Gli agenti AI stanno facendo il loro ingresso nelle aziende, ma i primi casi d’uso hanno rivelato che un agente che legge un documento può non comprenderne il significato aziendale, le relazioni con altre informazioni o i limiti d’uso. Per questo Dell Technologies ha incentrato l’ampliamento di Dell AI Data Platform su nuove funzionalità indirizzate a collegare i dati distribuiti tra file, database, cloud e sedi diverse.
Oltre all’obiettivo di migliorare l’affidabilità delle risposte, le nuove funzioni dovrebbero contribuire a contenere i costi operativi e accelerare il passaggio alla produzione perché la piattaforma andrebbe a costruire un contesto condiviso e aggiornabile, evitando che ogni applicazione debba ricostruire autonomamente definizioni e collegamenti.
Un significato condiviso tra sistemi e reparti
Per raggiungere lo scopo, il nuovo Unified Semantic Layer introduce regole, definizioni e un glossario ricercabile, in modo da interpretare in modo coerente sia le informazioni strutturate sia quelle non strutturate. Un agente potrà così riconoscere, per esempio, che l’“account” del sistema commerciale corrisponde al “cliente” citato in un’altra applicazione. Le aziende potranno importare ontologie e tassonomie già adottate, riutilizzando il lavoro di classificazione esistente e l’integrazione di NVIDIA Auto-Ontology, una libreria open source destinata alla costruzione di grafi di conoscenza dai dati aziendali, dovrebbe semplificare molto tutta la procedura.
L’Enterprise Knowledge Graph, invece, si occupa di aggiungere le relazioni tra queste informazioni. Metadati, provenienza dei dati e cronologia delle interrogazioni contribuiranno ad aggiornare il quadro e l’accesso alle informazioni che andrà a comporlo sarà comunque governato dai privilegi assegnati dall’azienda.
I Knowledge Agent utilizzeranno porzioni definite del grafo per operare su argomenti specifici. Sarà il cliente a stabilire quali fonti potranno consultare, quali istruzioni dovranno seguire, quali requisiti qualitativi rispettare e quanto potranno spendere. Per CIO e responsabili dei dati, questo introduce un punto di controllo sull’impiego dell’AI: accesso alle informazioni, qualità del contesto e budget diventano elementi configurabili della piattaforma. Il livello semantico, il grafo e i Knowledge Agent resteranno nel data center del cliente, dove conserveranno le informazioni sensibili necessarie a costruire il contesto. L’analisi dei documenti, la creazione di rappresentazioni vettoriali e il riordinamento dei risultati si baserà sul Nemotron Retriever di Nvidia, così come cuVS verrà impiegato per accelerare indicizzazione e ricerca vettoriale.
Preparare i dati più velocemente con storage condiviso e controllo degli accessi
Dell interviene anche sull’elaborazione che alimenta le applicazioni AI. Il Data Processing Engine, con NVIDIA cuDF e GPU RTX PRO 4500 Blackwell Server Edition, ha ottenuto nei test interni un’accelerazione media di 3,9 volte, con un picco di 20,4 volte. Le misurazioni, effettuate nel settembre 2026 su un PowerEdge R770, confrontano esecuzioni Apache Spark accelerate da GPU con quelle basate sulle sole CPU. I risultati si riferiscono ai workload e alle configurazioni provati da Dell. L’ulteriore integrazione con Apache Arrow punta a rendere più efficiente lo scambio dei dati tra storage ed elaborazione.
Gli aggiornamenti di PowerScale porteranno il supporto fino a 500 tenant per cluster, affiancato da autenticazione reciproca e cifratura del traffico NFS tramite mTLS, oltre a controlli amministrativi basati sui ruoli più granulari. Le funzionalità sono rivolte alle imprese e ai fornitori di servizi che devono gestire più team o clienti sulla stessa infrastruttura.
Il Dell Storage Performance Tool, già disponibile, consente invece di verificare lo storage a oggetti compatibile con S3 nei workload di addestramento, inferenza e checkpointing, aiutando a dimensionare l’infrastruttura sulla base delle esigenze effettive.
Le novità di sicurezza e multitenancy di PowerScale sono previste in arrivo per novembre 2026 e l’accelerazione NVIDIA del Data Processing Engine arriverà a dicembre. Unified Semantic Layer, Enterprise Knowledge Graph, Knowledge Agent e l’ulteriore accelerazione con Apache Arrow sono attesi nel primo semestre 2027.