Snowflake og Anthropic gjør Claude til styrt bedrifts-AI

Snowflake og Anthropic strammer samarbeidet rundt Claude i Snowflake Cortex AI. Det gjør en viktig utvikling tydelig: bedriftsmarkedet flytter seg fra åpne chatbot-forsøk til AI som kjører direkte på styrte data, med sikkerhet, sporbarhet og leverandørkontroll som del av plattformen.

Snowflake kunngjorde nyheten på Snowflake Summit 26 i San Francisco 1. juni. Selskapet sier at etterspørselen etter Claude i Cortex AI øker, og peker på kunder som Basis, Block, Carvana, eSentire, Indeed og Notion. Poenget er ikke bare at flere bruker Anthropic-modeller. Poenget er hvor de brukes: inne i Snowflakes datamiljø, tett på sensitive forretningsdata, arbeidsflyter og kontrollmekanismer.

For norske ledere er dette mer interessant enn nok en modellnyhet. Mange virksomheter har brukt 2024 og 2025 på piloter, interne chat-løsninger og forsiktige eksperimenter med kodeassistenter. Nå kommer neste fase: AI-agenter som skal hente, analysere og handle på data i systemene virksomheten allerede styrer. Da blir spørsmålet ikke bare hvilken modell som er smartest. Det blir hvor modellen får lov til å arbeide, hvilke data den ser, hvilke handlinger den kan gjøre, og hvem som kan dokumentere det etterpå.

Snowflake posisjonerer Cortex AI som et svar på nettopp det. Claude skal kunne brukes på Snowflake-data uten at sensitive data må flyttes ut i en separat AI-stack. Snowflake fremhever styring, sikkerhet, observability og skala som del av tilbudet. Det høres tørt ut, men det er akkurat her enterprise-AI blir reelt. Hvis AI skal brukes i finansanalyse, sikkerhetsarbeid, kundestøtte eller produksjon av dataapper, holder det ikke med en god demo. Virksomheten må kunne forklare datagrunnlag, tilgang, logging, kostnad og ansvar.

Samarbeidet går også dypere enn modelltilgang. Snowflake sier Claude driver deler av Snowflake Intelligence, Cortex Agents og Cortex Code. Selskapet hevder at Cortex Code er det raskest voksende produktet i Snowflakes historie, med mer enn 7 100 brukere. Det er et signal om hvor raskt kode- og dataarbeid smelter sammen. Utviklere som allerede bruker Claude Code skal også kunne koble styrte Snowflake-data inn i utviklingsflyten gjennom en Cortex Code-plugin.

Dette er nyttig, men også risikabelt. Når agenter får arbeide direkte på virksomhetsdata, flyttes risikoen fra «kan modellen svare feil?» til «kan modellen gjøre feil ting med riktige data?». Det er et mer krevende problem. Rollestyring, dataklassifisering, godkjenning, hendelseslogging og kostnadskontroll må inn i arkitekturen fra start. Hvis ikke blir AI-agenten bare en ny privilegert bruker som ingen helt vet hvordan man skal revidere.

Snowflake bruker også kommersielle grep for å gjøre adopsjonen enklere. Selskapet er en av seks lanseringspartnere i Claude Marketplace, og samarbeidet skal gjøre det mulig å bruke eksisterende Anthropic-forpliktelser mot Snowflake AI-kapasitet. Det peker mot en mer moden innkjøpsmodell for AI. Leverandørene vil samle modellbruk, dataplattform og agentverktøy i pakker som er enklere å kjøpe, men vanskeligere å bytte ut. Det bør CFO og innkjøp merke seg.

For CIO-er betyr nyheten at dataplattformen blir et strategisk kontrollpunkt for AI. Hvis Snowflake allerede er kjernen for analyse og datadeling, kan Cortex AI bli en naturlig inngang for agentbruk. Alternativet er ofte en mer fragmentert modell, der avdelinger kobler AI-verktøy direkte mot datakilder via egne nøkler, eksportfiler eller uformelle integrasjoner. Det kan gi fart, men også svakere styring.

For CISO-er er eSentire-eksempelet verdt å merke seg. Snowflake trekker frem bruk av Claude til AI-ledede trusselundersøkelser og Tier 1-analyse i sikkerhetsoperasjoner. Det er en realistisk retning. SOC-team drukner i signaler, og språkmodeller kan hjelpe med triage, korrelasjon og forklaringer. Men når slike arbeidsflyter kobles til loggdata, kundedata og hendelseshistorikk, må sikkerhetsmodellen være like konkret som gevinstcaset.

For styret er den viktigste konklusjonen enkel: AI-produksjon blir ikke et rent modellspørsmål. Det blir et styringsspørsmål. Virksomheter må vite hvor AI kjøres, hvilke data den bruker, hvilke beslutninger den påvirker, og hvilke leverandører som sitter i kontrollpunktet. Snowflake og Anthropic viser hvordan de store plattformene nå pakker dette som en ferdig enterprise-vei. Det kan gi raskere utrulling. Det kan også gi mer leverandørlås.

Norske virksomheter bør derfor bruke denne typen lanseringer som en sjekkliste, ikke som et kjøpssignal alene. Hvilke data kan AI-agentene se? Hvordan begrenses handlinger? Hvordan håndteres modellbytte? Kan revisjon og avvikshåndtering dokumenteres? Hvordan prises modellbruk på tvers av team? Og hvem eier risikoen når en agent kombinerer analyse, kode og handling i samme arbeidsflyt?

Snowflake og Anthropic har ikke løst alle disse spørsmålene. Men de viser hvor enterprise-markedet går: AI nærmere dataene, tettere inn i utviklingsflyten, og pakket med styring som salgsargument. Det er en mer moden fase enn chatbot-piloter. Den krever også mer moden ledelse.

Kilder og medier

Primærkilde: Snowflake, «Snowflake and Anthropic Accelerate Enterprise AI Adoption Driven by Rising Demand for Governed AI», publisert 1. juni 2026: https://www.snowflake.com/en/news/press-releases/snowflake-and-anthropic-accelerate-enterprise-ai-adoption-driven-by-rising-demand-for-governed-ai/

Kildekreditering: Snowflake.

Thumbnail: OpenAI Image 2 / hogby.ai