Snowflake 把整個技術文件團隊砍掉：Sridhar Ramaswamy 在 Equity 講的不是 AI 故事，是 Agent 經濟學

TL;DR

• Snowflake 2026 年三月把整個 technical writing team 約七十人全砍掉，理由很單純：coding agent 已經能指向 codebase 自動產生文件，這份工作的市場價值正在歸零
• 內部最先做的工具叫 CortexCode，本來只想給工程師用，結果業務、財務、HR 全跑來寫應用程式，CEO 才意識到這不是 coding agent，是「abstraction agent」
• 一萬人的公司有五千人每天在用 sales agent，這是大型 enterprise 真實的 AI 滲透率參考值
• Sridhar 直接放話：還在猶豫要不要用 AI 的軟體工程師，離失業不遠了
• Snowflake 上一季 RPO 衝到九十八億美元，但 Databricks 用一千三百四十億美元估值正面衝來，真正的對手還包括想當 enterprise 前門的 Anthropic 和 OpenAI

這集 Podcast 跟來賓的背景

Equity 是 TechCrunch 旗下的旗艦級新創商業節目，定位是「拆解科技產業趨勢」的訪談型 podcast，這集在 2026 年四月九日上線，由 Rebecca Balan 主持，主題鎖定 Snowflake 從資料倉儲轉型為 AI 平台的這段路。

來賓 Sridhar Ramaswamy 是 Snowflake 現任 CEO，2024 年二月接棒。他的履歷滿傳奇的：學術出身，在 Bell Labs 做了幾年資料庫研究，後來進 Google 一待就是十七年，從基層工程師爬到 Ads & Commerce 部門的 SVP，把 Google 搜尋廣告業務從十幾億美金做到一年破千億美金營收。2019 年他離開 Google 自己創業，做了一個叫 Neeva 的訂閱制、無廣告、隱私優先的搜尋引擎，想正面對幹 Google。Neeva 沒有對幹成功，但 2023 年被 Snowflake 收購，他也因此進入 Snowflake，最後接下 CEO 位子。

Snowflake 本身是 2012 年成立的雲端資料倉儲公司，2020 年 IPO 那天是當年全美最大科技 IPO，把企業資料分析這個無聊產業炒成一檔成長股。十年來它的定位一直是「企業資料的單一真相來源」，但這集 podcast 講的就是這家公司正在發生的身份轉移。

砍掉整個文件團隊，因為文件變成 agent 自己會寫

最有衝擊力的故事不在訪談前段，而是中段那個有點尷尬的問題。Rebecca 直接問：你今年三月砍掉了整個技術文件團隊，可是你的 Agentic AI 不是很需要好的文件來吃嗎？沒有文件，agent 怎麼知道你的產品怎麼用？

Sridhar 的回答很有意思。他說現在學一段新程式碼的方式，是直接把 coding agent 指向那個 codebase，問它「我要怎麼用這個 session」。agent 回答的內容，就是新文件的第一版草稿。文件這份工作的形態已經變了，從「人坐著把功能寫成 markdown」，變成「coding agent 邊讀 codebase 邊產出可互動的解釋」。

更關鍵的是他描述的 skill 工作流：你先手動做一次某件事，然後問 coding agent「如果我要教別人自動做這件事，要怎麼包成一個 skill」。agent 會把你剛剛做過的事打包成一個可複用的元件，下次需要的人就直接呼叫這個 skill，不用看任何文件。文件這個產品本身，正在被 skill 取代。

老實說，這個邏輯比我預期的還要徹底。如果你之前讀過 OpenAI Codex 產品負責人在 20VC 講的 coding agent 路線圖，會發現 Sridhar 在 Snowflake 內部跑的就是同一套劇本，只是他先在自己公司動手做了。文件、客服、培訓這幾類「把知識轉成可消費內容」的職位，被打到的速度會比大家想的快。

CortexCode 的意外發現：原來這不是 coding agent，是 abstraction agent

訪談中 Sridhar 講了一個他自己都覺得驚訝的內部故事。

CortexCode 一開始的設計目標很單純：Snowflake 設定起來其實很煩，要接其他系統、要寫一堆 SQL、要確保資料品質，工程師花在這些事上的時間遠超過寫商業邏輯。CortexCode 就是要把這些 tedious 但又容易出大錯的工作自動化，讓工程師專注在品質判斷上。

結果他們把 CortexCode 開放給全公司用，發現非工程師才是最大用戶。業務團隊開始寫應用程式查客戶資料、HR 用它分析履歷找出招募效率高的 manager、財務拿它做 travel and expense 的查詢。Sridhar 講到這段的時候用了一句很精準的話：「coding agent 不是 coding 工具，是 abstraction agent。」

這句話我覺得是整集 podcast 最有金錢價值的一句。它的意思是：當寫程式碼這件事的成本被打到夠低，「寫程式」就會被重新定義為「跟電腦講你要什麼」，而所有業務部門都有要跟電腦講話的需求。SaaS 過去三十年蓋的那些垂直應用，本質上都是把某個業務場景包裝成 UI 給非技術用戶用，現在 abstraction agent 直接吃掉這層。

這個邏輯跟 Box CEO Aaron Levie 在 a16z 講的 Agent 時代企業軟體生死題 幾乎一樣，只是 Sridhar 是直接在自家業務數據上看到這件事發生。

一萬人公司有五千人每天用 AI agent，這是大型 enterprise 的真實滲透率

Sridhar 提到一個我覺得很值得記下來的數字。Snowflake 內部有一個 sales agent 部署給全公司 go-to-market 團隊用，每天有五千人在用，而 Snowflake 全公司一萬人。

五成的員工每天用 AI agent 工作，這對大型 enterprise 來說已經是相當高的滲透率。但更值得注意的是他承認的另一面：另一個正在 rollout 的財務 agent，連他自己都還沒搞清楚怎麼問問題才會得到對的答案，因為財務資料的語意（GAAP revenue 跟原始消費資料的差別）需要懂業務脈絡才有辦法 query。

這帶到 AI pilot 失敗的第一名原因：不是模型不夠強，是用戶不知道怎麼問。每個 enterprise 都會撞到同一面牆，模型再聰明，使用者下不出對的 prompt 也沒用。這個瓶頸短期不會消失，是 Snowflake Intelligence 這類產品 onboarding 從四週到六個月都有可能的根本原因。

「還在猶豫要不要用 AI 的工程師，離失業不遠了」

訪談裡 Sridhar 講過最不留情面的一句話，是當 Rebecca 問員工抗拒學新工具怎麼辦，他回：「如果你遇到還在猶豫要不要用 AI 的軟體工程師，我預測他離失業不遠了。」

然後他補了一段更狠的：他自己兩個兒子都是二十幾歲的軟體工程師，原生在 AI 環境長大，他們從來不問「要不要用 AI」這個問題，因為不用就會失業。這不是 CEO 的場面話，是他作為父親的觀察。

至於哪些軟體職位會先死，他的判斷很直接：生成網頁、寫文件、根據文件寫程式片段這種「pattern 很明確、輸出可驗證」的工作，未來幾年內不會以獨立職業的形態存活下去。需要 taste、需要長期系統思考的部分還會在，但這部分能養的人數會大幅減少。

這個趨勢跟 Klarna CEO Sebastian Siemiatkowski 把公司從七千人砍到三千人的劇本 是同一個方向，差別只在 Snowflake 還在偽善地說「我們會盡量幫被砍的人在公司找新位子」，Klarna 連這層包裝都不要了。

從 dumb data pipeline 到 AI 平台，Snowflake 的身份焦慮

訪談最後拉到一個產業層面的觀察。Sridhar 自己用了「dumb data pipeline」這個詞，描述 Snowflake 不想被變成什麼。十年前 Snowflake 是雲端資料倉儲，五年前加了協作功能，現在他們押注的是「analytic system 跟 operational system 之間的界線會消失」。

換句話說，Snowflake 不想只是讓你查上一季業績的工具，他們要變成可以「查完之後直接寄信、更新 CRM、發起一筆訂單」的平台。背後的技術橋樑是 MCP（Model Context Protocol），讓 agent 可以呼叫外部系統的 API。

但這條路上競爭超兇。Databricks 二月剛拿了五十億美元 equity round，估值衝到一千三百四十億美元，年化營收跑到五十四億美元，成長率六成五，比 Snowflake 三成快了一倍以上。Sridhar 在訪談裡有點防禦性地強調「Snowflake 是上市公司，RPO 九十八億美元是查得到的真實數字」、「我們有客戶簽了四億美元合約」，這種對比是有意義的，但 Wall Street 顯然更喜歡成長率。

更狠的是他自己承認的：真正的對手不只是 Databricks 和三大雲，還有 Anthropic 跟 OpenAI。這兩家想當 enterprise 的「前門」，意思是企業客戶以後可能直接跟 Claude 或 ChatGPT 講話，把資料倉儲降級成後台。Snowflake 跟 Anthropic、OpenAI 同時是合作夥伴跟競爭對手，這種「frenemy」關係會是接下來三年 enterprise software 最值得追蹤的劇情。

我的觀察

這集 podcast 最有價值的地方不是 Sridhar 講的願景，是他不小心透露的內部數字跟操作細節。五成員工每天用 AI agent、整個文件團隊砍光、CortexCode 從工程工具長成 abstraction agent、財務 agent 連 CEO 都還沒上手，這些都是教科書不會寫但對判斷產業節奏很關鍵的訊號。

如果你在做 SaaS、做 enterprise software、或在投資這個產業，這集值得從頭聽一次。Snowflake 的轉型故事不是個案，是接下來兩三年所有資料平台都要走過的同一條路。

我會持續整理這類 podcast 的拆解筆記，如果覺得有幫助，歡迎訂閱 wilsonhuang.xyz，新的內容都會第一時間發在那邊。