La carrera por llevar la inteligencia artificial a las empresas está entrando en una nueva etapa. Ya no se trata únicamente de tener modelos capaces de generar texto, analizar documentos o responder preguntas, sino de conseguir que los agentes de IA puedan entender qué significan los datos de una organización, cómo se relacionan entre sí y cuáles pueden utilizar para tomar decisiones.
Ese es el problema que Dell Technologies busca atacar con la ampliación de su Dell AI Data Platform, una plataforma que ahora incorpora capacidades de orquestación y almacenamiento orientadas a convertir los datos empresariales en contexto para aplicaciones y agentes de inteligencia artificial.
La compañía anunció tres nuevas capacidades que apuntan directamente a este desafío: una Capa Semántica Unificada (Unified Semantic Layer), un Grafo de Conocimiento Empresarial (Enterprise Knowledge Graph) y los llamados Agentes de Conocimiento (Knowledge Agents).
Las compañías acumulan información en bases de datos, archivos, sistemas empresariales, servicios en la nube y diferentes ubicaciones de almacenamiento. Parte de esos datos está estructurada y otra parte se encuentra en documentos, imágenes, registros, videos o archivos que fueron creados mucho antes de que la inteligencia artificial generativa formara parte de las estrategias de tecnología.
El resultado es que un agente puede encontrar información sin necesariamente comprenderla.
Por ejemplo, dos sistemas pueden utilizar términos diferentes para referirse al mismo concepto. Una plataforma podría hablar de “cliente”, mientras otra utiliza “cuenta”. Para una persona que conoce el negocio, la relación puede ser evidente; para un sistema de IA, esa diferencia puede provocar que recupere información incompleta o que no encuentre el dato correcto.
La industria tecnológica está poniendo cada vez más atención en este problema. Un análisis de McKinsey publicado en abril de 2026 señala que escalar la IA agéntica requiere convertir los datos no estructurados en activos gobernados y reutilizables que los sistemas puedan interpretar y considerar confiables.
IBM también ha planteado durante 2026 la necesidad de una capa de contexto que permita a los agentes trabajar con una visión consistente y gobernada de los datos empresariales.
Una capa para que la IA entienda qué significan los datos
La Unified Semantic Layer busca establecer un lenguaje común para la información estructurada y no estructurada de una organización.
La idea es que los términos utilizados por diferentes sistemas puedan relacionarse mediante reglas, definiciones y un glosario empresarial. Así, si distintas aplicaciones utilizan conceptos diferentes para referirse a una misma entidad, el agente puede reconocer la relación.
La plataforma también permitirá importar ontologías y taxonomías de clasificación existentes, de manera que las empresas puedan aprovechar estructuras que ya utilizan internamente o que son específicas de determinada industria.
Dell también contempla la integración de NVIDIA Auto-Ontology, una biblioteca de código abierto que permite construir mapas de conocimiento a partir de datos empresariales.
Esto es relevante porque una IA empresarial no trabaja solamente con información aislada. Para responder correctamente necesita conocer las relaciones entre clientes, productos, proveedores, operaciones, documentos y otros elementos del negocio.
La segunda pieza es el Enterprise Knowledge Graph, diseñado para representar las relaciones entre los datos estructurados y no estructurados.
En lugar de limitarse a encontrar un documento relacionado con una pregunta, la plataforma puede utilizar metadatos, linaje de datos e historial de consultas para identificar información conectada y construir una respuesta con mayor contexto.
Knowledge Agents: agentes especializados en información empresarial
La tercera capacidad son los Knowledge Agents, agentes especializados en determinados temas y respaldados por una parte específica del Grafo de Conocimiento Empresarial.
Las empresas podrán establecer reglas sobre qué información puede consultar cada agente, qué directrices debe seguir, qué estándares de calidad debe cumplir y cuánto puede gastar en sus operaciones.
Esto introduce otro elemento importante para las empresas: gobernanza.
En lugar de permitir que un agente tenga acceso indiscriminado a toda la información disponible, la propuesta consiste en definir qué datos puede utilizar y bajo qué condiciones.
Los modelos NVIDIA Nemotron Retriever también forman parte de esta arquitectura para apoyar capacidades de recuperación de información, razonamiento y comprensión visual.
La apuesta de Dell es que estas capacidades funcionen sobre los datos del propio cliente, incluyendo escenarios en los que la información permanece dentro de su infraestructura.
Dell señala que nuevas pruebas de su Dell Data Processing Engine, impulsado por NVIDIA cuDF y GPUs NVIDIA RTX PRO 4500 Blackwell Server Edition, muestran un procesamiento promedio de casi cuatro veces mayor frente a CPUs en distintas cargas de trabajo y hasta 20 veces más rendimiento en determinados procesos por lotes.
La plataforma utiliza además Apache Arrow para facilitar el movimiento de información entre almacenamiento y procesamiento.
La compañía también reporta actualmente hasta 12 veces más rendimiento en indexación vectorial y hasta tres veces mejor rendimiento en determinadas consultas SQL, de acuerdo con benchmarks y análisis propios.
Más usuarios sobre una misma infraestructura
Dell PowerScale podrá soportar hasta 500 tenants en un solo clúster, acompañado de mTLS sobre NFS para cifrar y autenticar el tráfico de archivos y controles de acceso basados en roles más detallados.
Para proveedores de servicios de IA o compañías que operan plataformas compartidas, esto significa que diferentes equipos o clientes pueden utilizar una misma infraestructura manteniendo separados sus datos y permisos.
La seguridad es particularmente importante en este escenario porque los agentes de IA pueden acceder a información empresarial sensible y utilizarla como parte de sus respuestas o acciones.
Dell ya había posicionado PowerScale y ObjectScale como componentes de almacenamiento de su arquitectura para IA, junto con motores de análisis, procesamiento, búsqueda y orquestación.
La ampliación de Dell AI Data Platform también busca resolver uno de los problemas que enfrentan las empresas después de experimentar con inteligencia artificial: llevar los proyectos desde una demostración hasta una implementación que pueda utilizarse de manera cotidiana.
Para ello, Dell está ampliando sus servicios de datos habilitados para IA, con capacidades de análisis, procesamiento, búsqueda y orquestación destinadas a preparar la infraestructura para cargas de trabajo productivas.
Arthur Lewis, presidente de Infrastructure Solutions Group de Dell Technologies, resumió el desafío de esta manera: “Los datos sin contexto son solo ruido”.
El ejecutivo agregó que hacer accesibles los datos no es lo mismo que hacerlos utilizables y advirtió que un agente que puede encontrar un registro pero no sabe qué significa, cómo se relaciona con el resto de la información o si es confiable, simplemente es rápido, no necesariamente inteligente.
Preguntas frecuentes:
¿Qué es Dell AI Data Platform?
Dell AI Data Platform es una plataforma de datos empresariales diseñada para preparar, procesar, buscar, orquestar y entregar información a aplicaciones y agentes de inteligencia artificial. Integra almacenamiento y motores de datos para trabajar con información estructurada, semiestructurada y no estructurada.
¿Qué es la Unified Semantic Layer de Dell?
Es una capa que busca dar un significado común a los datos empresariales mediante definiciones, reglas, glosarios, ontologías y taxonomías. Su objetivo es que las aplicaciones y agentes de IA puedan interpretar de manera consistente conceptos que aparecen en diferentes sistemas.
¿Para qué sirve el Enterprise Knowledge Graph de Dell?
El Enterprise Knowledge Graph representa las relaciones entre diferentes datos empresariales para ayudar a los agentes de IA a encontrar el contexto necesario para responder o ejecutar tareas. Puede relacionar información como documentos, tablas, productos, sensores, historiales y otros activos de datos.









