Dell Technologies incorporará a Dell AI Data Platform una capa de contexto destinada a que las aplicaciones y los agentes de inteligencia artificial interpreten bajo criterios comunes los datos dispersos de una organización. La ampliación aborda una dificultad operativa para las empresas que quieren llevar la IA a producción: sus sistemas pueden localizar información, pero necesitan conocer su significado, sus relaciones y los permisos que determinan cómo utilizarla.
La propuesta traslada parte de la competencia en infraestructura de IA desde la potencia de cálculo hacia la preparación y el gobierno de la información corporativa. Dell combinará una capa semántica, un grafo de conocimiento y agentes especializados para trabajar con datos estructurados y no estructurados. Las tres capacidades principales están previstas para la primera mitad de 2027, mientras que otras mejoras de procesamiento, almacenamiento y servicios seguirán un calendario anterior.
Un significado común para datos dispersos
La información útil para un agente suele estar repartida entre archivos, bases de datos, servicios en la nube y sistemas ubicados en diferentes entornos. Buena parte de esos activos se creó antes de que las empresas contemplaran su uso por sistemas de IA, por lo que conceptos equivalentes pueden aparecer con nombres distintos, sin etiquetas consistentes o sin relaciones explícitas que permitan interpretarlos automáticamente.
Unified Semantic Layer tratará de resolver esa fragmentación mediante reglas, definiciones y un glosario consultable. Así, la plataforma podrá establecer que dos términos utilizados por sistemas diferentes representan el mismo concepto empresarial. Las organizaciones también podrán importar sus ontologías y taxonomías existentes, incluidas las específicas de su actividad, en lugar de reconstruir desde cero una clasificación preparada para la IA.
La capa podrá ampliarse con NVIDIA Auto-Ontology, una biblioteca de código abierto que genera grafos de conocimiento a partir de datos empresariales. Dell integra además modelos NVIDIA Nemotron Retriever para analizar documentos, crear representaciones vectoriales y reordenar resultados, mientras que NVIDIA cuVS acelera la indexación y la búsqueda vectorial. Estas tecnologías forman parte del recorrido que conecta el almacenamiento, la orquestación, el análisis y la consulta de la información.
Relaciones, permisos y límites para cada agente
El segundo componente, Enterprise Knowledge Graph, relacionará tablas, productos de datos, documentos, índices vectoriales y otras fuentes autorizadas. Para ello empleará metadatos, linaje e historial de consultas, de modo que el grafo pueda ajustarse conforme cambie la actividad de la organización. Cuando una aplicación formule una consulta, la plataforma reunirá las piezas relacionadas que tenga permiso para utilizar, aunque se encuentren en ubicaciones diferentes.
Este enfoque permite incorporar al contexto tanto el significado de un dato como su procedencia y sus conexiones. En un entorno industrial, por ejemplo, una lectura anómala de un sensor podría vincularse con la máquina correspondiente, su historial de reparación, el lote del proveedor y los pedidos afectados. El alcance de la respuesta dependería de las fuentes disponibles y de las autorizaciones establecidas por la empresa.
Los Knowledge Agents utilizarán partes delimitadas de ese grafo para actuar sobre ámbitos concretos. Cada cliente podrá determinar qué instrucciones debe seguir un agente, qué datos puede consultar, qué umbral de calidad tiene que superar y cuánto se le permite gastar. Este último control resulta relevante en operaciones donde cada consulta añade pasos de recuperación, procesamiento y consumo de tokens.
Arthur Lewis, presidente del Infrastructure Solutions Group de Dell Technologies, distingue entre facilitar el acceso técnico y conseguir que la información sea realmente utilizable: «Los datos sin contexto no son más que ruido. La mayoría de las empresas lleva años haciendo que sus datos sean accesibles, pero eso no significa que sean utilizables. Un agente que puede encontrar el registro de un cliente, pero que no sabe qué significa, cómo se relaciona con el resto de la información o si puede confiar en él, no es inteligente: simplemente es rápido. Las empresas que resuelvan este problema no solo desplegarán la IA más rápidamente o utilizarán más agentes. También obtendrán más valor de los datos que ya poseen».
Dell indica que la capa semántica, el grafo empresarial y los agentes permanecerán en el centro de datos del cliente, donde se encuentra la información más sensible. El contexto generado podrá compartirse entre aplicaciones sin vincular la plataforma a un único proveedor de modelos, almacenamiento o datos. Para los responsables tecnológicos, esta arquitectura plantea una vía para reutilizar activos existentes manteniendo las reglas de acceso dentro de su propia infraestructura.
Aceleración y aislamiento de las cargas
La compañía también está reforzando el procesamiento que alimenta esas consultas. Según pruebas internas realizadas en septiembre de 2026, Dell Data Processing Engine, con NVIDIA cuDF sobre una GPU NVIDIA RTX PRO 4500 Blackwell Server Edition, procesó distintas cargas una media de 3,9 veces más rápido que una ejecución basada únicamente en CPU. El máximo fue de 20,4 veces en una carga de procesamiento por lotes.
Los resultados proceden de una configuración concreta, con valores predeterminados y sin ajustes de rendimiento, por lo que el comportamiento real dependerá del entorno y del tipo de trabajo. La integración de Apache Arrow pretende facilitar la transferencia de información entre los sistemas de almacenamiento y procesamiento de Dell, además de permitir consultas sobre los datos en su ubicación original. Las mejoras del motor con aceleración de NVIDIA llegarán en diciembre de 2026 y la ampliación con Apache Arrow está prevista para la primera mitad de 2027.
En almacenamiento, Dell PowerScale admitirá hasta 500 entornos independientes dentro de un clúster. La actualización incorporará mTLS sobre NFS para cifrar y autenticar el tráfico de archivos, junto con controles de acceso basados en roles más granulares. Estas funciones, previstas para noviembre de 2026, están orientadas a empresas y proveedores que comparten una plataforma de IA entre varios equipos o clientes y necesitan mantener sus datos aislados.
Un despliegue gradual hasta 2027
Dell Storage Performance Tool ya está disponible para comprobar el rendimiento de sistemas de almacenamiento de objetos compatibles con S3 en cargas de entrenamiento, inferencia y creación de puntos de control. Su finalidad es ayudar a dimensionar la infraestructura y comparar alternativas antes de asignar recursos de almacenamiento y GPU. También están operativos los servicios de datos preparados para IA, que activan y optimizan capacidades de analítica, búsqueda, procesamiento y orquestación.
El calendario deja para la primera mitad de 2027 las funciones que concentran el cambio central de la plataforma: la interpretación semántica, las relaciones empresariales y los agentes basados en un contexto gobernado. Hasta entonces, las organizaciones podrán desplegar las mejoras de rendimiento, seguridad y servicios que sirven de base. La consecuencia operativa será que cada proyecto deberá coordinar la infraestructura ya disponible con unas capacidades de contexto que llegarán después, definiendo previamente permisos, taxonomías, umbrales de calidad y límites de gasto.
