NVIDIA Agent Toolkit se amplía con una nueva base para conectar agentes empresariales con los datos de las compañías, junto con modelos y herramientas para controlar su actividad. En su informe del 21 de octubre de 2026, NVIDIA describió implementaciones en su propia cadena de suministro y en plataformas de software empresarial, situando el acceso a los datos empresariales en el centro de la última expansión del kit de herramientas de código abierto.
Conclusiones clave
- La nueva Agent Knowledge Foundation conecta la información de las compañías con conceptos empresariales para que los agentes puedan recuperar contexto y respaldar predicciones.
- NVIDIA identificó implementaciones que involucran a Palantir, Databricks y Snowflake, aunque las implementaciones varían según la plataforma.
- NVIDIA también mencionó mejoras en la recuperación de información en Amazon OpenSearch Service, SAP y ServiceNow; esos resultados corresponden a usos de modelos individuales, no al kit de herramientas en su conjunto.
Índice
- Qué aporta NVIDIA Agent Toolkit a los datos empresariales
- Situación de las implementaciones empresariales
- Qué demuestran los resultados de recuperación de información
- Cómo se controla el acceso y la mejora de los agentes
- Conclusión
Qué aporta NVIDIA Agent Toolkit a los datos empresariales
La principal incorporación es NVIDIA Agent Knowledge Foundation, que combina bibliotecas de procesamiento de datos con modelos de recuperación de información y de datos estructurados. NVIDIA afirma que las compañías pueden utilizarla y, al mismo tiempo, conservar sus ubicaciones de datos, flujos de trabajo y controles de gobernanza existentes.
Su nueva biblioteca Auto-Ontology ofrece a los agentes una interpretación de la información sin procesar orientada al ámbito empresarial. En lugar de tratar los registros únicamente como puntos de datos aislados, identifica conceptos como clientes, productos y pedidos, y establece conexiones entre ellos. Se pretende que ese contexto ayude a los agentes a responder preguntas empresariales y a respaldar decisiones.
La base incorpora bibliotecas CUDA-X, entre ellas cuDF, cuGraph, cuML, cuOpt y cuVS. La selección de modelos incluye Nemotron Retriever y la familia Kumo Structured: Kumo Tabular, Kumo Relational, Kumo Time Series y Kumo Forecast.
| Elemento | Detalles |
|---|---|
| NVIDIA OpenShell | Entorno de ejecución seguro que permite a las empresas restringir el acceso y las acciones de los agentes. |
| Planos de NVIDIA NemoClaw | Diseños de referencia para crear agentes seguros adaptados a tareas especializadas. |
| El plano de optimización más reciente de NemoClaw | Marco inicial paso a paso para mejorar la inteligencia de los agentes. |
Situación de las implementaciones empresariales
El área de cadena de suministro de NVIDIA utiliza la base con Foundry, Ontology y AIP de Palantir. Según NVIDIA, esa implementación respalda agentes especializados que trabajan con información confidencial para realizar predicciones y optimizar decisiones. Se trata de una implementación interna descrita en el informe, no de una aplicación meramente propuesta.
Databricks combina su Genie Ontology con NVIDIA Kumo Anomaly para agentes que utilizan información contextual. El enfoque de Snowflake integra los modelos Kumo Engine y Kumo Relational en los entornos de Snowflake Notebook, lo que permite a los clientes añadir funciones predictivas en esos espacios.
Estos ejemplos muestran distintas vías de adopción empresarial: una implementación operativa en NVIDIA, una integración en Databricks y acceso para clientes a través del entorno de notebooks de Snowflake. No deben interpretarse como implementaciones idénticas ni como prueba de resultados equivalentes.
Qué demuestran los resultados de recuperación de información
NVIDIA citó varios resultados de Nemotron Retriever y distinguió las mejoras en búsqueda y reordenación de resultados de la promesa más amplia de los agentes empresariales. En Amazon OpenSearch Service, el modelo de embeddings mejoró la relevancia y redujo los pasos de búsqueda, prácticamente sin latencia adicional, según NVIDIA.
La compañía afirmó que el modelo de reordenación ajustado de SAP operó casi tres veces más rápido. También señaló que ServiceNow mejoró la calidad de la reordenación y redujo la latencia en casi una cuarta parte. El informe no proporciona un parámetro de referencia común que permita comparar directamente esos resultados.
Zoom utiliza Nemotron Retriever para la comprensión de documentos, la relevancia de búsqueda y la recuperación de contexto en Zoom AI Services. NVIDIA no atribuyó a esa implementación ningún resultado de rendimiento cuantificado.
Cómo se controla el acceso y la mejora de los agentes
La expansión no se limita a proporcionar más información a los agentes. Sus componentes complementarios abordan los límites de ejecución, el diseño de agentes especializados y la optimización, con responsabilidades distintas que se resumen a continuación.
NVIDIA describe el plano de optimización más reciente de NemoClaw como un punto de partida para mejorar la inteligencia de los agentes con el tiempo. Se trata de un diseño de referencia para desarrolladores, no de una prueba de que todas las implementaciones empresariales ya hayan logrado una mejora. El informe también incluye NeMo Relay y NeMo Compass entre las herramientas y capacidades del kit, sin detallar sus funciones.
Conclusión
La expansión integra en un mismo kit de herramientas la interpretación de datos empresariales, la recuperación de información y los controles de ejecución. Las pruebas concretas más sólidas son el conjunto de implementaciones mencionadas y los resultados a nivel de modelo; esos ejemplos no demuestran un único resultado de rendimiento para toda la pila de agentes.
Leer más noticias
Aviso legal
Este artículo de FinanceVelix ofrece información general, no asesoramiento financiero, de inversión, jurídico o fiscal personalizado. Los precios de mercado, los tipos de interés y las condiciones económicas pueden cambiar; las inversiones conllevan riesgo de pérdida. Los hechos reflejan la información disponible en el momento de la publicación y pueden cambiar. Verifique de forma independiente la información importante y consulte a un profesional cualificado cuando sea necesario. La mención de un activo, una compañía o un servicio no constituye una recomendación.
