데이터가 움직이면 사업도 움직입니다.

데이터 사본 하나, 그 위에서 일하는 여러 팀

Snowflake는 대기업이라면 누구나 겪는 문제에서 출발합니다. 고객 기록은 이 시스템에, 생산 데이터는 저 시스템에, 문서는 또 다른 곳에 있고, 팀마다 필요한 데이터를 자기 도구로 복사해 갑니다. 그러다 보면 사본끼리 내용이 어긋나고, 누가 무엇을 볼 수 있는지에 관한 규칙도 제각각이 됩니다. 연간 공시는 회사의 답을 한 줄로 정리합니다. Snowflake는 "수십 년 묵은 데이터 사일로와 데이터 거버넌스 문제를 해결"한다는 것입니다. 창업자들은 모든 팀이 데이터 사본 하나로 일하게 하려고 클라우드용 데이터 플랫폼을 처음부터 새로 만들었습니다.

이 약속을 떠받치는 설계는 간단합니다. 문서에 따르면 Snowflake는 저장, 연산, 클라우드 서비스의 세 계층으로 이뤄져 있습니다. 연산은 가상 웨어하우스 단위로 제공되며, 웨어하우스마다 독립된 클러스터라 서로의 속도를 떨어뜨리지 않습니다. 재무팀의 월말 보고서와 데이터 과학자의 모델이 서버 한 대를 두고 순서를 기다릴 필요 없이, 같은 데이터에서 동시에 실행됩니다. 문서의 표현대로, 작업마다 데이터를 별도 시스템으로 옮기는 대신 "모든 워크로드를 데이터가 있는 곳으로 바로 가져올 수 있습니다".

신뢰할 수 있는 기업 데이터, 관리하는 업무 지표, 안전한 실행, 폭넓은 모델 선택을 결합하고 모두 쉽게 쓰도록 하는 플랫폼이 승자가 될 것입니다.

Sridhar Ramaswamy · 최고경영자 · FY2026 4분기 실적 발표 통화 · 2026-02-25

왜 지금인가: 에이전트에게는 잘 관리된 데이터가 먼저

지금의 Snowflake를 다른 회사와 가르는 믿음은 AI를 어디서 실행하느냐입니다. 많은 AI 제품은 데이터를 모델로 보내라고 요구합니다. Snowflake의 주장은 정반대입니다. Snowflake CEO와 Accenture 임원은 2026년 6월 함께 쓴 글에서, Snowflake가 모델 선택권을 주면서 "데이터를 모델로 옮기는 대신 AI를 데이터로 가져온다"고 밝혔습니다. 이렇게 하면 회사가 이미 직원에게 적용하던 접근 규칙이 AI 에이전트에도 그대로 적용됩니다. 한국 고객 아모레퍼시픽도 바로 이 점을 꼽습니다. 기존 역할 기반 권한이 AI 작업에도 그대로 이어진다는 것입니다.

왜 지금인지는 세 가지 움직임으로 설명할 수 있습니다. 2023년 5월 Snowflake는 개인정보 보호를 내세운 AI 검색 엔진 Neeva를 인수했고, Neeva 공동 창업자 Sridhar Ramaswamy가 Snowflake의 AI 전략을 맡았습니다. 2024년 2월에는 Frank Slootman의 뒤를 이어 CEO가 됐습니다. 2026년 2월 CEO는 두 에이전트 Snowflake Intelligence와 Cortex Code를 회사 발전의 의미 있는 단계라고 평가했습니다. 2026년 6월에는 두 제품의 이름이 각각 모든 지식 근로자를 위한 CoWork, 데이터 엔지니어를 위한 CoCo로 바뀌었습니다. 그러자 숫자가 달라졌습니다. 제품 매출 성장률이 30%, 34%, 그리고 2026년 7월 종료 분기 37%로 세 분기 연속 높아졌습니다. CFO는 그 배경 중 하나로 "AI 매출의 의미 있는 증가"를 들었습니다.

한 제조사의 플랫폼 활용 경로

서울의 영업 담당자가 만날 법한 제조사를 예로 들어 보겠습니다. 먼저 데이터 팀이 생산 기록, 품질 로그, 매뉴얼을 공유 저장소에 올리고, 역할별로 누가 어떤 데이터를 쓸 수 있는지 정합니다. 분석가는 각자의 가상 웨어하우스에서 조회하므로, 무거운 보고서를 실행해도 다른 사람의 작업이 느려지지 않습니다. 이어 Cortex Search가 기술 문서에서 관련 대목을 찾고, Cortex로 만든 에이전트가 일상적인 언어로 묻는 질문에 답합니다. 답마다 규정에 맞게 관리되는 데이터와 찾아낸 문서 대목이 근거로 붙습니다. 그래도 결정은 단계마다 사람이 내립니다. 어떤 데이터를 믿을지, 어떤 답이 좋은 답인지, 그 답에 따라 행동할지입니다.

한국 건설사 GS건설은 이 경로를 실제로 밟은 사례를 공개했습니다. CoCo가 AI에 쓸 데이터를 준비하고 사람이 검토·승인하는 방식으로, 데이터 생성·검증 작업 기간이 영업일 기준 2주 이상에서 1~2일로 약 90% 줄었습니다. 이제 현장 직원은 어제 용접 작업을 한 현장이 어디인지 바로 물어볼 수 있습니다.

회사가 내세우는 가치는 데이터 저장에서 데이터로 실제 일을 처리하는 쪽으로 옮겨 갔지만, 돈이 나오는 곳은 여전히 하나, Snowflake 컴퓨팅 자원에서 실행되는 작업입니다. 새 에이전트가 나올 때마다 고객은 이미 Snowflake에 둔 데이터로 더 많은 작업을 실행할 이유를 얻습니다. 지켜볼 점은 Databricks, 클라우드 사업자, 모델 회사가 같은 구매자에게 같은 약속을 할 때도 이 구도가 유지되느냐입니다.

한국 포지션은 모두 이 경로의 어느 한 지점을 맡습니다. 2026년 8월 한국 대표의 말처럼, 한국 대기업은 데이터가 흩어져 있고, 규제기관은 그 데이터가 어디에 있는지 묻고, 많은 AI 프로젝트가 개념 검증(PoC) 단계에서 멈춥니다. 할 일은 고객을 이 경로를 따라 한 단계씩 앞으로 이끌면서, 그동안 데이터를 규정에 맞게 관리되는 플랫폼 안에 두는 것입니다.

데이터를 둘 곳, 그리고 그 데이터를 쓰는 에이전트

Snowflake는 하나의 플랫폼을 두 갈래로 판매합니다. 첫째는 AI Data Cloud입니다. Amazon Web Services, Microsoft Azure, Google Cloud 위에서 실행되는 저장·연산·서비스를 Snowflake가 직접 관리하므로, 고객이 따로 설치할 것이 없습니다. 반대로 회사 자체 서버에는 설치할 수 없는데, 규제를 받는 기업이 데이터 저장 위치를 꼼꼼히 확인하는 한국에서는 이 점이 민감합니다. 현재 서울 공고 중 하나도 국내 클라우드 규정을 담당하는 보안 아키텍트입니다. 에디션은 Enterprise에서 시작해 규제 산업용 Business Critical, 완전히 분리된 환경인 Virtual Private Snowflake로 올라갑니다.

둘째는 같은 보안 경계 안에서 실행되는 AI 서비스 Cortex AI입니다. 빌더는 SQL이나 API로 Anthropic, Meta, Mistral의 대규모 언어 모델을 호출하고, Cortex Search로 문서를 검색하며, Cortex Agents로 정형·비정형 데이터를 함께 다룹니다. 새로 나온 Cortex AI Gateway는 모델, 에이전트, 회사 시스템 사이의 ID, 접근, 보안, 비용을 관리합니다. 그 위에 이름이 붙은 에이전트 두 개가 있습니다. "모든 지식 근로자를 위한 개인 업무 에이전트"인 CoWork는 회사 데이터에 관한 질문에 답하고, 출처를 밝힌 리서치를 수행하며, Slack, Gmail, Jira, Salesforce에서 작업을 처리합니다. Cortex Code에서 이름을 바꾼 CoCo는 데이터 엔지니어용 코딩 에이전트입니다. 고객의 카탈로그, 데이터 계보, 접근 정책을 읽기 때문에, 실제 테이블을 올바른 권한으로 참조하는 코드를 작성합니다.

우리는 의도적으로 특정 모델에 종속되지 않는 방식을 유지합니다. 기업에는 선택권이 필요하며, 우리는 고객을 한 공급사에 묶어 두는 것이 옳다고 보지 않습니다

Baris Gultekin · Snowflake AI 부사장 · OpenAI 계약에 관해 TechCrunch에 보낸 이메일 · 2026-02-02

에이전트는 얼마나 확산됐나

Snowflake는 실적 발표에서 2026년 7월 31일 종료 분기 마지막 4주 동안의 주간 사용 계정 수를 평균해 공개했습니다. 용량 계약과 온디맨드 계정을 합쳐 CoCo는 9,100개 이상, CoWork는 5,800개입니다. Snowflake는 분기 중 CoCo 계정이 2,000개 넘게 늘었다고 밝혔습니다. CEO는 실적 발표 콜에서 최근 성장 가속의 약 절반이 CoCo, CoWork, AI 함수, AI 게이트웨이 같은 AI 제품 덕분이라고 말했습니다. 회사는 내부에서도 에이전트로 영업 파이프라인을 분석하고 고객 미팅을 준비합니다.

누가 도입했고, 무엇이 달라졌나

이름이 공개된 한국 사례를 보면 고객이 무엇에 돈을 내는지 알 수 있습니다. GS건설은 Snowflake를 고른 이유로 세 가지를 들었습니다. 저장과 분리된 연산, 데이터를 밖으로 빼지 않고 플랫폼 안에서 실행되는 AI, 마스킹과 역할 기반 접근 제어로 구현한 거버넌스입니다. 아모레퍼시픽은 예전에 매출 보고서 하나를 만드는 데 1~2시간, 매일 아침 100명 넘는 직원에게 공급망 지표를 보내는 데 2시간을 썼습니다. 지금은 Sales Insight 도구가 평균 약 40초 만에 답합니다. 빅데이터 플랫폼 팀의 한 구성원은 성과의 비결로 모델 선택보다 회사 고유의 정의를 AI에 가르친 점을 꼽습니다.

반도체 패키징 기업 네패스는 공장 데이터를 옮긴 뒤 비용이 35% 줄고, 성능은 40% 이상 좋아졌으며, 저장 공간은 70% 이상 덜 필요하게 됐다고 밝혔습니다. 예전 데이터베이스로는 실행조차 못 하던 190만 행 조회도 24초 만에 결과가 나왔다고 합니다. 롯데쇼핑은 e커머스 부문의 데이터 플랫폼 4개를 하나로 통합해 운영 비용을 약 32% 줄였다고 밝혔습니다. 해외에서는 Siemens Energy가 80만 쪽이 넘는 문서를 챗봇으로 검색할 수 있게 만들었는데, 첫 버전을 만드는 데 2주 남짓 걸렸습니다.

위 결과는 모두 고객이 직접 측정하고 Snowflake가 공개한 수치입니다. 함께 보면 구매 이유는 세 가지로 정리됩니다. 같은 데이터의 사본이 줄고, 답이 빨라지고, 회사가 이미 정한 권한을 AI도 그대로 지킨다는 점입니다. 면접에서는 이 수치를 고객 측 주장으로 인용하고, 한국 팀이 그중 어떤 성과에 기여했는지 물어보세요.

영업 담당자에게 에이전트는 성장 스토리이고, 실제 청구서는 플랫폼에서 나옵니다. CoWork나 CoCo 계정은 고객이 Snowflake에서 더 많은 작업을 실행하게 만들 때 비로소 매출이 되므로, 영업은 첫 데모 이후에도 오래 이어집니다.