Las nuevas capacidades de ‘metal-to-agent’ en Red Hat AI proporcionan una base para escalar modelos y agentes autónomos en toda la nube híbrida.
Red Hat, el proveedor líder mundial de soluciones de código abierto, anunció avances significativos en todo el portafolio de Red Hat AI para ayudar a cerrar la brecha entre la experimentación con IA y el control operativo de grado de producción. Al ofrecer una plataforma unificada ‘del hardware al agente’ , Red Hat AI 3.4 simplifica el desarrollo y despliegue de flujos de trabajo agénticos, permitiendo que las organizaciones trasciendan los proyectos piloto hacia una IA escalable en toda su infraestructura.
Al proporcionar un marco de trabajo consistente tanto para desarrolladores como para operadores, Red Hat sienta las bases para que las organizaciones escalen sistemas autónomos mientras mantienen el control, las capacidades de seguridad y la eficiencia de hardware que requiere la empresa moderna.
¿Qué es Red Hat AI 3.4?: Red Hat AI 3.4 es una plataforma integral que ofrece la base arquitectónica y las herramientas operativas necesarias para escalar modelos y flujos de trabajo agénticos en toda la nube híbrida. Un elemento central de este lanzamiento es la entrega de Model-as-a-Service (MaaS), que proporciona una interfaz única y gobernada para que los desarrolladores accedan a modelos curados, permitiendo al mismo tiempo que los administradores rastreen el consumo y apliquen políticas. Esto se construye sobre una base de inferencia distribuida de alto rendimiento, impulsada por vLLM y llm-d, para mantener un servicio de modelos optimizado y eficiente en una amplia gama de entornos.
Si bien los agentes de IA impulsan una demanda exponencial de inferencia, Red Hat AI proporciona las capacidades para que las organizaciones desplieguen y gestionen agentes a escala, independientemente del marco de trabajo (framework) del agente.
Las herramientas de AgentOps recientemente introducidas gestionan a los agentes desde el desarrollo hasta la producción con rastreo integrado, observabilidad, identidad criptográfica y gestión del ciclo de vida.
Para integrar los datos empresariales con los modelos y agentes, Red Hat AI 3.4 introduce la gestión de prompts —tratando a los prompts como activos de datos de primera clase— y un centro de evaluación para determinar la precisión, calidad y seguridad de los modelos y agentes. Estas capacidades están impulsadas por MLflow, que proporciona un seguimiento de experimentos y gestión de artefactos integrados, tanto para casos de uso de IA generativa como predictiva. La plataforma permite a los usuarios validar la seguridad de los modelos y agentes con pruebas de seguridad automatizadas y red-teaming, utilizando tecnología de Chatterbox Labs y el proyecto Garak para proporcionar una ruta orientada a la seguridad desde los pilotos experimentales hasta la utilidad empresarial lista para producción.
¿Por qué Red Hat AI 3.4 es importante?: La transición de los chatbots experimentales a sistemas autónomos de grado de producción requiere un cambio fundamental en la forma en que colaboran los equipos de TI. Muchas organizaciones reconocen ahora la necesidad de pasar de ser meros ‘consumidores de tokens’ a ser ‘proveedores de tokens’ para gestionar mejor los costos y potenciar casos de uso de IA privados y soberanos.
Sin embargo, la fricción entre los desarrolladores (builders) y los administradores de infraestructura sigue siendo el principal obstáculo para la adopción. Sin un enfoque unificado que alinee estos dos roles, las barreras de acceso a la infraestructura frenan la innovación, mientras que los atajos de “shadow AI” introducen riesgos no gobernados y costos impredecibles.
Red Hat AI 3.4 ayuda a resolver esta tensión al proporcionar una base empresarial para la inferencia escalable y el despliegue de agentes autónomos, ofreciendo la transparencia y el control necesarios para cumplir con rigurosos estándares de riesgo y gobernanza. Dado que los agentes operan con cierto nivel de independencia, la falta de visibilidad en su toma de decisiones crea un riesgo de seguridad crítico.
Red Hat AI aborda esto proporcionando la infraestructura para rastrear acciones, pasos de razonamiento y llamadas a herramientas, haciendo posible auditar cómo un agente llegó a un resultado. Al integrar la gestión de identidad criptográfica, la plataforma vincula las acciones a una identidad verificada, ayudando a identificar qué entidad realizó la tarea. En conjunto, estas capacidades permiten a las organizaciones trascender los pilotos desconectados para tratar a la IA como una utilidad empresarial escalable, predecible y, lo más importante, responsable.
#Tecnología #RedHatAI #Herramientas #Plataforma #Seguridad
