Durante el Oracle AI World 2025 , la compañía presentó una reconfiguración profunda de su enfoque hacia la inteligencia artificial aplicada a los datos. En una sesión conjunta, Juan Loaiza, Executive Vice President de Database Technologies, y T.K. Anand, Executive Vice President de AI Data Platform, detallaron una estrategia que busca integrar de forma nativa los datos, la inteligencia artificial y las aplicaciones en una misma arquitectura.
El objetivo, según se desprende de su presentación, es convertir la base de datos, tradicional eje del negocio de Oracle, en el núcleo operativo de la nueva generación de sistemas empresariales impulsados por IA.
La “IA para los datos”: una nueva era en la gestión de la información
Loaiza abrió su intervención con una afirmación rotunda: «La IA no reemplazará a las personas, pero las personas que usen IA reemplazarán a las que no lo hagan».
En su lectura más profunda, el mensaje trasciende lo inspiracional. La nueva competencia entre empresas ya no será tecnológica, sino cognitiva: aquellas capaces de integrar inteligencia en la gestión de datos ganarán ventaja frente a las que sigan dependiendo de procesos manuales o sistemas desconectados.
El punto central de su exposición fue el lanzamiento de Oracle AI Database 26AI, una versión que no se limita a incorporar IA a la base de datos, sino que redefine su arquitectura.
Oracle introduce un concepto que denomina AI for Data: la integración orgánica entre modelos de lenguaje, búsqueda vectorial, agentes inteligentes y mecanismos de protección de datos dentro del mismo entorno. No se trata de “usar IA sobre los datos”, sino de hacer que la base de datos piense.
El nuevo modelo incluye dos innovaciones estructurales:
- AI Vectors, un tipo de dato que permite representar semánticamente información compleja —documentos, imágenes o vídeos— y realizar búsquedas por similitud. Con ello, Oracle pasa del paradigma del exact match a un modelo de meaning match, más cercano al razonamiento humano.
- Integración con LLMs y RAG (Retrieval-Augmented Generation), para combinar los datos privados del cliente con información pública y ofrecer respuestas en lenguaje natural con contexto empresarial.
En palabras de Loaiza, el objetivo es reducir la distancia entre la pregunta y el dato. Ahora, una consulta en SQL puede incluir lenguaje natural y devolver resultados inmediatos basados tanto en datos estructurados como en documentos vectorizados. Un ejemplo práctico que mostró fue una consulta del tipo:
“¿Mi plan dental cubre ortodoncia para un dependiente de 19 años?”, respondida con una simple instrucción SQL que combina búsqueda vectorial e interpretación semántica.
La base de datos como entorno agentivo
El siguiente paso lógico fue integrar agentes de IA dentro de la propia base de datos.
Hasta ahora, los agentes —como los de LangChain o Copilot— actuaban desde capas externas, con los riesgos asociados a la transferencia de información sensible. Oracle propone una alternativa: que el agente viva dentro del perímetro de la base de datos, con acceso controlado, trazabilidad y cumplimiento normativo.
El nuevo MCP Server (Model Context Protocol) permite que cualquier LLM autorizado ejecute consultas, genere informes o interprete datos directamente en la base, conservando auditoría completa.
Además, Oracle introduce una “Private Agent Factory”, un entorno no-code para crear y desplegar agentes dentro de la base de datos, y un “Select AI Agent”, que permite interactuar con los datos mediante lenguaje natural sin perder precisión ni seguridad.
El enfoque es pragmático: los agentes no sustituyen al analista, sino que eliminan las fricciones entre el conocimiento y la acción. Loaiza lo expresó con claridad: «Los agentes de IA en base de datos funcionarán como un experto en SQL siempre disponible para ayudar al usuario».
La compañía pretende que estos agentes se conviertan en un estándar interno, al mismo nivel que las vistas o los triggers, pero con capacidades cognitivas.
Arquitectura de confianza: privacidad, gobernanza y trazabilidad
Uno de los aspectos más críticos de la presentación fue el debate sobre la confianza.
Oracle sostiene que la IA empresarial debe construirse sobre una arquitectura verificable, no sobre promesas de corrección probabilística. De ahí que introduzca controles de privacidad embebidos en la base de datos: el acceso a los datos se restringe por fila, columna y celda, según el perfil del usuario o del agente que los solicita.
En otras palabras, incluso un LLM autorizado no puede ver más allá de lo que las políticas de seguridad permiten.
Esta filosofía, que Loaiza definió como “trust by design”, se extiende también al desarrollo de aplicaciones. Oracle presentó un nuevo concepto denominado Generative Development for Enterprise (GenDev), que combina SQL con APIs de datos confiables basadas en la llamada JSON Relational Duality.
El propósito es evitar que el código generado por IA viole reglas de negocio o comprometa integridad transaccional. En la práctica, cada aplicación puede leer o escribir datos sin necesidad de conocer la estructura interna de las tablas, lo que permite evolucionar el esquema sin romper dependencias.
La idea es tan simple como disruptiva: si los modelos van a escribir código, el sistema debe saber qué datos puede tocar, cómo y bajo qué reglas.
El salto a la inteligencia aplicada: Oracle Autonomous AI Lakehouse
Tras esta redefinición del núcleo de datos, Loaiza introdujo una pieza clave: el Oracle Autonomous AI Lakehouse, basado en el estándar abierto Apache Iceberg.
Con ello, Oracle adopta, y amplía, el lenguaje de interoperabilidad que domina el ecosistema analítico moderno, desde Databricks hasta Snowflake. La diferencia está en el nivel de integración: el lakehouse se comporta como una extensión del propio Oracle Database, con soporte nativo para búsqueda vectorial, SQL avanzado y federación de catálogos entre nubes.
El nuevo enfoque rompe una frontera histórica: la que separaba los sistemas transaccionales (OLTP) de los analíticos (OLAP).
Con AI Database 26AI, la inteligencia se aplica en tiempo real, directamente sobre los datos de negocio, sin necesidad de moverlos.
Y esto tiene una consecuencia estratégica: Oracle aspira a reducir la dependencia de terceros en el ciclo de análisis e inferencia, al ofrecer un ecosistema completo que va del dato al modelo y del modelo a la acción.
En un mercado dominado por arquitecturas fragmentadas, la propuesta de Oracle tiene un atractivo evidente: simplificar la pila tecnológica, centralizando la gobernanza y reduciendo los costos de integración.
Pero también plantea un desafío: ¿puede una plataforma tan integrada mantener la flexibilidad y velocidad que demandan los entornos de innovación en IA?
La visión de TK Anand: la plataforma como sistema nervioso de la empresa
El relevo de la sesión lo tomó TK Anand, para presentar el Oracle AI Data Platform, una capa superior que articula todo el ecosistema.
Si Loaiza mostró la ingeniería del cerebro, Anand explicó el sistema nervioso.
El nuevo servicio PaaS combina los avances de la base de datos con un entorno unificado para integrar datos, modelos y agentes.
En su esquema, la plataforma se compone de cuatro niveles:
- Capa de datos y catálogo unificado, que reúne fuentes estructuradas y no estructuradas bajo un modelo de gobernanza común.
- Motores de procesamiento abiertos, incluyendo Oracle Database, Apache Spark y Flink, interoperables sobre OCI y nubes de terceros.
- Workbench para desarrolladores, con soporte para SQL, Python, Java y notebooks colaborativos con asistencia generativa.
- Agent Studio y Agent Hub, donde los agentes pueden crearse, orquestarse y desplegarse para tareas de negocio reales.
El objetivo no es solo técnico: Oracle quiere convertirse en la plataforma sobre la que operen los agentes empresariales del futuro, del mismo modo que hoy sus aplicaciones soportan millones de transacciones diarias.
En la demostración, Anand mostró un caso práctico: un desarrollador construyendo un agente que monitoriza nuevas regulaciones gubernamentales, compara los textos con bases de conocimiento internas y avisa a los responsables de cumplimiento mediante Slack. Todo sin escribir una sola línea de código compleja.
El ejemplo puede parecer trivial, pero ilustra el propósito de fondo: democratizar la creación de inteligencia empresarial dentro de un marco controlado y auditable.
Del dato al agente: una cadena de valor completa
La arquitectura que proponen Loaiza y Anand convierte el concepto de data pipeline en algo mucho más ambicioso: una “AI pipeline” que abarca desde la ingestión hasta la acción.
El flujo sería:
- Los datos se catalogan y enriquecen semánticamente.
- Los modelos los interpretan y generan conocimiento contextual.
- Los agentes aplican ese conocimiento para ejecutar procesos o tomar decisiones.
Oracle no pretende competir con los grandes modelos fundacionales, sino ofrecer el terreno donde estos modelos se conectan con los datos empresariales.
Esa capa de “IA aplicada” es donde, según Anand, se jugará la ventaja competitiva en los próximos años.
Un liderazgo en construcción
Desde un punto de vista crítico, la apuesta de Oracle es tan coherente como arriesgada.
Por un lado, la compañía reúne argumentos técnicos sólidos: seguridad, compatibilidad con estándares abiertos, escalabilidad multicloud y un legado de fiabilidad que pocas empresas pueden igualar.
Por otro, su narrativa de liderazgo en IA aún está en construcción.
Oracle llega tarde al terreno del discurso, pero no necesariamente al de la ejecución. Su fortaleza está en el lugar donde la mayoría de las empresas aún tropieza: la integración entre la IA y los datos reales que sustentan el negocio.
La estrategia de “IA embebida” —sin coste adicional y nativa en todas las aplicaciones Fusion— refuerza esa visión. Oracle no vende modelos; vende infraestructura cognitiva.
Y su mensaje es inequívoco: “la inteligencia no debe ser un servicio externo, sino una capacidad interna del sistema.”
Un futuro en el que la base de datos piensa
En conjunto, la intervención de Loaiza y Anand no fue un ejercicio de marketing, sino la exposición de una nueva topología del software empresarial: una en la que la inteligencia está distribuida dentro de los datos, los modelos y los agentes que los interpretan.
Lo que Oracle propone, quizá por primera vez con coherencia plena, es un ecosistema unificado de inteligencia aplicada, donde los datos dejan de ser un recurso pasivo y se convierten en un agente activo de decisión.
La pregunta, como siempre, no es si la tecnología es capaz, sino si el mercado la adoptará con la misma velocidad con la que Oracle la construye.
Porque la verdadera revolución que plantea AI Database 26AI no es técnica, sino cultural: pasar de administrar información a dialogar con ella.
