Teradata ha anunciado una ampliación de capacidades para Teradata Enterprise Vector Store, su plataforma orientada a búsquedas vectoriales y a flujos de Inteligencia Artificial empresarial, con un foco muy claro: permitir que los agentes de IA trabajen no solo con texto, sino también con imágenes, audio y, más adelante, vídeo, dentro de entornos híbridos, cloud y on-premises. El movimiento no supone el lanzamiento de un producto completamente nuevo, sino una evolución de una pieza que la compañía ya presentó en marzo de 2025 y que ahora quiere posicionar como base para sistemas agénticos listos para producción.

La novedad llega en un momento en el que muchas empresas han pasado de experimentar con chatbots y asistentes a intentar desplegar agentes capaces de consultar documentos, tablas, registros, imágenes o audios dentro de flujos reales de negocio. Ahí aparece uno de los grandes problemas del mercado: los datos empresariales siguen estando repartidos entre bases estructuradas, documentos, ficheros y sistemas aislados, lo que complica tanto la calidad de las respuestas como el control del gobierno del dato. Teradata sostiene que su apuesta pasa precisamente por unificar ambos mundos en una sola capa gobernada.

Qué cambia en Teradata Enterprise Vector Store

Según la compañía, la actualización añade varias funciones relevantes. Entre ellas figuran la integración con Unstructured para ingerir y procesar automáticamente documentos, PDFs, imágenes y audio; la búsqueda híbrida, que combina búsqueda semántica, léxica y metadatos; el soporte para embeddings multimodales; el aumento de dimensiones de embedding hasta 8.000; y la integración directa con LangChain para construir flujos de RAG y ejecución agéntica a escala empresarial.

Ese último punto es especialmente relevante porque Teradata ya contaba con un paquete específico para LangChain. La documentación oficial del proyecto langchain-teradata muestra que la empresa ya ofrecía funciones para crear vector stores, ingerir documentos y datos estructurados, generar retrievers y mantener actualizaciones incrementales dentro de flujos RAG. La diferencia ahora es que Teradata quiere presentar esa integración no solo como una herramienta de desarrollo, sino como parte de una propuesta más amplia para llevar agentes a producción con contexto empresarial unificado.

En paralelo, la integración con Unstructured busca resolver otro cuello de botella clásico: convertir contenido no estructurado en datos listos para la Inteligencia Artificial sin obligar a montar pipelines externos. El anuncio conjunto con Unstructured indica que esta integración se ofrecerá de forma nativa dentro de Enterprise Vector Store y que permitirá transformar documentos, hojas de cálculo, correos, imágenes, vídeo y audio en datos preparados para IA directamente en la plataforma. Esa disponibilidad está prevista, para clientes elegibles, a partir de abril de 2026.

La verdadera apuesta: unir datos estructurados y no estructurados

La tesis de Teradata es bastante clara: los vector databases aislados no bastan cuando una empresa quiere que un agente de IA consulte al mismo tiempo tablas relacionales, logs, documentos, imágenes o metadatos bajo un mismo marco de gobierno. Su página oficial de producto insiste en esa idea al definir Enterprise Vector Store como una base gobernada que unifica datos estructurados y multimodales no estructurados en un único entorno, con búsquedas híbridas y “fusion search” para mejorar el contexto y la precisión de las respuestas.

Ese enfoque tiene lógica en el mercado enterprise. Muchas pruebas de RAG funcionan bien en laboratorio con un conjunto limitado de PDFs o documentación técnica. El problema llega cuando ese sistema debe convivir con políticas internas, millones o miles de millones de embeddings, consultas concurrentes y requisitos estrictos de seguridad, soberanía y cumplimiento. Teradata afirma que su arquitectura está pensada para miles de millones de vectores, más de 1.000 consultas concurrentes y escalado lineal en embeddings de alta dimensión. Son afirmaciones de la propia compañía, no resultados de una comparativa independiente reciente, pero sí sirven para entender cómo quiere posicionarse frente a las bases vectoriales especializadas.

La empresa también insiste en que esta evolución tiene sentido porque su plataforma se apoya en la arquitectura de Teradata Vantage, lo que le permite ofrecer el mismo entorno tanto en cloud como en on-premises y escenarios híbridos. Ese aspecto puede ser importante en sectores regulados o muy sensibles al control del dato, donde mover información fuera del perímetro corporativo sigue siendo un problema operativo o legal.

De los copilotos a los agentes con contexto empresarial

La parte más ambiciosa del anuncio está en el lenguaje agéntico. Teradata ya no vende Enterprise Vector Store solo como un almacén para búsquedas semánticas, sino como una base para agentes capaces de recuperar contexto, tomar acciones gobernadas y orquestar flujos de trabajo. En su vídeo y materiales recientes sobre Agentic AI, la compañía lo presenta como una pieza para que los agentes razonen sobre texto, imágenes y documentos dentro de entornos cloud y on-premises sin perder trazabilidad ni control.

Aun así, conviene separar bien las capacidades disponibles de los escenarios de marketing. En la nota de prensa, Teradata menciona ejemplos en sanidad, seguros, defensa o programas de fidelización, pero los presenta como casos de uso ilustrativos, no como despliegues confirmados de clientes concretos. Eso no invalida la propuesta técnica, pero sí obliga a leer con prudencia algunas promesas sobre automatización total o despliegues “en horas y no en meses”, porque dependen de factores como la calidad del dato, el modelo elegido, la integración con sistemas internos y las exigencias regulatorias de cada empresa.

Lo que sí parece claro es que Teradata quiere ocupar un espacio muy concreto en la cadena de valor de la Inteligencia Artificial empresarial: no ser el modelo, ni el framework, ni el simple repositorio vectorial, sino la capa de contexto, rendimiento y gobierno donde convergen datos estructurados y no estructurados. Y en un momento en que las empresas intentan pasar de demos de RAG a agentes con acceso real a información corporativa, esa capa empieza a tener más peso del que parecía hace apenas un año.

Un movimiento lógico en un mercado que se está consolidando

Teradata ya había lanzado Enterprise Vector Store en marzo de 2025 como una solución in-database para gestión de vectores dentro de su plataforma híbrida. Lo que hace ahora es ampliar esa base con multimodalidad, más integración y un relato mucho más orientado a agentes. En otras palabras, la compañía está adaptando un producto nacido para RAG y búsqueda semántica a un mercado donde la palabra clave ya no es solo “generativa”, sino “agéntica”.

La cuestión de fondo será si esa estrategia convence a las empresas que hoy dudan entre bases vectoriales específicas, arquitecturas montadas a piezas o plataformas más amplias con gobierno integrado. Teradata tiene a su favor la experiencia histórica en analítica empresarial y una propuesta fuerte en entornos híbridos. En contra, compite en un mercado donde cada semana aparecen nuevas capas de software para RAG, agentes, observabilidad y seguridad. La actualización anunciada esta semana no resuelve por sí sola esa pugna, pero sí deja claro que Teradata no quiere quedarse fuera del nuevo tablero de la Inteligencia Artificial empresarial.

Preguntas frecuentes

¿Qué es Teradata Enterprise Vector Store?

Es una solución de Teradata para almacenar, indexar, buscar y recuperar embeddings y datos vectoriales dentro de su plataforma empresarial, unificando datos estructurados y no estructurados para RAG, búsqueda semántica y agentes de IA.

¿Qué novedades ha anunciado Teradata en marzo de 2026?

La compañía ha añadido integración con Unstructured, búsqueda híbrida, embeddings multimodales para texto, imagen y audio, dimensiones de embedding de hasta 8.000 e integración más profunda con LangChain para flujos agénticos.

¿Cuándo estará disponible la integración de Unstructured en Teradata?

La comunicación conjunta de ambas compañías indica que la integración estará disponible para clientes elegibles a partir de abril de 2026.

¿Teradata está hablando de casos reales o de ejemplos teóricos?

En la nota de prensa aparecen ejemplos en sanidad, seguros, defensa y servicios financieros, pero se presentan como escenarios de uso propuestos por la compañía, no como clientes concretos ya desplegados.