Rackspace och Uniphore samarbetar för att leverera “Infrastructure-to-Agents”-arkitektur för företags-AI

Företag har under de senaste åren experimenterat med artificiell intelligens, men många initiativ har fortfarande inte lämnat pilotfasen. Ett nytt samarbete mellan Rackspace Technology och Uniphore syftar till att åtgärda denna lucka genom att introducera vad företagen kallar en “Infrastructure-to-Agents”-arkitektur, en fullständig ansats som är utformad för att hjälpa organisationer att flytta AI-system från experiment till verkliga produktionsmiljöer.

Samarbetet, som tillkännagavs i början av mars, kombinerar Rackspace hybridmultimoln och privat molninfrastruktur med Uniphores företags-AI-plattform. Företagen säger att målet är att skapa en integrerad miljö där företag kan distribuera AI-modeller, förbereda data och köra autonoma AI-agenter samtidigt som de upprätthåller styrning, säkerhet och regelefterlevnad.

Ansträngningen speglar en bredare förändring i företags-AI. Organisationer flyttar bortom frågor om vilka modeller eller chip som ska användas och fokuserar istället på hur man kan översätta AI-funktioner till tillförlitliga affärsresultat.

Utmaningen att flytta AI till produktion

Generativa AI-verktyg har spridit sig snabbt över organisationer, men att bygga tillförlitliga system som körs i produktion förblir svårt. Många företag står inför fragmentering över hela AI-stacken. Infrastruktur kan hanteras på en plats, data pipelines på en annan och AI-modeller i en annan miljö.

Samarbetet syftar till att åtgärda denna fragmentering genom att kombinera två kompletterande lager. Rackspace bidrar med privat molninfrastruktur som är utformad för att köra AI-arbetsbelastningar säkert över CPU- och GPU-miljöer. Uniphore bidrar med sin Business AI Cloud-plattform, som integrerar modeller, data pipelines, kunskapslager och agentbaserad automatisering.

Tillsammans syftar företagen till att tillhandahålla en enhetlig miljö som täcker hela livscykeln för företags-AI. Detta inkluderar att förbereda data, köra inferensarbetsbelastningar, hantera modeller och distribuera AI-agenter som automatiserar affärsprocesser.

Att förstå “Infrastructure-to-Agents”-stacken

Begreppet Infrastructure-to-Agents hänvisar till att behandla hela AI-stacken som ett sammanhängande system snarare än en samling oberoende verktyg.

Inom denna arkitektur stöder infrastrukturen beräkningslagret, dataförberedningspipelines omvandlar företagsdata till användbara indata, modeller utför resonemang och förutsägelse och AI-agenter automatiserar uppgifter inom operativa arbetsflöden.

Under samarbetet kommer företag att ha tillgång till inferensmiljöer som kan köras på både NVIDIA- och AMD-beräkningsarkitekturer. Plattformen tillhandahåller också dataförberedningstjänster som är utformade för att strukturera företagsdata så att den kan användas effektivt av AI-modeller. Finjusterade små språkmodeller är ett annat viktigt komponent, som möjliggör för företag att distribuera specialiserade modeller anpassade till specifika affärsfunktioner.

De här modellerna kan sedan driva AI-agenter som automatiserar uppgifter inom branscher som hälsovård, finans och försäkring.

Små språkmodeller spelar en särskilt viktig roll i företagsmiljöer. Jämfört med stora allmänna modeller kan de optimeras för smalare användningsfall, fungera mer effektivt och ge större kontroll över prestanda och styrning.

Uniphores vision för det agenterade företaget

Uniphores plattform byggs kring idén om det agenterade företaget, där AI-agenter utför strukturerat arbete över affärsprocesser snarare än att bara svara på påståenden.

Företagets Business AI Cloud-plattform kombinerar flera lager som arbetar tillsammans. Dessa lager inkluderar den infrastruktur som krävs för inferens, data och kunskapssystem som organiserar företagsinformation, modellerna själva och agenterna som utför uppgifter baserat på dessa modeller.

Denna arkitektur är utformad för att överbrygga gapet mellan konsumentstil AI-verktyg och företagssystem som måste uppfylla stränga krav för tillförlitlighet, säkerhet och regelefterlevnad.

Genom att integrera med Rackspace infrastruktur kan plattformen köras inom privata molndistributioner som kontrolleras av företaget. Detta tillvägagångssätt möjliggör för organisationer att distribuera AI samtidigt som de upprätthåller kontroll över känsliga data.

Rackspace i operationaliseringen av AI

Rackspace bidrar med erfarenhet av att hantera komplexa molnmiljöer över både offentliga och privata infrastrukturer.

Genom samarbetet kommer Rackspace ingenjörer att arbeta tillsammans med företagsteam för att distribuera och driva den kombinerade plattformen. Dessa ingenjörer hjälper till att konfigurera infrastruktur, optimera arbetsbelastningar och säkerställa att AI-system körs tillförlitligt i produktionsmiljöer.

Detta operativa modell speglar Rackspace bredare strategi att tillhandahålla hanterade infrastrukturtjänster snarare än att bara leverera hårdvara eller programvarukomponenter. Företagen beskriver erbjudandet som resultatbaserat, vilket innebär att fokus ligger på att leverera mätbara resultat snarare än att bara distribuera teknik.

Suverän AI och reglerade branscher

En av de viktigaste drivkrafterna bakom samarbetet är den växande efterfrågan på suverän AI-infrastruktur.

Branscher som finansiella tjänster, hälsovård och försäkringar verkar under stränga regleringsramar. Dessa organisationer kräver ofta starka garantier kring datastyrning, integritet och operativ kontroll.

Genom att köra AI-arbetsbelastningar inom privata molnmiljöer och låta företag välja den mest lämpliga beräkningsarkitekturen, är Rackspace och Uniphores plattform utformad för att uppfylla dessa krav. Detta tillvägagångssätt möjliggör för organisationer att anta AI-teknik samtidigt som de upprätthåller de säkerhets- och regelefterlevnadsstandarder som förväntas i reglerade sektorer.

En förändring mot operativ AI

Samarbetet speglar en bredare förändring i hur företag närmar sig artificiell intelligens.

I de tidiga stadierna av den generativa AI-boomen fokuserade diskussionerna tungt på modeller och hårdvara. Organisationer diskuterade vilka stora språkmodeller som skulle antas eller vilka beräkningsplattformar som erbjöd den bästa prestandan.

Idag har fokus skiftat mot operativ integration. Företag frågar hur AI kan integreras i verkliga arbetsflöden, hur system kan styras säkert och hur distributioner kan skalas utan att skapa nya lager av komplexitet.

Genom att presentera en enhetlig Infrastructure-to-Agents-arkitektur försöker Rackspace och Uniphore att åtgärda dessa utmaningar på systemnivå.

Från experiment till mätbara resultat

Slutligen är målet med samarbetet att förkorta vägen från AI-experiment till produktionsdistribution.

Många organisationer kämpar fortfarande med pilotprojekt som aldrig skalas bortom begränsade testmiljöer. En enhetlig plattform som integrerar infrastruktur, dataförberedning, modeller och AI-agenter kunde hjälpa till att reducera dessa barriärer.

Om det lyckas kan samarbetet illustrera en framväxande mönster i företags-AI: den nästa fasen av antagande kommer att bero mindre på nya modeller och mer på förmågan att integrera AI-system i säkra, styrda och operativa tekniska miljöer.