テラデータ、自然言語でデータ業務を自律実行する企業向けAI新機能を提供

「Tera Context Engine」と「Tera Harness」で、散在する企業知見を活用しながら分析から運用までのワークフローを低コストかつ確実に完遂

本発表の要約

• 自律型協働AIへの進化：単に回答を出力する従来型AIと異なり、自然言語とガイド付き実行によってビジネス分析、AIアプリ構築、インフラ運用などの複雑なワークフローを成果の創出まで自律的に完遂

• 統制された企業知見を提供する新機能「Tera Context Engine」：ベンダーニュートラルなコンテキスト／オーケストレーション層として機能し、データ移動やベンダー固定なしに散在する企業データへ一貫したビジネスコンテキストを付与

• インテリジェントな実行基盤「Tera Harness」：84パターンの実行設計、事前推論ガードレール、Go言語ネイティブの高性能コアにより、LLMの無駄な反復呼び出しを防ぎ、高並行かつ耐障害性の高い実行環境を実現

• 実務に特化した「Agent Skills」の提供：データエンジニアリング、分析、運用の知見をパッケージ化し、運用管理を担うPlatform Agentsと分析業務を行うAnalytics Agentsを提供

• 業界ベンチマークで圧倒的な性能を実証：SWE-bench ProにおいてClaude Code比でトークン消費量を73%削減しつつ42%高速化を達成、データパイプライン評価でも大幅なコスト削減とトップクラスの精度を記録

サンディエゴ発 | Teradata（NYSE: TDC）は本日、Teradataの最新プラットフォーム「Teradata Autonomous Knowledge Platform」の主要構成要素であり、企業向けデータ業務を支援する独自AIエージェント「Tera」の機能を大幅に強化し、自律型協働AI（Agentic Coworker）へと移行したことを発表しました。一般的なAIアシスタントが単に「回答」を生成するのに対し、Teraは「成果」をもたらします。自然言語とガイド付きの実行機能により、ビジネスアナリストからプラットフォームエンジニア、データベース管理者（DBA）に至るまで、データの分析、AIアプリケーションの構築、インフラの運用、複雑なワークフローの自動化を、単一の統制された環境から実行できます。これはTeradata内にとどまらず、プラットフォームを横断して企業データ全体に適用可能です。業界固有の専門知識とビジネス知識があらゆる対話に組み込まれており、企業のID体系やポリシーによって保護されているため、高度なTeradataの専門知識は不要です。

今回Teraに追加された新機能は主に以下の3つの機能です。

• 新機能「Tera Context Engine」：統制されたビジネス知識をAIに提供する、ベンダーに依存しないコンテキストおよびオーケストレーション層

• 新機能「Tera Harness」：適切なスキル、ツール、データ、モデル全体にタスクをインテリジェントにルーティングする実行層

• 新機能「Agent Skills」：データエンジニアリング、データ分析、データサイエンス向けに特化して構築された再利用可能なスキル群

Teraは、従来のエンタープライズAIに欠けていた2つの要件、すなわち「ビジネスを理解する能力」と「その理解に基づいて行動する能力」に対応します。導入を加速させたい組織に対してはTeradataが提供するコンサルティングサービス「Teradata AI Services」が支援を提供し、Teradataの顧客はより信頼性の高いAI成果、モデルとの対話における優れた経済性、そして価値創出までの期間（タイムトゥバリュー）の短縮を実現できます。

ベンチマーク結果
Teraは企業データ業務に特化して設計されており、分析、ベクトル、モデル全体にわたる実行を最適化します。

• SWE-bench Pro：同一のOpus 5モデルを用いたテストにおいて、Claude Codeと比較してトークン消費量を73%削減しながら高いタスク完了率を達成し、処理時間を42%短縮、総コストを58%削減しました。

• data-eng-bench（Snowflake LabsおよびBespoke Labsがデータパイプラインエンジニアリング向けに策定）：公開データに基づき同一のOpus 5を使用したSnowflake Cortex Codeと比較して、確実にタスクを解決するあたりのコストを53%削減しました。

• 精度：data-eng-benchおよびADE-benchにおいて業界最高レベルの精度を記録し、data-eng-benchでは最高のPass3スコアを獲得、ADE-benchではトップスコアタイを達成しました。

※独立した検証用資料を含むベンチマーク手法および詳細な結果は、ウェブサイトにて公開されています。

Teraの構成要素および各新機能の詳細
TeraはTeradata Autonomous Knowledge Platformの一部であり、個別に利用することも組み合わせて利用することも可能な3つの特化機能を統合しています。これらが一体となることで、Teraはビジネスを理解し、適切な機能を協調させ、データ業務を成果創出まで推進する自律型協働AIとして機能します。顧客企業は、クラウド、オンプレミス、ソブリン環境を問わず、使用するモデル、ワークロードの実行場所、企業データへのアクセス方法を自由に選択・保持できます。

Teraは、DBA向けのTeradata Consoleを含むTeradata環境内でネイティブにAIを実行し、外部モデルを呼び出すことなく企業データ上で直接分析ワークロードや機械学習ワークロードを実行します。これにより、データ移動やネットワーク遅延を排除し、予測、回帰、セグメンテーションなどの定量的なタスクにおけるハルシネーション（もっともらしい嘘）のリスクを低減します。

1. 新機能：Tera Context Engine
Tera Context Engineは、企業がすでに使用しているデータ環境の上層および全体にわたって動作する、オープンでニュートラルなコンテキスト／オーケストレーション層です。データを移動させたり、既存技術を置き換えたり、単一ベンダーに縛られたりすることなく、データベース、構造化／非構造化データプラットフォーム、パイプラインエンジン、カタログ、モデル、AIエージェントを連携させます。Teradataで管理されているデータに限定されないため、データが存在する場所に関わらず、信頼できる一貫した知識基盤を提供します。

• Native Context Graph（ネイティブ・コンテキスト・グラフ）：散在する企業データを再利用可能なビジネスナレッジに変換し、メタデータ、データリネージ、セマンティクス、ビジネス上の意味をフラットなリレーショナル構造ではなく「関係性」として接続します。単体のカタログやオントロジーとは異なり、システムやエージェント間を移動する際も、ガバナンス、リネージ、アクセス制御との連携を維持します。また、既存の基幹系システムからの読み込みと書き戻しを行い、日々の業務利用から継続的に学習・改善されるため、保守・運用の人的負荷を大幅に削減します。

• Neurosymbolic Models（ニューロシンボリック・モデル）：自律的なセマンティックマッピングおよび決定論的検索と、人手による検証を経た業界別知見である「業界ナレッジモデル」を融合します。エージェントが一からビジネスの意味を構築する必要がなく、統計的AIと明示的な企業ナレッジを組み合わせることで、各業界固有の用語、関係性、ポリシー、業務条件を正確に反映し、エージェントのエラー抑止と導入期間短縮を実現します。

• Deterministic Query Economics（決定論的アプローチによるクエリコストの最適化）：統制されたセマンティックコンテキストと決定論的検索により、高コストな確率的推論から統制された実行パスへと処理をシフトさせ、既知の定義に対するモデル呼び出し回数を削減します。これにより推論コストを抑え、エージェント型ワークロード拡大時にも予測可能なコスト管理を実現します。リネージやコンプライアンス制御が知識とともに保持されるため、規制業界でも監査可能性と追跡可能性を維持できます。

• Governed Agentic Automation（統制されたエージェント型自動化）：コンテキストを提供するだけでなく、エージェントがその統制されたコンテキストに基づいて行動できるようにします。全社的な定義やポリシーを一貫して適用しながら、データプロダクトの作成、パイプライン仕様の策定、検証制御を自動化します。その結果、手作業による準備や統制にかかる労力を削減し、信頼性の高いデータプロダクトをエンタープライズ規模で迅速に提供できます。

2. 新機能：Tera Harness
汎用エージェントが応答を出力してその後の実行をユーザー任せにするのに対し、Tera Harnessは「意図」を「成果」へと変えます。ワークフロー全体でコンテキストを保持し、手動での指示を介さずに、各ステップで最適なスキル、ツール、データ、モデルを協調させます。

• Cost-Optimized Loop（コスト最適化ループ）：成果に寄与しないモデルやツールの呼び出しを排除し、タスクの進捗状況に基づいて実行を制限することで、コスト化する前の無駄な反復処理を抑止します。毎ステップでLLM推論を繰り返すのではなく、事前推論段階で実証済みの84の実行パターンを適用して計画を策定し、モデルの暴走ループを防ぎながら信頼性の高い処理を完了させます。

• Loop-Embedded Guardrails（ループ組み込み型ガードレール）：実行開始前に事前推論ガードレールを適用し、関連メモリを読み込んで作業を計画します。安全性、ポリシー制御、人的承認がエージェントのループ内に直接組み込まれているため、リスクの高いアクションを実行前にブロックします。

• Go-Native Performance Core（Go言語ネイティブの高性能コア）：Go言語ネイティブのエンジンとgRPC上に構築され、高い並行処理能力と低遅延通信を提供します。各エージェントを個別プロセスとして起動する従来の手法と異なり、単一の8-vCPU仮想マシン（VM）上で512の同時並行エージェントをサポートし、毎分279回のツール呼び出しを処理可能です。インフラコストや遅延の急増を招くことなく、エージェント型ワークロードを大規模に拡張できます。

• Durable Agentic Execution（永続的なエージェント実行）：進捗を監視し、タスクを放棄せずに障害から回復して作業完了の完全な可観測性（オブザーバビリティ）を提供します。ランタイム層に状態管理とチェックポイント機能が組み込まれているため、エージェントは数日〜数週間にわたる処理を実行でき、人的承認を待つ間はコンピュートコストゼロで一時停止し、インフラ障害後も中断した箇所から正確に再開可能です。

3. 新機能：Agent Skills
Agent Skillsは、Teradataが培ってきた数十年の知見をAIから呼び出し可能な関数としてパッケージ化した、再利用可能なタスク別機能です。任意のエージェントやハーネスから呼び出せるほか、ユーザーが自然言語で直接アクセスすることも可能です。課題に応じてスキルが自動的にロードされ、Teraが最適なモデルやツールにルーティングします。Model Context Protocol（MCP）接続により、自社独自のツールや統合機能を追加してTeraを拡張することも可能です。

• Platform Agents：ワークロードのチューニング、コンピュートサイジング、テレメトリ、FinOps（クラウドコスト最適化）など、Teradata環境の管理・運用業務を担当

• Analytics Agents：自然言語からSQL/Pythonへの変換、クエリ最適化など、データ分析業務全般を直接担当

Teradata AI Services
導入を迅速化したい企業向けに、PoC（概念実証）の停滞を回避し、本番環境での成果創出へ直結させる支援を提供します。統制されたコンテキストが測定可能な価値を生み出すユースケースの特定、業界ナレッジモデルの構成、Teraを活用した企業知見の迅速な本番投入をサポートします。独自の「AI Value Engineering」手法とライフサイクル全体を網羅する事前開発済みエージェント群により、実験にとどまらない本番運用レベルのAI構築を支援します。

提供時期
Tera Context Engine、Tera Harness、およびAgent Skillsは、2026年第4四半期に提供開始予定です。

エグゼクティブ・メッセージ
Teradata チーフ・プロダクト・オフィサー Sumeet Aroraのコメント：「多くの企業はAIをゼロから始めているわけではありません。互いに連携しないバラバラのツール群や、それらのツールを大規模に使いこなすためのスキル不足という課題に直面しています。Teraはそうした環境全体で機能するよう設計されており、データに関わるすべての人々にビジネスコンテキスト、高度な実行能力、そしてあらかじめ組み込まれた専門知見を提供します。そして同様に重要なのは、企業が自らのモデルやデータ、実行場所に対する主権（コントロール権）を手放す必要がないという点です。その結果、より少ないオーバーヘッドと低コストで、真に実業務を遂行するAIが実現します」

将来予測に関する注記
本プレスリリースには、Tera、Tera Context Engine、Tera Harness、Agent Skillsに関する期待、信念、計画、意図などの「将来予想に関する記述」が含まれています。これらには、将来の製品の可用性、機能、製品ラインナップ、およびTeradataの顧客に期待されるメリットに関する記述が含まれます。これらの記述は既知および未知のリスクや不確実性の影響を受け、実際の結果が将来予想に関する記述で予想または暗示されたものと大きく異なる原因となり得る、不正確な可能性のある仮定に基づいています。これらのリスクや不確実性が現実化した場合、または仮定が誤っていることが判明した場合、Teradataの業績は記述された内容と大きく異なる可能性があります。Teradataは、将来予想に関する記述を更新する義務を負わず、その意図もありません。実際の結果に影響を与える可能性のある要因には、(i) 計画された製品機能および製品ラインナップの実行における遅延、予期せぬ困難、および費用、(ii) AIに関する規制環境の変化、(iii) 顧客による導入が製品機能および製品ラインナップへの投資を正当化するかどうかの不確実性、などが含まれます。Teradataの財務業績およびその他の業績に影響を与える可能性のある要因に関する追加情報は、米国証券取引委員会（SEC）に随時提出される報告書に記載されています。

Teradataのロゴは商標であり、Teradataは米国および世界中におけるTeradata Corporationおよび/またはその関連会社の登録商標です。

Teradataについて

Teradataは、深いビジネスコンテキストと信頼性の高いデータに基づき、AIが導き出す「知見（インテリジェンス）」を、自律的な「実行（アクション）」へ変換する力を企業に提供します。AIエージェントが普及する中、Teradataが提供するプラットフォーム「Teradata Autonomous Knowledge Platform」は、企業に不可欠なコンテキストエンジン、ガバナンスレイヤー、そして圧倒的な処理能力を誇る実行基盤を実現します。クラウド、オンプレミス、ハイブリッドのあらゆる環境において、AIの実用化と本番運用を強力に支援し、ビジネスの未来を切り拓きます。