7月18日、InfoQが「Pinecone Introduces Nexus Engine for Compiling Business Context into Structured Data for AI Agents」と題した記事を公開した。この記事では、PineconeがAIエージェント向け知識エンジン「Nexus」を正式リリースし、エンタープライズデータをエージェントが直接クエリできる構造化レイヤーに変換する仕組みについて詳しく紹介されている。

RAGの限界を突く「一度きりのキュレーション」という発想

AIエージェントがタスクを実行するたびに大量のドキュメントを検索・取得するRAG（Retrieval-Augmented Generation：検索拡張生成）は、今やAIシステムの標準的な構成要素だ。RAGとは、LLMが回答を生成する際に外部ドキュメントをリアルタイムで検索・参照させる手法で、学習データに含まれない社内情報や最新情報をモデルに渡せる点が評価されてきた。しかし、スケールするにつれて問題が浮き彫りになる。クエリのたびにトークンを消費し、コストが膨らむ。複数のソースを横断して推論が必要なタスクでは精度が落ちる。

Pineconeはこの課題に対し、「クエリの都度検索する」のではなく、「事前にビジネスコンテキストを一度だけ構造化しておく」というアプローチで応える。それが正式リリース（GA）されたPinecone Nexusだ。

Pineconeの主張はシンプルで明快だ。LLMは「世界の一般知識」に強く、ベクターデータベースは「ファイルに埋もれた特定情報の検索」に適している。しかし企業が実際に依存しているのは、契約書・社内Wiki・HRドキュメント・議事録・サポートチケット・財務記録といった「ビジネスコンテキスト」と呼ぶべき第三の知識層だ。これがNexusの担う領域である。

Pinecone Nexusは、企業の分散した知識を、エージェントが直接クエリできる構造化レイヤーにコンパイルする知識エンジンだ。トークン消費をクエリごとの検索ループから、一度きりのキュレーションステップに移行させる。

法律ドメインでの比較：RAG 66%、Nexus 100%

Pineconeが公開した早期採用者のデータは数字として明確だ。

法律リサーチのユースケースでは、割り当てられた全タスクをNexusが完了したのに対し、RAGシステムは**66%、コーディングエージェントは6%**にとどまった。RAGシステムが特に苦手としたのは「ドクトリン（法理）の統合」「事例横断の推論」「カバレッジ問いへの回答」、つまり複数ソースをまとめて一つの答えを出すタイプの問いだ。

コスト面では、トークン消費を約9〜15分の1に削減できたとされる。

エンタープライズデータ管理の領域でも精度90%対RAGの65%という差が出ており、キュレーションコストは1ドキュメントあたり0.0038ドルと報告されている。

アーキテクチャの核心：Manifest × KnowQL

Nexusの構造は3つの概念で整理される。

• Workspace：チームやビジネスユニットに紐づくトップレベルのコンテナ
• Context：特定のデータセットや知識ドメインを表す単位
• Manifest：生のデータソースをどう取り込み・構造化するかを定義するブループリント

Manifestの設計思想がNexusの本質的な特徴だ。ドメイン専門家（SME）が、クエリが走る前に「アーティファクトの型」と「関係性」を定義しておく。エージェントはクエリ時にコーパスの構造を自分で推測する必要がなく、SMEの理解をそのまま継承する。

エージェントはコーパスの構造をクエリ時に解釈しなくて済む。SMEの理解をそのまま引き継いで動く。

クエリにはKnowQLという専用クエリ言語を用いる。KnowQLはNexusの知識グラフに対して構造化されたクエリを発行するための宣言型言語で、「何を取得したいか」を記述すればNexus側が解決方法を決定する設計だ。SQLのようにテーブルとカラムを意識する必要はなく、ドメインの概念（アーティファクトの型・関係性）をそのまま問い合わせの単位として扱える。エージェント・チャットボット・推薦システムなどが共通インターフェースとして利用できる点も特徴だ。

データの取り込みはコネクタ経由で、現時点ではローカルファイル・Box・Microsoft OneLakeに対応。Google Drive、Slack、GitHub、Notion、Confluence、S3は近日対応予定とされている。

また、データレジデンシーやコンプライアンス要件が厳しい環境向けに、BYOC（Bring Your Own Cloud）デプロイオプションも提供される。

類似ソリューションとの比較

Pinecone Nexusと同様のアプローチをとる既存ソリューションとして、記事ではCognite、RelationalAI、LlamaIndexが挙げられている。

これらとNexusの差異について記事では深く踏み込んでいないが、各ツールの立ち位置は異なる。Cogniteは主に産業データ向けのナレッジグラフ基盤、RelationalAIはリレーショナル推論エンジンとしてデータウェアハウスとの統合に強みを持つ。LlamaIndexはRAGパイプライン構築フレームワークとして広く使われており、開発者が柔軟にパイプラインを組める反面、構造化の定義やキュレーションは開発者側の実装に委ねられる。Nexusはこれらと異なり、Pineconeの既存ベクターDB基盤の上にManifest定義とKnowQLを組み合わせた一貫したワークフローを提供する点が差別化ポイントとなる。エンタープライズ知識管理のプレイヤーが増える中で、どのユースケースにどのツールが適するかはさらなる実績の蓄積を待つ必要がある。

詳細はPinecone Introduces Nexus Engine for Compiling Business Context into Structured Data for AI Agentsを参照していただきたい。