Tera má dělat datovou práci místo chatu — rollback jí zatím chybí

Teradata 22. září 2026 oznámila rozšíření Tera o Context Engine, Harness a Agent Skills; jejich dostupnost plánuje na čtvrté čtvrtletí 2026. Tera má z jednoho řízeného prostředí analyzovat data, vytvářet AI aplikace, spravovat infrastrukturu a dokončovat vícekrokové postupy. Podstatný posun spočívá v tom, že zadání v přirozeném jazyce má vést k vykonané datové práci, nejen k odpovědi pro analytika.

Nové součásti jsou zatím oznámené, nikoli obecně dostupné. Analytik IDC Devin Pratt v reportáži TechTargetu návrh zhodnotil slovy „The lifecycle is in the right shape“, ale pro svěřování skutečné odpovědnosti agentovi žádá také testování, verzování, rollback při chybě a větší zapojení člověka. Pro datové týmy je tedy důležité rozlišit, co má Tera umět provést, a jak půjde výsledek zkontrolovat či vrátit.

Od zadání k provedené datové úloze

Tera Context Engine má agentům poskytnout podnikový význam dat napříč používanými systémy. Je navržen jako vrstva nad databázemi, katalogy, datovými postupy, modely a dalšími agenty, včetně prostředí mimo Teradatu. Jeho kontextový graf propojuje metadata, původ dat, význam pojmů a pravidla přístupu. Při práci s ukazatelem tak agent může vycházet z uložené podnikové definice a dohledat vazbu na podkladová data místo toho, aby si význam odvozoval pouze z názvu sloupce.

Na tento kontext navazuje Tera Harness. Má udržet cíl úlohy během několika kroků, volit vhodné nástroje, data, dovednosti a modely a podle průběžných výsledků pokračovat v práci. Před spuštěním plánuje postup a uplatňuje pravidla, při běhu sleduje pokrok a omezuje neproduktivní opakování. Rozdíl proti samotné odpovědi v chatu je konkrétní: po nalezení potřebných dat může systém provést dotaz, využít jeho výsledek v dalším kroku a dojít k požadovanému výstupu.

Agent Skills dodávají specializované postupy. Agenti pro správu platformy mají pomáhat s laděním zátěže, volbou výpočetních prostředků a telemetrií; analyticky zaměření agenti mají pracovat se SQL a Pythonem či optimalizovat dotazy. Oznámení počítá také s tvorbou datových produktů, specifikací datových postupů a kontrol. Context Engine dodává význam a pravidla, Harness řídí sled kroků a specializované schopnosti zajišťují jednotlivé činnosti. Správný výsledek proto závisí jak na kvalitě podnikového kontextu, tak na rozhodnutích agenta během provádění.

Obnovení běhu nevrací hotovou změnu

Harness má uchovávat stav rozpracované úlohy a po selhání infrastruktury navázat tam, kde se běh přerušil. Součástí návrhu jsou také bezpečnostní pravidla a lidské schválení před rizikovou akcí. Tyto kontroly řeší přerušení procesu a rozhodnutí před provedením kroku. Rollback řeší jiný okamžik: návrat změny, která již byla provedena a později se ukázala jako chybná.

Uvažujme podmíněný příklad: agent upraví definici datového produktu podle nesprávně vyloženého podnikového ukazatele. Obnovení jeho běhu po výpadku původní definici samo neobnoví. K nápravě je třeba znát předchozí verzi, zjistit, které navazující výstupy vznikly z nové definice, a určit, co lze bezpečně vrátit. Ve zveřejněném popisu nových součástí není takový mechanismus návratu doložen; právě proto je rollback samostatnou provozní otázkou.

Lidské schválení uvnitř postupu má smysl před citlivým zásahem, ale neřeší samo o sobě opravu hotového výsledku ani předání opravy agentovi pro další práci. Rozsah lidské kontroly bude záviset na tom, které akce lze zastavit, jak je zaznamenán jejich průběh a zda lze upravit použitý podnikový kontext. U úloh, které pouze připravují návrh, má chyba jiné následky než u úloh měnících data, specifikace postupů nebo provozní nastavení.

Co musí ukázat provozní zkouška

Před nasazením je užitečné sledovat celou konkrétní úlohu od zadání po výsledek. Samostatně správný SQL dotaz totiž neukáže, zda agent bezpečně zvládne navazující změnu, schválení a případnou opravu. Z oznámených schopností a analytických výhrad plynou čtyři otázky pro ukázku produktu:

• Lze změnu datového postupu otestovat na určených datech a vyhodnotit výsledek před použitím v provozu?
• Ukládá se verze zadání, použitých podnikových definic, nástrojů a výsledných artefaktů tak, aby bylo možné rozhodnutí agenta zpětně vysvětlit?
• Jak se vrací chybná změna v datech, datovém produktu či nastavení a co se stane s navazujícími kroky?
• Ve kterých bodech může člověk akci schválit, zastavit nebo opravit a jak systém s opravou naloží při další úloze?

Jde o otázky pro ověření rozsahu produktu, nikoli o tvrzení, že každá z uvedených funkcí chybí. Oznámené schvalování a obnova běhu už vymezují část řízení práce. Test změny, evidence verzí a návrat hotového výsledku však vyžadují vlastní předvedení, zvlášť pokud má agent pracovat s podnikovými daty napříč systémy.

Rozhodne vydaná podoba Tera

Plánované zpřístupnění nových součástí dá zákazníkům možnost posoudit hranice autonomie na skutečném pracovním postupu. Rozhodující bude, zda vedle dokončení úlohy uvidí také její podklady, schvalovací bod a způsob nápravy chybného výsledku. Pokud bude k dispozici jen obnovení přerušeného běhu, návrat změn bude muset zajistit postup datového týmu.