Dell רוצה לתת לסוכני AI מפה אמיתית של הארגון

אתם מכירים את הרגע הזה שבו אתם שואלים את ChatGPT שאלות על מידע פנימי שלכם, והוא מוצא משהו — אבל אין לו מושג מה זה באמת אומר? Dell מנסה לפתור את זה, ולא ברמת ה-prompt או המודל. ברמת התשתית.

הבעיה: Data נגיש ≠ Data שמיש

ארתור לואיס, נשיא קבוצת פתרונות התשתית ב-Dell Technologies, ניסח את זה בפשטות: "נתונים בלי הקשר הם רעש. רוב הארגונים בילו שנים בלגרום לנתונים שלהם להיות נגישים. זה לא אותו דבר כמו להפוך אותם לשמישים."

והוא צודק. קחו דוגמה פשוטה: סוכן AI מצליח לאתר רשומת לקוח. נהדר. אבל הוא לא יודע מה המשמעות של הרשומה, איך היא מתחברת לנתונים אחרים בארגון, או אם אפשר לסמוך עליה. בעולם של RAG — שאנחנו מכירים מ-Cursor, Perplexity ושאר כלים — המודל מוצא מידע. אבל הוא לא מבין אותו. כל שאילתה כזו גוררת את הסוכן לבנות מחדש את המשמעויות, מה ששורף המון tokens וכסף.

שלושת הרכיבים החדשים

Dell מרחיבה את ה-Dell AI Data Platform עם שלושה רכיבים חדשים:

Unified Semantic Layer — שכבת סמנטיקה מאוחדת. התפקיד שלה הוא לקבוע מה משמעות הדברים. אם מערכת אחת קוראת ללקוח "client" ואחרת קוראת לו "account", הפלטפורמה יודעת שזה אותו דבר. שכבת ה-semantic לוקחת את הכאוס המינוחי של הארגון והופכת אותו לקוהרנטי.

Enterprise Knowledge Graph — גרף ידע ארגוני. אחרי שאנחנו יודעים מה משמעות הדברים, הגרף מראה איך הם מתחברים. אם חיישן במפעל מדווח על משהו חריג, הגרף יודע להראות את המכונה עצמה, את היסטוריית התיקונים שלה, את הספק, ואת הזמנות הלקוחות שנמצאות בסיכון. זו ראייה הוליסטית, לא אוסף של נתונים מבודדים.

Knowledge Agents — סוכני ידע. כל אחד מהם הוא יועץ מהימן בנושא ספציפי אחד, בנוי על פלח מוגדר מתוך גרף הלקוחות. הלקוחות קובעים את החוקים: איזה מידע הסוכן רואה, איזה סף איכות הוא צריך לעבור, וכמה הוא מורשה להוציא. החלק האחרון קריטי — אף אחד לא רוצה agent שמרים חשבון ענק בלי שליטה.

השלושה צפויים להגיע בחצי הראשון של 2027. זה אומר שלקוחות יצטרכו לחכות, אבל זה נותן סימן ברור לאן Dell הולכת.

מה NVIDIA עושה בתוך הסיפור

Dell לא בונה את הכל לבד. NVIDIA מספקת כמה חלקים קריטיים:

• Auto-Ontology — טכנולוגיה שלוקחת את נתוני הארגון ובונה אוטומטית את הקשרים בין ישויות. Dell משלבת אותה כחלק מ-Unified Semantic Layer.
• Nemotron Retriever — מודלים של NVIDIA שמטפלים ב-reasoning ו-visual understanding בתוך ה-Knowledge Agents.

בדצמבר 2026 מתוכננים שדרוגי האצה מבוססי NVIDIA, ותמיכה ב-Apache Arrow תגיע ברבעון הראשון של 2027.

מהירות: לא רק הקשר, גם ביצועים

הקשר עובד רק אם הנתונים מהירים ומעודכנים. כאן נכנס Data Processing Engine של Dell, שמריץ את NVIDIA cuDF על כרטיסי RTX PRO 4500 Blackwell. בספטמבר האחרון, בבדיקות של Dell עצמה, המנוע היה מהיר פי 3.9 בממוצע לעומת Spark שרץ על CPU בלבד. זו בדיקה עם הגדרות ברירת מחדל על שרת PowerEdge R770 אחד, ו-Dell מציינת שהתוצאות עשויות להשתנות — אבל הכיוון ברור.

אסטרטגיה: On-Prem, ללא נעילה

כל הרכיבים האלה — שכבת הסמנטיקה, גרף הידע, הסוכנים — נשארים בדאטה סנטר של הלקוח. Dell מבהירה שהנתונים הרגישים ביותר לא צריכים לצאת החוצה. בנוסף, הלקוחות לא נעולים לספק ענן ספציפי, למודל אחד או לספק אחסון יחיד.

זו נקודת מכירה חזקה לשוק שמתמודד עם חששות מ-lock-in, במיוחד אחרי שראינו חברות עוברות multi-cloud בשנים האחרונות רק כדי לגלות שהן תלויות בצד אחד.

מה זה אומר על השוק

לואיס סיכם את זה יפה: "ברוב המקרים, המודל הוא לא האילוץ הבא — הנתונים הם. זו הבעיה שה-AI Data Platform נבנתה לפתור."

Dell בונה כאן משהו מעניין: לא עוד מודל AI, אלא תשתיות שיגרמו למודלים קיימים לעבוד טוב יותר על נתונים ארגוניים. בעולם שבו כולם רצים אחרי ה-sota הבא, זו גישה פרוזאית אבל כנראה נכונה יותר ללקוחות Enterprise. בסוף, מי שישכיל לחבר את הנתונים שלו בצורה חכמה — ירוויח יותר ממי שיקפוץ למודל הבא של Anthropic או OpenAI בלי שהמידע שלו מסודר.

ב-Dell קוראים לזה AI Factory. אם אתם שואלים אותי, זה נשמע פחות כמו מפעל ויותר כמו מפה — וזו בדיוק הכוונה.