随着企业加快引入AI，治理和管控正成为无法回避的核心议题。业界越来越普遍地认为，如果缺乏有效治理，AI很难真正进入企业级应用场景。

但另一面也同样明确：管控如果过严，往往会直接影响用户体验。对AI的约束过多，反而可能让工具变得难以使用。因此，企业AI治理的关键，并不是一味加强控制，而是在可用性与可控性之间找到现实可行的平衡点。

数据平台公司Snowflake正试图解决这一问题。在美国旧金山举行的年度大会Snowflake Summit期间，Snowflake协作与治理解决方案Horizon业务负责人Prasana Krishnan在接受采访时表示，治理过强会抑制使用，治理不足又会带来失控风险，而细粒度管控与自动化配置正是实现两者平衡的关键。

在本届Snowflake Summit上，Snowflake发布了多项面向AI和数据协作的新能力。其中包括Zero Copy Sharing，即无需复制或迁移数据即可直接访问；以及Open Sharing，即便对方没有Snowflake账户，也可以完成数据共享。

Prasana Krishnan表示，Zero Copy Sharing的核心在于数据无需复制即可实现即时访问，从而减轻治理负担。以Fidelity为例，该公司已要求所有外部共享数据均通过零拷贝方式接入。

Open Sharing则将数据共享范围进一步扩展至Snowflake平台之外的用户。Prasana Krishnan指出，无论是Zero Copy Sharing还是Open Sharing，目标都是在不移动数据的前提下扩大协作范围。

除共享能力外，Snowflake还在本届大会上升级了数据治理平台Horizon Catalog，重点围绕AI代理治理、业务语境理解与安全能力整合展开。

Prasana Krishnan表示，此次更新的核心可归纳为三部分：打通企业全量数据资产、引入Horizon Context，以及强化治理能力。

首先，新版Horizon Catalog将支持把企业内部更广泛的数据资产纳入统一治理范围。即使数据并不存储在Snowflake内部，Horizon Catalog也可以获取相关元数据，并应用统一的业务语境和治理规则。

他进一步介绍称，即便Iceberg表位于外部目录中，企业仍可通过Polaris和Iceberg API在Snowflake内继续执行脱敏和治理策略；而存储在AWS Redshift中的数据，也可以通过Cortex进行查询。

Horizon Context的作用，则是帮助AI理解企业内部的业务语境。其实现路径是先在企业数据资产范围内采集元数据，再补充数据血缘等流转信息，不断丰富上下文信息，并在执行AI查询或BI查询时自动调用这些语境能力。

Prasana Krishnan表示，Snowflake可借助语义视图自动生成功能，自动整合既有元数据以及BI工具中的业务定义，生成语义视图草案，人工只需进行最终确认或少量修改。与此同时，Cortex Sense还会分析Snowflake内部的查询历史，以识别数据之间的关联，使用量越大，识别准确度也越高。

在治理层面，Prasana Krishnan指出，企业在引入AI时往往顾虑重重，其中一个长期存在的障碍就是治理配置过于复杂。为此，Snowflake提出了意图驱动治理（intent-driven governance）的思路。

按照他的说法，意图驱动治理允许用户直接用自然语言描述所需的治理规则，Snowflake再据此定义相应策略并生成相关SQL。系统还会持续进行监控，一旦发现执行结果偏离原始意图，就会发出提醒。

Prasana Krishnan表示，治理体系大致可以分为认知、保护和审计三个阶段。首先要识别敏感数据所在位置；随后通过列级脱敏等方式实施细粒度访问控制；当AI代理查询数据时，也可以根据角色设置不同的脱敏策略；到了审计阶段，则能够区分并核查访问行为究竟来自人工用户还是AI代理。

他还表示，如果企业希望让所有成员都能从数据中获取洞察并推动执行，仅有AI模型并不足够。企业还需要管理良好的数据底座、可供工具和应用调用的能力，以及用于统筹这些能力的编排层。