちはこれらのチームを一つにまとめつつあります。これまでは、ある程度独立しつつも、皆で協働していました。いまは一つの傘の下に入りましたので、チーム全体で共有する強い目標があります。それは、どうすればこれらのスタートアップにもっと価値を届けられるか、ということです。チャレンジに参加してくるスタートアップ、私たちのプログラムにいるスタートアップ、ベンチャー投資、これらの企業はすべて私たちにとってのパイプラインです。どうすれば彼らにさらに多くの価値、コーチング、メンターシップを提供できるか。私たちのより広いチームを、これら初期段階の企業のためのゴートゥーマーケットのエンジンへと変えていく、ということです。先ほど John もゴートゥーマーケットが鍵だと言っていました。私たちには巨大な顧客チャネルがあります。どうすればこれらの若い企業が、それをもう少し早く解き放てるよう手助けできるか。それが私たちにとって最優先の事項です。クレジットやメンターシップ、リソースといったものになるでしょうが、それらをすべて一つにまとめ、場合によってはこれらの企業のいくつかへのより大きな投資へと発展させていきます。それをどうスケールさせ始めるか、それが次のステップになると思います。
Ryan Green： 審議を待つあいだに、何か最後の所感はありますか。
Harsha： 正直、あなたと私はここで少し時間をつぶそうとしていますよね。これは決して簡単なことではないのですから。重要な気づきとして、ここに集まった企業の水準の高さに私は本当に興奮しています。これは、私たちが Snowflake プラットフォームで成し遂げてきたことの証だと思います。「私たち」というのは Benoit やチーム全体のことです。私もかつて Snowflake のプロダクトマネージャーだったので、何年も前にほんの少しだけ手を貸したことがあります。データウェアハウスからデータプラットフォームへ、そしてデータと AI のプラットフォームへ、さらには Sridhar が語っている真の AI コントロールプレーンへと至るあの変革こそ、私にとってここで最もわくわくさせられるものです。企業は Snowflake とともにその限界を押し広げていくべきだと思いますし、それこそが私たちの注目を引くものなのです。
10. 結果発表とクロージング
10.1 優勝者 Legend の発表と受賞理由、次回予告
Ryan Green： さて、私たちはステージへと向かっています。審議は終わりました。アイコンタクトが取れています。これは大きな瞬間です。まずは、ここにお越しいただいた皆さん全員に大きな感謝を。Moscone の皆さん、もう一度盛り上がってください。さあ、大きな発表に入る前に、審査員がこの重要な決定を下すにあたって何を見ていたのか、もう一度おさらいしておくのが良いかと思います。覚えておいてください。全体的な事業ポテンシャルと市場機会、革新性と彼らが築いたものの独自性、Snowflake の AI データクラウドプラットフォームをどう活用しているか、そしてチーム全体です。Benoit さん、ここで少しリビールをしていきましょう。私が下りていきますので、特定の一社を選んでいただけますか。
Benoit Dageville： 言わなければいけませんね。
Ryan Green： いえいえ、選ぶのは Benoit さんで、明かすのは私です。
Benoit Dageville： シャッフルを。
Ryan Green： 決まりました。サンフランシスコの皆さん、Legend に大きな拍手を。皆さん、どうぞステージへお上がりください。Benoit さん、Snowflake のクマのぬいぐるみと大きなトロフィーがあります。皆さん、ステージへどうぞ。
Ryan Green： Benoit さん、Denise さん、ここ Legend の優勝者たちへ、トロフィーを授与していただけますか。
Benoit Dageville： おめでとうございます。
Ryan Green： 真ん中に入ってください、皆さん。何枚か大きな写真を撮りましょう。さて Denise さん、Benoit さん、お話を進める前に、少しだけお考えを伺わせてください。なぜ Legend に決めたのでしょうか。Benoit さんから始めましょうか。
Benoit Dageville： 多くの側面があったと思いますが、私が最も気に入ったのは、革新性とその野心です。地球全体を理解する、というのは非常に大きなテーマですよね。私はそのスライスも気に入りましたし、何よりその野心と革新性です。
Ryan Green： Denise さん、あなたの立場からはいかがでしょうか。
Denise Pearson： ええ、改めてここにいるファイナリストの皆さん全員におめでとうと言いたいです。そして最終的には、この会社のミッション、つまり地球と人類のために解決しうる、本当に重要な問題へと立ち返りました。それが理由です。
Ryan Green： 私たち全員にとって素晴らしいことですね。おめでとうございます。そして、2026年の Snowflake Startup Challenge グランドフィナーレにご参加いただいた皆さん、本当にありがとうございました。また来年お会いしましょう。さあ、建設を始めてください。2027年のチャレンジは、この秋に New York Stock Exchange で正式にキックオフします。ですが、それだけではありません。最新情報については、ぜひ Silicon Valley AI Hub をチェックしてください。皆さん、改めてありがとうございました。