Dell refuerza su plataforma de datos para mejorar el rendimiento y la fiabilidad de la IA empresarial

  • Estrategias
AI data

Dell AI Data Platform incorpora nuevas capacidades para proporcionar a aplicaciones y agentes un contexto empresarial fiable y actualizado, reducir los costes de operación y facilitar el paso de los proyectos de inteligencia artificial a entornos de producción.

Dell Technologies (NYSE: DELL) ha ampliado Dell AI Data Platform para que los sistemas de inteligencia artificial puedan ofrecer respuestas más precisas, reducir sus costes de funcionamiento y acelerar su llegada a producción. La plataforma proporciona a aplicaciones y agentes un contexto fiable y actualizado a partir de los datos propios de cada organización.

En muchos proyectos de IA empresarial, el principal desafío no está en el modelo, sino en los datos. La información de mayor valor para una compañía se encuentra repartida entre archivos, bases de datos, servicios en la nube y sistemas distribuidos en distintas ubicaciones. Gran parte de estos datos se generó antes de la aparición de los agentes de IA y no fue etiquetada, conectada ni estructurada pensando en su procesamiento automatizado.

Esta situación obliga a los agentes a dedicar recursos a reconstruir información y relaciones que deberían estar disponibles de forma directa. Cada consulta puede requerir más pasos, capacidad de computación y tokens, lo que se traduce en mayores costes, respuestas más lentas y resultados menos consistentes.

 

Dar sentido y contexto a los datos

Dell AI Data Platform está diseñada para cubrir el recorrido completo del dato, desde su almacenamiento hasta su utilización por aplicaciones y agentes. El almacenamiento acerca los datos críticos a los sistemas de computación sin generar cuellos de botella; la orquestación permite conectarlos y prepararlos; y las capacidades de análisis y búsqueda los transforman e indexan.

Los modelos NVIDIA Nemotron Retriever permiten analizar documentos, generar embeddings y reordenar resultados, mientras que NVIDIA cuVS acelera la indexación y la búsqueda vectorial. Al ejecutarse estas capacidades dentro de una única plataforma, los resultados se basan en los datos gobernados que ya posee cada organización.

Los agentes recurren a documentos, historiales y decisiones para responder a sus consultas, pero muchos sistemas deben reconstruir su comprensión desde el principio en cada interacción. Esto obliga a resolver dos cuestiones fundamentales: qué significa cada término y cómo se relaciona con el resto de la información.

Dell amplía su plataforma con tres capacidades destinadas a resolver estas necesidades:

-     Unified Semantic Layer: proporciona un significado empresarial coherente a la información estructurada y no estructurada mediante reglas, definiciones y un glosario con capacidad de búsqueda. De esta forma, un mismo concepto mantiene su significado independientemente de dónde aparezca. Si un sistema utiliza el término «cliente» y otro «cuenta», la IA puede identificar que ambos conceptos hacen referencia a la misma realidad. Los usuarios también pueden importar ontologías y taxonomías de clasificación existentes y reutilizar activos específicos de la empresa o estándares del sector. La plataforma incorpora además NVIDIA Auto-Ontology, una biblioteca de código abierto capaz de construir grafos de conocimiento a partir de datos empresariales para ampliar la Capa Semántica Unificada.

-     Enterprise Knowledge Graph: proporciona un contexto empresarial coherente para que las aplicaciones y agentes puedan localizar la información relevante. Utiliza metadatos, linaje e historial de consultas para adaptar el grafo a los cambios en la actividad empresarial. Cuando un agente realiza una consulta, la plataforma puede reunir las piezas relacionadas que tiene autorización para consultar: tablas, productos de datos, información multimodal e índices vectoriales, con independencia de su ubicación. En un entorno industrial, por ejemplo, una investigación sobre un problema en una línea de producción puede relacionar una lectura anómala de un sensor con la máquina correspondiente, su historial de reparaciones, el lote del proveedor y los pedidos que podrían verse afectados.

-     Knowledge Agents: utilizan ese contexto para ofrecer asesoramiento especializado sobre ámbitos concretos. Cada agente trabaja sobre una parte definida del Enterprise Knowledge Graph, con reglas establecidas por el cliente sobre las pautas que debe seguir, los datos a los que puede acceder, el umbral de calidad que debe alcanzar y el presupuesto disponible. Los modelos NVIDIA Nemotron Retriever aportan capacidades de razonamiento y comprensión visual a estos agentes.

La Unified Semantic Layer, el Enterprise Knowledge Graph y los Knowledge Agents gestionan información empresarial de alto valor y sensibilidad. Por ello, permanecen dentro de la plataforma y en el entorno del centro de datos del cliente. El sistema construye el contexto a partir de los datos disponibles, lo mantiene alineado con la evolución del negocio y lo pone a disposición de aplicaciones y agentes sin vincular a las organizaciones a un único proveedor de modelos, datos o almacenamiento.

 

Aceleración y seguridad integradas en la ruta del dato

La calidad del contexto empresarial depende de que los datos sean precisos, estén actualizados y permanezcan gobernados desde su origen hasta la aplicación. Dell integra las capacidades de aceleración directamente en los motores de datos y trabaja con NVIDIA a lo largo de todo el recorrido de la información.

Los datos deben transformarse y analizarse antes de llegar al procesamiento acelerado con la velocidad necesaria para aprovechar las GPU. Entre las novedades relacionadas con almacenamiento y procesamiento de datos se encuentran:

-     Procesamiento de datos acelerado con cuDF y Apache Arrow: las pruebas realizadas con Dell Data Processing Engine, basado en NVIDIA cuDF sobre GPU NVIDIA RTX PRO 4500 Blackwell Server Edition, muestran un procesamiento medio de los datos casi cuatro veces más rápido que con CPU en distintos tipos de cargas de trabajo, y hasta 20 veces más rápido en cargas de procesamiento por lotes.¹ Apache Arrow facilita la transferencia de datos entre los sistemas de almacenamiento y procesamiento de Dell y permite realizar consultas sobre los datos en su ubicación original. Esto reduce el tiempo dedicado a la preparación de la información y acorta el recorrido entre los datos empresariales en bruto y la generación de un contexto fiable.

-     Mayor capacidad multiusuario y controles de seguridad: Dell PowerScale admite hasta 500 entornos independientes en un único clúster, incorpora mTLS sobre NFS para cifrar y autenticar el tráfico de archivos y ofrece controles de acceso basados en roles con mayor granularidad. Esta arquitectura permite a proveedores de servicios de IA y organizaciones con plataformas de IA compartidas atender a un mayor número de equipos y clientes desde un único clúster, manteniendo separados y protegidos sus respectivos datos.

-     Herramientas para medir el rendimiento de las cargas de trabajo: la nueva Dell Storage Performance Tool permite dimensionar la infraestructura de IA, comparar soluciones de diferentes proveedores y comprobar la capacidad de los sistemas de almacenamiento para proporcionar datos a las GPU. La herramienta evalúa sistemas de almacenamiento de objetos compatibles con S3 en cargas de entrenamiento, inferencia y creación de puntos de control.

 

De la infraestructura a la producción

Dell amplía también los servicios de implementación de Dell AI Data Platform sobre sus motores de datos y sistemas de almacenamiento. El objetivo es facilitar que las organizaciones pasen del despliegue de la infraestructura a la obtención de resultados en entornos de producción con una base tecnológica preparada para las exigencias de la inteligencia artificial.

Los servicios de Dell configuran una infraestructura orientada a producción y activan las capacidades de analítica, procesamiento, búsqueda y orquestación de la plataforma, al tiempo que mantienen el entorno optimizado para las necesidades específicas de las cargas de trabajo de IA.

⇒