스노우플레이크 서밋 26 핵심 정리: 에이전틱 AI와 기업 데이터가 만나면 ‘진짜 경쟁력’이 된다
이번 스노우플레이크 서밋 26에서 가장 중요한 메시지는 단순했습니다.
AI 모델 자체는 더 이상 기업의 해자가 될 수 없고, 회사만 가진 고유 데이터와 에이전틱 AI를 어떻게 연결하느냐가 앞으로의 승부처라는 겁니다.
특히 이번 발표는 단순한 신제품 소개가 아니라, 데이터 분석 플랫폼이 AI가 직접 생각하고 기억하고 행동하는 기업 운영 플랫폼으로 바뀌고 있다는 선언에 가깝습니다.
삼성전자, 뉴욕증권거래소를 운영하는 ICE, 사노피, 톰슨 로이터, 언더아머, 버셀 같은 기업 사례를 보면 이 변화가 이미 현장에서 시작됐다는 점이 더 중요합니다.
앞으로 글로벌 경제전망에서 기업 생산성, AI 인프라, 데이터 거버넌스, 디지털 전환, 클라우드 데이터 플랫폼이 핵심 키워드로 더 자주 등장할 가능성이 큽니다.
1. 이번 발표의 핵심 뉴스: “AI 모델이 아니라 데이터가 해자다”
스노우플레이크 CEO 슈리다 라마스와미는 이번 서밋에서 매우 중요한 말을 했습니다.
“AI 모델은 경쟁력이 될 수 없습니다.”
이유는 간단합니다.
경쟁사도 같은 모델을 쓸 수 있기 때문입니다.
GPT, Claude, Gemini, Llama 같은 대형 AI 모델은 점점 더 강력해지고 있지만, 동시에 누구나 접근 가능한 도구가 되고 있습니다.
즉, 모델 성능만으로는 기업 간 차별화가 어려워지고 있습니다.
반대로 각 기업이 수년, 수십 년간 축적한 고객 데이터, 거래 데이터, 생산 데이터, 영업 데이터, 업무 기록, 시장 반응 데이터는 외부에서 쉽게 복제할 수 없습니다.
라마스와미 CEO가 강조한 진짜 해자는 바로 이 지점입니다.
AI 모델이 모두에게 열린 도구라면, 회사 고유의 데이터는 오직 그 회사만 가진 자산입니다.
그리고 에이전틱 AI는 이 데이터를 분석하는 수준을 넘어 실제 업무 행동으로 연결하는 역할을 합니다.
2. 기존 데이터 분석이 현장에서 잘 안 먹혔던 이유
기업들은 오래전부터 데이터 기반 의사결정을 외쳐왔습니다.
하지만 현장에서는 여전히 데이터가 충분히 활용되지 못했습니다.
이번 스노우플레이크 서밋 26은 이 문제를 정확히 짚었습니다.
2-1. 데이터는 항상 한 박자 늦었다
기업 데이터는 대부분 과거의 기록입니다.
이 데이터를 모으고, 정제하고, 분석하고, 리포트로 만들면 이미 시장 상황이 바뀌어 있는 경우가 많았습니다.
특히 금융시장, 소비재, 반도체, 헬스케어처럼 변화 속도가 빠른 산업에서는 이 ‘시간차’가 큰 손실로 이어질 수 있습니다.
데이터는 많은데 의사결정은 늦어지는 구조였던 겁니다.
2-2. 데이터는 전문가만 쓸 수 있었다
현업 직원이 데이터를 보려면 보통 데이터 분석팀이나 IT팀을 거쳐야 했습니다.
SQL, 파이썬, 데이터 파이프라인, 권한 설정 같은 기술 장벽이 있었기 때문입니다.
영업 담당자, 마케터, 임원, 운영 담당자는 질문은 많지만 직접 데이터를 꺼내 분석하기는 어려웠습니다.
결국 데이터팀에 요청이 쌓이고, 데이터팀은 병목이 되고, 현업은 기다리는 구조가 반복됐습니다.
2-3. 데이터가 너무 많이 흩어져 있었다
기업 데이터는 한곳에 있지 않습니다.
일부는 클라우드에 있고, 일부는 내부 서버에 있고, 일부는 CRM, ERP, 이메일, 슬랙, 지라, 세일즈포스, SAP, 워크데이 같은 업무용 애플리케이션 안에 있습니다.
심지어 직원 개인 PC나 부서별 문서함에 남아 있는 데이터도 있습니다.
문제는 일반 직원들이 데이터가 어디에 있는지조차 모르는 경우가 많다는 점입니다.
데이터가 많아질수록 오히려 찾기 어려워지는 역설이 생겼습니다.
2-4. 인사이트가 실제 행동으로 이어지지 않았다
대시보드는 예쁘게 만들어졌지만, 대시보드가 직접 고객에게 메일을 보내주지는 않습니다.
리포트는 문제를 보여주지만, 누가 어떤 조치를 해야 하는지는 다시 사람이 판단해야 했습니다.
데이터 분석과 실제 실행 사이에 큰 간극이 있었던 겁니다.
에이전틱 AI가 주목받는 이유는 바로 이 간극을 줄이기 때문입니다.
3. 에이전틱 엔터프라이즈를 만드는 4대 요소
스노우플레이크는 이번 행사에서 에이전틱 AI를 제대로 활용하는 기업, 즉 에이전틱 엔터프라이즈가 되기 위한 4가지 구성 요소를 제시했습니다.
3-1. 첫 번째 요소: 회사 고유의 데이터
가장 중요한 출발점은 데이터입니다.
인터넷에 공개된 일반 데이터가 아니라, 기업 내부에서 축적된 고유 데이터가 핵심입니다.
고객 구매 이력, 상담 기록, 영업 미팅 메모, 생산 품질 데이터, 재고 흐름, 가격 변동, 계약 조건, 프로젝트 진행 상황 같은 데이터가 모두 해당됩니다.
이 데이터는 경쟁사가 쉽게 얻을 수 없습니다.
따라서 AI 시대의 기업 경쟁력은 얼마나 좋은 모델을 쓰느냐보다, 얼마나 좋은 내부 데이터를 안전하게 연결하느냐에 달려 있습니다.
3-2. 두 번째 요소: AI 모델
AI 모델은 데이터를 다루는 도구입니다.
다만 과거처럼 모델 자체가 압도적인 차별점이 되기는 어렵습니다.
모델은 점점 범용화되고 있고, 기업들은 여러 모델을 상황에 따라 선택해 쓰는 방향으로 이동하고 있습니다.
결국 중요한 것은 모델을 어떤 데이터에 연결하고, 어떤 업무 흐름 안에서 작동시키느냐입니다.
이 관점은 AI 인프라 투자 방향에도 영향을 줍니다.
단순히 모델을 도입하는 것을 넘어, 기업 내부 데이터와 연결되는 구조를 만드는 투자가 더 중요해질 가능성이 큽니다.
3-3. 세 번째 요소: 업무용 애플리케이션
기업은 이미 수많은 업무용 앱을 사용하고 있습니다.
이메일, 아웃룩, 슬랙, 지라, SAP, 세일즈포스, 서비스나우, 워크데이 같은 도구가 대표적입니다.
이 앱들은 단순한 업무 도구가 아닙니다.
실시간 업무 데이터가 쌓이는 장소이자, AI가 행동을 실행할 수 있는 통로입니다.
예를 들어 AI가 분석 결과를 바탕으로 슬랙에 업무 지시를 보내고, 지라에 티켓을 만들고, 이메일 초안을 작성하고, CRM 고객 정보를 업데이트할 수 있습니다.
데이터 수집 창구이면서 동시에 실행 창구가 되는 겁니다.
3-4. 네 번째 요소: 에이전틱 AI
마지막 요소가 에이전틱 AI입니다.
에이전틱 AI는 단순 챗봇과 다릅니다.
사용자의 질문에 답하는 수준을 넘어, 목표를 이해하고, 필요한 데이터를 찾고, 분석하고, 행동까지 수행합니다.
라마스와미 CEO는 이를 에이전틱 관제탑에 가깝게 설명했습니다.
여러 AI 에이전트를 조율하고, 각 에이전트가 정해진 권한과 데이터 거버넌스 안에서 안전하게 움직이도록 관리하는 역할입니다.
4. 스노우플레이크의 핵심 신제품: 코워크와 코코
이번 서밋에서 가장 주목받은 제품은 스노우플레이크 코워크와 스노우플레이크 코코입니다.
두 제품은 에이전틱 AI와 기업 데이터를 실제 업무에 연결하기 위한 핵심 도구로 소개됐습니다.
4-1. 스노우플레이크 코워크: 일반 직원도 쓰는 퍼스널 워크 에이전트
스노우플레이크 코워크는 SQL이나 코드 없이 자연어로 질문하면 AI 에이전트가 데이터를 찾아 분석하고, 필요한 행동까지 제안하는 도구입니다.
가장 큰 특징은 데이터 전문가가 아닌 일반 직원도 쓸 수 있다는 점입니다.
영업 담당자는 고객 미팅 전 필요한 정보를 받을 수 있습니다.
마케터는 캠페인 성과와 고객 반응을 바로 분석할 수 있습니다.
임원은 사업부별 실적과 리스크를 실시간으로 확인할 수 있습니다.
코워크는 사용자의 업무 패턴과 선호도를 기억하고, 여러 데이터 소스를 넘나들며 딥리서치를 수행합니다.
예를 들어 사용자가 미팅 전 항상 경쟁사 동향을 확인한다면, AI는 이를 기억하고 다음 미팅 전에 관련 자료를 자동으로 준비할 수 있습니다.
4-2. 스노우플레이크 코코: 개발자와 분석가를 위한 AI 데이터 작업 도구
스노우플레이크 코코는 개발자와 데이터 분석가가 AI와 함께 스킬을 만들고, 데이터 파이프라인을 짜고, 앱을 배포할 수 있게 돕는 도구입니다.
쉽게 말해 데이터 작업용 AI 코딩 파트너에 가깝습니다.
클로드 코드나 코덱스가 개발자를 돕는 것처럼, 코코는 스노우플레이크 환경 안에서 데이터 엔지니어링과 분석 작업 속도를 높입니다.
행사에서는 6개월 걸리던 데이터베이스 마이그레이션 작업을 코코를 활용해 하루 만에 끝낸 사례도 소개됐습니다.
이 부분은 기업 생산성 관점에서 상당히 큽니다.
데이터 이전, 정리, 파이프라인 구축처럼 시간이 많이 걸리던 작업이 줄어들면 기업의 디지털 전환 속도 자체가 빨라질 수 있기 때문입니다.
5. 삼성전자 사례: 수 시간 걸리던 분석을 몇 초로 줄이다
삼성전자는 이미 약 1천 명의 임원, 영업, 마케팅 인력이 스노우플레이크 코워크를 활용하고 있다고 소개됐습니다.
핵심은 데이터팀을 거치지 않고도 현업 리더가 직접 질문하고 답을 얻을 수 있다는 점입니다.
자연어로 질문하면 AI 에이전트가 여러 데이터 사일로를 넘나들며 필요한 데이터를 수집하고 분석합니다.
그리고 사용자의 권한 안에서만 데이터를 조회합니다.
삼성전자 MX사업부 서정아 부사장은 “데이터팀이 병목이었던 시대에서 모든 리더가 분석가가 되는 시대로 전환했다”는 취지로 설명했습니다.
특히 갤럭시 S26 출시 성과를 추적하는 과정에서 몇 시간 걸리던 분석이 몇 초 수준으로 줄었다는 사례가 공유됐습니다.
이 사례의 의미는 단순한 업무 자동화가 아닙니다.
대기업처럼 조직이 크고 데이터가 복잡한 곳에서도 AI 에이전트가 실제 의사결정 속도를 바꾸고 있다는 신호입니다.
6. ICE와 뉴욕증권거래소 사례: 12페타바이트 데이터를 모든 직원이 활용하다
뉴욕증권거래소를 운영하는 인터컨티넨탈 익스체인지, 즉 ICE 사례도 매우 중요합니다.
ICE는 전 세계 13개 거래소와 6개 청산소를 운영하고 있습니다.
뉴욕증권거래소 상장 기업들의 시가총액은 약 40조 달러 규모로 언급됐습니다.
매일 200만 개 상장 증권과 계약에 대해 1천만 건 수준의 거래가 발생합니다.
데이터 규모도 압도적입니다.
12페타바이트의 데이터가 3개 클라우드, 21개 리전에 분산되어 있고, 매달 2억 건 이상의 쿼리로 20페타바이트가 스캔된다고 합니다.
이 정도 규모에서는 단순히 데이터를 모으는 것보다 보안, 권한, 규제 준수, 데이터 거버넌스가 훨씬 중요합니다.
ICE는 스노우플레이크 코코를 활용해 흩어진 데이터를 하나의 거버넌스 환경에서 다루고, 보안 규칙을 지키면서 빠르게 분석할 수 있게 됐다고 설명했습니다.
과거에는 직원들이 최신 데이터를 얻기 위해 여러 도구를 확인하고 데이터팀에 요청해야 했습니다.
이제는 직접 앱이나 화면을 만들어 필요한 데이터를 실시간으로 탐색할 수 있게 된 겁니다.
금융시장처럼 민감한 데이터를 다루는 산업에서 이런 변화가 가능하다는 점은 다른 산업에도 큰 신호가 됩니다.
7. 사노피 사례: 고객 미팅 전에 AI가 컨시어지처럼 보고서를 만든다
제약회사 사노피 사례는 에이전틱 AI가 현장 업무를 어떻게 바꾸는지 보여주는 흥미로운 장면이었습니다.
사노피의 최고 디지털 책임자는 특정 소화기내과 의사를 만나러 가기 전 AI 컨시어지에게 전화를 걸어 사전 미팅 보고서를 요청했습니다.
AI는 해당 의사의 전문 분야, 최근 관심 연구 분야, 논의하면 좋은 주제, 아이스브레이킹 소재까지 추천했습니다.
질문과 답변이 끝난 뒤에는 대화 내용을 바탕으로 보고서를 만들어 이메일로 보내겠다고 했습니다.
이 장면이 중요한 이유는 AI가 단순히 내부 문서를 검색한 것이 아니라, 고객 접점에서 바로 활용 가능한 행동 정보를 제공했다는 점입니다.
특히 헬스케어, 제약, 금융, B2B 영업처럼 고객 이해도가 중요한 산업에서는 이런 방식의 AI 활용이 빠르게 확산될 수 있습니다.
8. 그 외 기업 사례: 데이터가 곧 경쟁력이 되는 산업별 변화
이번 행사에는 삼성전자, ICE, 사노피 외에도 다양한 기업들이 등장했습니다.
캔바, 네슬레, 액센츄어, 톰슨 로이터, 언더아머, 독일 여행사 TUI, 의료기기 기업 메드트로닉, AI 개발 플랫폼 기업 버셀 등이 사례를 공유했습니다.
공통점은 하나입니다.
각 기업이 가진 고유 데이터를 에이전틱 AI와 연결해 업무 속도와 의사결정 품질을 높이고 있다는 점입니다.
톰슨 로이터처럼 전문 정보가 중요한 기업은 지식 데이터가 핵심 자산이 됩니다.
언더아머 같은 소비재 기업은 고객 반응과 제품 판매 데이터가 중요합니다.
버셀 같은 AI 개발 플랫폼 기업은 개발자 경험과 배포 데이터가 경쟁력이 됩니다.
즉, 산업마다 데이터의 종류는 다르지만, 에이전틱 AI가 그 데이터를 업무 행동으로 바꾼다는 방향은 같습니다.
9. 다른 뉴스에서 놓치기 쉬운 가장 중요한 포인트
이번 발표에서 진짜 중요한 건 “AI가 데이터를 분석한다”가 아닙니다.
진짜 핵심은 “AI가 권한을 가진 직원처럼 조직 안에서 일하기 시작했다”는 점입니다.
9-1. AI 에이전트의 경쟁력은 모델 성능보다 권한 설계에서 나온다
기업이 AI를 쉽게 도입하지 못한 가장 큰 이유는 보안과 신뢰 문제였습니다.
AI가 아무 데이터나 열람하면 고객 정보, 연봉 정보, 계약 정보, 미공개 실적 같은 민감 데이터가 노출될 수 있습니다.
스노우플레이크 코워크의 중요한 설계는 AI 에이전트가 사용자의 권한과 동일한 수준의 데이터 접근 권한을 가진다는 점입니다.
CFO가 볼 수 있는 데이터는 CFO의 AI 에이전트도 볼 수 있습니다.
마케터가 볼 수 있는 고객 구매 패턴 데이터는 마케터의 AI 에이전트도 볼 수 있습니다.
반대로 권한이 없는 데이터에는 접근하지 못합니다.
이 구조가 없으면 기업 AI는 실험 단계에서 멈출 가능성이 큽니다.
9-2. 기업의 업무 앱은 앞으로 AI의 손과 발이 된다
많은 사람들이 AI를 챗봇 화면 안에서만 생각합니다.
하지만 기업에서 진짜 중요한 것은 AI가 어디에서 행동하느냐입니다.
슬랙, 지라, 세일즈포스, SAP, 아웃룩 같은 업무 앱은 앞으로 AI 에이전트의 실행 채널이 됩니다.
AI가 분석한 뒤 슬랙에 알림을 보내고, 지라 티켓을 생성하고, 고객 이메일을 작성하고, CRM을 업데이트하는 식입니다.
이 변화는 단순 업무 자동화를 넘어 조직 운영 방식 자체를 바꿀 수 있습니다.
9-3. 데이터팀의 역할은 사라지는 게 아니라 더 고도화된다
코워크와 코코가 확산되면 일반 직원도 직접 데이터를 분석할 수 있습니다.
그렇다고 데이터팀이 사라지는 것은 아닙니다.
오히려 데이터팀은 더 중요한 역할을 맡게 됩니다.
데이터 품질 관리, 권한 정책 설계, AI 에이전트 운영 기준, 데이터 거버넌스 체계 구축이 핵심 업무가 됩니다.
즉, 데이터팀은 리포트 제작 부서에서 AI 데이터 운영의 컨트롤타워로 바뀌게 됩니다.
9-4. 에이전틱 AI는 기업 생산성 지표를 직접 바꿀 수 있다
AI 트렌드에서 가장 중요한 질문은 “그래서 돈이 되느냐”입니다.
이번 사례들은 에이전틱 AI가 비용 절감과 매출 확대 양쪽에 영향을 줄 수 있음을 보여줍니다.
분석 시간이 몇 시간에서 몇 초로 줄면 의사결정 속도가 빨라집니다.
6개월 걸리던 마이그레이션이 하루로 줄면 IT 비용과 기회비용이 줄어듭니다.
고객 미팅 전에 맞춤형 보고서를 받으면 계약 확장 가능성을 높일 수 있습니다.
결국 에이전틱 AI는 단순 기술 유행이 아니라 기업 생산성과 수익성에 직접 연결되는 투자 영역이 되고 있습니다.
10. 경제 관점에서 봐야 할 변화: AI 투자의 중심이 모델에서 데이터로 이동한다
최근 몇 년간 AI 투자의 중심은 대형 모델과 GPU 인프라였습니다.
하지만 앞으로는 기업 내부 데이터를 어떻게 정리하고, 연결하고, 보호하고, AI 에이전트가 활용하게 만들 것인지가 더 중요해질 수 있습니다.
이는 클라우드 데이터 플랫폼, 데이터 보안, AI 거버넌스, 업무 자동화 소프트웨어 시장에 긍정적인 영향을 줄 가능성이 있습니다.
글로벌 경제전망 관점에서도 이 흐름은 의미가 큽니다.
고금리 환경과 비용 압박이 이어지는 상황에서 기업들은 단순한 AI 실험보다 실제 생산성을 높이는 AI 도입을 선호하게 됩니다.
스노우플레이크가 강조한 에이전틱 AI와 데이터 결합은 바로 이 수요에 맞닿아 있습니다.
기업 입장에서는 새로운 인력을 대규모로 늘리지 않고도 기존 직원의 분석 능력과 실행 속도를 높일 수 있습니다.
이것이 향후 AI 투자 사이클에서 중요한 차별점이 될 수 있습니다.
11. 앞으로 기업들이 준비해야 할 체크리스트
스노우플레이크 서밋 26이 던진 메시지는 명확합니다.
AI 에이전트를 쓰고 싶다면 먼저 데이터 준비가 되어 있어야 합니다.
-
회사 내부 데이터가 어디에 있는지 파악해야 합니다.
-
부서별로 흩어진 데이터 사일로를 연결할 방법을 마련해야 합니다.
-
직원별, 직무별 데이터 접근 권한을 명확히 설계해야 합니다.
-
AI 에이전트가 어떤 업무 앱에서 행동할 수 있는지 기준을 정해야 합니다.
-
민감 데이터와 고객 정보 보호를 위한 데이터 거버넌스 체계를 만들어야 합니다.
-
단순 챗봇 도입이 아니라 실제 업무 프로세스 개선을 목표로 해야 합니다.
결국 에이전틱 AI 도입의 성패는 기술보다 운영 설계에 달려 있습니다.
AI를 잘 쓰는 기업은 모델을 많이 쓰는 기업이 아니라, 데이터와 업무 흐름을 잘 정리한 기업이 될 가능성이 큽니다.
12. 결론: AI 시대의 기업 경쟁력은 ‘내부 데이터 × 실행력’이다
스노우플레이크 서밋 26은 AI 시장의 무게중심이 바뀌고 있음을 보여줬습니다.
이제 기업들은 “어떤 AI 모델을 쓸까”보다 “우리 회사 데이터로 AI가 무엇을 하게 만들까”를 고민해야 합니다.
AI 모델은 점점 범용화되고 있습니다.
하지만 기업 고유의 데이터, 업무 프로세스, 고객 관계, 권한 체계는 쉽게 복제되지 않습니다.
에이전틱 AI는 이 고유 자산을 실제 행동으로 바꾸는 도구입니다.
삼성전자의 분석 시간 단축, ICE의 초대형 금융 데이터 활용, 사노피의 AI 컨시어지 사례는 모두 같은 방향을 가리킵니다.
앞으로 AI 경쟁력은 모델 사용 능력이 아니라, 데이터를 얼마나 안전하고 빠르게 실행으로 연결하느냐에서 갈릴 가능성이 큽니다.
< Summary >
스노우플레이크 서밋 26의 핵심 메시지는 AI 모델보다 기업 고유 데이터가 진짜 경쟁력이라는 점입니다.
스노우플레이크는 코워크와 코코를 통해 일반 직원과 개발자가 데이터를 더 쉽게 분석하고 실행할 수 있는 에이전틱 AI 환경을 제시했습니다.
삼성전자는 수 시간 걸리던 분석을 몇 초로 줄였고, ICE는 12페타바이트 규모의 금융 데이터를 안전하게 활용하고 있으며, 사노피는 고객 미팅 전 AI가 맞춤형 보고서를 만드는 사례를 보여줬습니다.
앞으로 기업의 AI 경쟁력은 어떤 모델을 쓰느냐보다 내부 데이터를 어떻게 정리하고, 권한을 관리하고, 업무 앱과 연결해 실제 행동으로 바꾸느냐에 달려 있습니다.
