テラデータのアジア太平洋・日本担当副社長、ジョシュ・アボット(Josh Abbott)は韓国での記者懇談会で、データとAIの「文脈の隔たり」が最大の問題であり、モデル性能に比べて企業が得る価値は低いと述べました。企業データは複数のシステムに分散し、意味も曖昧なため、AIの結果を信頼しにくいと説明しました。

アボット副社長が紹介したアジアの大手顧客の事例では、数千万のデータベース列のうち、ビジネス上の意味が結び付いていたのは約1％でした。データが生成元から最終的な利用先に届くまでの段階は平均18で、多くの場合は40近くに達していました。この企業はデータカタログを持っていましたが、技術メタデータだけではデータの業務上の意味を把握しにくい状況でした。アボット副社長は、平均18回複製され、意味も不明確なデータを信頼できるのかと問いかけました。

テラデータは解決策として、Tera Context Engineを提示しました。業界別のデータ・知識モデル、データリネージ分析ツール、AIを組み合わせ、データの意味や関係を整理し、アクセス権と信頼性を管理すると説明しています。アボット副社長は、従来のカタログも文脈の問題を解決しようとする発想でしたが、十分ではなかったと述べました。テラデータのプラットフォームを使わず、Context Engineと関連サービスだけを購入する顧客もいると付け加えました。

データの意味を整理するには人の判断も必要です。営業部門と財務部門が同じ売上データを異なる基準で解釈する場合、データリネージ分析や検証ツール、AIの判断を組み合わせ、人が確認するヒューマン・イン・ザ・ループ方式を使えると説明しました。意味の食い違いを解消した内容と変更履歴を記録し、自動化と人の関与の度合いは顧客が選びます。

同社は、自然言語でデータ作業を行うTeraと、モデルやツールの実行を調整するTera Harnessも紹介しました。顧客は自社開発モデルか外部の主要AIモデルを選べます。同じモデルでも、実行層であるハーネスによってコストと性能が変わるとアボット副社長は述べました。Tera Harnessは企業のデータ作業に合わせてトークン使用量と処理時間を減らす設計で、テラデータの従業員5,000人にも展開されました。顧客が制御できるよう、ハーネスの中核部分はオープンソースで提供すると説明しました。企業がAIに入力する質問には、組織の関心事や業務情報が含まれ得るためです。

テラデータによると、Teradata Fabricはデータを一か所に複製せず、データがある場所でAIを利用できるようにし、オンプレミス、クラウド、競合他社の環境とも連携します。アボット副社長は、ITリーダーはベンダーを選ぶ前に、データと適切なデータガバナンスを確認すべきだと助言しました。データは企業やデータが属する国、場合によってはデータが表す個人のものであり、同意なく取引できる商品ではないと述べました。AIを安全かつ倫理的に活用し、データの不適切な処理や悪用を防ぐ供給元を探す必要があると付け加えました。

同氏は、データ主権の要件、セキュリティ上オンプレミスに残す必要があるデータ、コスト効率のため自社GPUで処理するワークロードを先に見極めるよう促しました。クラウドとオンプレミスを併用する場合は、不要なデータ複製を増やさずに両環境を支援できる供給元の組み合わせも検討すべきだと述べました。機能一覧を見る前にこうした問いに答え、データを点検してから技術を選ぶべきだという説明です。

韓国はテラデータの戦略市場の一つで、同社は投資を大幅に増やすと明らかにしました。人員規模は公表せず、活発なAI導入とソブリン・ハイブリッド需要が事業機会を生むと評価しました。社名を明かしていない韓国のAI顧客がいるとし、証券業界を関心の高い分野に挙げました。価格については、基本的なデータベース運用に過剰な費用を払う顧客が多いと指摘し、アジアで定額・無制限の料金プランを最近開始したと発表しました。製品のモジュール化と柔軟性の強化で運用支援の負担を減らしたことが、新料金体系の背景だと説明しました。

テラデータのアジア太平洋・日本担当副社長、ジョシュ・アボット(Josh Abbott)は韓国での記者懇談会で、データとAIの「文脈の隔たり」が最大の問題であり、モデル性能に比べて企業が得る価値は低いと述べました。企業データは複数のシステムに分散し、意味も曖昧なため、AIの結果を信頼しにくいと説明しました。

アボット副社長が紹介したアジアの大手顧客の事例では、数千万のデータベース列のうち、ビジネス上の意味が結び付いていたのは約1％でした。データが生成元から最終的な利用先に届くまでの段階は平均18で、多くの場合は40近くに達していました。この企業はデータカタログを持っていましたが、技術メタデータだけではデータの業務上の意味を把握しにくい状況でした。アボット副社長は、平均18回複製され、意味も不明確なデータを信頼できるのかと問いかけました。

テラデータは解決策として、Tera Context Engineを提示しました。業界別のデータ・知識モデル、データリネージ分析ツール、AIを組み合わせ、データの意味や関係を整理し、アクセス権と信頼性を管理すると説明しています。アボット副社長は、従来のカタログも文脈の問題を解決しようとする発想でしたが、十分ではなかったと述べました。テラデータのプラットフォームを使わず、Context Engineと関連サービスだけを購入する顧客もいると付け加えました。

データの意味を整理するには人の判断も必要です。営業部門と財務部門が同じ売上データを異なる基準で解釈する場合、データリネージ分析や検証ツール、AIの判断を組み合わせ、人が確認するヒューマン・イン・ザ・ループ方式を使えると説明しました。意味の食い違いを解消した内容と変更履歴を記録し、自動化と人の関与の度合いは顧客が選びます。

同社は、自然言語でデータ作業を行うTeraと、モデルやツールの実行を調整するTera Harnessも紹介しました。顧客は自社開発モデルか外部の主要AIモデルを選べます。同じモデルでも、実行層であるハーネスによってコストと性能が変わるとアボット副社長は述べました。Tera Harnessは企業のデータ作業に合わせてトークン使用量と処理時間を減らす設計で、テラデータの従業員5,000人にも展開されました。顧客が制御できるよう、ハーネスの中核部分はオープンソースで提供すると説明しました。企業がAIに入力する質問には、組織の関心事や業務情報が含まれ得るためです。

テラデータによると、Teradata Fabricはデータを一か所に複製せず、データがある場所でAIを利用できるようにし、オンプレミス、クラウド、競合他社の環境とも連携します。アボット副社長は、ITリーダーはベンダーを選ぶ前に、データと適切なデータガバナンスを確認すべきだと助言しました。データは企業やデータが属する国、場合によってはデータが表す個人のものであり、同意なく取引できる商品ではないと述べました。AIを安全かつ倫理的に活用し、データの不適切な処理や悪用を防ぐ供給元を探す必要があると付け加えました。

同氏は、データ主権の要件、セキュリティ上オンプレミスに残す必要があるデータ、コスト効率のため自社GPUで処理するワークロードを先に見極めるよう促しました。クラウドとオンプレミスを併用する場合は、不要なデータ複製を増やさずに両環境を支援できる供給元の組み合わせも検討すべきだと述べました。機能一覧を見る前にこうした問いに答え、データを点検してから技術を選ぶべきだという説明です。

韓国はテラデータの戦略市場の一つで、同社は投資を大幅に増やすと明らかにしました。人員規模は公表せず、活発なAI導入とソブリン・ハイブリッド需要が事業機会を生むと評価しました。社名を明かしていない韓国のAI顧客がいるとし、証券業界を関心の高い分野に挙げました。価格については、基本的なデータベース運用に過剰な費用を払う顧客が多いと指摘し、アジアで定額・無制限の料金プランを最近開始したと発表しました。製品のモジュール化と柔軟性の強化で運用支援の負担を減らしたことが、新料金体系の背景だと説明しました。