El 22 de septiembre de 2026, Teradata anunció una expansión mayor de su asistente de inteligencia artificial Tera: un Context Engine, un sistema de ejecución llamado Tera Harness y un catálogo de Agent Skills pensados para que agentes gobernados ejecuten tareas de datos a través de sistemas empresariales. La cobertura de SiliconANGLE sitúa el movimiento en la carrera por convertir copilots analíticos en coworkers agenticos con controles reales.
Tera es un workspace agentico e interfaz en lenguaje natural que permite a analistas, ingenieros de datos y administradores de bases de datos pedir análisis, pipelines o gestión de infraestructura sin escribir SQL o código desde cero, siempre dentro de las reglas de acceso de la organización. Aunque forma parte de la Autonomous Knowledge Platform de Teradata, la compañía insiste en que puede alcanzar datos fuera de sus propios sistemas.
El nuevo Tera Context Engine conecta información de bases de datos, catálogos, pipelines y otras fuentes sin obligar a mover los datos. Reúne metadatos, linaje, definiciones de negocio y políticas de acceso para que un agente interprete cada petición en el contexto de esa empresa concreta, y afirma poder rastrear las salidas de IA hasta sus fuentes aplicando las mismas políticas cuando la información cruza sistemas.
Tera Harness se ocupa de la ejecución: selecciona herramientas, modelos y datos necesarios, sigue el progreso en varios pasos y puede pausar para aprobación humana antes de acciones sensibles. Teradata dice que el sistema puede reanudar el trabajo tras un fallo de infraestructura y que aplica controles antes de que una acción corra, precisamente para limitar operaciones no autorizadas o destructivas.
La tercera pieza, Agent Skills, empaqueta tareas comunes de ingeniería, análisis y ciencia de datos en funciones reutilizables. Los agentes pueden usar esas skills para escribir SQL o Python, optimizar consultas, tunear workloads y dimensionar cómputo. Las organizaciones pueden conectar sus propias herramientas mediante el Model Context Protocol (MCP), el mismo estándar que gana tracción en hubs empresariales de agentes.
El CPO Sumeet Arora resumió el problema de mercado: la mayoría de empresas no parten de cero con la IA; lidian con herramientas que no interoperan y con una brecha de skills que impide escalar. Tera intenta cerrar esa brecha ofreciendo contexto gobernado más ejecución con frenos humanos, no solo un chat sobre un warehouse.
Teradata también empujó números de eficiencia. En pruebas internas reportadas sobre SWE-bench Pro con el mismo modelo Opus 5, Tera usó un 73% menos de tokens que Claude Code, completó tareas un 42% más rápido y tuvo un 58% menos de coste total, con mayor tasa de finalización. En el benchmark data-eng-bench, afirmó un 53% menos de coste por tarea resuelta de forma fiable que Cortex Code de Snowflake, según resultados publicados por Snowflake. La compañía advirtió que las comparaciones reflejan sus condiciones de prueba, no todos los workloads.
Las nuevas capacidades, junto con skills especializadas, estarán disponibles en el cuarto trimestre de 2026. Los clientes podrán elegir modelos y ejecutar cargas en cloud, on-premises o entornos soberanos. Teradata ofrece además AI Services para identificar casos de uso, configurar Industry Knowledge Models y llevar conocimiento empresarial a producción más rápido.
El anuncio llega el mismo día que SAP y Darktrace refuerzan sus narrativas de gobernanza agentica, lo que sugiere una oleada coordinada del ecosistema enterprise: inventariar agentes, darles contexto y medir su coste. Para equipos de datos, Agent Skills es la pieza más tangible porque convierte runbooks dispersos en contratos invocables.
Los riesgos son los de siempre en claims de benchmarks: token counts y costes dependen del prompt, del harness y del dataset; un 73% menos de tokens no garantiza mejor calidad analítica en pipelines propietarios. Aun así, que un vendor clásico de data warehouse publique comparativas frente a Claude Code y Snowflake marca un cambio de terreno competitivo.
Para compliance, Context Engine y Harness importan más que el marketing de velocidad. Trazar salidas a fuentes, aplicar políticas en movimiento y pausar acciones sensibles son controles alineables con inventarios del AI Act y con marcos NIST que los governance assistants ya empiezan a incrustar en hubs de agentes.
Neural Pulse ve aquí la convergencia de tres capas: conocimiento empresarial (contexto), ejecución multi-paso (harness) y habilidades empaquetadas (skills). Sin las tres, un agente de datos o alucina o se queda en un chatbot de SQL.
En resumen, el 22 de septiembre de 2026 Teradata reposicionó Tera como coworker agentico gobernado, no como simple asistente NL2SQL. La prueba llegará en el 4T, cuando clientes midan si Context Engine y Agent Skills reducen de verdad incidentes de acceso y coste de tokens en producción.
Seguiremos la disponibilidad Q4, las primeras validaciones independientes de los claims frente a Claude Code y Cortex, y la adopción de MCP como puente entre skills de Teradata y herramientas de terceros.
