Cloudera e Mistral portano l’AI privata sui dati aziendali

L’AI privata entra nel perimetro dei dati aziendali con una nuova partnership tra Cloudera e Mistral. L’accordo punta a permettere alle organizzazioni di sviluppare, personalizzare ed eseguire modelli di intelligenza artificiale sui propri dati, mantenendo il controllo su informazioni, infrastrutture e modalità di distribuzione.

Relicyc, l’AI entra nella logistica ma con metodo

AI privata direttamente dove risiedono i dati

Per molte aziende, soprattutto nei settori regolamentati, utilizzare l’AI significa affrontare una questione che va oltre le prestazioni dei modelli: dove vengono elaborati i dati e chi ne mantiene il controllo.

La collaborazione tra Cloudera e Mistral nasce proprio da questa esigenza. I modelli e gli strumenti di Mistral saranno integrati nella piattaforma ibrida per dati e AI di Cloudera, permettendo alle organizzazioni di eseguire applicazioni e inferenza all’interno dei propri ambienti. Il modello di distribuzione può variare tra cloud pubblico, infrastrutture private, sistemi on-premise, edge e ambienti completamente air-gapped, cioè isolati dalle reti esterne. L’obiettivo è evitare che informazioni sensibili o proprietà intellettuale debbano necessariamente essere trasferite verso servizi AI esterni.

Secondo quanto comunicato dalle due aziende, la piattaforma Cloudera gestisce complessivamente 30 exabyte di dati, che potranno essere utilizzati per sviluppare e applicare sistemi di AI in contesti governati.

Mistral amplia le possibilità per l’AI enterprise

La partnership non riguarda soltanto l’accesso ai modelli generativi. Il portfolio di Mistral comprende strumenti dedicati a ragionamento, conversazione, coding, document intelligence e voce.

Per le aziende, questo significa poter scegliere tecnologie diverse in funzione del caso d’uso, senza legare necessariamente la strategia AI a un unico modello o a un solo ambiente di esecuzione. Un altro elemento riguarda l’economia dell’inferenza. Eseguire i modelli all’interno delle proprie infrastrutture permette infatti alle organizzazioni di valutare direttamente quale combinazione di modello, infrastruttura e modalità di distribuzione sia più adatta ai propri carichi di lavoro, invece di affidarsi esclusivamente a servizi basati sul consumo di API pubbliche.

L’approccio punta quindi a spostare la discussione dall’utilizzo occasionale dei modelli alla loro integrazione nei processi aziendali, con maggiore controllo sull’intero ciclo operativo.

Snowflake punta sull’impresa agentica: più controllo su AI, sicurezza e costi

Dai dati proprietari ai modelli personalizzati

La collaborazione comprende anche Mistral Forge, sistema pensato per consentire alle aziende di costruire e personalizzare modelli AI utilizzando le proprie conoscenze e i propri dati.

Il punto di interesse, in questo caso, è la possibilità di lavorare su grandi patrimoni informativi senza portarli necessariamente fuori dagli ambienti controllati dell’organizzazione. Per aziende che dispongono di petabyte di dati proprietari, questo può significare trasformare archivi, documentazione e competenze accumulate nel tempo in sistemi AI adattati al proprio settore. La stessa logica viene applicata allo sviluppo quotidiano. Sviluppatori e professionisti potranno utilizzare dati aziendali governati per attività come l’accesso conversazionale alle informazioni, il supporto alla programmazione e la costruzione di workflow agentici, mantenendo i dati all’interno del perimetro definito dall’organizzazione.

Abhas Ricky, Chief Business Officer & GM, Applied AI di Cloudera, descrive questa direzione come il passaggio dell’AI enterprise dalla sperimentazione alla produzione, sottolineando la necessità di combinare modelli potenti con la possibilità di utilizzarli sui dati proprietari mantenendo il controllo su dati, infrastrutture e costi.

Sirena d’allarme: per il 51% degli italiani basta per i soccorsi

L’AI si sposta anche verso l’edge

Un ulteriore fronte della collaborazione riguarda l’AI edge, con l’intenzione di portare l’inferenza più vicino ai luoghi in cui vengono generati i dati.

Il tema è particolarmente rilevante in ambienti dove una connessione costante al cloud non è disponibile o non è la soluzione più adatta. Sistemi disconnessi, applicazioni che richiedono bassa latenza o infrastrutture con risorse limitate possono beneficiare di modelli eseguiti localmente. Per Mistral, l’obiettivo dichiarato è rendere i propri modelli utilizzabili dalle imprese senza richiedere loro di rinunciare al controllo sui dati e sulla proprietà intellettuale. Kamal Brar, SVP of Partnerships and Alliances di Mistral, evidenzia proprio la possibilità di portare la tecnologia dell’azienda direttamente negli ambienti in cui risiedono i dati dei clienti Cloudera.

Le soluzioni congiunte saranno distribuite attraverso la struttura commerciale enterprise e l’ecosistema di partner di Cloudera. Le due aziende prevedono inoltre ulteriori integrazioni e funzionalità nel tempo.

Cloudera lancia Anywhere Cloud per accelerare l’AI agentica

Un ecosistema AI meno vincolato a un singolo stack

L’accordo entra nel Cloudera Enterprise AI Ecosystem, rete attraverso cui l’azienda collabora con fornitori di modelli, infrastrutture, applicazioni e tecnologie per l’intelligenza artificiale.

L’integrazione di Mistral rafforza un’impostazione basata sulla scelta tra diversi modelli e ambienti di distribuzione. Per le imprese, il tema non è soltanto quale modello utilizzare, ma anche dove eseguirlo, con quali dati e secondo quali regole di governance. È una questione destinata a diventare sempre più concreta con l’aumento dell’utilizzo dell’AI nei processi aziendali: la capacità di mantenere i dati nel proprio perimetro può diventare parte integrante della strategia tecnologica, al pari delle prestazioni del modello.

TAG: