ADI برای کاهش این نقطه درد از طریق یک لایه مدیریت داده های یکپارچه و مستقل که قادر به جمع آوری در مقیاس اگزابایت با تاخیر دسترسی بهینه شده است، طراحی شده است.با تحکیم دارایی های داده های ناهمگن در سراسر جریان های کاری هوش مصنوعی، این پلتفرم حرکت داده های اضافی را کاهش می دهد و استفاده کلی از زیرساخت ها را افزایش می دهد.داده های معیار داخلی از Scality تاخیر مصرف داده های ساده را تحت هم زمان سازی سطح سازمانی تأیید می کنددر یک پیاده سازی معمولی مجهز به خوشه های GPU چند ریک و پردازش مجموعه داده های طولانی، استفاده از منابع از حدود 52٪ به بیش از 91٪ افزایش یافت.ترجمه به کاهش قابل توجهی از هزینه های سالانه زیرساخت ها.