Teradata представила Tera Context Engine, Harness и Agent Skills для аналитических ИИ-агентов. Система должна соединять бизнес-определения, происхождение данных и права доступа с исполнением задач. Независимые источники подтверждают релиз и его архитектурный фокус, но не публичный эффект у клиентов: бенчмарки и экономия пока опубликованы самим поставщиком.
Что произошло
22 сентября Teradata объявила, что развивает Tera из интерфейса на естественном языке в «агентного коллегу» для работы с корпоративными данными. В состав обновления входят три новых компонента: Tera Context Engine — слой контекста и оркестрации, Tera Harness — среда исполнения, и Agent Skills — специализированные навыки для инженерии данных, аналитики и data science.
По заявлению поставщика, Context Engine соединяет метаданные, происхождение данных (lineage), бизнес-определения, политики и права доступа поверх нескольких источников, включая сторонние платформы. Harness должен маршрутизировать задачу к нужным данным, модели и инструментам, планировать работу, ограничивать бесплодные итерации и восстанавливаться после сбоев. Agent Skills упаковывают типовые действия в переиспользуемые функции.
Это не означает, что продукт уже доказал экономический эффект у клиентов. Независимый TechTarget подтверждает сам анонс и отмечает, что все три возможности ожидаются в общем доступе лишь к концу 2026 года. Открытые данные о ценах, российских условиях поставки, русскоязычной поддержке, SLA, пилотах и измеримых результатах клиентов не опубликованы.
По заявлению поставщика, Context Engine соединяет метаданные, происхождение данных (lineage), бизнес-определения, политики и права доступа поверх нескольких источников, включая сторонние платформы. Harness должен маршрутизировать задачу к нужным данным, модели и инструментам, планировать работу, ограничивать бесплодные итерации и восстанавливаться после сбоев. Agent Skills упаковывают типовые действия в переиспользуемые функции.
Это не означает, что продукт уже доказал экономический эффект у клиентов. Независимый TechTarget подтверждает сам анонс и отмечает, что все три возможности ожидаются в общем доступе лишь к концу 2026 года. Открытые данные о ценах, российских условиях поставки, русскоязычной поддержке, SLA, пилотах и измеримых результатах клиентов не опубликованы.
Что действительно нового
Раньше Tera уже позволяла работать с данными и агентами через естественный язык. Новизна сентябрьского анонса — попытка объединить три уровня, которые часто существуют по отдельности:
Идея не уникальна: рынку уже знакомы семантические слои, каталоги данных, RAG, графы знаний и агентные оркестраторы. Отличие Teradata — заявленное объединение этих частей поверх нескольких сред, а не только в собственном хранилище. Именно нейтральность по отношению к данным вне Teradata независимые аналитики назвали потенциальным отличием от платформ, тяготеющих к своему облаку [^techtarget]. Это оценка аналитиков, а не доказательство преимущества на практике.
- Смысл и правила. Агенту передаётся не просто найденный текст или таблица, а определения показателей, связи между сущностями, происхождение данных и правила доступа.
- Исполнение. Задача должна не останавливаться на рекомендации: система заявляет маршрутизацию к инструментам, контроль итераций, сохранение состояния и паузы для согласования человеком.
- Повторяемые рабочие операции. Специализированные навыки должны уменьшить число ситуаций, когда модель заново «изобретает» способ построить конвейер или проверить аналитический результат.
Идея не уникальна: рынку уже знакомы семантические слои, каталоги данных, RAG, графы знаний и агентные оркестраторы. Отличие Teradata — заявленное объединение этих частей поверх нескольких сред, а не только в собственном хранилище. Именно нейтральность по отношению к данным вне Teradata независимые аналитики назвали потенциальным отличием от платформ, тяготеющих к своему облаку [^techtarget]. Это оценка аналитиков, а не доказательство преимущества на практике.
Как это работает — простым языком
Представим запрос финансового директора: «Почему валовая маржа в Северо-Западном регионе снизилась и какие действия уже согласованы?» Обычный чат с доступом к документам может найти похожие фразы, но не обязан понимать, как компания определяет маржу, какие источники считаются главными, кому можно видеть детали договоров и какие действия допустимы.
В описании Teradata Context Engine должен связать запрос с утверждёнными определениями, нужными таблицами, политиками доступа и происхождением цифры. Harness — подобрать навыки и инструменты, выполнить последовательность шагов, зафиксировать ход работы и при необходимости поставить действие на согласование. В результате ценность такого подхода не в более красноречивом ответе, а в возможности показать, откуда взялась цифра и по каким правилам агент действовал.
Teradata также заявляет «детерминированное заземление»: часть типовых смыслов и маршрутов берётся из управляемого контекста, а не каждый раз вычисляется моделью. Теоретически это может снизить число лишних обращений к модели и риск трактовки термина по-разному. Однако «может» здесь принципиально: независимых данных о точности, сокращении токенов или стоимости в реальной эксплуатации пока нет.
В описании Teradata Context Engine должен связать запрос с утверждёнными определениями, нужными таблицами, политиками доступа и происхождением цифры. Harness — подобрать навыки и инструменты, выполнить последовательность шагов, зафиксировать ход работы и при необходимости поставить действие на согласование. В результате ценность такого подхода не в более красноречивом ответе, а в возможности показать, откуда взялась цифра и по каким правилам агент действовал.
Teradata также заявляет «детерминированное заземление»: часть типовых смыслов и маршрутов берётся из управляемого контекста, а не каждый раз вычисляется моделью. Теоретически это может снизить число лишних обращений к модели и риск трактовки термина по-разному. Однако «может» здесь принципиально: независимых данных о точности, сокращении токенов или стоимости в реальной эксплуатации пока нет.
Конкурентный контекст
По сути, Tera пытается соединить слой бизнес-смысла, агентное исполнение и контроль доступа. Отдельные элементы уже предлагают поставщики облаков, платформ данных и каталогов: контекстные и семантические слои, управление агентами, observability, каталогизация, lineage, доступы и навыки. Поэтому вопрос для покупателя — не «есть ли у вендора агент», а где хранятся определения метрик и правила доступа, можно ли подключить существующие источники без миграции, как устроена проверка действий и кто отвечает за ошибку.
SiliconANGLE подтверждает, что новый Context Engine заявлен как работающий с данными вне Teradata и без необходимости переносить их в платформу. Но независимые обозреватели одновременно указывают на незакрытые пробелы: TechTarget приводит мнение аналитиков Omdia и IDC о необходимости более развитых механизмов человеческой корректировки, тестирования, rollback и версионирования. Это важнее громкого слова «автономный»: для продуктивного агента нужно уметь безопасно остановить, объяснить и исправить его работу.
SiliconANGLE подтверждает, что новый Context Engine заявлен как работающий с данными вне Teradata и без необходимости переносить их в платформу. Но независимые обозреватели одновременно указывают на незакрытые пробелы: TechTarget приводит мнение аналитиков Omdia и IDC о необходимости более развитых механизмов человеческой корректировки, тестирования, rollback и версионирования. Это важнее громкого слова «автономный»: для продуктивного агента нужно уметь безопасно остановить, объяснить и исправить его работу.
Что это значит для бизнеса
Для российского бизнеса релиз — не готовый к покупке сценарий: публичных условий локальной доступности, обработки данных, поддержки и стоимости нет. Но он полезен как практическая модель требований к собственным аналитическим агентам.
Перед пилотом стоит проверить пять вещей:
Начинать разумнее с ограниченной задачи, где есть эталонный результат и владелец процесса: например, еженедельная сверка отклонений продаж с обязательными ссылками на первичные данные. Агент, который «всё знает о компании», но не умеет объяснить результат и безопасно передать управление человеку, создаст новый риск вместо экономии времени.
Перед пилотом стоит проверить пять вещей:
- Есть ли единый владелец ключевых терминов — «выручка», «активный клиент», «маржа», «просрочка» — и согласованы ли их определения.
- Сможет ли агент показать источник каждой цифры, версию расчёта и применённые ограничения доступа.
- Какие действия агент может только предложить, а какие — выполнять после явного согласования.
- Как тестируются ошибки: неверный join, устаревшая справочная информация, пустой источник, отказ интеграции, превышение бюджета.
- Как измеряется эффект пилота: время на подготовку отчёта, доля результатов, прошедших проверку, число исправлений, стоимость одной завершённой задачи и влияние на бизнес-метрику.
Начинать разумнее с ограниченной задачи, где есть эталонный результат и владелец процесса: например, еженедельная сверка отклонений продаж с обязательными ссылками на первичные данные. Агент, который «всё знает о компании», но не умеет объяснить результат и безопасно передать управление человеку, создаст новый риск вместо экономии времени.
Почему это важно
Рынок смещается от демонстраций «задайте вопрос данным» к системам, где агенту нужно дать не только доступ к таблицам, но и смысл, рамки и проверяемую траекторию действий. Анонс Teradata показывает правильный вектор: контекст, исполнение и контроль должны проектироваться вместе. Однако реальная ценность такой архитектуры появится только после независимых результатов у именованных клиентов и раскрытия условий внедрения.
«Для бизнеса важен не агент, который умеет сформулировать ответ, а контур, в котором можно проверить происхождение цифры, ограничить действие и передать спорный шаг человеку. Пилот стоит начинать с одного процесса и заранее договориться, какая ошибка для него недопустима.»
— Евгений Сайкин, Генеральный директор Команды, Komanda.ai
Что дальше
Teradata заявляет общую доступность новых компонентов к концу 2026 года. Перед тем как оценивать продукт по бенчмаркам, стоит отслеживать: опубликованные методики и исходные конфигурации, цены и матрицу функций, сценарии с именованными клиентами, результаты независимых испытаний, а также функции человеческой корректировки, rollback и версионирования.
Источники:
- Teradata, пресс-релиз «Tera into an Agentic Coworker», 22.09.2026.
- Teradata, методика и результаты Tera Benchmarks, 22.09.2026.
- TechTarget, независимый разбор релиза и мнения Omdia/IDC, 22.09.2026.
- SiliconANGLE, независимое сообщение о расширении Tera, 22.09.2026.
- dbt Labs, документация открытого ADE-bench.
- Snowflake Labs, репозиторий data-eng-bench.
Вопросы и ответы
Что такое Tera Context Engine?
По описанию Teradata, это слой, который объединяет метаданные, lineage, бизнес-определения, политики и доступы в переиспользуемый контекст для ИИ и агентов.
Tera уже доступна всем?
Tera существовала до анонса, но TechTarget сообщает, что новые Context Engine, Harness и Agent Skills ожидаются в общей доступности к концу 2026 года. Точный статус для конкретного региона и тарифа надо подтверждать у поставщика.
Доказывают ли бенчмарки экономию для компании?
Нет. Они описывают тестовые условия и опубликованы самим Teradata. Для решения о внедрении нужны собственный пилот, сопоставимая конфигурация, базовая линия, контроль качества и полная стоимость сопровождения.
С чего начать внедрение аналитического агента?
С одного процесса с эталонным результатом, ограниченными правами, журналом действий и человеком, который принимает спорные результаты. До запуска надо согласовать определения метрик и критерии успеха.