Oracle anunció innovaciones de IA agéntica para Oracle AI Database con el objetivo de facilitar la creación, despliegue y escalado de aplicaciones autónomas seguras en entornos productivos. La propuesta combina inteligencia artificial con datos almacenados en bases operativas y lakehouses analíticos, permitiendo que los agentes accedan en tiempo real a la información empresarial sin necesidad de moverla.
Este enfoque responde a uno de los principales desafíos de la IA en las organizaciones: integrar modelos, datos y procesos sin comprometer seguridad ni rendimiento. A su vez, permite utilizar modelos de lenguaje entrenados con datos públicos para generar insights accionables sobre información privada, manteniendo el control dentro del entorno corporativo.
Además, Oracle ofrece flexibilidad en la elección de modelos, frameworks, formatos abiertos y plataformas de despliegue. En paralelo, los clientes que utilizan Oracle Exadata pueden incorporar Exadata Powered AI Search, una capacidad diseñada para acelerar consultas complejas de IA en escenarios de alto volumen y múltiples pasos.
IA directamente sobre los datos: el cambio de paradigma
Juan Loaiza, vicepresidente ejecutivo de tecnologías de bases de datos de Oracle, aseguró que la próxima etapa de la IA empresarial estará definida por su implementación en sistemas críticos de producción. En ese sentido, destacó que Oracle AI Database no solo almacena datos, sino que los pone directamente al servicio de la inteligencia artificial.
Este cambio elimina la necesidad de pipelines de movimiento de datos, que suelen agregar complejidad, latencia y riesgos de seguridad. En lugar de trasladar la información hacia los modelos, Oracle acerca la IA al dato, lo que simplifica la arquitectura y mejora la eficiencia operativa.
El resultado es una plataforma que permite desarrollar aplicaciones capaces de consultar y actuar sobre datos en tiempo real, con estándares de robustez empresarial tanto en la nube como en entornos on-premise.
Nuevas capacidades para desarrollar aplicaciones de IA autónoma
Entre las principales innovaciones se encuentra Oracle Autonomous AI Vector Database, que combina la simplicidad de una base de datos vectorial con la potencia de una base empresarial. Esta solución permite a desarrolladores y científicos de datos construir aplicaciones basadas en vectores mediante APIs intuitivas y una interfaz sencilla.
Basada en Autonomous AI Database, ofrece seguridad, escalabilidad y alta disponibilidad, además de soporte para múltiples tipos de datos —relacionales, JSON, grafos, espaciales y texto— evitando la fragmentación en múltiples sistemas. También facilita una evolución progresiva desde entornos de desarrollo hacia producción sin fricciones.
Otra pieza clave es Oracle AI Database Private Agent Factory, un entorno sin código que permite a analistas de negocio y expertos de dominio crear agentes de IA y flujos de trabajo basados en datos. Se ejecuta como contenedor en nube pública o entornos locales, garantizando que la información no se comparta con terceros.
Esta solución incluye agentes preconfigurados especializados en análisis estructurado, conocimiento de bases de datos e investigación profunda, lo que acelera la adopción de la IA dentro de las organizaciones. A diferencia de otros enfoques que dependen de múltiples herramientas, Oracle centraliza estas capacidades dentro de la base de datos, asegurando consistencia, seguridad y escalabilidad.
Memoria unificada y razonamiento en tiempo real
En el corazón de esta estrategia se encuentra Oracle Unified Memory Core, una arquitectura que permite almacenar y gestionar el contexto de los agentes de IA en un único sistema.
Esta capacidad habilita un razonamiento de baja latencia sobre distintos tipos de datos —vectoriales, JSON, grafos, relacionales o espaciales— dentro de un motor convergente, manteniendo consistencia transaccional y seguridad. Esto resulta especialmente relevante para aplicaciones que requieren contexto continuo y decisiones en tiempo real.
Desde la visión de la industria, este enfoque marca una diferencia frente a arquitecturas fragmentadas, donde la sincronización de datos entre sistemas introduce rigidez y demoras.
Seguridad como eje central de la IA empresarial
Oracle pone un fuerte énfasis en la seguridad, incorporando mecanismos para proteger los datos frente a amenazas externas, errores internos y exposición indebida a modelos de IA.
Oracle Deep Data Security introduce controles de acceso avanzados directamente en la base de datos, permitiendo definir con precisión qué información puede ver cada usuario o agente. Este modelo, basado en roles y funciones, aplica principios de mínimo privilegio y protege frente a amenazas emergentes como la inyección de prompts.
Al centralizar la seguridad y desacoplarla del código de las aplicaciones, las organizaciones pueden actualizar las políticas de acceso de forma continua, adaptándose a nuevos riesgos sin complejidad adicional.
Por otro lado, Oracle Private AI Services Container permite ejecutar modelos de IA dentro del entorno del cliente, evitando el envío de datos a proveedores externos. Esto resulta clave para industrias con altos requisitos regulatorios o de confidencialidad.
Además de reforzar la seguridad, este enfoque mejora el rendimiento al permitir descargar tareas intensivas —como la generación de embeddings— fuera de la base de datos, manteniendo el control dentro del perímetro definido. El contenedor puede desplegarse en nube pública, privada o entornos aislados.
Respuestas más confiables y menos alucinaciones
Otra innovación relevante es Oracle Trusted Answer Search, que propone un enfoque más confiable para responder consultas mediante IA.
En lugar de depender directamente de un modelo de lenguaje, esta capacidad vincula la pregunta del usuario con informes previamente validados utilizando búsqueda vectorial. De esta manera, reduce el riesgo de alucinaciones o interpretaciones erróneas, ofreciendo respuestas más precisas y verificables.
Este punto resulta clave en entornos empresariales, donde la confiabilidad de la información es un requisito crítico.
Estándares abiertos para evitar el lock-in
Oracle también busca diferenciarse mediante una estrategia basada en estándares abiertos, permitiendo a los clientes operar en múltiples nubes y entornos híbridos o locales.
En este contexto, Oracle Vectors on Ice extiende las capacidades de búsqueda vectorial a datos almacenados en Apache Iceberg dentro de data lakes. Esto permite leer, indexar y actualizar automáticamente vectores, integrándolos con datos transaccionales para lograr una visión unificada de la información.
A su vez, Oracle Autonomous AI Database MCP Server facilita el acceso seguro de agentes externos a la base de datos sin necesidad de integraciones complejas, simplificando la interoperabilidad.
Una base para la IA autónoma a escala
Steven Dickens, CEO de HyperFRAME Research, destacó que contar con un núcleo de memoria unificado es clave en la era de la IA autónoma. Según el analista, la capacidad de gestionar múltiples tipos de datos en un único motor, con procesamiento transaccional y analítico simultáneo, permite un razonamiento en tiempo real difícil de lograr en arquitecturas fragmentadas.
En este escenario, las organizaciones que no adopten este tipo de plataformas enfrentarán limitaciones en la escalabilidad y confiabilidad de sus soluciones de IA.
Leer más
- Apps del clima con inteligencia artificial: ¿realmente mejoran los pronósticos?
- Inteligencia artificial y empleo: del miedo al reemplazo al auge de los “supertrabajadores”
- Melania Trump presentó al robot humanoide Figure 03 en una cumbre global sobre educación e inteligencia artificial en la Casa Blanca
