Rackspace og Uniphore samarbeider om å levere “Infrastructure-to-Agents”-arkitektur for bedrifts-AI

Bedrifter har brukt de siste årene med å eksperimentere med kunstig intelligens, men mange initiativer har fortsatt ikke kommet ut av pilotfasen. Et nytt samarbeid mellom Rackspace Technology og Uniphore har som mål å løse dette gapet ved å introdusere hva selskapene kaller en “Infrastructure-to-Agents”-arkitektur, en fullstendig tilnærming designet for å hjelpe organisasjoner med å flytte AI-systemer fra eksperimentering til virkelige produksjonsmiljøer.

Samarbeidet ble kunngjort tidlig i mars og kombinerer Rackspace sin hybride multicloud og private cloud-infrastruktur med Uniphores bedrifts-AI-plattform. Selskapene sier at målet er å skape et integrert miljø hvor bedrifter kan deployere AI-modeller, forberede data og kjøre autonome AI-agenter samtidig som de opprettholder styring, sikkerhet og regulativ overholdelse.

Bemüheten reflekterer en bredere skift i bedrifts-AI. Organisasjoner beveger seg bort fra spørsmål om hvilke modeller eller chip som skal brukes og fokuserer i stedet på hvordan de kan oversette AI-kapasiteter til pålitelige forretningsresultater.

Ufordringen med å flytte AI til produksjon

Generative AI-verktøy har spredt seg raskt over organisasjoner, men å bygge pålitelige systemer som kjører i produksjon er fortsatt vanskelig. Mange selskaper møter fragmentering over hele AI-staken. Infrastruktur kan være styrt på ett sted, data-pipelines på et annet sted og AI-modeller i et annet miljø.

Samarbeidet søker å løse denne fragmenteringen ved å kombinere to komplementære lag. Rackspace bidrar med private cloud-infrastruktur designet for å kjøre AI-arbeidsbelastninger trygt over CPU- og GPU-miljøer. Uniphore bidrar med sin Business AI Cloud-plattform, som integrerer modeller, data-pipelines, kunnskapslag og agent-basert automatisering.

Sammen har selskapene som mål å tilby et samlet miljø som dekker hele livssyklusen for bedrifts-AI. Dette inkluderer å forberede data, kjøre inferens-arbeidsbelastninger, styre modeller og deployere AI-agenter som automatiserer forretningsprosesser.

Forståelse av “Infrastructure-to-Agents”-staken

Konseptet “Infrastructure-to-Agents” handler om å behandle hele AI-staken som et sammenhengende system i stedet for en samling uavhengige verktøy.

Innenfor denne arkitekturen støtter infrastrukturen compute-laget, data-forberednings-pipelines transformerer bedriftsdata til brukbare inndata, modeller utfører resonnering og prediksjon og AI-agenter automatiserer oppgaver i operative prosesser.

Under samarbeidet vil bedrifter ha tilgang til inferens-miljøer som kan kjøre på både NVIDIA- og AMD-komputarkitekturer. Plattformen tilbyr også data-forberedningstjenester designet for å strukturere bedriftsdata så det kan brukes effektivt av AI-modeller. Fine-tuned Small Language Models er en annen viktig komponent, som lar selskaper deployere spesialiserte modeller tilpasset bestemte forretningsfunksjoner.

Disse modellene kan deretter drive AI-agenter som automatiserer oppgaver over industrier som helse, finansiell og forsikring.

Small Language Models spiller en særlig viktig rolle i bedriftsmiljøer. I sammenligning med store generelle modeller kan de optimaliseres for smalere bruksområder, operere mer effektivt og gi større kontroll over ytelse og styring.

Uniphores visjon for det agente bedriftsmiljøet

Uniphores plattform er bygget rundt ideen om det agente bedriftsmiljøet, hvor AI-agenter utfører strukturert arbeid over forretningsprosesser i stedet for bare å svare på forespørsler.

Selskapets Business AI Cloud-plattform kombinerer flere lag som arbeider sammen. Disse lagene inkluderer infrastrukturen som er nødvendig for inferens, data- og kunnskapsystemer som organiserer bedriftsinformasjon, modellene selv og agentene som utfører oppgaver basert på disse modellene.

Denne arkitekturen er designet for å brokke gapet mellom forbruker-tilnærmingen til AI-verktøy og bedriftssystemer som må møte strenge krav til pålitelighet, sikkerhet og overholdelse.

Ved å integrere med Rackspace sin infrastruktur-miljø kan plattformen operere innen private cloud-utsteder som er kontrollert av bedriften. Dette tillater organisasjoner å deployere AI samtidig som de opprettholder kontroll over følsomme data.

Rackspace i operationalisering av AI

Rackspace bidrar med erfaring i å styre komplekse cloud-miljøer over både offentlige og private infrastrukturer.

Gjennom samarbeidet vil Rackspace-ingeniører arbeide tett med bedriftslag for å deployere og operere den kombinerte plattformen. Disse ingeniører hjelper med å konfigurere infrastruktur, optimalisere arbeidsbelastninger og sikre at AI-systemer kjører pålitelig i produksjonsmiljøer.

Dette operative modellen reflekterer Rackspace sin bredere strategi for å tilby managed infrastruktur-tjenester i stedet for bare å levere hardware- eller programvare-komponenter. Selskapene beskriver tilbudet som resultat-basert, det vil si at fokus er på å levere målbare resultater i stedet for bare å deployere teknologi.

Suveren AI og regulerte industrier

En av de viktigste drivkreftene bak samarbeidet er den økende etterspørselen etter suveren AI-infrastruktur.

Industrier som finansielle tjenester, helse og forsikring opererer under strenge regulative rammer. Disse organisasjonene krever ofte sterke garantier rundt data-styring, personvern og operativ kontroll.

Ved å kjøre AI-arbeidsbelastninger innen private cloud-miljøer og å tillate bedrifter å velge den mest passende komputarkitekturen, er Rackspace og Uniphore-plattformen designet for å møte disse kravene. Dette tillater organisasjoner å adoptere AI-teknologier samtidig som de opprettholder sikkerhets- og overholdelsesstandarder som forventes i regulerte sektorer.

En skift mot operasjonell AI

Samarbeidet reflekterer en bredere endring i hvordan bedrifter nærmer seg kunstig intelligens.

I de tidlige fasene av den generative AI-boomen, var samtalen fokusert tungt på modeller og maskinvare. Organisasjoner diskuterte hvilke store språkmodeller som skulle adopteres eller hvilke komputermiljøer som tilbød best ytelse.

I dag har fokus skiftet mot operasjonell integrasjon. Bedrifter spør hvordan AI kan innlemmes i virkelige prosesser, hvordan systemer kan styres trygt og hvordan deployeringer kan skaleres uten å skape nye lag av kompleksitet.

Ved å presentere en samlet “Infrastructure-to-Agents”-arkitektur, forsøker Rackspace og Uniphore å løse disse utfordringene på systemnivå.

Fra eksperimentering til målbare resultater

Til slutt er målet med samarbeidet å forkorte veien fra AI-eksperimentering til produksjons-deployering.

Mange organisasjoner sliter fortsatt med pilotprosjekter som aldri skalerer ut over begrensede testmiljøer. En samlet plattform som integrerer infrastruktur, data-forberedning, modeller og AI-agenter kunne hjelpe med å redusere disse barrierene.

Hvis det er vellykket, kan samarbeidet illustrere en oppdyrkende mønster i bedrifts-AI: den neste fasen av adopsjon vil avhenge mindre av nye modeller og mer av evnen til å integrere AI-systemer i sikre, styrte og operative teknologimiljøer.