Los agentes de confianza empiezan con datos de confianza

Cuando la IA agentiva se estanca en una empresa, la causa no suele ser el modelo. Es la preparación de los datos que la alimentan. Los agentes consumen y actúan sobre la información de la empresa a una velocidad y a una escala mucho mayores que las personas, lo que aumenta la necesidad de contar con datos precisos, permisos coherentes y un contexto y una memoria actualizados que generen el conocimiento necesario para permitir la acción.

Todas las empresas buscan lo mismo en la IA: mejores decisiones, actuar más rápido y resultados cuantificables a partir de los datos de los que ya disponen. Esto resulta difícil de conseguir cuando el patrimonio de datos está fragmentado y es complicado inventariarlo. Si no sabes qué datos existen, dónde se encuentran, quién es su propietario y quién puede acceder a ellos, no podrás usarlos con confianza para la IA.

Esa es la brecha que NetApp^® AI Data Engine está diseñado para cerrar. Al impulsar la capa de AI Data Services de NetApp Platform, hace que los datos empresariales se puedan descubrir, gobernar y usar para la IA en entornos híbridos, y empieza con el descubrimiento.

Por eso, hoy anunciamos la disponibilidad general de los servicios de descubrimiento de datos y metadatos en AI Data Engine en todo tu patrimonio de datos empresarial, independientemente de si esos datos están en NetApp o no. Un único catálogo abarca NetApp ONTAP^®, StorageGRID y NAS y almacenamiento de objetos de terceros a través de NFS, SMB y S3, tanto en las instalaciones como en la nube, incluidos los servicios de nube propios basados en ONTAP y los buckets de S3 de otros proveedores. El resultado es visibilidad en todo el entorno y una base de metadatos para conocer tus datos antes de que la IA actúe sobre ellos.

El primer paso hacia agentes en los que puedas confiar

Las empresas ya han intentado en otras ocasiones gestionar los datos no estructurados. Las herramientas disponibles funcionaban con un proveedor cada vez, realizaban muestreos en lugar de escanearlo todo o exigían copiar primero los datos a un sistema independiente, por lo que lo que se obtenía era una visión parcial que ya estaba desactualizada. Más de 80 empresas nos dijeron lo mismo antes de que creáramos esto: una herramienta que solo ve el almacenamiento de un proveedor no resuelve el problema.

Los servicios de detección de datos y metadatos están diseñados para cumplir ese requisito: un único catálogo en todo un entorno heterogéneo, no una muestra ni solo sistemas de NetApp. La arquitectura es lo que hace posible ese alcance. Se implementa como software junto al almacenamiento que ya tienes, escanea in situ sin mover ni copiar datos, está diseñado para entornos con miles de millones de archivos y funciona de forma independiente del sistema operativo de almacenamiento, por lo que lee los sistemas de terceros igual que lee ONTAP. No se traslada nada a una plataforma independiente, por lo que los permisos, la protección y el alcance híbrido permanecen intactos.

También se creó para agentes, no solo para personas. El catálogo se puede consultar a través de API abiertas y endpoints MCP autenticados, de modo que un agente puede preguntar qué existe y qué es relevante hoy. Eso lo convierte en un índice activo en lugar de un informe de clasificación, y en el primer lugar donde la agentic AI entra en contacto con tu entorno.

Valor inmediato de la misma base

El valor comienza con el primer escaneo. El mismo índice para todo el entorno que prepara los datos para la IA también ayuda a los equipos a recuperar capacidad, planificar migraciones y encontrar datos que están más expuestos de lo que deberían. No se trata de funciones independientes, sino de diferentes usos del mismo índice, y todo ello se ejecuta sobre metadatos, por lo que no hay contenido que extraer, ni modelos ni GPU que poner en marcha, ni nada que mover o copiar:

• Optimización. Identifica datos redundantes, obsoletos, duplicados y desactualizados en el almacenamiento de NetApp y de otros proveedores, organizados por propietario y tamaño, para ajustar el espacio y tomar decisiones fundamentadas sobre la organización en niveles.
• Planificación de la migración. Configura el catálogo para que apunte a recursos compartidos de NFS, SMB y S3, NetApp o no, para entender qué está activo y qué es importante antes de mover nada.
• Higiene de acceso y exposición. Utiliza un único inventario en ONTAP, StorageGRID y almacenamiento no de NetApp para detectar problemas como recursos compartidos abiertos, claves dispersas, registros expuestos y datos con permisos excesivos.
• La incorporación de agentes. Identifica los archivos que no quieres que utilicen los agentes, como registros, archivos binarios, duplicados y datos de hace años, para crear un corpus más limpio y una base más fiable para los agentes.

En un entorno empresarial, el servicio de metadatos indexó más de tres mil millones de archivos casi en tiempo real sin mover ni copiar ninguno de ellos. Al filtrar los binarios, los registros, los duplicados y los archivos que nadie había abierto en años, ese entorno se redujo a unos setenta mil documentos que valía la pena poner al servicio de un agente. El mismo análisis agrupó los datos inactivos por propietario, lo que convirtió un debate sobre la limpieza en una conversación con personas concretas y dio al equipo pruebas para elaborar un plan de migración para una plataforma obsoleta que no habían podido retirar.

Del descubrimiento al grafo de conocimiento

Discovery es lo que está disponible de forma generalizada en la actualidad, y constituye la base de lo que vamos a desarrollar a continuación. El orden es importante: encontrar los datos, comprender qué hay dentro de ellos, relacionar ese contenido con el contexto y la memoria que lo convierten en conocimiento y, a continuación, decidir para quién está disponible ese conocimiento. Los agentes necesitan esa conexión, porque el contexto y la memoria son los que crean el conocimiento, y el conocimiento es lo que permite actuar para generar resultados.

La comprensión comienza dentro del propio archivo. La extracción de contenido está diseñada para leer lo que realmente contiene un documento u objeto e identificar lo que le importa a una empresa: el nombre de un cliente, un número de contrato, una fecha de renovación. Un grafo de conocimiento está diseñado para conectar esos datos, vinculando a un cliente con un contrato, un contrato con una renovación y una renovación con el equipo responsable de ella, para que un agente pueda seguir una relación en lugar de inferirla.

Sobre el gráfico, se ha diseñado una estructura de decisiones para contener lo que ningún archivo contiene: lo que decidió la organización, quién lo decidió y por qué. Esa memoria organizativa mantiene a los agentes alineados con las decisiones que la empresa ya tomó.

Un conocimiento tan rico plantea una pregunta obvia: ¿quién debería poder usarlo? Los permisos existentes están diseñados para mantenerse, por lo que las normas que ya protegen los datos empresariales son las mismas que los protegen para la IA. Luego viene la activación: búsqueda semántica y visual en texto, imágenes y vídeo mediante protocolos abiertos, y analítica abierta que permite que motores como Starburst trabajen con datos no estructurados donde están. Estas capacidades están en desarrollo y se basan en la base de descubrimiento disponible hoy.

Sacar más partido a los datos que ya tienes

La mayor oportunidad no reside en disponer de un mejor inventario. Consiste en obtener más valor de los datos que ya posees, al tiempo que reduces la complejidad, el coste y el riesgo de prepararlos para la IA. La mayoría de los caminos hacia la preparación para la IA te piden mover datos o implementar un almacenamiento independiente: otro canal de datos, otro conjunto de permisos, otra superficie que proteger. Esta inteligencia funciona donde ya están tus datos, protegidos y gestionados tal y como están hoy, en entornos híbridos, por lo que hay menos que crear, menos que mover y menos puntos en los que tus controles puedan fallar. Para un equipo incapaz de decomisionar una cabina fuera de soporte porque nadie podía decir qué había en ella, esa diferencia lo es todo para el proyecto.

La idea central es sencilla. La empresa agentic es tan fiable como los datos en los que se basa, y esos datos ya son tuyos, dondequiera que estén y sea de quien sea el almacenamiento en el que se encuentren. El trabajo consiste en hacer que se puedan detectar, entender, gobernar y alcanzar en su ubicación para que se conviertan en conocimiento fiable sobre el que la AI pueda actuar para impulsar resultados empresariales. Ese primer paso ya está disponible hoy en todo tu entorno, y a partir de él se construyen las capacidades para entender, gobernar y activar tus datos.

Puedes empezar hoy mismo. Los servicios de detección de datos y metadatos están disponibles para los clientes sin coste alguno, tanto en almacenamiento de NetApp como de otros proveedores.

Lo analizaremos en profundidad en NetApp INSIGHT 2026 en Las Vegas, del 29 de septiembre al 1 de octubre.