Red Hat perkuat Portofolio AI untuk percepat adopsi Agentic AI di lingkungan Hybrid Cloud

JAKARTA (IndoTelko) - Red Hat⁠ memperkenalkan pembaruan signifikan pada portofolio Red Hat AI melalui peluncuran Red Hat AI 3.4. Platform ini dirancang untuk membantu perusahaan menjembatani kesenjangan antara tahap eksperimen dan implementasi AI di lingkungan produksi.

Solusi terbaru tersebut menghadirkan fondasi terpadu dari tingkat perangkat keras hingga agen AI, sehingga memudahkan organisasi mengembangkan, mengelola, dan menskalakan alur kerja agentic AI di berbagai lingkungan hybrid cloud.

Red Hat AI 3.4 menggabungkan kemampuan inferensi terdistribusi, Model-as-a-Service (MaaS), serta fitur AgentOps yang memungkinkan pengelolaan siklus hidup agen AI secara menyeluruh, mulai dari pengembangan, observabilitas, hingga tata kelola dan keamanan.

Platform ini juga dilengkapi kapabilitas prompt management dan evaluation hub untuk membantu organisasi mengelola kualitas, akurasi, keamanan, dan risiko model maupun agen AI. Dukungan dari MLflow memungkinkan pelacakan eksperimen dan manajemen artefak untuk berbagai skenario AI generatif maupun prediktif.

Vice President and General Manager AI Business Unit Red Hat, Joe Fernandes, mengatakan era agentic AI menuntut pendekatan baru dalam pengelolaan infrastruktur dan operasional AI.

“Dengan menyediakan fondasi dari perangkat keras hingga agen untuk inferensi AI, MaaS, dan AgentOps, kami membantu organisasi berinovasi dalam skala besar tanpa mengorbankan kendali operasional,” ujarnya.

Red Hat AI 3.4 juga menghadirkan sistem keamanan berlapis melalui pengujian keamanan otomatis, red-teaming, serta integrasi teknologi NVIDIA NeMo Guardrails untuk perlindungan saat runtime.

Di sisi infrastruktur, platform ini mendukung berbagai lingkungan cloud dan perangkat keras, termasuk GPU generasi terbaru dari NVIDIA⁠ dan AMD, serta kompatibel dengan layanan Kubernetes di berbagai penyedia cloud, termasuk IBM Cloud⁠ dan CoreWeave.

Melalui pembaruan ini, Red Hat menargetkan organisasi yang ingin mengembangkan AI secara lebih aman, terukur, dan sesuai dengan kebutuhan tata kelola di tingkat enterprise, sekaligus mempercepat transisi dari proyek percontohan menuju implementasi AI yang siap produksi. (mas)