Cloudera kondigt vier AI-workflows met NVIDIA aan

Cloudera kondigt vier AI-workflows met NVIDIA-techniek voor bedrijfsdata aan, met ingebouwd databeheer en inzet op publieke cloud, eigen datacenters en edge, meldt het bedrijf op 27 oktober.

Een Nederlandse bank, zorginstelling of telecombedrijf kan daardoor een AI-workflow naast transacties, patiëntgesprekken of netwerkmetingen zetten, op cloud, eigen datacenter of edge. Dat verschuift de ontwerpkeuze naar de plek van uitvoering en het beheer van toegang. Cloudera noemt de stap van pilot naar productie als doel, maar geeft voor de nieuwe NVIDIA-toepassingen nog geen uitroldatum.

Vier workflows pakken verschillende data aan

De aankondiging noemt toepassingen voor financiële dienstverlening, zorg, telecom en digitale verificatie. De workflows zijn bedoeld om bedrijfseigen gegevens direct te verwerken:

• Build Your Own Transaction Foundation Model: financiële instellingen kunnen een eigen basismodel op transactiegegevens bouwen voor fraudedetectie, risico-inschatting en gepersonaliseerde klantbeleving.
• Ambient Healthcare Agents: gesprekken tussen patiënt en zorgverlener worden omgezet in gestructureerde klinische aantekeningen. De agent kan ook intake, afspraken en vragen ondersteunen.
• Telecom Network Configuration Planning Agents: een telecomagent gebruikt historische en actuele gegevens om instellingen voor het radiotoegangsnetwerk (RAN) aan te bevelen, toe te passen en te controleren.
• Synthetic Video Detection: synthetische video's herkennen moet identiteitscontrole en fraudepreventie ondersteunen.

De eerste workflow richt zich op gegevens die al in transactiesystemen staan. De tweede op gesprekken en dossiers. De derde verbindt netwerkmetingen met configuratiewijzigingen. Cloudera beschrijft dus geen algemene assistent die elk document kan beantwoorden, maar vier taakgerichte toepassingen in sectoren met eigen databronnen en controle-eisen.

De catalogus loopt deels vooruit op de lancering

De nieuwe Blueprints bouwen voort op Cloudera’s bestaande Accelerators for ML Projects (AMPs). De openbare catalogus toont vier NVIDIA-partnerprojecten: een transactiefoundationmodel met VAST, een vergelijking van totale kosten voor fraudemodellen, Altered Video Detection en een Unified Network Lakehouse voor telecomanalyse. De catalogus labelt onder meer de transactie- en videodetectieprojecten als Launchable (AMP) en Enterprise Blueprint. Die twee sluiten aan op thema’s uit de nieuwe aankondiging. De Unified Network Lakehouse is een datafundament voor netwerkgegevens, niet de aangekondigde agent die RAN-instellingen aanraadt, toepast en controleert.

De catalogus maakt niet duidelijk dat alle vier de nu aangekondigde toepassingen al beschikbaar zijn. Cloudera schrijft dat de NVIDIA AI Blueprints binnenkort aan de portefeuille worden toegevoegd. Ambient Healthcare Agents en Telecom Network Configuration Planning Agents staan niet onder die namen in de genoemde catalogus. Een datum, abonnementsvoorwaarde of regio voor de uitrol ontbreekt. De catalogus is dus een momentopname van bestaande blauwdrukken, geen bevestiging dat de vier nieuwe workflows al algemeen beschikbaar zijn.

Cloudera noemt drie NVIDIA-bouwstenen

In de aankondiging noemt Cloudera drie technologieën bij naam. NVIDIA NIM-microservices en Nemotron-modellen zijn beschikbaar via Cloudera AI Inference. NVIDIA cuDF voor Apache Spark zit in Cloudera Data Engineering en moet de datavoorbereiding versnellen. Die onderdelen ondersteunen modelinference en datawerk vóór de agent een antwoord of aanbeveling geeft.

NVIDIA rekent Agent Knowledge Foundation met CUDA-X, open modellen als Nemotron Retriever en Kumo, OpenShell, NemoClaw, NeMo Relay en NeMo Compass tot de bredere Agent Toolkit. Cloudera zegt niet welke daarvan in elk van de vier workflows zit. Het noemt NIM, Nemotron en cuDF, maar geen blueprint-specifieke componentenlijst of inzet van OpenShell en NemoClaw.

Dat onderscheid telt bij de beveiligingsvraag. NVIDIA’s OpenShell-referentieontwerp plaatst een beveiligde runtimegrens tussen een agent en de systemen die hij bereikt. De architectuur verdeelt de werkplek in zeven lagen en gebruikt BlueField-4 voor hardwarematige handhaving. Cloudera noemt beveiliging en governance als onderdelen van zijn platform, maar specificeert niet of OpenShell in de Blueprints zelf meedraait.

De gekozen uitvoeringsplek is wel duidelijker. Cloudera zegt dat organisaties dezelfde AI-omgeving kunnen gebruiken in publieke clouds, eigen datacenters en aan de edge, zodat gevoelige data niet eerst wordt verplaatst. Cloudera had die plaatsingskeuze eerder aangekondigd: de Mistral-integratie voor modellen in publieke en private clouds, on-premises en air-gapped omgevingen; Mistral kondigde de integratie van zijn modellen in die omgevingen aan. De nieuwe NVIDIA-aankondiging noemt publieke clouds, datacenters en edge, maar geen air-gapped inzet; die mogelijkheid is dus niet automatisch op deze Blueprints van toepassing.

Productie blijft een doel zonder datum

Cloudera beweegt in een markt waarin andere dataplatforms agentbouw ook binnen hun bestaande dataomgeving plaatsen. Databricks zegt dat Agent Bricks agents bouwt en bestuurt met bedrijfscontext en toegangsregels. Snowflake beschrijft Cortex Agents als een beheerde agentomgeving die via Snowflake-data en tools werkt. TechTarget citeert een ISG-analist die AI-versnellers op zichzelf niet uniek noemt. Volgens hem kan Cloudera zich onderscheiden met inzet over publieke cloud, eigen infrastructuur en edge.

De formulering sneller van prototype naar productie is Cloudera’s doel, geen gemeten resultaat. De aankondiging bevat geen benchmark, gemeten doorlooptijd, prijs of vereiste hardware waarmee een Nederlandse organisatie de investering kan doorrekenen. Ook is niet gepubliceerd wanneer elk van de vier toepassingen inzetbaar wordt. De catalogus biedt al enkele aanverwante blauwdrukken, maar een concrete evaluatie vraagt per workflow om een versie, datakoppeling, rechtenmodel en uitrolplanning.

De eerdere Mistral-koppeling richtte zich op de plaats van modelverwerking; de NVIDIA Blueprints voegen daar vooraf samengestelde taken aan toe. Databricks en Snowflake volgen een vergelijkbare route binnen hun beheerde dataomgevingen. Voor een Nederlandse organisatie bepaalt de uiteindelijke combinatie van brondata, locatie, beveiligingslaag en beschikbare workflow of een blueprint een pilot werkelijk naar productie kan brengen.