Snowflake
3 节点1 篇4 来源
【背景】Snowflake内部审计总监Amrita Kapoor披露，其团队通过引入AI工具将现场审计时间减少50%，并实现了从传统历史抽样向100%全量持续监控的转变。截至2026年9月，该团队在2026年内累计节省超过3,500个审计工时，同时为业务控制所有者节省了1,500多个工时。
这一转型的核心在于“人机协作”模式：AI负责数据处理、模式识别和初步对账，而审计师保留最终评估权和风险判断责任。由于计费、收入、HR及访问日志等关键数据已集中存储于Snowflake平台，团队无需拼接分散源即可对完整数据群体进行测试。具体应用包括使用Cortex AI函数提取订单文档中的关键条款以验证收入确认，以及通过CoCo构建仪表盘实时监控特权访问异常和职责分离违规。
【存疑】尽管效率提升显著，但Kapoor强调信任与问责比单纯的成本节约更重要。目前争议点在于如何平衡自动化带来的速度优势与人工监督的严谨性，特别是在SOX合规等高敏感领域。未来需关注的是，随着更多第三方工具作为Snowflake Native Apps运行，其内部隔离安全性是否能在扩大覆盖面的同时维持同等水平的审计透明度。
事情怎么走到这一步
SiliconANGLE报道，Snowflake内部审计负责人Amrita Kapoor在Audit & Beyond会议上表示，公司正通过与AuditBoard合作，利用高级分析从传统合规检查转向战略价值交付，强调数据策略是克服孤岛的关键。
siliconangle.com ↗Snowflake发布博客文章，宣布扩展CoCo的企业控制能力，包括用户配额、MDM策略推送、代理配置文件及受限会话范围（RSS），旨在为AI代理提供访问、行为和工具层面的治理边界。
snowflake.com ↗Snowflake官方博客发布由Amrita Kapoor撰写的文章，详细记录内部审计团队如何利用CoCo和Cortex AI将现场工作时间减少50%，实现100%全量覆盖，并在2026年节省超3,500工时。
snowflake.com ↗
还没定论的部分
- 在100%全量监控模式下，AI生成的异常标记误报率是多少？审计师需要多少额外时间来验证这些自动化的发现？
- 随着更多第三方工具（如Petual.ai）作为Native Apps运行，Snowflake如何确保这些外部处理逻辑符合内部审计的独立性和透明度要求？
- 这种基于统一数据平台的AI审计模式是否适用于数据高度分散或遗留系统众多的传统大型企业？