Rackspace en Uniphore gaan samenwerken om “Infrastructure-to-Agents”-architectuur voor Enterprise AI te leveren

Bedrijven hebben de afgelopen jaren geëxperimenteerd met kunstmatige intelligentie, maar veel initiatieven zitten nog steeds vast in de pilotfase. Een nieuwe samenwerking tussen Rackspace Technology en Uniphore heeft als doel om die kloof te dichten door de introductie van wat de bedrijven een “Infrastructure-to-Agents”-architectuur noemen, een full-stackbenadering die is ontworpen om organisaties te helpen bij het verplaatsen van AI-systemen van experimenten naar echte productieomgevingen.

De samenwerking, aangekondigd in begin maart, combineert Rackspace’s hybride multicloud en private cloud-infrastructuur met Uniphore’s enterprise AI-platform. De bedrijven zeggen dat het doel is om een geïntegreerde omgeving te creëren waarin bedrijven AI-modellen kunnen implementeren, gegevens kunnen voorbereiden en autonome AI-agents kunnen uitvoeren, terwijl ze governance, beveiliging en naleving van regelgeving handhaven.

Deze inspanning weerspiegelt een bredere verschuiving in enterprise AI. Organisaties gaan verder dan vragen over welke modellen of chips moeten worden gebruikt en richten zich in plaats daarvan op hoe ze AI-mogelijkheden kunnen vertalen in betrouwbare bedrijfsresultaten.

De uitdaging van het verplaatsen van AI naar productie

Generatieve AI-hulpmiddelen hebben zich snel verspreid over organisaties, maar het opbouwen van betrouwbare systemen die in productie draaien, blijft moeilijk. Veel bedrijven hebben te maken met fragmentatie over de AI-stack. Infrastructuur kan op één plek worden beheerd, gegevenspijplijnen op een andere plek, en AI-modellen in een andere omgeving.

De samenwerking probeert deze fragmentatie aan te pakken door twee complementaire lagen te combineren. Rackspace levert private cloud-infrastructuur die is ontworpen om AI-werklasten veilig uit te voeren op zowel CPU- als GPU-omgevingen. Uniphore levert zijn Business AI Cloud-platform, dat modellen, gegevenspijplijnen, kennislagen en agent-gebaseerde automatisering integreert.

Samen hebben de bedrijven als doel om een geïntegreerde omgeving te bieden die de volledige levenscyclus van enterprise AI bestrijkt. Dit omvat het voorbereiden van gegevens, het uitvoeren van inferentiewerklasten, het beheren van modellen en het implementeren van AI-agents die bedrijfsprocessen automatiseren.

Het begrijpen van de “Infrastructure-to-Agents”-stack

Het concept van Infrastructure-to-Agents houdt in dat de hele AI-stack wordt behandeld als een verbonden systeem, in plaats van een verzameling onafhankelijke hulpmiddelen.

Binnen deze architectuur ondersteunt de infrastructuur de compute-laag, transformeren gegevenspijplijnen bedrijfsgegevens in bruikbare invoer, voeren modellen redenering en voorspelling uit, en automatiseren AI-agents taken binnen operationele workflows.

Onder de samenwerking zullen bedrijven toegang hebben tot inferentie-omgevingen die kunnen draaien op zowel NVIDIA- als AMD-compute-architecturen. Het platform biedt ook gegevensvoorbereidingsdiensten die zijn ontworpen om bedrijfsgegevens te structureren zodat ze effectief kunnen worden gebruikt door AI-modellen. Fijngestemde Small Language Models zijn een ander belangrijk onderdeel, waardoor bedrijven gespecialiseerde modellen kunnen implementeren die zijn aangepast aan specifieke bedrijfsfuncties.

Deze modellen kunnen dan AI-agents aandrijven die taken automatiseren in branches zoals de gezondheidszorg, financiën en verzekeringen.

Small Language Models spelen een bijzonder belangrijke rol in enterprise-omgevingen. In vergelijking met grote algemene modellen kunnen ze worden geoptimaliseerd voor smallere use cases, efficiënter werken en meer controle bieden over prestaties en governance.

Uniphore’s visie op het agente-onderneming

Uniphore’s platform is gebouwd rond het idee van de agente-onderneming, waarin AI-agents gestructureerd werk uitvoeren over bedrijfsprocessen, in plaats van alleen te reageren op prompts.

Het bedrijf’s Business AI Cloud-platform combineert meerdere lagen die samenwerken. Deze lagen omvatten de infrastructuur die nodig is voor inferentie, de gegevens- en kennisystemen die bedrijfsinformatie organiseren, de modellen zelf en de agents die taken uitvoeren op basis van die modellen.

Deze architectuur is ontworpen om de kloof te dichten tussen consumentenstijl AI-hulpmiddelen en enterprise-systemen die moeten voldoen aan strikte eisen voor betrouwbaarheid, beveiliging en naleving.

Door te integreren met Rackspace’s infrastructuur-omgeving, kan het platform opereren binnen private cloud-implementaties die worden gecontroleerd door de onderneming. Deze benadering stelt organisaties in staat om AI te implementeren terwijl ze controle houden over gevoelige gegevens.

Rackspace’s rol bij het operationeel maken van AI

Rackspace levert ervaring in het beheren van complexe cloud-omgevingen over zowel openbare als private infrastructuur.

Door de samenwerking zullen Rackspace-ingenieurs nauw samenwerken met enterprise-teams om het gecombineerde platform te implementeren en te exploiteren. Deze ingenieurs helpen bij het configureren van infrastructuur, het optimaliseren van werklasten en het waarborgen dat AI-systemen betrouwbaar draaien in productieomgevingen.

Dit operationele model weerspiegelt Rackspace’s bredere strategie van het leveren van beheerde infrastructuurdiensten in plaats van alleen hardware- of software-onderdelen. De bedrijven beschrijven het aanbod als resultaatgericht, wat betekent dat de focus ligt op het leveren van meetbare resultaten in plaats van alleen technologie te implementeren.

Sovereign AI en gereguleerde industrieën

Een van de belangrijkste drijfveren achter de samenwerking is de groeiende vraag naar sovereign AI-infrastructuur.

Branches zoals financiële dienstverlening, gezondheidszorg en verzekeringen opereren onder strikte regelgevingskaders. Deze organisaties hebben vaak sterke garanties nodig rond gegevensgovernance, privacy en operationele controle.

Door AI-werklasten uit te voeren binnen private cloud-omgevingen en bedrijven in staat te stellen de meest geschikte compute-architectuur te selecteren, is het Rackspace- en Uniphore-platform ontworpen om aan deze eisen te voldoen. Deze benadering stelt organisaties in staat om AI-technologieën te adopteren terwijl ze de beveiligings- en compliancenormen handhaven die worden verwacht in gereguleerde sectoren.

Een verschuiving naar operationele AI

De samenwerking weerspiegelt een bredere verandering in hoe bedrijven artificial intelligence benaderen.

In de vroege stadia van de generatieve AI-boom, concentreerden de gesprekken zich sterk op modellen en hardware. Organisaties debatteerden over welke grote taalmodellen ze moesten adopteren of welke compute-platforms de beste prestaties boden.

Vandaag is de focus verschoven naar operationele integratie. Bedrijven vragen zich af hoe AI kan worden geïntegreerd in echte workflows, hoe systemen veilig kunnen worden beheerd en hoe implementaties kunnen worden geschaald zonder nieuwe lagen van complexiteit te creëren.

Door een geïntegreerde Infrastructure-to-Agents-architectuur te presenteren, proberen Rackspace en Uniphore deze uitdagingen aan te pakken op systeemniveau.

Van experimenten naar meetbare resultaten

Uiteindelijk is het doel van de samenwerking om de weg van AI-experimenten naar productie-implementatie te verkorten.

Veel organisaties hebben nog steeds moeite met pilotprojecten die nooit verder gaan dan beperkte testomgevingen. Een geïntegreerd platform dat infrastructuur, gegevensvoorbereiding, modellen en AI-agents combineert, kan helpen om die barrières te verlagen.

Als de samenwerking succesvol is, kan ze een opkomend patroon in enterprise AI illustreren: de volgende fase van adoptie zal minder afhankelijk zijn van nieuwe modellen en meer van de mogelijkheid om AI-systemen te integreren in beveiligde, beheerde en operationele technologie-omgevingen.