Oracle presentó una serie de innovaciones orientadas a combinar agentes inteligentes con bases de datos operativas y lakehouses. El objetivo es que los sistemas autónomos accedan a registros corporativos para procesar modelos de lenguaje avanzados. Los canales y partners podrán implementar estas soluciones en plataformas multicloud o instalaciones locales, incluyendo optimizaciones para sistemas de alta escala.
Juan Loaiza, Vicepresidente ejecutivo de tecnologías de bases de datos, señaló que la próxima ola de IA empresarial se definirá por la capacidad de los clientes para usar IA en sistemas de producción críticos para ofrecer innovaciones e insights de forma segura. Según Loaiza, la integración busca que los agentes actúen sobre datos dinámicos con la solidez requerida en entornos corporativos.
Entre las herramientas técnicas destaca Autonomous AI Vector Database, que simplifica el uso de API para el desarrollo de aplicaciones basadas en vectores. Esta solución admite datos de grafos, espaciales, JSON y relacionales, eliminando la necesidad de gestionar bases de datos independientes. Por su parte, AI Database Private Agent Factory funciona como un generador de agentes sin código que se ejecuta en contenedores, permitiendo a los expertos de dominio crear flujos de trabajo sin exponer información a terceros.
Para mejorar el rendimiento, Unified Memory Core habilita el almacenamiento de contexto para los agentes en un solo sistema, reduciendo la latencia en motores convergentes. En el área de seguridad, Deep Data Security implementa reglas de acceso de extremo a extremo basadas en el usuario. Esto garantiza que cada agente solo visualice la información autorizada según su rol, mitigando amenazas como la inyección de prompts.
En cuanto a la infraestructura, Private AI Services Container permite ejecutar instancias de modelos fuera del firewall corporativo o en entornos aislados. Complementariamente, Trusted Answer Search utiliza búsquedas vectoriales para vincular consultas con informes verificados, reduciendo el riesgo de alucinaciones en los resultados entregados al usuario final.
Steven Dickens, CEO y Analista principal de HyperFRAME Research, afirmó que un núcleo de memoria unificado es esencial para que los agentes mantengan el contexto en distintos tipos de datos sin la latencia de la sincronización externa. Dickens enfatizó que contar con procesamiento transaccional y analítico simultáneo permite un razonamiento efectivo en despliegues de IA escalables.
La propuesta incluye soporte nativo para estándares abiertos como Apache Iceberg a través de Vectors on Ice, permitiendo búsquedas unificadas en bases de datos y data lakes. Además, la compatibilidad con servidores MCP facilita que agentes externos accedan a las capacidades del sistema sin requerir códigos de integración personalizados o configuraciones manuales complejas.
