חברת Teradata הכריזה על יכולות חדשות של סוכני AI (Agentic) ונתונים רב-מודליים עבור Teradata Enterprise Vector Store, פתרון מאוחד שמאפשר לארגונים לממש בצורה רחבה יותר את הפוטנציאל של בינה מלאכותית יוצרת (Generative AI) ושל סוכנים אוטונומיים בסביבות היברידיות, ענן ומערכות מקומיות (on-premises).
בשילוב עם פלטפורמת Unstructured, ההשקה מסמנת התפתחות משמעותית בתשתית ה-AI הארגונית של Teradata, המשלבת אינטגרציה של נתונים רב-מודליים, יכולות סוכנים (Agentic), וחיפוש היברידי מתקדם – כדי לפתוח רמות חדשות של אינטליגנציה ויעילות.
תכונות חדשות
Teradata Enterprise Vector Store מספקת צינור עבודה מלא – מיצירת embeddings ועד אינדוקס, ניהול מטא-דאטה ואינטגרציה עם מסגרות AI – עם היכולות המתקדמות הבאות:
-
אינטגרציה עם Unstructured: קליטה ועיבוד אוטומטיים של מסמכים, קובצי PDF, תמונות ואודיו, עם תמיכה עתידית בווידאו.
-
חיפוש היברידי: שילוב בין חיפוש סמנטי וחיפוש לקסיקלי יחד עם טכניקות מבוססות מטא-דאטה לקבלת תוצאות מדויקות ומודעות-הקשר.
-
Embeddings רב-מודליים: תמיכה ב-embeddings של טקסט, תמונות ואודיו עם ייצוג סמנטי עשיר יותר.
-
ממדי Embedding גבוהים יותר: עד 8K ממדים לשיפור הדיוק והניואנסים.
-
אינטגרציה עם LangChain: אינטגרציה ישירה המאפשרת צינורות RAG בקנה מידה ארגוני, מעבר מהיר מאבטיפוס לפרודקשן, והרצת סוכנים (Agentic execution) שמעבר לחיפוש בלבד — מאפשרת לסוכני AI לשלוף הקשר ולבצע פעולות באמצעות תהליכי עבודה אוטונומיים תחת ממשל נתונים.
למה עכשיו: אתגר ה-AI הארגוני
עם הגידול העצום בכמות הנתונים הבלתי-מובנים — שלפי Gartner גדלים בקצב מהיר פי שלושה מהנתונים המובנים — מסדי נתונים וקטוריים מסורתיים כבר אינם מספיקים לפריסות AI בקנה מידה ארגוני, במיוחד כאשר מודלי AI הופכים לרב-מודליים יותר ומעבדים טקסט, תמונות, אודיו ווידאו במקביל.
ככל שהאימוץ מתרחב — כמעט 80% מהחברות כבר משתמשות בסוכני AI ורובן מצפות להחזר השקעה של מעל 100% — מחקרים חיצוניים מראים כי ארגונים עדיין מתמודדים עם חסמים משמעותיים בהרחבת השימוש:
מאגרי נתונים מבודדים, יכולת סקייל מוגבלת, והיעדר גישה מאוחדת לנתונים מובנים ובלתי-מובנים.
מגבלות אלו מונעות מארגונים לממש את מלוא הפוטנציאל של סוכני AI בקנה מידה ארגוני. כדי לסגור את הפער נדרש Vector Store ארגוני שתוכנן עבור סקייל, ביצועים וממשל נתונים המתאימים ל-AI מודרני.
למה Teradata: סקייל וביצועים מובילים בתעשייה
Teradata נבנתה בדיוק לרגע כזה. מחקר של Forrester מציין כי סקייל וביצועים ברמה גבוהה עדיין דורשים מאמץ משמעותי, במיוחד כאשר תומכים בעשרות מיליארדי נקודות נתונים (וקטורים).
רוב פתרונות הווקטורים מגיעים למגבלות מעשיות סביב כמה מאות מיליוני embeddings בלבד.
לעומת זאת, Teradata Enterprise Vector Store תוכננה ל-AI בקנה מידה ארגוני, עם יכולת לקלוט מיליוני מסמכים, אלפי קבצים בשעה וזרמי נתונים רב-מודליים.
בשילוב עם הארכיטקטורה הארגונית של Vantage, המערכת מספקת:
-
סקייל ליניארי למיליארדי וקטורים ו-embeddings בממדים גבוהים
-
מעל 1,000 שאילתות במקביל ללא ירידת ביצועים
-
מבנה עלויות אופטימלי שמונע כפילות תשתיות
-
ממשל נתונים ברמה ארגונית בסביבות ענן, מקומיות והיברידיות
כיצד ארגונים ישתמשו בכך
הגישה המשולבת של Teradata, בשיתוף Unstructured, מבטלת את המורכבות של פתרונות נקודתיים באמצעות ניתוח אוטומטי של נתונים בלתי-מובנים והמרתם ל-embeddings איכותיים, תוך איחוד נתונים מובנים ובלתי-מובנים בפלטפורמה אחת תחת ממשל נתונים.
כך יכולים סוכני AI לגשת להקשר הארגוני המלא ולהפעיל תהליכי עבודה מורכבים באופן אוטונומי.
עיבוד סוגי נתונים מגוונים בקנה מידה גדול
באמצעות שיתוף הפעולה עם Unstructured, ארגונים יכולים לנתח ולהמיר אוטומטית מסמכים, PDF, תמונות ואודיו ל-embeddings איכותיים בקנה מידה ארגוני. כך מערכות AI יכולות לבצע הסקה על פני מקורות נתונים שונים תוך הבנה סמנטית משותפת.
דוגמה מעשית – שאלות ותשובות ויזואליות בתחום הבריאות:
מוסדות רפואיים משלבים רשומות מטופלים מובנות עם הערות קליניות, תמונות רפואיות והכתבות אודיו כדי לשפר את מהירות האבחון ותכנון הטיפול. סוכני Teradata-LangChain מפעילים תהליך עבודה מבוקר שמפעיל מודלי ראייה ממוחשבת, חיפוש וקטורי רב-מודלי ומספק תשובות עם מקורות מתועדים.
הפעלת תהליכי עבודה אוטונומיים
סוכני AI יכולים לשלוף הקשר, לבצע פעולות ולתזמר תהליכי עבודה מורכבים דרך אינטגרציה חלקה עם LangChain — מה שהופך את ה-AI מצ'אטבוט פשוט למערכת אוטונומית מלאה המסוגלת לקבל החלטות מורכבות.
דוגמה מעשית – אוטומציה של תביעות ביטוח:
סוכנים לטיפול בתביעות מנתחים תמונות נזק ומסמכי פוליסה לצד נתוני תביעות מובנים, ומחלצים מידע תוך הצלבה עם כללי כיסוי והיסטוריית תביעות — וכך מספקים החלטות מהירות וברורות עם תאימות מלאה לביקורת.
אינטליגנציה מודעת-הקשר
חיפוש היברידי משלב חיפוש וקטורי סמנטי עם טכניקות לקסיקליות ומטא-דאטה, בעוד חיפוש fusion מאפשר שליפה מאוחדת של נתונים מובנים ולא-מובנים. גישה רב-שכבתית זו משפרת משמעותית את האמינות ומפחיתה "הזיות AI".
דוגמה מעשית – מודיעין ביטחוני:
ארגונים צבאיים יכולים להפוך דוקטרינות הסוואה סטטיות להגנה מבוססת מודיעין. חיילים מצלמים ציוד מוסווה באמצעות אפליקציות מאובטחות, והתמונות מעובדות יחד עם נתוני שטח וחתימות איומים כדי לספק הנחיות בזמן אמת בשדה הקרב.
ביטול סילואי נתונים
בניגוד למסדי נתונים וקטוריים מסורתיים הפועלים בנפרד, הפתרון של Teradata מאפשר לסוכני AI לשלוף תובנות בו-זמנית מטבלאות, לוגים, מסמכים, תמונות ומטא-דאטה בסביבה אחת.
דוגמה מעשית – סוכני נאמנות עסקיים:
חברות שירותים פיננסיים בונות סוכנים שמחברים בין מסמכי מדיניות לא-מובנים לבין נתונים עסקיים מובנים כדי לענות על שאלות מורכבות כמו זכאות להנחות נאמנות.
האצת פיתוח והטמעה
אינטגרציות פתוחות עם SQL, Python ו-LangChain מאפשרות למפתחים לבנות ולהפעיל תהליכי עבודה אוטונומיים המשתמשים גם בנתונים מובנים וגם בנתונים רב-מודליים בלתי-מובנים, תוך מעבר מהיר מאבטיפוס לפרודקשן.
דוגמה מעשית – מאבטיפוס לשדה הקרב:
ארגוני ביטחון יכולים לפרוס במהירות אפליקציות מובייל מאובטחות המאפשרות לחיילים לצלם תמונות שטח, שמעובדות מיד דרך Enterprise Vector Store ומספקות הנחיות טקטיות בזמן אמת.