NVIDIA expande Agent Toolkit para anclar agentes empresariales en datos propios

La inteligencia artificial avanza, pero su utilidad depende de lo que sabe y su confiabilidad, de los límites en los que opera. Ese es el principio detrás del expandido NVIDIA Agent Toolkit, un conjunto de herramientas de código abierto que la compañía acaba de ampliar para que las empresas puedan personalizar y controlar sus agentes de IA. La propuesta apunta a resolver un problema clave: cómo usar datos propios sin perder el control.

¿Qué incluye el NVIDIA Agent Toolkit?

El toolkit está compuesto por varias piezas. La principal es la nueva NVIDIA Agent Knowledge Foundation, que incluye las librerías NVIDIA CUDA-X —como cuDF, cuGraph, cuML, cuOpt y cuVS— y la librería Auto-Ontology, que traduce datos en bruto a conceptos de negocio como clientes, productos y pedidos, y mapea cómo se relacionan. También incorpora modelos abiertos como Nemotron Retriever y la nueva familia Kumo, que incluye Kumo Tabular, Kumo Relational, Kumo Time Series y Kumo Forecast. Estos modelos ayudan a los agentes a encontrar información relevante para responder preguntas y hacer predicciones.

Además, el toolkit incluye NVIDIA OpenShell, un entorno de ejecución seguro que da a las empresas control sobre lo que los agentes pueden acceder y hacer, y los planos de referencia NVIDIA NemoClaw, que sirven como punto de partida para construir agentes especializados y seguros. El más reciente, NemoClaw for Agent Optimization, entrega una guía paso a paso para mejorar la inteligencia de los agentes con el tiempo.

Empresas ya lo están usando

La NVIDIA Agent Knowledge Foundation ya está en funcionamiento en varias empresas. Por ejemplo, el equipo de cadena de suministro de NVIDIA, en conjunto con Palantir, la está usando a través de Palantir Foundry, Ontology y AIP para desplegar agentes especializados, generar inteligencia a partir de datos propietarios, predecir resultados y optimizar la toma de decisiones. Databricks, por su parte, combina NVIDIA Kumo Anomaly con Databricks Genie Ontology para potenciar agentes conscientes del contexto.

Snowflake permite a sus clientes usar el NVIDIA Kumo Engine y los modelos Kumo Relational en sus entornos Snowflake Notebook para desbloquear capacidades predictivas. Los modelos Nemotron Retriever también han mostrado resultados concretos: Amazon OpenSearch Service mejoró la relevancia de búsqueda con menos pasos y casi sin latencia adicional; SAP logró que su reranker afinado funcionara casi tres veces más rápido; ServiceNow mejoró la calidad del reranking reduciendo la latencia en casi un cuarto; y Zoom usa estos modelos para mejorar la comprensión de documentos y la recuperación de contexto en sus servicios de IA.

Otras compañías como AWS, ClickHouse, Cloudera, Cohesity, Dassault Systèmes, Dell, Elastic, Exa, IBM, NetApp, Oracle, Perplexity, Starburst y VAST Data también están construyendo sobre Agent Knowledge Foundation. Para quienes quieran profundizar, NVIDIA ofrece una sesión en GTC Berlin sobre cómo construir, desplegar y optimizar agentes especializados en producción.

Con información de NVIDIA