人工智能正在改变大型组织使用云数据平台的方式。最初，云平台只是为了低成本地存储信息和扩展分析规模，如今它已成为报告、仪表盘和商业智能的核心。现在的转变不在于数据存储在云端的哪个位置，而在于谁可以使用这些数据以及如何快速地产生洞察。
随着人工智能直接嵌入到云数据环境中，这种变化变得越来越明显。
Snowflake 近期将 OpenAI 的模型集成到其云平台的举措，正体现了这一变化。据路透社报道，根据一项价值 2 亿美元的多年期协议，该数据平台将允许企业用户使用自然语言查询数据，并部署可在内部数据集上运行的 AI 代理。
目标并非取代分析师或工程师，而是缩小数据团队与业务用户之间的差距。团队无需依赖 SQL 查询或自定义仪表板，而是可以用通俗易懂的语言提出问题，并根据受监管的企业数据获得结构化的答案。
云数据正日益融入日常决策。
Snowflake表示，Canva和WHOOP等早期采用者已经在使用这些人工智能工具来支持内部分析和运营决策。虽然细节尚不明确，但这些案例指向一个更广泛的趋势：云数据平台正围绕日常工作流程而非周期性报告周期进行构建。
对于企业客户而言，这一点至关重要，因为数据访问往往受限于技能水平。业务团队可能知道自己想要查询什么，但却不知道如何编写查询语句或解读复杂的数据表。而部署在数据平台内部的人工智能模型可以充当接口，在遵守访问控制的前提下，将用户意图转化为查询语句。
但这并不意味着数据治理就不必要了。事实上，它提高了数据治理的重要性。随着越来越多的用户直接与数据交互，企业需要制定更清晰的权限、审计跟踪和数据质量规则。正如路透社文章中所述，Snowflake 的方法将人工智能交互限制在数据所在的同一受控环境中。
从云基础设施到人工智能平台
这项交易也凸显了云采用在平台层面上的变化。多年来，关于云的讨论主要集中在存储、计算成本和迁移时间表上。如今，这些问题依然存在，但对许多大型企业而言，它们已不再是主要关注点。
企业现在更关心的是云平台如何支持更快速的分析、减少对专业团队的依赖，以及帮助跨部门挖掘洞察。相比独立的分析软件，嵌入平台的AI工具能更直接地解决这些问题。
这与企业技术领域更广泛的模式相呼应。微软在其文章中描述了人工智能工具如何通过融入熟悉的工作流程而非作为独立系统引入，从而在企业内部获得认可。虽然具体情况有所不同，但原理是相似的：当人工智能融入现有的工作方式时，其应用率会更高。
这对企业云战略意味着什么
对于终端用户公司而言，Snowflake 与 OpenAI 的集成与其说是模型本身的问题，不如说是他们希望依赖哪种云平台的问题。随着人工智能从附加组件转变为内置功能，平台选择开始影响数据在整个组织中的应用范围。
这也会影响人员配置和运营模式。如果更多员工无需编写代码即可探索数据，数据团队可能会将重心转移到数据质量、架构和监管上。这并非降低他们的重要性，而是改变了他们投入时间的方式。
此外，还存在成本和风险问题。人工智能驱动的查询会增加计算资源的使用，而措辞不当的问题可能会导致误导性的结果。企业需要建立相应的机制来管理使用情况和用户预期，尤其是在业务用户获得更多直接访问权限的情况下。
云采用过程中一个较为平静但重要的阶段
这项进展最引人注目之处在于其低调的姿态。它没有宣称会带来翻天覆地的变革或一夜之间提高生产力，而是强调逐步整合、使用熟悉的工具以及控制访问权限。
这种基调反映了许多企业目前在云计算和人工智能领域的现状。早期迁移工作负载的浪潮已经放缓，取而代之的是专注于提升现有平台的效用。人工智能成为这一过程中的又一个环节，其发展受到治理、成本控制和实际业务需求的制约。
随着云数据平台不断吸收人工智能功能，分析、自动化和日常决策之间的界限将变得模糊。对企业而言，挑战不再在于如何采用人工智能，而在于如何决定人工智能应该在何处使用、由谁使用以及在哪些限制条件下使用。
路透社报道的 Snowflake 与 OpenAI 的合作，正是这一趋势的缩影。云平台不再仅仅是数据存储场所，它们正在成为数据、人工智能和业务问题交汇的共享工作空间。
