Pinecone Nexus：エージェント向けの知識エンジン
Pinecone は、エージェントが知識検索に費やす非効率なループを解消するため、推論を前倒しして構造化された文脈を提供する「知識エンジン」である Pinecone Nexus を発表した。
キーポイント
エージェント時代の課題：非効率な検索ループ
現在の AI エージェントは、情報の欠落や矛盾を検出するために繰り返しの検索（Retrieval）を強いられており、作業時間の約 85% がこのプロセスに費やされ、完了率は 50-60% に留まっている。
Pinecone Nexus の新アプローチ：知識の事前コンパイル
従来の検索システムが「文書を探す」ことに特化しているのに対し、Nexus は推論を前倒しして専門的な文脈（アーティファクト）を構造化・コンパイルし、エージェントに信頼できる形で提供することで、トークンコストと遅延を削減する。
ガバナンスとセキュリティの強化
タスクごとに動的に文脈を組み立て、RBAC（ロールベースアクセス制御）に基づいてスコープを設定し、PII（個人識別情報）の自動タグ付けやバージョン管理を通じて、企業レベルでのガバナンスを可能にする。
影響分析・編集コメントを表示
影響分析
この発表は、RAG（検索拡張生成）の概念を「単純な文書検索」から「推論支援型の知識基盤」へと進化させる重要な転換点を示しています。これにより、AI エージェントの実用化におけるコストと信頼性の課題が解決され、より複雑で自律的なタスク実行が可能になるでしょう。特に大規模企業向けに、ガバナンスを損なわずにエージェントを導入する道筋を提供します。
編集コメント
従来のベクトルデータベースの延長線上にある新機能ではなく、エージェント特有の「検索疲れ」を根本から解決するアーキテクチャ転換を提案しており、業界標準が再定義される可能性が高い。ただし、具体的な実装詳細やベンチマークデータが今後の展開に注目される。
ユーザーの主体が変わっている
あらゆる技術的パラダイムシフトは、決定的なデータインフラストラクチャのカテゴリーを生み出します。クライアントサーバー向けのリレーショナルデータベース、クラウド向けのオブジェクトストレージ、支援型 AI 向けのベクトルデータベースです。
Pinecone は市場をリードするベクトルデータベースを構築しました。800,000 人以上のアクティブな開発者と 9,000 社以上の有料顧客が、その上で AI を稼働させています：意味検索、レコメンデーションシステム、検索拡張生成（Retrieval-Augmented Generation）。私たちはこのカテゴリーを定義しました。
その支援型 AI カテゴリーは人間ユーザーのために構築されたものです。クエリを入力し、関連するドキュメントを取得します。それは機能していました。
現在、エージェントが知識インフラストラクチャの主要な消費者として人間を超えています。この「エージェント型 AI」時代において、エージェントはタスクを実行していますが、力任せのループに陥っています。チャンクのセットを検索し、それらを読み込み、何か不足していることに気づきます。さらに検索します。統合します。衝突に直面します。再度検索します。エージェントの努力の約 85% が知識検索に費やされており、その出力も誰かが行動に移す前に人間によるレビューを必要としています。
避けられない結果：タスク完了率が 50〜60% で停滞。生産環境の SLO（サービスレベル目標）を破壊する予測不可能なレイテンシ。どの企業も管理できない出力。そして、そのすべてに続く、制御不能なトークンコスト。これは「10 個の青いリンク」時代のエージェント検索です。
Web 検索はすでにランク付けされたリンクから直接回答へと移行しました。知識インフラも同様の飛躍を必要としています。Pinecone ベクトルデータベースはその基盤であり、ベクトルの基本機能とその管理は依然として不可欠です。しかし、エージェントが求める検索パターンは人間が求めるものとは根本的に異なります。それが変化の要因です。
エージェンシー時代には異なるものが求められます。
Pinecone Nexus の紹介
Pinecone Nexus は検索システムではなく、知識エンジンです。この区別は重要です。
検索システムは文書を見つけ、推論時にフロンティアモデルに引き渡します。その際、モデルはトークンを消費して生コンテンツを精査し、レイテンシを生じさせ、ハルシネーションのリスクを抱えます。これは検索段階における推論です。脆く、遅く、高価です。
Nexus は推論を前倒しし、検索から知識のコンパイルへと移行します。エージェントが必要とする前に、構造化され、文脈化された専門的な文脈（派生した*アーティファクト*）を構成します。エージェントは生の文書ではなく、信頼できる知識を文脈に特化した構造化形式で受け取ります。タスクの完了が目的であり、検索の完了ではありません。フロンティアモデルは本来設計された役割に専念できるようになります——すなわち、知識管理ではなく、知的推論です。
Nexus では、ガバナンス機能が知識エンジンに組み込まれています。コンテキストはタスクごとに動的に構築され、RBAC（ロールベースアクセス制御）の権限範囲内に限定され、コンテキストの劣化もありません。すべてのアーティファクトはバージョン管理されており、すべての回答はそのソースデータと変換プロセスを遡ることができます。個人情報は取り込み時にタグ付けされ、LLM による処理方法を統一的なルールが管理します。トークン消費量はユーザーとワークロード全体を一元的に管理し、統合ダッシュボードにより利用状況、コスト、コンプライアンス状況をリアルタイムで可視化できます。
Nexus は2 つのコアコンポーネントから構成されています：1 つはコンテキストコンパイラ（context compiler）、もう 1 つはコンポザブル・リトリーバー（composable retriever）です。コンテキストコンパイラは、貴社の運用方法に基づいて知識を構築・整理します。一方、コンポザブル・リトリーバーは、各エージェントがタスク完了のために必要な知識の形式に合わせて回答を整形し、提供します。
コンテキストコンパイラ**は、この転換の核心です。ソースデータとタスク仕様を与えると、生データをタスク最適化された専門的なコンテキストにコンパイルします。これらのコンテキストには、新たに導出されたアーティファクトが含まれます。これは AI エージェントが行動する情報の具体的な形態です。精度と速度のために特別に設計されており、エージェントはこれらのアーティファクトを直接消費します。従来のコンパイラとは異なり、反復処理を行います：表現方法を試し、タスクに対して評価を行い、エージェントが必要とする正確な知識構造へと収束していきます。従来は推論時に発生し、トークンを浪費して曖昧な結果を生み出していた作業が、現在はコンパイル時に一度だけ行われ、反復ごとに改善されていきます。
中堅規模の SaaS 企業を想定してください。そのデータは、データウェアハウス、Salesforce、Slack、Gong、Gmail、Jira、Google Drive に分散して存在しています。
現在の一般的なアプローチでは、バイブコーディングツール（vibe coding tool）をすべてのデータソースに向けて起動し、タスクの実行に任せるというものです。これはあらゆるデータをスキャンし、入手可能な情報を取得するものの、適切な文脈が浮上することを期待するだけのものです。場合によっては機能しますが、頻繁にハルシネーション（幻覚的生成）を起こしたり、重要な接続を見逃したり、無関係なデータに埋もれてしまったりします。
一方、コンテキスト・コンパイラー（context compiler）は異なるアプローチを取ります。同じ基盤データを参照しつつ、各エージェントのタスクごとに特化した文脈アーティファクトを構築します：
セールスエージェントには、商談に関する文脈が提供されます。これは、Gong の通訳を機会ステージと統合し、チャンピオンとのメールスレッド、Slack 上の競合他社への言及を含んだものです。単なる CRM 検索ではなく、商談の全体像です。
ファイナンスエージェントには、収益に関する文脈が提供されます。これは契約条件を請求スケジュール、利用しきい値、および拡張シグナルとリンクさせたものです。同じ Salesforce レコードであっても、*全く異なるアーティファクト*となります。
マーケティングエージェントには、帰属分析に関する文脈が提供されます。これはキャンペーンの接触点を、Gong からの勝敗テーマや、利用データからの製品適格シグナル（product-qualified signals）と接続したものです。CRM がリードのソースとして主張しているものではなく、実際にコンバージョンを駆動している要因です。
CEO エージェントには、部門横断的なシグナルが提供されます。これは ARR の変動を顧客健全性、採用速度、および製品マイルストーンと関連付けたものです。同じシステムを使用しながらも、全く異なる合成結果となります。
一つのデータ資産（data estate）。4 つのエージェント。4 つの固有のアーティファクト。それぞれは汎用的な検索ではなく、タスク完了のために最適化されています。
これがレコードシステムとナレッジシステムの違いです。レコードシステムは過去に何が起こったかを保存します。一方、コンテキストコンパイラはデータを整理するのではなく、各エージェントが自社のビジネスについて「理解」するために必要なものを構築します。これはエージェントごとに、タスクごとに異なります。そして、毎回再利用されます。
コンポーザブル・リトリーバーは、クエリ実行時にこれらのキュレーションされたアーティファクトを提供します。低遅延で、根拠に基づき、ソース間でコンポーザブルです。型付きフィールド。各フィールドごとの出典情報と信頼度レベル。決定論的な競合解決。エージェントが指定した正確な形状の出力により、タスクを正確かつ高速に完了できるように構造化されています。
その結果：タスク完了率の向上、完了までの時間の短縮、根拠に基づいた出力、そしてトークン使用量の最大 90% の削減です。これは、推論呼び出しごとに処理するのではなく、専用のナレッジ層へ推論をオフロードすることで起こる構造的な変化です。
AI エージェントが実質的な影響を与えるためには、ビジネス内でシームレスかつ安全に作業できる手段が必要です。 これは、製品ロードマップや研究資料からマーケティング資産、そして無数のファイルタイプに至るまで、組織が日常的に依存しているコンテンツに見られる必要なコンテキストをエージェントに提供することを意味します。Box が管理する数十年分のエンタープライズ・コンテンツを Pinecone Nexus のナレッジエンジン（Knowledge Engine）と安全に統合することで、AI エージェントにより正確で効率的な結果を提供するために必要なコンテキストを与えています – Box 社エンジニアリング担当バイスプレジデント タマル・ベルコビッチ氏。
エンタープライズ AI の成否は、それを支えるデータの質にかかっています。最も困難な部分は常に、文書に依存する不揃いなエンタープライズコンテンツの現実を、エージェントが実際に推論できる形に変換することです。そして、フォーチュン 1000 社の 87% が、まさにそのために Unstructured を信頼しています。Unstructured の取り込みおよび前処理プラットフォームを Pinecone Nexus に接続することで、生身のエンタープライズデータと、エージェントが信頼しタスク固有の知識を得るためのギャップを埋めることができます。Together, we're turning every organization's unstructured data into a knowledge asset that compounds with every agent interaction. – Brian Raymon, CEO of Unstructured
KnowQL: エージェントのための宣言型クエリ言語
エージェントは今日、必要なものを表現できません。これは機能の欠落ではなく、構造的なギャップです。
エージェントアプリケーションを構築するすべてのチームが、同じ検索ロジックをゼロから再実装しています。カスタムツール定義。エージェントフレームワークとデータソース間の独自のスクリプトコード。何かが変更されると壊れるオンデマンド統合。エージェントが知識システムに求めるものに対する共通の語彙はありません。
私たちはこれを以前に見てきました。SQL 以前、すべてのアプリケーションが独自のデータアクセス層を構築していました。SQL はリレーショナルデータベースにユニバーサルなインターフェースを与え、その上に完全なアプリケーションエコシステムを可能にしました。標準的なインターフェースがすべてを変えました。
エージェントも同じ構造的な瞬間を迎えています。そして今日、彼らは文字に*できない*ことがいくつかあります:
「答えを返してください、断片を二十個返すのではなく。」出力形状の契約がない。エージェントは生テキストを受け取り、呼び出しごとに再解析する。トークンの無駄遣いが増える。
「どのソースから引用し、信頼度を明記してください。」フィールドレベルでの根拠付けがない。エージェントは事実と推測を区別できない。信頼性がなく、統制されていない回答となる。
「標準的な深さで、500 ミリ秒未満で完了させてください。」予算枠の制限がない。すべての呼び出しが、いかに深く、いかに長くとも実行される。予測不可能で、遅く、無駄が多い。
*KnowQL は、エージェントが欠いている語彙を提供します*。**6 つのコアプリミティブ：意図（intent）、フィルタ（filter）、出所（provenance）、出力形状（output shape）、信頼度（confidence）、予算（budget）を、単一の宣言型インターフェースに統合し、構造化され、精密で、根拠のある信頼できる知識を返します。これは、実際のエンタープライズ AI が必要とする多様な知識ソース間で組み合わせ可能となっています。
信頼性の高い長期ホライゾンのエージェント構築は、根本的にはコンテキストエンジニアリングの問題です。適切な情報を、適切な形式でエージェントに届けることが、デモと本番環境を分ける鍵です。Pinecone Nexus は知識層においてこの課題を解決し、KnowQL はアジェンティックエコシステムが待ち望んでいた標準インターフェースです。だからこそ LangChain は Pinecone と協力して KnowQL の発展を進めています。また、チームが Nexus でエージェントを構築する際、LangSmith が観測性と評価機能を提供し、エージェント改善のループを円滑に進めるのを支援します。 – Harrison Chase, LangChain CEO
エンタープライズがアジェンティック AI で勝利を収めるのは、自社の信頼できるビジネスデータ全体をエージェントが推論できる場合です。Teradata は Pinecone と KnowQL および Knowledge engine において提携しており、世界で最も要求の厳しい組織に対し、管理されたデータから自律的で正確なエージェント駆動型の成果へと至る明確な道筋を提供します。これは、企業が Teradata で築いてきた規模と信頼によって裏付けられています。
– Sumeet Arora, Chief Product Officer, Teradata
*Pinecone Nexus および KnowQL の早期アクセスは現在、金融サービス、ヘルスケア、法務、エンタープライズ SaaS、および複雑で独自性の高い知識をエージェントが推論するあらゆるドメインにおいて、エージェントネイティブなアプリケーションを構築している顧客とパートナー向けに開放されています。*
Pinecone Nexus と KnowQL が可能にするもの
Knowledge Artifact Curation（ナレッジアーティファクトのキュレーション）
コンテキストコンパイラは、セッション、ユーザー、ワークフロー全体を通じて文脈を維持する永続的で耐久性のある知識表現を生成します。一時的な検索結果ではなく、時間とともに蓄積・強化されるキュレーションされたアーティファクトです。これが組織におけるナレッジシステムとなります。
Autonomous Query Planning（自律的なクエリプランニング）
埋め込まれたエージェントが、各タスクに特化して構築および改善された取り込み（ingestion）および検索パイプラインを構築します。このパイプラインは文脈に合わせて適応するものであり、その逆ではありません。
Governed Reasoning at Scale（スケールにおける管理された推論）
ネイティブ・ハイブリッド検索により、ベクトル検索とフルテキスト検索を統合。エージェントのクエリボリュームにおいて、意味的な広範な検索精度と完全一致による精密さを同時に実現します。フィールドごとの引用、信頼度スコア、ACL 対応フィルタリングにより、すべての回答がデフォルトで監査可能かつポリシーに準拠した安全なものとなります。
KnowQL を用いた構成可能な検索
エージェントは、6 つの KnowQL プリミティブを用いて、オンデマンドで知識へのアクセスを構成します。これにより、各展開ごとにカスタム検索インフラストラクチャを構築することなく、垂直分野向け AI アプリケーションの開発が可能になります。
測定された影響：**タスク完了率が 90% を超える。完了までの時間が 30 倍高速化。すべての回答に引用・スコア付け・監査機能が備わり、精度と関連性が劇的に向上。さらにその上でトークン使用量が最大 90% 削減されます。これは企業向け AI の ROI（投資対効果）の計算式を根本から変えるものです。
Pinecone Marketplace: Pinecone Nexus から数分で本番環境へ
Pinecone Nexus はエージェントに信頼できる知識を提供します。一方、Pinecone Marketplace はチームにとって最も迅速な本番環境への道筋を提供します。
多くのチームは、独自性のあるアプリケーションを構築するよりも、取り込み（ingestion）、埋め込み（embedding）、検索、オーケストレーションの基盤整備に多くの時間を費やしています。Marketplace はこれらを解消し、Pinecone とパートナーによって構築された本番環境対応型の知識アプリケーションを提供します。数分でデプロイ可能かつカスタマイズ可能です。インフラストラクチャの組み立ては不要です。
これらは単なるデモではありません。Marketplace にあるすべてのソリューションは、顧客が現在実際に構築している課題に対応するものです。
ローンチ日ソリューション:
Pinecone Marketplace は、以下のカテゴリおよびその他にまたがる 90 を超える知識アプリケーションと共にローンチされます:
営業・収益
製品、価格設定、競合ポジショニングに関する即座の回答を営業担当者に提供します。社内知識に基づき、取引承認、割引例外、契約決定を合理化します。
保険
引受、請求処理、不正検知、ポリシーサービス、コンプライアンスのためのエンドツーエンドアプリケーション。保険バリューチェーンにおける各役割を定義する文書中心のワークフローのために特別に設計されています。
不動産
買収デューデリジェンスや開発から、賃貸、資産管理、物件運営に至るまでの完全な商業用不動産（CRE）ライフサイクルをカバーします。市場を動かす取引チームとオペレーターのために特別に設計されています。
法務・コンプライアンス
M&A デューデリジェンス、雇用法、データプライバシー、移民法、および法的文書検索のためのアプリケーション。特定の専門分野に限定され、すべての回答が適切なソースに基づいています。
人事・人材
福利厚生をセルフサービス化し、オンボーディングを容易にします。従業員が初日から HR ポリシー、トレーニング、社内ツールをガイドする知識アプリケーションを展開します。
カスタマーサポート
フロントラインの Q&A から Tier-3 エスカレーション、経営陣への苦情処理まで、問題をより迅速に解決し、製品および顧客体験（CX）戦略に直接フィードバックされる顧客シグナルを浮き彫りにします。
*ローンチ時は無料。パートナーが構築した商用ソリューションは近日公開予定。修正・拡張・本番環境での利用が可能に設計されています。*
2026 年は、エージェントがワークフローから従業員へと移行する年であり、ボトルネックはもはやモデルそのものではなく、適切な知識に基づいてエージェントを機能させることにあります。 LlamaParse のドキュメント取り込みおよび解析機能を Pinecone Nexus および Pinecone Marketplace に統合できることを嬉しく思います。チームは、複雑なレイアウト、表、手書き文字、画像を含む散らかったドキュメントから、エージェントが行動に移せる信頼できる知識へと迅速に変換できるようになります。これは、Marketplace 上でアプリをリリースする場合でも、Nexus 上で直接構築する場合でも同様です。
– Jerry Liu, LlamaIndex CEO
エンタープライズ AI が真に価値を発揮するのは、チームが実際に依存しているワークフローの中に組み込まれた時だけです。ThoughtFocus は Pinecone と 2 つの側面で提携しています。1 つ目は、クライアント向けに Pinecone Marketplace で本番環境対応型の知識アプリケーションを構築すること、2 つ目は、これらの同じアプリケーションを ThoughtFocus 内部で展開し、チームの日々の業務効率化を加速させることです。Marketplace は、ThoughtFocus のようなサービスパートナーが、深いドメイン専門知識を顧客がすぐに使えるアプリとしてパッケージ化し、まずは自社の運用でモデルの有効性を証明するための手段を提供します。これこそが、エンタープライズ AI をパイロット段階から本番環境へと移行させる道筋です。
– Nick Sharma, ThoughtFocus CEO
構築の障壁を取り除く
市場で最高の知識インフラストラクチャは、あらゆる開発者、あらゆる段階で利用可能であるべきです。その実現のために価格体系を再構築しました。
Builder Tier — $20/Month
開発者や小規模チーム向けに、Pinecone の本番環境グレードのインフラストラクチャへのフルアクセスを提供します。パフォーマンスの低下はありません。固定で予測可能なコスト。予期せぬ請求もありません。無料サポート付き。エンタープライズがミッションクリティカルなワークロードを稼働させるのと同じ Pinecone が、真摯なビルダーにとっての障壁を取り払う価格で利用可能です。
Dedicated Read Nodes
オンデマンド (On-Demand) は、変動する予測不能なワークロードに対して設計どおりに動作します。検索がスケールし、持続的な高ボリューム、厳格なレイテンシ SLO（サービスレベル目標）、財務部門からの予測可能な支出要求が生じる場合、固定価格モデルが必要となります。Dedicated Read Nodes (DRN) は、ウォームデータパスを備えた専用かつプロビジョニングされた読み取り容量を提供します。ベクトルは常にホット状態です。コールドスタートもレート制限もありません。ノードごとの時間単位の固定料金です。本番環境のワークロードでは、スケール時にコストが 77–97% 削減されます。
Bring Your Own Cloud
データ所在地要件、規制制約、または既存のクラウドコミットメントを持つ組織向けに、BYOC (Bring Your Own Cloud) は Pinecone を完全にマネージド形式でお客様のクラウド環境内にデプロイします。Pinecone Nexus もまもなく対応する、完全なデータ制御権を、マネージドサービスの簡便さとともに提供します。
*Builder Tier（$20/月）、DRN、および最大規模のエンタープライズ向け BYOC は、すべて同じ理由で存在します：インフラストラクチャは野心を制約するのではなく、それを可能にするべきだからです。
The Full Stack
今回の発表は、Pinecone の知識プラットフォームにおける新コンポーネントです:
LAYERPRODUCTWHAT IT DOES
アクセスレイヤー Pinecone Marketplace 本番環境対応の知識アプリケーション。数分でデプロイ可能。インフラ構築は不要。
知識エンジン Pinecone Nexus + KnowQL 組織データを、エージェントが信頼でき、永続的かつ照会可能な知識へと変換します。KnowQL は、エージェンシー時代の宣言型クエリ言語です。
基盤 Pinecone Database ネイティブなハイブリッド検索機能（全文検索）を備えた BYOC（Bring Your Own Cloud）。DRN 対応。Builder tierは月額20ドルから。市場で最もパフォーマンスが高く、手頃な価格のベクトルデータベースです。
ユーザーとの長年のパートナーシップを通じて知識検索システムを構築し、Pinecone Nexus の開発過程で明らかになった実世界の要件に基づき、ネイティブ全文検索機能を Pinecone Database コアに統合しました。これにより、エージェント規模のクエリボリュームが持つ独自の経済的・技術的要件に対応できるスタックを実現しています。今後もこれらの Nexus ワークロードに基づいてコアデータベースを進化させ、インフラを自律型 AI のスピードに合わせて目的別に設計し続けます。
今後の展望
私たちはベクトルデータベースのパイオニアであり、RAG を標準パターンとして確立しました。これらの貢献は現在の AI インフラに組み込まれています。継続的な研究とエンジニアリングによる革新により、価格を引き下げ、個人開発者から大規模なグローバル企業に至るまで、誰もが Pinecone で構築できるようにしています。
各組織に固有であり、今日に至るまで存在しなかったのは、推論を検索からキュレーションへと移行させる知識エンジンです。エージェントがこれまで欠いていた語彙を与える宣言型クエリ言語。人間の規模を桁違いに超えて動作するアジェンティック・システム（agent systems）のために設計されたインフラストラクチャ。
今後 10 年間に業界を定義していく企業は、信頼できる知識上で動作するエージェントを構築しています。彼らは、自分たちが本質的なものだと考えていた限界——専門家の帯域幅の不足、意思決定サイクルの遅さ、洞察あたりのコストの高さ——が、解決を待つインフラストラクチャ上の問題であることを発見しつつあります。
インフラストラクチャの問題を解決すれば、変革は続くのです。
私たちの使命：AI に知識を持たせること。今日、私たちはエージェント規模においてそれが何を意味するかという点で、これまでで最も大きな一歩を踏み出します。
START HERE
- 5 月 4 日：Pinecone Nexus & KnowQL の早期アクセスが開始 → 申請する
- 5 月 5 日：Pinecone Marketplace が稼働 → 探索する
- 5 月 6 日：ビルダー・ティアが月額$20に設定 → ビルドを開始する
- 5 月 7 日：ネイティブ全文検索がパブリック・プレビュー版として利用可能に → 試してみる
- 5 月 8 日：新リージョン：AWS eu-central-1（ドイツ）および AWS ap-southeast-1（シンガポール）→ 始める
原文を表示
The Primary User Is Changing
Every technological paradigm shift produces a defining data infrastructure category. Relational databases for client-server. Object stores for clouds. Vector databases for Assistive AI.
Pinecone built the market-leading vector database. 800,000+ active developers and 9,000+ paying customers run their AI on it: semantic search, recommendation systems, retrieval-augmented generation. We defined the category.
That Assistive AI category was built for a human user; type a query, get relevant documents back. It worked.
Now agents are surpassing humans as the primary consumers of knowledge infrastructure. In this Agentic AI era, agents are performing tasks, stuck in brute-force loops. Retrieve a set of chunks. Read them. Realize something is missing. Retrieve more. Synthesize. Hit a conflict. Retrieve again. Roughly 85% of an agent’s effort is spent on knowledge retrieval and the output still requires human review before anyone can act on it.
The inevitable result: task completion rates stuck at 50–60%. Unpredictable latency that kills production SLOs. Outputs no enterprise can govern. And, downstream of all of it, runaway token costs. This is the “ten blue links” era of agentic retrieval.
Web search already made the transition from ranked links to direct answers. Knowledge infrastructure needs the same leap. The Pinecone vector database is the foundation; vector primitives and their management remain essential. But the retrieval patterns agents need are fundamentally different from what humans need. That is what changed.
The agentic era needs something different.
Introducing Pinecone Nexus
Pinecone Nexus is a knowledge engine, not a retrieval system. The distinction matters.**
A retrieval system finds documents and hands them to a frontier model at inference time. The model burns tokens sifting through raw content, introduces latency, and risks hallucination. This is reasoning at the retrieval stage. It is fragile, slow, and expensive.
Nexus moves the reasoning upstream, from retrieval to knowledge compilation. It structures, contextualizes, and composes specialized contexts (derived *artifacts*) before the agent needs them. The agent receives trusted knowledge in a context-specific structured format, not raw documents. It completes the task, not the retrieval. Frontier models are freed to do what they were designed for — intelligent reasoning, not managing knowledge.
With Nexus, governance is built into the knowledge engine. Context is assembled dynamically per task, scoped to RBAC permissions, and free of context-rot. Every artifact is versioned — every answer traces back to its source data and transformations. PII is tagged at ingest with centralized rules governing how LLMs process it. Token consumption is managed across users and workloads in one place, and a unified dashboard provides real-time visibility into usage, spend, and compliance.
Nexus has two core components: a context compiler and a composable retriever. The context compiler builds and organizes knowledge around how your company operates. The composable retriever formats and serves responses precisely for how each agent needs knowledge to complete its task.
The context compiler** is the heart of the shift. Give it source data and a task spec. It compiles raw data into task-optimized specialized contexts. These contexts include newly-derived artifacts — the concrete form of information an AI agent acts on. Purpose-built for accuracy and speed, agents consume these artifacts directly. Unlike a traditional compiler, it is iterative: it experiments with representations, evaluates them against the task, and converges on the precise knowledge structure the agent needs. The work that used to happen at inference time, burning tokens and producing ambiguous results, now happens once at compilation time — and gets better with every iteration.
Take a mid-market SaaS company. Its data lives in a data warehouse, Salesforce, Slack, Gong, Gmail, Jira, Google Drive.
The current approach: point a vibe coding tool at all the sources and unleash it to perform the task. It scans everything, retrieves what it can, and hopes the right context surfaces. Sometimes it works. Often it hallucinates, misses critical connections, or drowns in irrelevant data.
The context compiler works differently. It reads the same underlying data but builds specialized context artifacts for each agent's task:
A Sales Agent gets deal context — Gong transcripts synthesized with opportunity stages, champion email threads, and competitive mentions from Slack. Not a CRM lookup. A picture of the deal.
A Finance Agent gets revenue context — contract terms linked to billing schedules, usage thresholds, and expansion signals. Same Salesforce record, *completely different artifact*.
A Marketing Agent gets attribution context — campaign touches connected to win/loss themes from Gong and product-qualified signals from usage data. What's actually driving conversion, not what the CRM says sourced the lead.
A CEO Agent gets a cross-functional signal — ARR movement linked to customer health, hiring velocity, and product milestones. Same systems. Entirely different synthesis.
One data estate. Four agents. Four distinct artifacts; each optimized for task completion, not generic retrieval.
That's the difference between a system of record and a system of knowledge. The system of record stores what happened. The context compiler does not organize your data; it builds what each agent needs to *understand* about your business — differently for every agent, every task. Re-used every time.
The composable retriever serves these curated artifacts at query time: low-latency, grounded, composable across sources. Typed fields. Per-field citations with confidence levels. Deterministic conflict resolution. Output shaped exactly as the agent specified, structured to complete the task accurately and fast.
The result: higher task completion rates, faster time-to-completion, grounded outputs, and up to 90% reduction in token usage. This is a structural shift by offloading the reasoning to a dedicated knowledge layer instead of every inference call.
For AI agents to have a tangible impact, they need a seamless and secure way to work within your business. This means giving agents the necessary context found in the content organizations rely on daily - from product roadmaps and research to marketing assets and countless other file types. By securely integrating the decades of enterprise content that Box manages with Pinecone Nexus' Knowledge Engine, we're giving AI agents the context they need to deliver more accurate and efficient results – Tamar Bercovici, VP of Engineering at Box.
Enterprise AI lives or dies on the quality of the data feeding it. The hardest part has always been transforming the messy, document-heavy reality of enterprise content into something agents can actually reason over — and 87% of the Fortune 1000 trust Unstructured to do exactly that. Connecting Unstructured’s ingestion and preprocessing platform to Pinecone Nexus closes the gap between raw enterprise data and the trusted, task-specific knowledge agents need. Together, we’re turning every organization’s unstructured data into a knowledge asset that compounds with every agent interaction. – Brian Raymon, CEO of Unstructured
KnowQL: A Declarative Query Language for Agents
Agents cannot express what they need today. This is a structural gap, not a feature gap.
Every team building an agentic application re-implements the same retrieval logic from scratch. Custom tool definitions. Bespoke glue code between agent frameworks and data sources. One-off integrations that break when anything changes. There is no shared vocabulary for what agents want from a knowledge system.
We have seen this before. Before SQL, every application built its own data access layer. SQL gave relational databases a universal interface and made an entire ecosystem of applications possible on top of them. The standard interface changed everything.
Agents face the same structural moment. And there are things they literally *cannot *say today:
“Return the answer, not twenty chunks.”No output shape contract. Agents get raw text and re-parse every call. More token burn.
“Cite which source, with confidence.”No field-level grounding. Agents cannot separate facts from guesses. Unreliable, ungoverned answers.
“Standard depth, under 500 milliseconds.”No budget envelope. Every call runs however deep, however long. Unpredictable, slow, wasteful.
*KnowQL gives agents the vocabulary they are missing*. Six core primitives: intent, filter, provenance, output shape, confidence, and budget, in a single declarative interface that returns trusted knowledge — structured, precise, and grounded. Composable across the heterogeneous knowledge sources that real enterprise AI requires.
Building reliable, long-horizon agents is fundamentally a context engineering problem. Getting the right information to the agent in the right format is what separates demos from production. Pinecone Nexus solves that at the knowledge layer, and KnowQL is the standard interface the agentic ecosystem has been waiting for. That's why LangChain is collaborating with Pinecone to advance it. And as teams build agents with Nexus, LangSmith gives them the observability and evals to help them move through the agent improvement loop. – Harrison Chase, CEO of LangChain
Enterprises win with agentic AI when their agents can reason over the full landscape of trusted business data. Teradata is partnering with Pinecone on KnowQL and Knowledge engine, giving the world's most demanding organizations a clear path from governed data to autonomous, accurate, agent-driven outcomes — backed by the scale and trust enterprises have built on Teradata. – Sumeet Arora, Chief Product Officer, Teradata
*Early access for Pinecone Nexus and KnowQL is open now to customers and partners building agent-native applications in financial services, healthcare, legal, enterprise SaaS, and any domain where agents reason over complex, proprietary knowledge.*
What Pinecone Nexus & KnowQL Make Possible
Knowledge Artifact Curation
The context compiler produces persistent, durable knowledge representations that maintain context across sessions, users, and workflows. Not ephemeral retrieval results but rather curated artifacts that compound over time. This becomes the system of knowledge for the organization.
Autonomous Query Planning
An embedded agent builds and refines ingestion and retrieval pipelines purpose-built for each task. The pipeline adapts to the context, not the other way around.
Governed Reasoning at Scale
Native hybrid retrieval, vector and full-text unified, delivering semantic breadth with exact-match precision at agent query volumes. Per-field citations, confidence scores, and ACL-aware filtering make every answer auditable and policy-safe by default.
Composable Retrieval with KnowQL
Agents compose knowledge access on demand using the six KnowQL primitives. Vertical AI applications become buildable without custom retrieval infrastructure for every deployment.
Measured impact: Task completion rates above 90%. 30x faster time-to-completion. Measurably improved precision and relevance, with every answer cited, scored, and auditable. And up to 90% less token spend on top of it. This changes the ROI equation for enterprise AI.
Dive Deeper into Pinecone Nexus
Pinecone Marketplace: From Pinecone Nexus to Production in Minutes
Pinecone Nexus gives agents trusted knowledge. Pinecone Marketplace gives teams the fastest path to production.
Most teams spend more time assembling ingestion, embedding, retrieval, and orchestration plumbing than building the applications that make them unique. Marketplace eliminates that with production-ready knowledge applications, built by Pinecone and partners, deployable and customizable in minutes. No infrastructure assembly required.
These are not demos. Every solution in the Marketplace addresses a problem our customers are actively building for.
Launch-day solutions:
Pinecone Marketplace launches with more than 90 knowledge applications across the following categories and more:
Sales & Revenue
Equip reps with instant answers on product, pricing, and competitive positioning. Streamline deal approvals, discount exceptions, and contract decisions — all grounded in your internal knowledge.
Insurance
End-to-end apps for underwriting, claims, fraud, policy servicing, and compliance. Purpose-built for the document-heavy workflows that define every role in the insurance value chain.
Real Estate
Cover the full CRE lifecycle, from acquisitions diligence and development to leasing, asset management, and property operations. Purpose-built for the deal teams and operators who move markets.
Legal & Compliance
Apps for M&A diligence, employment law, data privacy, immigration, and legal document search. Scoped to specific practice areas so every answer is grounded in the right sources.
People & HR
Make benefits self-service and onboarding effortless. Deploy knowledge applications that guide employees through HR policies, training, and internal tools from day one.
Customer Support
From frontline Q&A to Tier-3 escalations and executive complaint handling, resolve issues faster and surface customer signal that feeds directly into product and CX strategy.
*Free at launch. Partner-built commercial solutions coming soon. Built to be modified, extended, and taken to production.*
2026 is the year agents move from workflows to employees — and the bottleneck is no longer the model, it's getting agents grounded in the right knowledge. We're excited to bring LlamaParse's document ingestion and parsing into Pinecone Nexus and the Pinecone Marketplace. Teams can now go from messy documents with complex layouts, tables, handwriting, and images to trusted knowledge ready for agents to act on — whether they're shipping a Marketplace app or building on Nexus directly. – Jerry Liu, CEO of LlamaIndex
Enterprise AI only delivers when it shows up inside the workflows teams actually rely on. ThoughtFocus is partnering with Pinecone on two fronts: building production-ready knowledge applications on the Pinecone Marketplace for our clients, and deploying those same applications inside ThoughtFocus to accelerate how our own teams work every day. The Marketplace gives services partners like us a way to package deep domain expertise into customer-ready apps — and to prove the model on ourselves first. This is how enterprise AI moves from pilots to production. — Nick Sharma, CEO of ThoughtFocus
Removing the Barrier to Build
The best knowledge infrastructure on the market should be accessible to every builder, at every stage. We restructured pricing to make that real.
Builder Tier — $20/Month
Full access to Pinecone’s production-grade infrastructure for developers and small teams. No degraded performance. Flat, predictable cost. No surprise bills. Free support. The same Pinecone that enterprises run mission-critical workloads on, now at a price that removes the barrier for any serious builder.
Dedicated Read Nodes
On-Demand works exactly as designed for variable, unpredictable workloads. As retrieval scales — sustained high volume, tight latency SLO’s, finance asking for predictable spend — fixed pricing becomes necessary. Dedicated Read Nodes (DRN) gives you dedicated, provisioned read capacity with a warm data path. Vectors stay hot. No cold starts. No rate limits. Fixed hourly per-node pricing. Production workloads see 77–97% cost reduction at scale.
Bring Your Own Cloud
For organizations with data residency requirements, regulatory constraints or existing cloud commitments, BYOC deploys Pinecone fully managed within your cloud environment. Complete data control that includes Pinecone Nexus very soon, with the simplicity of a managed service.
*Builder tier at $20/month, DRN, and BYOC for the largest enterprises exist for the same reason: infrastructure should enable ambition, not constrain it.*
The Full Stack
Today’s announcements are new components of Pinecone’s knowledge platform:
LAYERPRODUCTWHAT IT DOES
Access LayerPinecone MarketplaceProduction-ready knowledge applications. Deploy in minutes. No infrastructure assembly required.
Knowledge EnginePinecone Nexus + KnowQLTransforms organization data into trusted, persistent, queryable knowledge for agents. KnowQL is the declarative query language for the agentic era.
FoundationPinecone DatabaseNative hybrid retrieval with full-text search. BYOC. DRN. Builder tier at $20/mo. The most performant and affordable vector database in the market.
Based on years of partnering with our users to build knowledge retrieval systems and the real-world demands we uncovered developing Pinecone Nexus, we integrated native full-text search into the core Pinecone Database. This ensures the stack handles the unique economic and technical demands of agent-scale query volumes. We will continue to evolve the core database based on these Nexus workloads, ensuring our infrastructure is purpose-built for the speed of autonomous AI.
What Comes Next
We pioneered the vector database and defined RAG as a standard pattern. Those contributions are embedded in AI infrastructure today. Our continuous research and engineering innovation enables us to lower prices so that both the solo builder and the largest global enterprise can build on Pinecone.
What is unique to every organization, and what did not exist until today, is a knowledge engine that moves reasoning from retrieval to curation. A declarative query language that gives agents the vocabulary they have been missing. Infrastructure architected for agentic systems operating at orders of magnitude beyond human scale.
The companies that will define their industries over the next decade are building agents that operate on trusted knowledge. They are discovering that the limits they thought were intrinsic — limited expert bandwidth, slow decision cycles, high cost per unit of insight — were infrastructure problems waiting to be solved.
Solve the infrastructure problem. The transformation follows.
Our mission: make AI knowledgeable. Today we’re taking the largest step yet toward what that means at agent scale.
START HERE
- May 4: Pinecone Nexus & KnowQL Early Access is open → Apply
- May 5: Pinecone Marketplace is live → Explore
- May 6: Builder tier is $20/month → Start building
- May 7: Native full-text search is in Public Preview → Try it out
- May 8: New regions: AWS eu-central-1 (Germany) and AWS ap-southeast-1 (Singapore) → Get started
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み