Rackspace og Uniphore indgår partnerskab for at levere “Infrastructure-to-Agents”-arkitektur til virksomheds-AI

Virksomheder har brugt de seneste år på at eksperimentere med kunstig intelligens, men mange initiativer er stadig fastlåst i pilotfaser. Et nyt partnerskab mellem Rackspace Technology og Uniphore har til formål at løse denne udfordring ved at introducere, hvad virksomhederne kalder en “Infrastructure-to-Agents”-arkitektur, en fuldstændig tilgang, der er designet til at hjælpe organisationer med at flytte AI-systemer fra eksperimenter til virkelige produktionsmiljøer.

Sammenarbejdet, der blev annonceret i begyndelsen af marts, kombinerer Rackspace’s hybrid multicloud og private cloud-infrastruktur med Uniphore’s virksomheds-AI-platform. Virksomhederne siger, at målet er at skabe et integreret miljø, hvor virksomheder kan deployere AI-modeller, forberede data og køre autonome AI-agenter, samtidig med at de opretholder styring, sikkerhed og overholdelse af regler.

Bemærkningen afspejler en bredere skift i virksomheds-AI. Organisationer bevæger sig ud over spørgsmål om, hvilke modeller eller chip, der skal bruges, og fokuserer i stedet på, hvordan de kan oversætte AI-kapaciteter til pålidelige forretningsresultater.

Udfordringen ved at flytte AI i produktion

Generative AI-værktøjer har bredt sig hurtigt over organisationer, men opbygning af pålidelige systemer, der kan køre i produktion, er stadig svært. Mange virksomheder står over for fragmentering på tværs af AI-stakken. Infrastruktur kan være styret på ét sted, data-pipelines på et andet sted, og AI-modeller på endnu et miljø.

Partnerskabet søger at løse denne fragmentering ved at kombinere to komplementære lag. Rackspace bidrager med private cloud-infrastruktur, der er designet til at køre AI-arbejdsbelastninger sikkert på tværs af CPU- og GPU-miljøer. Uniphore bidrager med sin Business AI Cloud-platform, der integrerer modeller, data-pipelines, videnlag og agent-baseret automatisering.

Sammen søger virksomhederne at levere et samlet miljø, der dækker den fulde livscyklus for virksomheds-AI. Dette inkluderer forberedelse af data, kørsel af inference-arbejdsbelastninger, styring af modeller og deployering af AI-agenter, der automatiserer forretningsworkflows.

Forståelse af “Infrastructure-to-Agents”-stakken

Begrebet “Infrastructure-to-Agents” refererer til behandling af den samlede AI-stak som et forbundet system snarere end en samling af uafhængige værktøjer.

Inden for denne arkitektur understøtter infrastrukturen compute-laget, data-forberedningspipelines transformerer virksomhedsdata til brugbare input, modeller udfører grundlæggende og forudsigelse, og AI-agenter automatiserer opgaver inden for operationelle workflows.

Under partnerskabet vil virksomheder have adgang til inference-miljøer, der kan køre på både NVIDIA og AMD compute-arkitekturer. Platformen tilbyder også data-forberedningstjenester, der er designet til at strukturere virksomhedsdata, så det kan bruges effektivt af AI-modeller. Fine-tuned Small Language Models er en anden vigtig komponent, der giver virksomheder mulighed for at deployere specialiserede modeller, der er tilpasset specifikke forretningsfunktioner.

Disse modeller kan derefter aktivere AI-agenter, der automatiserer opgaver på tværs af industrier som sundhedsvesen, finans og forsikring.

Small Language Models spiller en særligt vigtig rol i virksomheds-miljøer. I forhold til store generelle modeller kan de optimeres til smallere brugsområder, fungere mere effektivt og give større kontrol over ydelse og styring.

Uniphore’s vision for den agente virksomhed

Uniphore’s platform er bygget op omkring ideen om den agente virksomhed, hvor AI-agenter udfører struktureret arbejde på tværs af forretningsprocesser snarere end blot at reagere på prompter.

Virksomhedens Business AI Cloud-platform kombinerer flere lag, der arbejder sammen. Disse lag inkluderer infrastrukturen, der kræves til inference, data- og viden-systemer, der organiserer virksomhedsinformation, modellerne selv og agenterne, der udfører opgaver baseret på disse modeller.

Denne arkitektur er designet til at brobygge mellem forbruger-lignende AI-værktøjer og virksomheds-systemer, der skal opfylde strenge krav til pålidelighed, sikkerhed og overholdelse.

Ved at integrere med Rackspace’s infrastruktur-miljø kan platformen køre inden for private cloud-udrulninger, der er styret af virksomheden. Dette tillader virksomheder at deployere AI, samtidig med at de opretholder kontrol over følsomme data.

Rackspace’s rolle i operationalisering af AI

Rackspace bidrager med erfaring i at styre komplekse cloud-miljøer på tværs af både offentlige og private infrastrukturer.

Gennem partnerskabet vil Rackspace’s ingeniører arbejde tæt sammen med virksomhedens teams for at deployere og operere den kombinerede platform. Disse ingeniører hjælper med at konfigurere infrastruktur, optimere arbejdsbelastninger og sikre, at AI-systemer køre pålideligt i produktionsmiljøer.

Dette operative model afspejler Rackspace’s bredere strategi for at levere managed infrastruktur-tjenester snarere end blot at levere hardware- eller software-komponenter. Virksomhederne beskriver tilbuddet som resultat-baseret, hvilket betyder, at fokus er på at levere målbare resultater snarere end blot at deployere teknologi.

Suveræn AI og regulerede industrier

En af de vigtigste drivkræfter bag samarbejdet er den voksende efterspørgsel efter suveræn AI-infrastruktur.

Industrier som finansielle tjenester, sundhedsvesen og forsikring opererer under strenge reguleringsrammer. Disse organisationer kræver ofte stærke garantier omkring data-styring, privatliv og operationel kontrol.

Ved at køre AI-arbejdsbelastninger inden for private cloud-miljøer og give virksomheder mulighed for at vælge den mest passende compute-arkitektur, er Rackspace og Uniphore’s platform designet til at opfylde disse krav. Dette tillader virksomheder at adoptere AI-teknologier, samtidig med at de opretholder sikkerheds- og overholdelsesstandarder, der forventes i regulerede sektorer.

En skiftning mod operationel AI

Partnerskabet afspejler en bredere ændring i, hvordan virksomheder tilgangen til kunstig intelligens.

I de tidlige faser af den generative AI-boom fokuserede samtalerne tungt på modeller og hardware. Virksomheder diskuterede, hvilke store sprogmodeller, der skulle adopteres, eller hvilke compute-platforme, der tilbød den bedste ydelse.

I dag er fokus skiftet mod operationel integration. Virksomheder spørger, hvordan AI kan indlejres i virkelige workflows, hvordan systemer kan styres sikkert, og hvordan udrulninger kan skalaeres uden at skabe nye lag af kompleksitet.

Ved at præsentere en samlet “Infrastructure-to-Agents”-arkitektur forsøger Rackspace og Uniphore at løse disse udfordringer på systemniveau.

Fra eksperimenter til målbare resultater

Ultimativt er målet for partnerskabet at forkorte vejen fra AI-eksperimenter til produktionsudrulning.

Mange organisationer kæmper stadig med pilotprojekter, der aldrig skalaeres ud over begrænsede testmiljøer. En samlet platform, der integrerer infrastruktur, data-forberedning, modeller og AI-agenter, kunne hjælpe med at reducere disse barrierer.

Hvis det er succesfuldt, kan samarbejdet illustrere en opdyrkende mønster i virksomheds-AI: den næste fase af adoption vil afhænge mindre af nye modeller og mere af evnen til at integrere AI-systemer i sikre, styrede og operationelle teknologi-miljøer.