# Teradata превращает платформу Tera в агента по работе с данными с автономным механизмом контекста и обработкой задач

Source: TechNewsList (https://technewslist.com)
Canonical URL: https://technewslist.com/ru/article/teradata-tera-agentic-coworker-context-engine-harness-2026-09-28-morning-ru
Section: Software (https://technewslist.com/ru/software)
Author: TechNewsList
Language: ru
Published: 2026-09-28T05:48:40.622+00:00
Updated: 2026-09-28T05:48:40.823481+00:00

> Teradata превратила свою платформу Tera из диалогового помощника в корпоративного агента-коллегу, представив Tera Context Engine и интеллектуальную систему выполнения, что позволило сократить затраты на токены на 73 процента.

## TL;DR
- Teradata объявила о преобразовании своей платформы Tera в автономного агента-коллектора, предназначенного для комплексной корпоративной аналитики.
- В этой архитектуре реализован независимый от поставщика механизм Tera Context Engine для управления определениями бизнес-семантики без перемещения базовых данных.
- Интеллектуальный уровень исполнения Tera Harness группирует задачи и оптимизирует вызовы инструментов, сокращая потребление токенов LLM на 73 процента.
- Бенчмаркинг на SWE-bench Pro продемонстрировал ускорение выполнения задач на 42 процента по сравнению с базовыми моделями Frontier.

## Key points
- Группы корпоративных данных сталкиваются с серьезными финансовыми барьерами при развертывании автономных агентов, которые выдают повторяющиеся неоптимизированные запросы SQL-запросов.
- Tera Context Engine объединяет разнородные каталоги данных, хранилища и озера в единый семантический уровень знаний.
- Механизм выполнения планирует многоэтапные аналитические траектории, прежде чем привлекать дорогостоящие этапы рассуждений базовой модели.
- Навыки агентов на основе ролей предоставляют готовые возможности многократного использования для обработки данных, бизнес-аналитики и прогнозного моделирования.
- Платформа обеспечивает строгие меры корпоративного управления для предотвращения галлюцинаций и неконтролируемых изменений схемы.

## Что произошло

В конце сентября 2026 года корпорация Teradata, пионер программного обеспечения для анализа корпоративных данных, объявила о комплексной архитектурной трансформации своей платформы Tera, превратив систему из интерфейса запросов на естественном языке в полноценного автономного агента-сотрудника. Обновление представляет модульную программную структуру, разработанную для решения двойного кризиса, связанного с непомерно высокими расходами на токены и семантическим дрейфом, которые в настоящее время препятствуют развертыванию корпоративного искусственного интеллекта в корпоративных хранилищах данных и облачных озерах.

Обновленная платформа основана на двух фундаментальных архитектурных инновациях: Tera Context Engine и Tera Harness. Tera Context Engine функционирует как интеллектуальный, независимый от поставщика уровень семантической оркестровки, который соединяет разрозненные реляционные базы данных, сегменты объектных хранилищ, каталоги метаданных и графы происхождения данных, не требуя от организаций миграции или дублирования собственных информационных ресурсов. В то же время Tera Harness обеспечивает детерминированную среду выполнения, которая разлагает сложные аналитические цели, оптимизирует выбор инструментов и группирует операции перед перенаправлением задач на передовые базовые модели.

Чтобы продемонстрировать корпоративную эффективность, Teradata опубликовала строгие сторонние тестовые оценки, выполненные на стандартизированном наборе тестов SWE-bench Pro с использованием ведущих передовых моделей. Результаты показали, что архитектура Tera выполнила сквозной рефакторинг конвейера данных и сложные задачи отладки SQL на сорок два процента быстрее, чем стандартные базовые показатели LLM, при этом сократив потребление токенов на семьдесят три процента. Teradata подтвердила, что предварительный доступ к раннему доступу уже ведется для клиентов финансовых услуг и телекоммуникаций Global 2000, а общедоступная версия запланирована на конец 2026 года.

## Почему это важно

Эволюция платформы Teradata направлена ​​на устранение критического коммерческого узкого места, с которым сталкиваются корпоративные организации по разработке данных. За последние восемнадцать месяцев тысячи корпораций инициировали пилотные проекты генеративного искусственного интеллекта, призванные автоматизировать очистку данных, миграцию схем и создание специальных отчетов. Однако подавляющее большинство этих инициатив застопорилось в пилотном чистилище из-за увеличения затрат на выводы. Когда автономные агенты кодирования пытаются выполнить сложные задачи базы данных без структурированного контекста, они неоднократно отправляют избыточные запросы метаданных, регенерируют схемы из нескольких тысяч строк и запускают неоптимизированное полное сканирование таблиц, сжигая миллионы токенов облачного API за часы.

Что еще более важно, универсальные пограничные модели постоянно борются с семантикой институционального бизнеса. Общая языковая модель не имеет внутреннего понимания того, как отдельное предприятие определяет «активных подписчиков», «скорость оттока» или «чистый периодический доход». Без жесткого управления автономные агенты регулярно генерируют синтаксически корректные SQL-запросы, которые приводят к математически ошибочным бизнес-выводам, создавая серьезные финансовые риски для высшего руководства.

![Синтаксис разработки программного обеспечения, представляющий автоматическое создание SQL-запросов и оптимизацию сценариев, выполняемые агентами корпоративных данных.](https://rkhynbcsbnkkcwgexzwg.supabase.co/storage/v1/object/public/media/api/1790572999709-rc929i-teradata-tera-agentic-coworker-context-engine-harness-2026-09-28-morning-inside-1-f22aa3edcb.webp)

Внедряя управляемый семантический слой между базовыми моделями и хранилищами корпоративных данных, Teradata обеспечивает жизнеспособную схему для надежных агентов-сотрудников. Группы корпоративной аналитики могут развертывать автономных агентов, способных самостоятельно создавать конвейеры извлечения данных, проверять согласованность показателей и диагностировать сбои конвейеров с математической точностью, превращая корпоративную обработку данных из ручного труда в контрольное управление.

## Технические детали

Архитектурная механика, позволяющая сократить количество токенов Teradata на семьдесят три процента, сосредоточена на детерминированной предполетной компиляции и динамической обрезке схемы. Стандартные агентские рабочие процессы на каждом шагу передают массивные системные запросы, содержащие полные определения схемы базы данных, заставляя базовые модели неоднократно обрабатывать сотни тысяч идентичных структурных токенов. Напротив, Tera Context Engine поддерживает активный семантический граф, который сопоставляет корпоративные термины с конкретными разделами таблицы, статистикой столбцов и отношениями соединения.

Когда аналитик запрашивает оперативную задачу, например, диагностику расхождений в сверке доходов по квартальным когортам, Tera Context Engine извлекает только точные математические определения и целевые разделы таблицы, имеющие отношение к этому расчету. Он создает сокращенную локализованную контекстную оболочку, которая устраняет до восьмидесяти пяти процентов лишних структурных метаданных перед выдачей подсказок базовому LLM.

![Корпоративные серверные стойки, поддерживающие распределенные механизмы выполнения запросов и каталогизацию семантических метаданных в реальном времени.](https://rkhynbcsbnkkcwgexzwg.supabase.co/storage/v1/object/public/media/api/1790573002523-4fez4i-teradata-tera-agentic-coworker-context-engine-harness-2026-09-28-morning-inside-2-221e93bcf3.webp)

Дополняя Context Engine, уровень исполнения Tera Harness представляет этап алгоритмического планирования. Вместо того, чтобы позволить агенту немедленно выполнять исследовательские запросы методом проб и ошибок, Harness генерирует внутренний граф зависимостей. Он группирует независимые операции в пакетные выполнения, перехватывает циклические циклы рассуждений и проверяет синтаксис на соответствие синтаксическим анализаторам локального диалекта перед отправкой запросов в механизмы баз данных. Кроме того, Teradata представила специальные навыки агентов — инкапсулированные детерминированные микропрограммы, предназначенные для таких задач, как рефакторинг конвейера ETL, обнаружение аномалий и оптимизация схемы — гарантируя, что агенты используют оптимизированный код, а не импровизируют непроверенные сценарии.

## Влияние на рынок и отрасль

Агрессивный переход Teradata на программное обеспечение для обработки агентных данных меняет конкурентную динамику рынка корпоративных облачных данных, ставя традиционного лидера в области аналитики непосредственно против облачных гиперскейлеров и современных платформ данных, таких как Snowflake, Databricks и Google BigQuery. В то время как современные конкуренты представили диалоговые интерфейсы искусственного интеллекта, Teradata является первым крупным поставщиком аналитических услуг, который позиционирует свое программное обеспечение как автономного агента-сотрудника, оптимизированного специально для сохранения токенов и семантического управления.

Лидеры корпоративного программного обеспечения, оперирующие обширными массивами данных, вероятно, потребуют аналогичный семантический контекст и уровни использования от конкурирующих поставщиков. В то время как директора по информационным технологиям тщательно изучают безудержные законопроекты о генерирующей облачной инфраструктуре искусственного интеллекта, платформы, которые не могут продемонстрировать поддающееся проверке сокращение токенов и детерминированный контроль исполнения, столкнутся с растущим сопротивлением закупкам.

Это развитие также сигнализирует о взрослении более широкого сектора инструментов для разработчиков. Разработка программного обеспечения для искусственного интеллекта быстро переходит от оперативного проектирования к системной архитектуре, где детерминированные средства маршрутизации и контекстные механизмы на основе графов управляют стохастическими базовыми моделями.

## За чем следить дальше

Поскольку Teradata расширяет свою программу предварительной версии для клиентов до четвертого квартала 2026 года, аналитики корпоративного программного обеспечения будут наблюдать, можно ли реплицировать 73-процентную экономию токенов, наблюдаемую в средах SWE-bench Pro, в беспорядочных, аутентичных устаревших корпоративных развертываниях, характеризующихся недокументированными таблицами и фрагментированными словарями данных.

Отраслевые наблюдатели также будут следить за объявлениями об интеграции экосистем. Степень, в которой Teradata обеспечивает плавную кросс-платформенную оркестровку в сторонних средах, таких как Microsoft Fabric, AWS Redshift и Snowflake, определит, сможет ли Tera зарекомендовать себя как универсальная семантическая плоскость управления.

Наконец, технологическое сообщество ожидает ответа от конкурирующих облачных хранилищ данных. Если основные конкуренты запустят конкурирующие контекстные механизмы и средства выполнения агентов, сотрудники, работающие над автономными данными, быстро перейдут от экспериментальных прототипов к стандартному операционному интерфейсу для корпоративного анализа данных.

## Источники

* [Релиз отдела корпоративных новостей Teradata](https://www.teradata.com/press-releases/2026/teradata-unveils-tera-agentic-coworker-context-engine) — основное объявление, описывающее Tera Context Engine, средства интеллектуальной оркестрации задач и интеграцию корпоративного каталога данных.
* [Обзор архитектуры программного обеспечения New Stack](https://thenewstack.io/teradata-transforms-tera-into-an-agentic-coworker-with-context-engine/) — независимый архитектурный анализ методов сокращения токенов, предполетной проверки плана и навыков агентов на основе корпоративных ролей.
* [Отчет о тенденциях баз данных и сравнительном тестировании приложений](https://www.dbta.com/Editorial/News-Flashes/Teradata-Evolves-Tera-Platform-with-Agentic-Context-Engine-and-Harness-165842.aspx) — Количественный анализ оценок SWE-bench Pro показывает на 73 процента меньше использования токенов и на 42 процента быстрее выполнение.

Mentions: Терадата, Контекстный движок Tera, Тера Харнесс, SWE-скамья, Стив Макмиллан

## Sources
- [Выпуск корпоративного отдела новостей Teradata](https://www.teradata.com/press-releases/2026/teradata-unveils-tera-agentic-coworker-context-engine)
- [Обзор архитектуры программного обеспечения нового стека](https://thenewstack.io/teradata-transforms-tera-into-an-agentic-coworker-with-context-engine/)
- [Отчет о тенденциях баз данных и сравнительном тестировании приложений](https://www.dbta.com/Editorial/News-Flashes/Teradata-Evolves-Tera-Platform-with-Agentic-Context-Engine-and-Harness-165842.aspx)