شرکت Teradata با معرفی قابلیت‌های جدیدی در محیط کاری AI-powered خود به نام Tera، قصد دارد بهره‌وری اجرای گردش‌کارهای چندمرحله‌ای (Multistep Workflows) را از طریق رویکرد Agentic Execution افزایش دهد. این به‌روزرسانی شامل افزودن یک موتور زمینه (Context Engine)، یک لایه اجرا (Execution Layer) و مهارت‌های قابل استفاده مجدد برای Agentها است.
کاهش هزینه‌های استنتاج و بهینه‌سازی توکن‌ها
هدف اصلی از این تغییرات، کاهش فراخوانی‌های غیرضروری مدل‌ها و ابزارها است تا هزینه‌های استنتاج (Inference Costs) در مقیاس سازمانی کنترل شود. لایه اجرای جدید که Tera Harness نام دارد، نحوه مواجهه Agentها با وظایف و مسیربندی گردش‌کارها را تعیین می‌کند، در حالی که Tera Context Engine زمینه کسب‌وکار لازم برای هدایت این تصمیمات را فراهم می‌آورد.
طبق اعلام این شرکت، Tera Harness پیش از ارسال درخواست به مدل‌های زبانی بزرگ (LLM)، یک برنامه اجرایی ایجاد کرده و وظایف مستقل را دسته‌بندی (Batch) می‌کند. این سیستم با اعمال ۸۴ الگوی اجرایی، فراخوانی‌های مدل یا ابزارهایی که پیش‌برد وظیفه را تسهیل نمی‌کنند، حذف می‌کند تا از حلقه‌های تکراری و بی‌ثمر (Unproductive Agent Loops) و مصرف بی‌رویه توکن‌ها جلوگیری شود.
تحلیل عملکرد و چالش‌های عملیاتی
- نتایج بنچمارک: در ارزیابی‌های SWE-bench Pro، پلتفرم Tera با استفاده از مدل Opus 5، ۷۳٪ توکن کمتر نسبت به Claude Code مصرف کرده و وظایف را ۴۲٪ سریع‌تر و با ۵۸٪ هزینه کمتر به پایان رسانده است.
- پیش‌بینی‌پذیری هزینه‌ها: کارشناسان معتقدند این رویکرد به مدیران فناوری (CIOs) کمک می‌کند تا بودجه‌های AI خود را بهتر مدیریت کنند، زیرا هزینه‌های Agentic که پیش‌تر به دلیل متغیر بودن تعداد فراخوانی‌ها غیرقابل پیش‌بینی بود، اکنون با برنامه‌ریزی اولیه (Planning) ثابت‌تر می‌شود.
Trade-offها و ریسک‌های احتمالی
با وجود مزایای اقتصادی، این رویکرد بهینه‌سازی بدون ریسک نیست. حذف برخی فراخوانی‌های استنتاجی توسط Tera Harness یک تصمیم تخمینی است؛ اگر مرحله‌ای که سیستم «غیرضروری» تشخیص داده، در واقع حیاتی باشد، کیفیت پاسخ نهایی کاهش می‌یابد. بنابراین، سازمان‌ها باید نتایج خروجی را با دقت بیشتری بازبینی کنند.
همچنین، وابستگی شدید به معماری Teradata برای مدیریت زمینه و اجرا، ممکن است منجر به ایجاد Vendor Lock-in شود و انتقال گردش‌کارهای بهینه‌شده به پلتفرم‌های دیگر را دشوار سازد.
