„Kontext je král,“ říká Chris Peart ze Snowflake

9 června, 2026

Chris Peart, Sales Leader ve Snowflake Kanada, vysvětluje, jak sjednocená data, řízený kontext a agentic AI mění způsob, jakým organizace využívají informace pro rychlejší rozhodování a dosahování obchodních výsledků. Ukazuje, proč se v době, kdy se AI modely stávají stále dostupnějšími, stává skutečnou konkurenční výhodou právě kontext a kvalitně spravovaná data.

V rozhovoru se věnuje také tomu, jak AI Data Cloud v AWS, Azure a GCP pomáhá odstranit složitost tradičních datových architektur, jak Snowflake Cortex a CoWork zpřístupňují data byznys uživatelům a proč je důvěryhodná datová základna klíčovou podmínkou pro úspěšné nasazení AI agentů.

Chris zároveň sdílí svůj pohled na budoucnost agentic AI, význam důvěry ve vztazích se zákazníky i na to, proč firmy často nekupují technologie, ale očekávané výsledky. Zamýšlí se také nad tím, proč některé organizace postupují v adopci AI rychleji než jiné a jakou roli v tom hraje ochota experimentovat, učit se a řízeně podstupovat riziko.

V této epizodě se dozvíte:

• Proč budou v éře „agentic AI“ vaší skutečnou konkurenční výhodou vaše data a kontext, nikoli model, který si vyberete.
• Jak vypadá governed context layer a proč tvoří základ pro důvěryhodné AI agenty.
• Proč některé organizace postupují v adopci AI rychleji než jiné a co je potřeba udělat, aby dokázaly její potenciál skutečně využít.

Sledujte celý rozhovor v angličtině:

Přečtěte si podcast jako rozhovor

(Rozhovor byl zkrácen a editován s využitím ChatGPT)

Mark Kohout: Dobrý den a vítejte u podcastu Adastra. Jmenuji se Mark Kohout a vedu tým Data & AI Governance v Adastře Severní America. Adastra je globální lídr v oblasti dat, AI a cloudových řešení.

Dnešní epizoda se zaměří na Snowflake, cloudově nezávislou datovou platformu. Ve studiu v Torontu dnes vítám Chrise Pearta, se kterým si budeme povídat o tom, jak Snowflake pomáhá firmám využívat data a AI k transformaci jejich byznysu.

Chris působí jako Sales Leader ve Snowflake Canada, zodpovídá za strategické enterprise zákazníky ve východní Kanadě. Před nástupem do Snowflake působil ve společnostech SAS, Salesforce a Intelex. Žije v Torontu a je absolventem Wilfrid Laurier University.

Chrisi, díky, že jste si na nás dnes udělal čas.

Chris Peart: Děkuji za pozvání, Marku. Těším se na náš rozhovor.

Mark Kohout: Začněme u vás. Patřil jste k zakládajícím členům Snowflake Canada v roce 2018. Vraťme se na chvíli do té doby. Jak jste tehdy představovali Snowflake kanadským firmám?

Chris Peart: Je až neuvěřitelné, že Snowflake působí v Kanadě už od roku 2018. Zajímavé je, že naše hlavní sdělení se od té doby vlastně tolik nezměnilo. V roce 2018 jsme sice ještě nemluvili o AI, ale řešili jsme sjednocení dat, eliminaci datových sil a způsoby, jak organizacím umožnit získávat z dat více poznatků a soustředit data do jedné centrální datové platformy.

Mark Kohout: Jediný zdroj pravdy.

Chris Peart: Přesně tak. A jakémkoli prostředí, AWS, Azure i GCP.

Mark Kohout: A platí to i dnes.

Chris Peart: Ano, jen se toto poselství posunulo dál. Pořád jde o jednotný a důvěryhodný zdroj dat, ale dnes tato datová základna zároveň poskytuje kontext, který AI agenti a AI projekty potřebují k tomu, aby přinášeli výsledky v reálném provozu, nejen v pilotních projektech.

Mark Kohout: Takže se AI stává nedílnou součástí celé platformy.

Chris Peart: Do určité míry byla AI součástí platformy Snowflake i dřív. Dnes hraje mnohem významnější roli.

Mark Kohout: Pokud se nepletu, pomohl jste Snowflake vyrůst v Kanadě na firmu s ročními tržbami kolem 100 milionů dolarů.

Chris Peart: Nejsem účetní, takže tato čísla nemohu potvrdit, ale v Kanadě se nám podařilo vybudovat velmi silný byznys. Pomáháme firmám získávat větší hodnotu z jejich dat – od menších rodinných podniků až po největší banky, pojišťovny, maloobchodní společnosti, výrobní podniky nebo firmy z leteckého průmyslu.

Každá z těchto organizací má v oblasti dat a AI jiné potřeby, všechny přesto mohou těžit z jednotné, řízené a integrované datové platformy, kterou Snowflake poskytuje.

Mark Kohout: To dobře ilustruje flexibilitu a škálovatelnost celé platformy. Jaké byly na této cestě od roku 2018 do současnosti nejdůležitější milníky nebo největší výzvy?

Chris Peart: Jednou z největších výzev bylo pomoci zákazníkům pochopit, čím Snowflake skutečně je. Přinášíme nový způsob práce s daty.

Dříve bylo běžné soustředit data do data lake a následně je pomocí ETL procesů přesouvat mezi data lakes a datovými sklady. Takový přístup je složitý, zvyšuje náklady a často vede k architekturám, které jsou křehké.

Museli jsme zákazníkům ukázat, že to, co Snowflake nabízí, není žádná magie. Přestože to tak mohlo působit, šlo především o využití možností, které nám jako technologickým partnerům poskytují AWS, Azure a GCP. Díky tomu dokážeme výrazně urychlit práci s daty a získávání datových insightů. Chvíli trvalo, než si firmy tento nový přístup osvojily, ale dnes už trh jeho přínosy velmi dobře chápe.

Uvedu jednoduchý příklad. Existují v zásadě dva typy uživatelů.

První skupina se ráno přihlásí do své datové platformy a musí řešit, jak využít novou funkcionalitu. Chtějí například nasadit copilota nebo pracovat s LLM modelem, takže nejprve musí zkontrolovat své prostředí, ověřit kompatibilitu s aktuální verzí, projít upgrade procesem a zjistit, co případně přestane fungovat. Dnes takto běžně se softwarovými platformami pracuje většina organizací.

Druhý přístup reprezentuje Snowflake. Máme jeden produkt – Snowflake AI Data Cloud. Když se zákazník přihlásí, může jednoduše říct: „Chci využívat Snowflake Cortex.“ Jakmile je daná funkcionalita dostupná, ať už v private preview, public preview nebo jako plně dostupná služba, je okamžitě k dispozici.

Není potřeba řešit upgrady, infrastrukturu ani složité přechody mezi verzemi. Zákazníci jednoduše využívají nové možnosti přímo ve svém zabezpečeném a řízeném prostředí.

Mark Kohout: Takže součástí platformy je kontrolní vrstva, která zajišťuje kvalitu dat a jejich governance.

Chris Peart: Přesně tak.

Mark Kohout: Pojďme se teď podívat na to, jak Snowflake podporuje transformaci byznysu s využitím AI. Můžete vysvětlit vztah mezi Snowflake CoWork a Cortex?

Chris Peart: Snowflake CoWork představuje způsob, jakým znalostní pracovníci komunikují se Snowflake.

Mark Kohout: Takže uživatelské rozhraní.

Chris Peart: Přesně tak. Je to jednoduché a intuitivní rozhraní, které umožňuje pokládat otázky a velmi rychle získávat odpovědi.

Cortex je naopak inteligentní vrstva, která funguje na pozadí. Zajišťuje správné směrování dotazů a práci s daty. Když uživatel položí otázku, Cortex vytvoří SQL dotaz pro získání potřebných dat. Pokud jsou informace uložené v nestrukturované podobě, využije vektorové embeddingy k jejich vyhledání a zpracování.

Cílem je zkrátit cestu od otázky k odpovědi a umožnit, aby pracovníci získali potřebné informace prostřednictvím jediného chatovacího rozhraní.

Mark Kohout: To je velmi konkrétní ukázka rychlejšího time-to-market i speed-to-insight. Co dnes dokáže běžný byznys uživatel udělat při prvním použití CoWorku? Něco, co dříve nebylo možné…

Chris Peart: Většina lidí, kteří nás poslouchají, má k dispozici kvalitní dashboardy a reporty. Jejich cílem je odpovědět na všechny otázky, které by byznys uživatel mohl mít. Jenže to je prakticky nemožné.

Kdykoli jako uživatel dostanete odpověď – ať už ve formě grafu, dashboardu nebo reportu – zpravidla vás napadnou další tři až pět navazující otázky.

V tradičním prostředí to znamená kontaktovat datový tým, požádat o přípravu dat, vytvoření datové pipeline, jejich zpracování a následné doručení výsledků. Než odpověď dorazí, často už ani neřešíte původní otázku, která vás k ní vedla.

Mark Kohout: To zní jako klasické úzké místo v doručování dat.

Chris Peart: Přesně tak. Se Snowflake CoWork můžete na tyto navazující otázky získat odpovědi okamžitě. Díky tomu můžete průběžně ověřovat hypotézy, rychle reagovat na nové informace a posouvat své analýzy dál.

Mark Kohout: Jinými slovy můžete následovat svou byznysovou intuici a přirozenou zvídavost ve chvíli, kdy se objeví.

Chris Peart: Přesně. Vezměme si například společnost Fanatics, jednoho z největších světových hráčů v oblasti sportovního marketingu a prodeje merchandisingu. Spolupracují s F1, NBA, tenisem…

Mark Kohout: S těmi největšími sportovními značkami.

Chris Peart: Přesně tak. A také s NHL. Každý den shromažďují přibližně dvě miliardy signálů o preferencích jednotlivých sportovních fanoušků – co je zajímá, co je nezajímá a jak nejlépe využít jejich pozornost.

Jsme v Torontu, takže Fanatics velmi dobře ví, jakým způsobem oslovit právě mě. Náš rozhovor natáčíme během finále Východní a Západní konference NHL. Fanatics například ví, že mou noční můrou by bylo sledovat ve finále Stanley Cupu Montreal Canadiens proti Vegas Golden Knights s Mitchem Marnerem v sestavě.

Dokážou porozumět tomu, jak se preference a okolnosti jednotlivých zákazníků mění, a podle toho optimalizovat komunikaci i obchodní výsledky. Ať už jde o mě osobně, nebo o celé Toronto a okolí, které by takový scénář sledovalo s nemalým zděšením.

Mark Kohout: Mimochodem, fandím Canadians.

Chris Peart: S Montrealem vlastně problém nemám.

Mark Kohout: V tom, co říkáte, se táhne jedna společná linka. Jde o agilitu, schopnost využívat data a AI jako strategické aktivum a získávat konkurenční výhodu kvůli rychlosti reakce. Napadá vás ještě nějaký další příklad, který vás utvrdil v tom, že právě proto Snowflake vznikl?

Chris Peart: Rozhodně. V Kanadě máme zákazníka jménem eSentire, špičkovou společnost zaměřenou na kybernetickou bezpečnost. Každý den zpracovává přibližně 25 petabajtů dat z oblasti kybernetické bezpečnosti, síťového provozu a IT infrastruktury.

Tato data poskytuje systémům pro detekci hrozeb, které vyhodnocují, zda se v síti nachází útočník nebo zda se někdo pokouší o průnik. Díky Snowflake dokáže eSentire pracovat s těmito objemy dat ve velkém měřítku při výrazně nižších nákladech než dříve. To jim umožňuje analyzovat ještě více potenciálních hrozeb a dále zvyšovat úroveň zabezpečení svých zákazníků.

Mark Kohout: To je opravdu působivý rozsah. Dokážou zákazníci doložit konkrétní a měřitelné výsledky? Právě to bývá pro vedení firem klíčové téma, přesto se kolem AI často pohybujeme spíše v obecné rovině.

Chris Peart: Pokud chcete měřit přínosy, musíte nejprve dobře rozumět výchozímu stavu. Mnoho organizací očekává měřitelné výsledky z AI, aniž by mělo jasně definováno, odkud vlastně vycházejí.

Práce našeho týmu proto začíná pochopením současného stavu zákazníka. Teprve potom můžeme společně definovat a sledovat konkrétní metriky, jako je růst tržeb, snižování nákladů nebo omezení rizik.

Uvedu příklad. Siemens Energy, jeden z největších světových výrobců energetických technologií, pracoval s více než 800 000 technickými dokumenty, které si noví zaměstnanci potřebovali osvojit, aby mohli být ve své práci efektivní.

Ve skutečnosti by novému pracovníkovi trvalo přibližně sedm let nepřetržitého studia, než by všechny tyto informace přečetl, natož aby si je zapamatoval a dokázal je efektivně využívat.

Společnost proto nahrála veškerou tuto nestrukturovanou dokumentaci do Snowflake a využívá CoWork jako rozhraní pro přístup ke znalostem. Díky tomu mohou noví zaměstnanci, kteří servisují zařízení nebo vyvíjejí nové turbíny, okamžitě čerpat z rozsáhlého institucionálního know-how společnosti a výrazně rychleji řešit problémy i nacházet správná rozhodnutí.

Mark Kohout: Existuje staré pravidlo z oblasti knowledge managementu: „Siemens neví, co Siemens ví.“ Díky Snowflake dnes Siemens ví, co Siemens ví.

Chris Peart: To jsem ještě neslyšel, Marku, ale moc se mi to líbí.

Mark Kohout: Pošlu vám fakturu za autorská práva. To, co jste popsal na příkladu Siemensu, navíc dobře ilustruje širší téma AI transformace. Jako lidé pracující s daty se často soustředíme na strukturovaná a částečně strukturovaná data, ale obrovské množství znalostí je ukryto v dokumentech, které zůstávají prakticky nevyužité.

Dnes se navíc stále více mluví o agentic AI. Teprve jsme si začali zvykat na práci s LLM modely a už přichází další posun – autonomie, kterou přinášejí AI agenti. Jak se na agenty a autonomní workflow dívá Snowflake?

Chris Peart: Generativní AI vám umožňuje získávat odpovědi na otázky a dále je rozvíjet pomocí doplňujících dotazů. Agentic AI posouvá věci o krok dál – dává agentům schopnost na základě těchto odpovědí samostatně vykonávat konkrétní úkoly bez zásahu člověka.

My ve Snowflake se na to díváme jednoduše: rozhodující je kontext.

V době, kdy se jednotlivé frontier modely neustále předhánějí ve svých schopnostech – ať už jde o Anthropic, OpenAI, Gemini, Grok, open-source modely nebo nové hráče z Číny – bude stále obtížnější vytvářet dlouhodobou konkurenční výhodu pouze na základě samotného modelu.

Mark Kohout: Takže nepůjde o scénář, ve kterém vítěz bere vše.

Chris Peart: Přesně tak. Ve světě, kde má prakticky každý přístup k nejlepším dostupným modelům, se skutečným diferenciátorem stanou vaše data a kontext, který kolem nich dokážete vytvořit.

Pokud budou agenti autonomně spolupracovat s dalšími agenty, bude zásadní mít bezpečně spravovaný a řízený kontext v sémantické vrstvě dostupný v AWS, Azure i GCP. Právě to organizacím umožní postupovat rychleji a vytvářet větší hodnotu než jejich konkurenti.

Mark Kohout: Jaké funkcionality platformy umožňují takové agentní scénáře realizovat?

Chris Peart: Ve Snowflake lze orchestrace agentů řídit prostřednictvím Snowflake CoWork a Snowflake Cortex Code. Interně tomu říkáme Snowflake CoCo.

Uživatel může zadávat příkazy a využívat stejný model interakce založený na otázce, odpovědi a následné akci. Prostřednictvím MCP serverů je pak možné komunikovat s dalšími aplikacemi jako jsou Google, Workday, Salesforce, ServiceNow nebo SAP a přímo v nich provádět konkrétní operace.

Myslím, že se blíží svět, ve kterém například agent pro řízení dodavatelského řetězce u maloobchodní společnosti rozpozná hrozící nedostatek určitého produktu a automaticky zahájí jednání s obchodním agentem dodavatele o nákupu dalšího zboží.

Nejsem si vědom toho, že by dnes někdo fungoval přesně tímto způsobem v plném rozsahu, ale je zřejmé, že se trh posouvá tímto směrem.

A v takovém prostředí platí jedna věc: pokud vaše data nejsou sjednocená, bezpečně spravovaná a doplněná o správný kontext…

Mark Kohout: …celý model se rozpadne.

Chris Peart: Přesně tak. A organizace, které toho dokážou využít jako první, budou mít výrazný náskok.

Mark Kohout: Fascinující. Posouváme se od modelu human-in-the-loop k modelu human-above-the-loop, kde člověk už není součástí samotného procesu, ale dohlíží na jeho fungování.

Pojďme se teď podívat na vztahy se zákazníky. Během své kariéry jste působil ve společnostech SAS, Salesforce a nyní ve Snowflake. Co jste se naučil o budování skutečně kvalitních zákaznických vztahů?

Chris Peart: Ve výsledku je to především o důvěře.

Dnes nikdo nikomu nic neprodá. Zákazníci si nekupují software, kupují si výsledky.

Nemám žádnou kouzelnou schopnost přesvědčit někoho, aby udělal něco, čemu sám nevěří. Na druhé straně stolu navíc sedí člověk, který nenakupuje software tak často, jako ho já prodávám. Když se rozhoduje pro novou technologii, podstupuje určité profesní riziko a vkládá do rozhodnutí svou reputaci.

Proto potřebuje mít jistotu, že lidé, se kterými jedná – tedy můj tým i já – mají na paměti jeho osobní i profesní úspěch.

Existuje mnoho způsobů, jak si takovou důvěru získat, ale nakonec jde o to, aby zákazník věděl, že spolupráce s námi pro něj bude přínosem nejen pro firmu, ale i pro něj samotného.

Mark Kohout: Zní to, jako byste se stávali rozšířenou součástí jeho týmu. Takovým důvěryhodným partnerem.

Chris Peart: O to se snažíme. A snažíme se tuto důvěru potvrzovat každý den.

Když zákazník investuje jeden dolar do Snowflake nebo do spolupráce s naším týmem, chceme, aby mu to přineslo hodnotu v řádu desetinásobku. Protože pak bude přirozeně chtít investovat deset dolarů, pokud ví, že mu to přinese sto.

Mark Kohout: A následně se ptá: Co můžeme udělat dál?

Chris Peart: Přesně tak. Chceme tento cyklus neustále rozvíjet, aby zákazníci dlouhodobě získávali nadstandardní hodnotu jak ze vzájemné spolupráce, tak z investic do platformy.

Mark Kohout: Když se AI stala tak zásadní součástí Snowflake, změnil se charakter vašich rozhovorů se zákazníky?

Chris Peart: Rozhodně. Dnes můžeme zákazníkům ukazovat, jak AI využíváme přímo uvnitř Snowflake.

Mark Kohout: Takže nejen mluvit o AI, ale sami ji aktivně používat.

Chris Peart: Přesně tak.

Na schůzky přicházíme výrazně lépe připraveni, protože využíváme Snowflake CoWork k pochopení zákazníkových výzev, priorit a problémů, které se snaží řešit. Dokážeme syntetizovat velké množství informací a přetavit je do smysluplné obchodní konverzace.

Právě tím začínáme zákazníkům ukazovat, jak mohou podobný přístup využít i ve svých organizacích a jak mohou konkrétní změny realizovat v rámci 90- až 180denních transformačních cyklů.

Mark Kohout: Platí to bez ohledu na velikost organizace? Zmiňoval jste malé rodinné firmy i společnosti z žebříčku S&P 500. Vidíte nějaké společné charakteristiky organizací, které z investic do datových a AI platforem dokážou vytěžit největší hodnotu?

Chris Peart: To je dobrá otázka. Podle mě jsou to především organizace, které jsou ochotné podstoupit určitou míru rizika a dokážou se poučit z neúspěchu.

Neúspěch je přirozenou součástí života i podnikání. Nelze se mu úplně vyhnout. I já mám za sebou řadu obchodních jednání a projektů, které nedopadly podle očekávání. To se prostě stává.

Rozdíl je v tom, že organizace, které dokážou z těchto zkušeností rychle získat ponaučení a posunout se dál, obvykle dosahují výsledků výrazně rychleji.

V Kanadě jsme obecně opatrnější než v mnoha jiných částech světa. Často argumentujeme regulatorními požadavky nebo dalšími omezeními, která naši opatrnost ospravedlňují.

Rád bych ale touto cestou vyzval všechny Kanaďany, kteří tento podcast poslouchají. Naši konkurenti ve Velké Británii, Austrálii, na Novém Zélandu nebo ve Spojených státech čelí velmi podobným regulatorním podmínkám a překážkám. Přesto do AI investují odvážněji, rychleji experimentují a dosahují výsledků dříve než my.

Byl bych rád, kdybychom tento příběh dokázali změnit.

Právě společnosti, které jsou ochotné udělat odvážnější krok vpřed, dnes získávají největší výhodu. Chápu, že to může působit riskantně, ale existují způsoby, jak rizika řídit a zároveň výrazně urychlit dosažení pozitivních výsledků. A právě v tom může Snowflake sehrát důležitou roli.

Mark Kohout: Možná je klíčem k větší ochotě riskovat právě schopnost porozumět rizikům a efektivně je řídit. Pokud už má dojít k neúspěchu, měl by být kontrolovaný, rychlý a především poučný. A právě zde hrají důležitou roli mechanismy řízení a kontroly, o kterých jsme v souvislosti se Snowflake mluvili.

Chris Peart: Přesně tak. To je jedna z klíčových výhod Snowflake.

Jak už jsem zmiňoval, Snowflake je jednotná platforma dostupná v AWS, Azure i GCP. Není potřeba spravovat více instancí, oddělené účty nebo rozdílná prostředí. Vše probíhá prostřednictvím jednoho rozhraní, které je bezpečné, řízené a důvěryhodné.

Stejné principy platí i při využívání generativní AI nebo Snowflake CoWork. Přístup k datům je vždy řízen podle bezpečnostních oprávnění konkrétního uživatele.

Mark Kohout: Prostřednictvím RBAC.

Chris Peart: Přesně tak, prostřednictvím role-based access control.

Uživatel se nikdy nedostane k informacím, ke kterým nemá oprávnění – ať už jde o dokumentaci k fúzím a akvizicím, mzdová data nebo jiné citlivé informace.

Stejná pravidla platí i pro AI a agenty, kteří s uživatelem pracují. Dědí jeho oprávnění, přístupová práva i rozsah viditelnosti dat. Díky tomu nemohou vykonávat činnosti, které by byly v rozporu s bezpečnostními pravidly organizace nebo překračovaly kompetence dané role.

Mark Kohout: Chrisi, právě jste mi vzal poslední otázku. Přesně na to jsem se chtěl zeptat.

Zdá se, že jste představil poměrně přesvědčivý argument, proč je Snowflake správným místem, kde začít. Jakou radu byste dal datovým a byznys lídrům, kteří nás poslouchají a stále váhají, zda se do toho pustit?

Chris Peart: Je to jednoduché. Navštivte ai.snowflake.com a vyzkoušejte si platformu v rámci bezplatné zkušební verze.

Začít můžete sami, s notebookem, platební kartou a třeba i se svým psem po boku. Stejně snadno ale můžete škálovat až na úroveň společnosti z Fortune 500. V obou případech pracujete se stejnou platformou a získáváte stejnou zkušenost.

Naším cílem je jediné – pomoci organizacím získat z jejich dat skutečnou hodnotu.

Mark Kohout: Jen si dejte pozor, aby vám pes nesežral platební kartu, a můžete začít.

Chrisi, náš čas se naplnil. Děkuji, že jste si ve svém nabitém programu našel čas podělit se o své zkušenosti s AI v cloudu a o to, jak Snowflake pomáhá zákazníkům proměňovat tyto technologie v reálné výsledky.

Z dnešního rozhovoru si odnáším několik hlavních myšlenek: organizace mohou postupovat mnohem rychleji, než si často myslí, mohou využívat AI nad sjednocenými daty a zároveň zachovat vysokou úroveň řízení, bezpečnosti a kontroly. To vše díky tomu, že jsou AI nástroje integrovány přímo do platformy.

Ještě jednou děkuji, že jste byl naším hostem.

Chris Peart: Děkuji za pozvání. Velmi si vážíme našeho partnerství s Adastrou. Bylo mi potěšením, Marku.

Mark Kohout: A vám, kteří jste nás poslouchali, děkujeme za pozornost. Pokud vás dnešní diskuze zaujala, nezapomeňte sledovat tento podcast a přihlásit se k odběru dalších epizod věnovaných datům, AI a digitální transformaci podnikání.

Těšíme se na setkání u dalšího dílu. Na slyšenou.