Snowflakeの決算は予想を上回るも、AI消費が持続可能であることを示す必要

Snowflakeの決算は明確な上振れとなり、四半期売上高は15億5,000万ドルに達し、プロダクト売上高は前年同期比37%増となった。この結果は、LSEGが報じた約14億8,000万ドルの売上高コンセンサスを上回った。Snowflakeは年間プロダクト売上高の見通しも従来予想を大幅に上回る水準へ引き上げた。

この上振れが重要なのは、Snowflakeが従量課金型のビジネスを展開しているためだ。顧客は予測可能なシートベースのサブスクリプションではなく、コンピューティング、ストレージ、AIサービスを利用した分だけ支払う。したがって成長の加速は、顧客がより長期の契約を結んだだけではなく、エンタープライズのワークロードが拡大していることを示唆する。

より本質的な問いは、AIがSnowflakeの成長軌道を変えたのか、それとも単に好調な四半期をもたらしただけなのかという点だ。Databricks、Microsoft、Google、Amazon Web Services、その他のデータプラットフォーム事業者は、同じAIワークロードを巡って競合している。Snowflakeには今後、この加速が持続的な本番利用を反映したものであり、後に顧客が最適化によって削減する実験的な利用ではないことを示す必要がある。

Snowflakeの決算上振れは、単一の売上高指標にとどまらなかった

Snowflakeは当期売上高、将来のコミットメント、通期見通しのすべてで予想を上回った。

Snowflakeは2026年9月2日、2027年度第2四半期の決算を発表した。この四半期は7月31日に終了しているため、今回の発表は暦年の第3四半期最終月より前に完了した活動を対象としている。

同社の四半期決算によると、総売上高は15億5,000万ドルに達した。前年同期比では35%増だった。プロダクト売上高は14億9,000万ドルで、37%増となった。

これらの数字は区別して扱う必要がある。総売上高にはプロダクト売上高とプロフェッショナルサービスが含まれる。Snowflakeが中核プラットフォームへの需要を測る際に用いるのはプロダクト売上高であるため、この数字は特に重要だ。

外部のコンセンサスデータでは、予想総売上高は約14億8,000万ドルとされていた。一部報道では異なる丸め方がなされていたが、本質的な結果は変わらない。Snowflakeはウォール街の平均予想を約7,000万ドル上回った。

経営陣は、この期間をプロダクト売上高成長率が3四半期連続で加速した局面と説明した。このパターンは、単発の決算上振れよりも重みを持つ。Snowflakeは2026年度をプロダクト売上高成長率約30%で終え、その後2027年度上期に加速した。

顧客指標も同じ方向に動いた。Snowflakeは四半期末時点で、過去12カ月のプロダクト売上高が100万ドルを超える顧客を828社抱えていた。このグループは前年から27%増加した。

大口顧客の成長が重要なのは、エンタープライズのデータプロジェクトがしばしば限定的なワークロードから始まるためだ。追加の部門、データセット、アプリケーション、AIシステムが同じプラットフォームに移行すると、戦略的重要性を帯びてくる。

SnowflakeはForbes Global 2000の顧客数が829社に達したとも報告した。この数字はエンタープライズ市場への浸透度を別の角度から測る指標となるが、各顧客の支出額までは明らかにしない。

ネット売上継続率は126%だった。ネット売上継続率は、既存顧客グループからの現在のプロダクト売上高を、1年前の同じグループの売上高と比較する。100%を超える比率は、拡大が縮小や顧客離脱を上回ったことを意味する。

126%という数値は、既存顧客が全体として支出を増やしたことを示している。ただし、その拡大が均等に分布していたかどうかは分からない。急速に成長する少数のAIワークロードが、従量課金売上高に大きな影響を与える可能性がある。

残存履行義務は90億ドルに達し、前年同期比30%増となった。この指標は、Snowflakeがまだ認識していない契約済みの将来売上高を表す。需要の見通しを示す一方、売上認識の時期は顧客の利用状況や契約条件に左右される。

同社は一般に認められた会計原則ベースでは依然として赤字だった。四半期純損失は約1億9,200万ドルで、前年同期の約2億9,800万ドルから改善した。調整後業績とGAAPベースの収益性との隔たりは、引き続き投資判断を巡る議論の一部となっている。

これらの数値を総合すると、幅広い改善が見られる。顧客のコミット額は増え、既存アカウントの消費は拡大し、大口アカウント数は増加し、認識売上高は予想を上回った。

この幅広さが、投資家が15億5,000万ドルという見出しの数字以上に注目した理由を説明する。この四半期は、Snowflakeの成長エンジンが複数の相互に関連する指標で加速したことを示す証拠となった。

Snowflakeは従来の基準を大きく上回る水準へ予想を引き上げた

より重大な変化は、Snowflakeが通期プロダクト売上高見通しを60億7,000万ドルへ引き上げたことだった。

Snowflakeは従来、2027年度のプロダクト売上高を約58億4,000万ドルと見込んでいた。新たな予想では約2億3,000万ドルが上乗せされ、年間成長率は36%となる見通しだ。

引き上げ後の数値は、初期報道で示されたアナリスト予想約58億6,000万ドルも上回った。これはウォール街の期待に合わせるだけを目的とした小幅なガイダンス修正ではなかった。

Snowflakeは2027年度第3四半期のプロダクト売上高を約15億9,000万ドルと予想している。この見通しは、元のニュース報道におけるアナリスト予想約15億1,000万ドルを上回り、経営陣が報告済み四半期以降も勢いが続くと見ていることを示している。

市場の反応は、この先行きに関するシグナルを反映した。発表後、時間外取引でSnowflake株は20%超上昇した。

株価の動きは、企業の事業上の主張を裏付けるものではない。ただし、投資家が旧予想と新予想の差をどう解釈したかは示す。このケースでは、市場はガイダンス引き上げを、需要が従来の想定を超えて進んだ証拠と受け止めた。

この修正の規模が重要なのは、Snowflakeがその年度の早い段階ですでに予想を引き上げていたからだ。追加の引き上げは、同社が前回予想を設定した後により強い消費を確認したことを示唆する。

従量課金モデルでは、従来型のサブスクリプション契約よりも速く需要変化を把握できる。顧客がより多くのクエリを実行し、より大規模なデータセットを処理し、より多くのAIモデルを呼び出せば、同じ四半期内でも売上高は増加し得る。

同じ感応度はリスクも生む。顧客はワークロードを最適化し、不要なクエリを減らし、プロジェクトを延期できる。Snowflakeは、企業が以前の期間にクラウド支出を精査した際、この圧力を経験した。

今四半期は、ワークロードの拡大がそうした最適化の取り組みを上回ったことを示している。ただし、最適化がなくなったわけではない。特にAI推論がインフラコストを押し上げるなか、顧客はコンピューティング単位当たりのパフォーマンス向上を引き続き追求するだろう。

Snowflakeは通期の非GAAP営業利益率を14.5%と見込んだ。予想される非GAAP調整後フリーキャッシュフローマージンは23%だった。

AIワークロードは提供コストが高くなり得るため、これらの利益率目標は重要だ。モデル推論、アクセラレーテッドコンピューティング、ネットワーク、ストレージは、従来の分析クエリとは異なるコストを生む。

したがって経営陣は、同時に二つの試練に直面している。SnowflakeはAI関連の消費を拡大しながら、許容可能な売上総利益率と営業利益率を維持しなければならない。不採算なコンピューティングによって実現した成長は、売上高加速の価値を損なうことになる。

Snowflakeの長期的なインフラコミットメントも、もう一つの要素を加える。同社は前四半期に、60億ドルのAWSインフラ消費を見込む5年間の契約を締結した。

このコミットメントは、キャパシティの確保と経済性の改善につながり得る。一方で、Snowflakeがインフラを効率的に利用できるだけの顧客消費を生み出す必要があるため、持続的なプラットフォーム需要の重要性を高める。

新たな予想は、経営陣が現時点で期待を引き上げるに足る需要があると見ていることを示す。今後数四半期で、その確信が顧客予算やコンピューティング効率の変化を乗り越えられるかどうかが明らかになる。

AIは機能の物語から消費の物語へと変わりつつある

中心的な逆転は、AIがSnowflakeの中核データプラットフォームを迂回するのではなく、その需要を高めているように見えることだ。

エンタープライズAIを巡る弱気論は単純だった。新たなモデルによって企業は既存システム全体の情報と直接やり取りできるようになり、独立したクラウドデータウェアハウスの必要性が低下する可能性がある。

Snowflakeは逆の結果を示している。同社のプラットフォームはエンタープライズデータとAIアプリケーションの間に位置し、ストレージ、コンピューティング、ガバナンス、検索、アクセス制御を提供する。AIアプリケーションは、その環境内で追加のクエリやデータ処理を生み出す可能性がある。

CFOのBrian Robins氏は、この四半期に「AI売上高の大幅な増加」があったと述べた。また、この結果をSnowflakeの中核データプラットフォーム事業の継続的な強さと結び付けた。

この区別は重要だ。AIは完全に独立した製品カテゴリーとして機能しているのではない。既存のデータウェアハウス、データパイプライン、ガバナンスシステム、アプリケーションインフラへの需要を高める可能性がある。

Snowflake Intelligenceはその一例だ。この製品では、ビジネスユーザーが対話型インターフェースを通じてエンタープライズデータ全体に質問できる。そのインターフェースの背後では、Snowflakeは認可されたデータを特定し、関連情報を取得し、管理されたコンピューティングを実行する必要がある。

Cortex AIは、Snowflake内で生成AIアプリケーションを構築・運用するためのサービスを提供する。Cortex AI SQLは、構造化データのクエリに用いられる共通言語であるSQLに、モデル支援型の操作を取り込む。

Snowflakeが執筆した技術論文では、Cortex AI SQLがモデル推論コストをクエリ計画の一部として扱う方法が説明されている。このシステムは、より容易なタスクを低コストのモデルに振り分け、不確実なケースではより高性能なモデルを使うことができる。

この仕組みは、AI導入をSnowflakeの経済的課題に直接結び付ける。顧客は有用なモデル出力を求める一方で、予測可能なレイテンシーと管理可能なコンピューティングコストも必要としている。

SnowflakeがAIクエリのコストを下げれば、顧客はリクエスト1件当たりの支出を減らす可能性がある。しかし、低コスト化によって追加の本番ユースケースが現実的になり、総クエリ量が増える可能性もある。

この動きは、過去のクラウド最適化サイクルに似ている。インフラの効率向上は、必ずしもベンダーの売上高を減らすわけではない。単位コストの低下は、顧客が実行する価値のあるワークロードをさらに見いだすことで、消費拡大を促す場合がある。

Snowflakeの既存のデータ上の立ち位置は有利に働く。エンタープライズAIシステムに必要なのは、言語モデルへのアクセスだけではない。最新の業務情報、権限制御、品質チェック、データリネージ、モニタリングも必要となる。

AIエージェントが行動を起こせる場合、こうした要件は特に重要になる。誤った要約は不便を生む。誤った自動化アクションは、財務記録、顧客、在庫、規制対象のプロセスに影響を及ぼしかねない。

Snowflakeは、こうしたシステムのためのガバナンスを備えた実行レイヤーになることを目指している。その機会は独自モデルへのアクセス販売に限定されない。顧客は、データと制御ポリシーをSnowflake内に保持しながら、異なるモデルプロバイダーを利用できる。

このアプローチは、AI売上高と並行してプラットフォームの中核事業が加速した理由も説明する。顧客はAIエージェントを展開する前に、情報を統合し、データ品質を改善し、アクセスルールを整備する必要があるかもしれない。

これらの準備作業に伴うワークロードは、従来型のデータプラットフォーム消費を生み出す。そのためAIは、最終アプリケーションが広範な本番利用に到達する前から、収益を拡大し得る。

同社の決算説明会でも、旧来のデータシステムからの移行が強調された。こうした移行は引き続き独立した成長源である一方、AI導入の緊急性がその進行を加速させる可能性がある。

従業員が手作業でレポートを組み立てている間は、企業が断片化されたデータを容認することもある。しかし、AIシステムが部門横断で信頼できる情報に即座にアクセスする必要がある場合、その断片化はより大きな障害となる。

したがってSnowflakeの最も強い主張は、「顧客がAIを求めている」というだけにとどまらない。実用的なエンタープライズAIは、整理され、ガバナンスが効き、計算処理に利用しやすいデータへの需要を高める、という点にある。

ナレッジワーカーも、より小規模ながら同様の問題に直面している。関連するメモや文書が散在したままでは、モデルは質問に信頼性高く回答できない。検索可能なパーソナルナレッジベースは、この基本原則を個人の仕事に適用するものだ。

Snowflakeにとっての収益機会は、この原則を大規模組織全体に適用することから生まれる。本番環境で稼働するAIシステムはすべて、データ準備、検索、セキュリティ、監視に対する新たな需要を生み出し得る。

このため今四半期は、単独のAI製品発表以上の意味を持つ。Snowflakeは、AI関連の活動が認識売上高と通期見通しに影響し始めている証拠を示した。

Databricksとクラウド大手が高い競争圧力を維持

Snowflakeの業績は同社の立場を強化したが、エンタープライズAI向けデータワークロードを巡る競争に決着をつけたわけではない。

Databricksは依然として最も明確な直接競合だ。同社はデータエンジニアリングと機械学習を軸に評価を築いた一方、Snowflakeは当初、クラウドデータウェアハウスで知られるようになった。

両社はその出発点を超えて事業を拡大してきた。Snowflakeは開発者向けツール、機械学習サービス、オープンテーブル対応、AI製品を追加した。Databricksは分析、SQLワークロード、ガバナンス、ビジネスインテリジェンスへとさらに踏み込んだ。

この収れんにより、購入者は両社を同じ要件で評価するケースが増えている。要件には、データエンジニアリング、分析、モデル開発、ガバナンス、アプリケーション展開、オープンフォーマットへの対応が含まれる。

Snowflakeの売上成長加速は、Databricksが同社の大企業内での拡大を阻止していないことを示唆する。ただし、逆の結論を強く導くこともできない。多くの企業は両プラットフォームを併用し、それぞれに異なるワークロードを割り当てている。

Microsoft、Google、AWSは別の形で圧力を生み出している。いずれも主要なクラウド環境を支配し、統合されたデータ、分析、AIサービスを提供している。

MicrosoftはAzureインフラ、Fabric、Power BI、OpenAIとの関係を組み合わせられる。GoogleはBigQuery、Vertex AI、Geminiモデルを提供する。AWSはインフラ基盤をRedshift、Bedrock、SageMakerなどの関連サービスと結び付けている。

これらの企業は、より広範なクラウド契約とともにデータ・AI製品をパッケージ化できる。また、Snowflakeがサービス提供に利用する基盤インフラも支配している。

Snowflakeの対応策は、マルチクラウドでの可用性と、プロバイダー横断で一貫したプラットフォームを提供することだ。これは、単一のクラウドベンダーへの依存を減らしたい企業や、複数の環境にまたがってデータを管理したい企業に訴求し得る。

ただし、マルチクラウドのアーキテクチャには独自のコストも伴う。リージョンやプロバイダー間で情報を移動すると、ネットワーク費用、ガバナンスの複雑さ、レイテンシが生じる可能性がある。

オープンデータフォーマットも競争環境を変えている。オープンテーブルフォーマットであるApache Icebergは、複数のコンピューティングエンジンが同一の基盤データファイルを扱えるようにする。

SnowflakeがIcebergをサポートするのは、顧客がデータストレージと単一ベンダーのコンピューティングエンジンを切り離すことを求める場面が増えているためだ。Databricksも、レイクハウスのアプローチに関連する技術を通じて同様のオープン性を推進している。

この変化は顧客により高い柔軟性をもたらす。同時に、データとコンピューティングを単一の独自環境に囲い込むという従来の優位性を弱める。

そのためSnowflakeは、性能、ガバナンス、開発者体験、統合サービスで競争しなければならない。顧客データを単に保管するだけでは、もはや十分ではない。

AIはこの圧力を高める。モデルプロバイダーやアプリケーション開発者は、不必要にデータを移動させずにアクセスしたいからだ。最も容易にガバナンスの効いたアクセスを提供するプラットフォームが、より多くの下流コンピューティングを獲得できる可能性がある。

Snowflakeの第2四半期の数字は、顧客が現在、同社プラットフォームにより多くの活動を持ち込んでいることを示す。残存履行義務と大口顧客の増加は、同社がより長期的なコミットメントも獲得していることを示している。

ただし、こうしたコミットメントは排他的な利用を保証しない。企業は大規模なSnowflake契約を結びつつ、別の領域でDatabricks、Microsoft Fabric、Google BigQueryを拡大できる。

顧客集中にも注意が必要だ。100万ドル超を支出するアカウントの成長は心強いが、大企業は大きな交渉力を持つ。経済条件が変化すれば、値引きを交渉し、ワークロードを移すことができる。

Snowflakeの従量課金モデルでは、競争環境の変化が利用状況を通じて可視化される。顧客が機械学習のトレーニングやAI推論を別の環境へ振り向ければ、Snowflakeはサブスクリプション契約が期限切れになる前に影響を受ける可能性がある。

この感応度は、投資家が今四半期に強く反応した理由の一部でもある。消費の加速は、Snowflakeが競争や最適化の圧力を乗り越えるのに十分なワークロードを獲得しているという、比較的即時性の高いシグナルとなる。

同社の以前の年次提出書類は、競争、インフラ依存、セキュリティ、顧客による最適化を継続的なリスクとして挙げていた。好調な四半期は足元の証拠を変えるが、こうした構造的条件を変えるものではない。

Snowflakeは、この議論においてより強い立場を得た。しかし、その議論から免除されたわけではない。

数字だけではなお証明できないこと

SnowflakeはAIが成長加速に寄与したことを示したが、その寄与の持続性や採算性を完全には開示していない。

経営陣はAI収益が大幅に増加したと述べた。公開された決算リリースには、独立したAI収益の完全な数値、顧客コホート、またはそのワークロードの粗利益率は示されていない。

この欠落は外部分析を制約する。投資家は製品収益の成長加速を確認できるが、AI消費を移行、従来型分析、ストレージ、価格設定、その他のプラットフォームサービスから正確に切り分けることはできない。

顧客導入の指標にも文脈が必要だ。アカウントは、AI機能を有効化しても、それを重要な本番プロセスに移行していないことがある。試用、デモ、限定的な部門導入も、いずれも利用として計上され得る。

本番ワークロードは通常、異なる振る舞いをする。より多くのデータを処理し、より厳格なセキュリティを必要とし、繰り返し稼働する。また、財務、法務、インフラチームからより厳密な精査を受ける。

したがって次の問いは、顧客がSnowflakeのAI製品にアクセスできるかどうかではない。それらの製品が事業運営を支える反復的な構成要素になるかどうかだ。

消費量の変動性も依然として不確実性の一つだ。AI開発では、チームがデータを準備し、モデルを試験し、アーキテクチャを比較する段階で、初期の急増が起こりやすい。プロジェクトが終了したり最適化段階に入ったりすると、利用量は減少し得る。

Snowflakeが第3四半期の予想を引き上げたことで、直近の急反転に対する懸念は和らぐ。ただし、それが複数年にわたるパターンを確立するわけではない。

効率性と収益の関係にも慎重な解釈が必要だ。Snowflakeはコンピューティング性能を継続的に改善し、顧客がより少ないクレジットでより多くの作業を完了できるようにしている。

この改善は顧客価値と競争力を高める。しかし短期的には、同じワークロードから得られる収益を減少させる可能性がある。Snowflakeは、その効率性向上を相殺するために新規ワークロードと活動量の増加を必要とする。

AIはこの追加需要を供給するかもしれない。今四半期はその見方を支持するが、今後の業績では、ワークロード創出が一貫して最適化を上回ることを示さなければならない。

利益率は第二の試金石となる。Snowflakeは、14.5%の非GAAP営業利益率とともに、通期の非GAAP製品粗利益率を74%と見込んでいる。

これらの数字は、AI活動の増加にもかかわらず、経営陣が相当な収益性を見込んでいることを示す。投資家はなお、モデル推論とアクセラレーテッドコンピューティングが製品粗利益率を圧迫するかを注視すべきだ。

GAAPベースの収益性は未解決のままだ。Snowflakeの四半期純損失は約1億9,200万ドルで改善したが、調整後利益がすべての重要な費用を捉えているわけではないことを示している。

株式報酬は、GAAPと非GAAPの結果の重要な差異であり続ける。賃金のように即時の現金支払いは必要としないが、企業が追加株式を発行すれば既存株主を希薄化する可能性がある。

市場の反応はそれ自体が新たな課題を生む。より高い評価額は、今後の実行により大きな比重を置く。Snowflakeは現在、従来の計画を大幅に上回る通期見通しを達成する必要がある。

企業予算も不確実性を加える。AIは引き続き経営上の優先事項だが、多くの組織はどのユースケースが測定可能なリターンをもたらすかをなお見極めている。

セキュリティと信頼性は導入を遅らせ得る。企業は、AIアシスタントによる社内文書の要約を許可しても、エージェントがデータベースを更新したり業務ワークフローを起動したりすることは許可しない場合がある。

データ品質ももう一つの制約となる。ソースデータに一貫性がなく、不完全で、ガバナンスが不十分であれば、AIシステムは情報を迅速に取得できても信頼できない回答を生む可能性がある。

Snowflakeはガバナンスのためのインフラを提供できるが、弱いデータを生み出したすべての組織プロセスを自動的に修正することはできない。導入の成功には、顧客側の技術的作業と運用上の規律が必要となる。

これらの制約は今四半期の意義を否定するものではない。Snowflakeが次に満たすべき基準を定義するものだ。同社は、利益率や信頼を損なうことなく、初期のAIへの関心を反復的な本番消費へと転換する必要がある。

Snowflakeの成長加速が続くかを示す3つのシグナル

第3四半期の消費、AIの採算性、競争下でのワークロード獲得が、今四半期が持続的な変化を示すものかを決定する。

第1のシグナルは、Snowflakeの会計年度第3四半期の製品収益だ。経営陣は約15億9,000万ドルを見込んでおり、これは初期報道で引用された従来のアナリスト予想を十分に上回る。

この目標を達成すれば、第2四半期の成長加速が7月以降も続いたことを示す。さらなるガイダンス引き上げがあれば、経営陣が依然として需要を過小評価していたという見方が強まる。

未達となっても、AI論を自動的に否定するわけではない。消費は顧客のスケジュールや季節的な活動によって四半期ごとに変動し得る。それでも大幅な未達は、最近のワークロード成長の持続性に疑問を投げかけることになる。

純収益維持率は製品収益と併せて読むべきだ。安定または上昇する比率は、既存顧客が拡大を続けていることを示す。低下は、新規顧客の活動が成長のより大きな部分を担っていることを示唆する。

第2のシグナルは、AI収益と利益率の関係だ。Snowflakeは、モデル利用の増加が粗利益率と調整後フリーキャッシュフローの目標と両立できることを示さなければならない。

投資家は製品粗利益率、インフラコスト、推論効率に関する経営陣のコメントを注視すべきだ。AI消費が増加する中で利益率が維持されれば、Snowflakeのプラットフォーム経済性はより強く見える。

利益率が低下すれば、市場はその圧力が一時的な投資を反映するものか、あるいは構造的にコストの高いワークロード構成を反映するものかを見極める必要がある。

3つ目のシグナルは、競争環境下での本番導入の実績を示す証拠だ。顧客による発表が重要なのは、導入済みシステム、継続的な利用、測定可能な消費量、部門横断での拡大について述べている場合である。

一般的なパートナーシップ発表が示す証拠はそれより弱い。企業は、実質的なプラットフォーム収益を生み出さなくても、モデルや統合機能へのアクセスを発表できる。

移行の動きも競争力を明らかにする。企業が旧来のデータウェアハウスや分断されたデータシステムをSnowflakeへ移すと、将来の分析およびAI利用の基盤が構築される。

最も強いケースは、移行と本番AIの導入を組み合わせたものになる。この組み合わせは、AIがコアプラットフォームを置き換えるのではなく拡張するというSnowflakeの主張を裏付ける。

Databricks、Microsoft、Google、AWSは今後も競合サービスを投入し続けるだろう。それらの対応は、Snowflakeが明確なガバナンスと消費面での優位性を築いたのか、それとも混み合った機能競争に加わっただけなのかを示す手がかりとなる。

エンタープライズの購入担当者は、ワークロード単位でプラットフォームを比較すべきだ。データの配置場所、ガバナンス要件、オープンフォーマットへの対応、モデルの選択肢、性能、総運用コストは、単一四半期の見出しよりも重要である。

開発者は、SnowflakeのAIサービスがプロトタイプから監視可能なアプリケーションへ、どれほど容易に移行できるかを注視すべきだ。導入スピードは重要だが、それらのアプリケーションが予算審査を乗り越えられるかは、信頼性とコスト管理で決まる。

ナレッジワーカーは、企業データへの会話型アクセスがさらに増えると考えておくべきだ。同時に、回答を支えるソースは何か、どの権限が適用されるのか、そしてシステムが検証済みの情報と生成テキストを区別できるのかを問う必要がある。

Snowflakeの第2四半期決算は、AIが同社プラットフォームの消費量を増やしていることを示す、これまでで最も強力な証拠を提供した。売上高、継続率、契約コミットメント、見通しはいずれも好ましい方向に動いた。

残る試金石は、その再現性だ。第3四半期の製品売上高目標15億9000万ドル、AI関連の利益率に関するコメント、そして名前を明示した本番導入事例を注視したい。この3つのシグナルが、Snowflakeの決算が持続的な加速を示したのか、それとも例外的に強い四半期に過ぎなかったのかを明らかにする。