Oracle quiere conectar infraestructura, datos, contexto y aplicaciones en una misma arquitectura de IA empresarial, una estrategia que Mike Sicilia, CEO de Oracle, ha detallado en la primera keynote de Oracle AI World 2026.
El planteamiento parte de una premisa concreta: para que la IA pueda intervenir de forma útil en procesos de negocio no basta con disponer de modelos capaces de razonar o generar contenido. Necesita acceder a los datos correctos, comprender su significado dentro de cada organización, ejecutarse sobre una infraestructura capaz de soportar esa carga y actuar dentro de las aplicaciones donde realmente se desarrolla el trabajo.
Sicilia estructuró esa propuesta alrededor de cuatro elementos. El primero es el acceso al dato empresarial con los permisos y mecanismos de seguridad correspondientes. El segundo es el contexto, incluida la relación entre información procedente de distintos sistemas y la ontología que explica qué significa cada dato para la organización. A ellos se suman una infraestructura capaz de ejecutar IA con rendimiento y costes sostenibles y, finalmente, las aplicaciones y procesos desde los que esa inteligencia puede convertirse en acciones.
Oracle asigna cada una de esas funciones a una capa específica de su arquitectura. OCI proporciona la infraestructura; Oracle AI Database acerca las capacidades de IA al dato empresarial; Oracle AI Data Platform pretende construir el contexto y las relaciones necesarias para interpretar esa información; y Oracle Cloud Applications lleva esa inteligencia hasta los procesos operativos.
La visión que la compañía está defendiendo en AI World es que el valor de la IA empresarial dependerá menos de incorporar una herramienta adicional y más de integrar estas capas hasta conseguir que la complejidad tecnológica quede en segundo plano. «El objetivo no es tener más IA en el negocio, sino un negocio capaz de hacer más», resumió Sicilia durante la apertura.
Oracle AI World 2026 reúne las distintas capas de la estrategia
El planteamiento supone también una evolución en la forma en que Oracle integra y presenta las distintas capas de su arquitectura tecnológica. Base de datos, infraestructura cloud, aplicaciones empresariales y soluciones sectoriales han sido tradicionalmente líneas de producto diferenciadas. En la keynote, Sicilia intentó situarlas dentro de una arquitectura común para la IA.
La compañía parte de una ventaja que considera acumulada durante décadas: buena parte de las empresas ya utilizan tecnología de Oracle para almacenar datos, ejecutar procesos empresariales o soportar cargas críticas. La IA puede actuar sobre esa infraestructura sin obligar necesariamente a crear una capa completamente separada.
Ese argumento coloca el dato empresarial en una posición central. Un modelo puede generar una respuesta técnicamente correcta y, al mismo tiempo, ser poco útil para una compañía si desconoce sus clientes, contratos, políticas, permisos, inventario o relaciones entre procesos. Oracle denomina ontología a esa capa de significado que conecta la información con la forma específica en que funciona cada organización.
La compañía está trasladando esa lógica también a sus aplicaciones empresariales. Los anuncios sobre Fusion Applications presentados durante Oracle AI World muestran este movimiento con especial claridad: el usuario define un objetivo y el software determina qué aplicaciones, procesos, agentes, transacciones y aprobaciones debe coordinar. La diferencia es que, en la keynote, Sicilia situó este modelo dentro de una arquitectura más amplia que conecta las aplicaciones empresariales de Oracle con sus soluciones sectoriales, su plataforma de datos y otros entornos operativos como sanidad, restauración y servicios de emergencia.
El resultado es una visión de la IA menos centrada en una interfaz concreta. Oracle quiere que el empleado no tenga que pensar necesariamente en qué sistema debe abrir, qué formulario necesita o dónde comienza un workflow. La complejidad debería quedar absorbida por la propia plataforma.
Sicilia lo explicó con una crítica implícita a la evolución del software empresarial: las organizaciones han digitalizado transacciones, automatizado procesos y conectado operaciones, pero buena parte del trabajo continúa organizado alrededor de la estructura de las aplicaciones. Las personas deben saber dónde está la información y qué pasos tienen que seguir. La IA ofrece la posibilidad de invertir esa relación.
El software pasa a segundo plano
La idea apareció repetidamente durante la keynote: el usuario debería concentrarse en el resultado y dejar que el sistema decida cómo alcanzarlo.
«En lugar de navegar por aplicaciones y gestionar procesos, simplemente dices al sistema qué quieres conseguir», explicó Sicilia. El software, a partir del contexto empresarial, tendría que determinar cómo completar el trabajo.
Este planteamiento tiene implicaciones que van más allá de una nueva interfaz conversacional. El sistema necesita identificar procesos, consultar datos, activar acciones y reconocer cuándo debe detenerse porque una decisión requiere autorización humana.
Oracle mostró esta lógica en una demostración de planificación logística. Una aplicación agéntica analizó la utilización de vehículos, pedidos, capacidad, fechas de envío y otras restricciones para reorganizar cargas. El sistema calculó que podía elevar la utilización de los camiones desde el 61% hasta el 88%, reducir movimientos y generar un ahorro de 58.000 dólares en el escenario mostrado.
La parte relevante para la estrategia general no está tanto en esas cifras, correspondientes a una demostración, como en el mecanismo. Antes de ejecutar el plan, el sistema presentó las acciones propuestas, identificó cinco cargas que requerían revisión humana y separó otras 149 que podían procesarse de acuerdo con las reglas establecidas.
Cuando recibió la autorización, volvió a comprobar el estado del sistema para verificar que las condiciones no habían cambiado y ejecutó las operaciones. Al terminar generó lo que Oracle denomina un «outcome receipt»: un registro de las acciones realizadas, los responsables y los procedimientos utilizados.
La auditabilidad aparece así como una condición para aumentar la autonomía. Si el software pasa de recomendar a actuar, las empresas necesitan saber qué ha hecho, bajo qué reglas y con qué autorización.
Más autonomía obliga a reforzar los controles
Oracle insistió en este punto durante toda la keynote. Sicilia rechazó la idea de que una IA más capaz implique necesariamente una reducción de los controles empresariales.
Un agente que trabaja con información sanitaria debe respetar la privacidad del paciente. Un sistema capaz de emitir una orden de compra continúa sujeto a los límites de autorización establecidos por la organización. Cuando una decisión exige juicio humano, debe permanecer en manos de la persona responsable.
«Más inteligencia de IA no significa menos controles», afirmó Sicilia.
La distinción resulta importante porque Oracle está intentando llevar los agentes hacia entornos donde las acciones tienen consecuencias económicas, operativas o personales. Supply chain, nóminas, contratación, atención sanitaria o gestión financiera plantean requisitos diferentes a los de un asistente que resume documentos.
Spectrum, operador estadounidense de telecomunicaciones con alrededor de 100.000 empleados, mostró durante la keynote cómo ha aplicado esa lógica a sus procesos de recursos humanos sobre Oracle HCM.
Su sistema Ask HR permite que un empleado formule una petición desde el móvil sin buscar políticas internas ni rellenar formularios. En la demostración, una empleada necesitaba ausentarse después de que su hija fuera hospitalizada. El sistema comprobó sus saldos y las políticas aplicables, propuso las fechas correspondientes, preparó la petición de ausencia e informó a su responsable.
A partir de ahí, la aplicación tuvo en cuenta la cobertura del equipo, identificó otro empleado disponible para asumir el turno y, posteriormente, comprobó si la situación requería iniciar un proceso de permiso de mayor duración.
El responsable de Spectrum explicó una regla que resume bien el enfoque: si una acción puede responderse de forma repetible y bajo reglas gobernadas, la empresa permite que la IA intervenga. Si implica un cambio salarial, una excepción o una cuestión sensible del expediente del empleado, la decisión permanece en manos humanas.
La gobernanza se plantea, por tanto, como un mecanismo para ampliar los casos de uso y no exclusivamente como una restricción.
El contexto sectorial gana peso
La estrategia de Oracle también depende de que la IA comprenda las particularidades de cada industria.
La demostración desarrollada junto a QSRP, grupo que opera alrededor de 1.500 restaurantes y cuenta con unos 8.000 empleados, trasladó esa idea al sector de restauración. Oracle ha trabajado con la compañía, que opera Burger King Italia entre otras marcas, para desarrollar un centro de operaciones apoyado en IA.
El problema de partida es muy diferente al de una aplicación financiera o un sistema de recursos humanos. Un restaurante trabaja con márgenes ajustados, múltiples canales de pedido, plataformas de delivery, terminales de punto de venta, inventario y operaciones de cocina que deben coordinarse en tiempo real.
Fabrio Fazzino, Group CIO, Qsrp
En uno de los ejemplos, el sistema detectó un aumento de pedidos fallidos procedentes de Uber Eats. El agente investigó los mensajes de error, identificó una configuración ausente y comprobó que el problema estaba afectando a varios restaurantes. Una vez aprobado el cambio, podía corregir la incidencia de forma conjunta en las ubicaciones afectadas.
Otro caso abordó las reclamaciones de pedidos a domicilio. El sistema utiliza imágenes tomadas antes de que el pedido salga del restaurante y OCI Vision para compararlas posteriormente con fotografías aportadas durante una reclamación. La información puede conectarse después con NetSuite para evaluar el impacto económico de las incidencias o analizar la relación con los proveedores de reparto.
QSRP destacó además aplicaciones para anticipar la falta de producto, analizar ventas e inventario y detectar transacciones anómalas relacionadas con prevención de pérdidas.
La compañía señaló una limitación especialmente relevante para cualquier proyecto empresarial de IA: disponer de buenos datos y modelos no garantiza que el sistema resulte útil. Un responsable de restaurante no necesita necesariamente otra alerta. Necesita comprender en pocos segundos qué ocurre y qué acción debe tomar.
El reto está, según QSRP, en combinar calidad del dato, integración con la plataforma existente, valor económico medible y confianza por parte de los equipos de operaciones.
La demo encaja con el mensaje que Sicilia había establecido al comienzo de la keynote. La IA empresarial no puede funcionar como una solución idéntica para todas las organizaciones. Tiene que adaptarse a los datos, arquitectura, economía y procesos de cada negocio.
La sanidad muestra hasta dónde quiere llevar Oracle la integración
El sector sanitario permitió a Oracle llevar esa estrategia a un entorno donde la disponibilidad y calidad de la información pueden tener consecuencias especialmente sensibles.
La compañía realizó una demostración con una ambulancia conectada a diferentes componentes de su plataforma. El escenario comenzaba con Oracle Public Safety Suite y un sistema de despacho de emergencias. La policía podía compartir información sobre el incidente y utilizar una cámara corporal para identificar al paciente.
A partir de esa identidad, el personal de emergencias podía acceder al historial clínico relevante antes de llegar al hospital. Los datos de telemetría del paciente, como pulso, presión arterial y frecuencia respiratoria, se enviaban al centro sanitario mientras la ambulancia se encontraba todavía en ruta.
Oracle conectó en la demostración dispositivos IoT, Oracle AI Database y equipos de terceros capaces de realizar análisis mediante inteligencia artificial en el edge. Una ecografía podía procesarse durante el trayecto y su resultado compartirse con el hospital antes de la llegada.
La compañía quiso marcar aquí un límite explícito. La IA no sustituía la decisión médica. Sicilia definió el escenario como «humans behind the wheel»: los profesionales continuaban controlando las decisiones clínicas mientras el software agregaba información, reducía tiempos y facilitaba la coordinación.
El objetivo de la arquitectura no era automatizar la atención médica de extremo a extremo, sino conseguir que los profesionales dispusieran antes de la información relevante.
AI Data Platform aporta contexto a información distribuida
Otra demostración sanitaria permitió mostrar una pieza diferente de la arquitectura: Oracle AI Data Platform.
Una aplicación agéntica de gestión hospitalaria detectó una caída en determinados procedimientos de cardiología, junto con menores ingresos ambulatorios y un aumento de costes de personal. El sistema comenzó a investigar las posibles causas combinando información del historial clínico, planificación, ERP y otros sistemas.
Fusion Claw identificó que la caída podía estar relacionada con un descenso de las derivaciones ambulatorias. Para ampliar el análisis, recurrió a Oracle AI Data Platform y combinó los datos internos con fuentes externas.
Entre ellas se encontraban información pública sobre profesionales sanitarios, registros de licencias, datos del mercado y otras fuentes aprobadas. El análisis identificó la apertura reciente de un centro de cardiología próximo y detectó además que dos pagadores de gran volumen no se encontraban en el nivel preferente, lo que podía aumentar el coste asumido por algunos pacientes.
A partir de ahí, el sistema preparó el análisis para los responsables de relaciones con médicos y gestión de pagadores.
El ejemplo resume la función que Oracle atribuye a AI Data Platform. La dificultad no reside únicamente en reunir datos. El objetivo es proporcionar a la IA suficiente contexto para interpretar cómo se relacionan y qué significan dentro de un problema empresarial determinado.
Oracle evita colocar el modelo de frontera en el centro de su discurso
Otro rasgo llamativo de la keynote es lo que Oracle decidió no convertir en protagonista.
La compañía mencionó los grandes modelos de lenguaje y la posibilidad de trabajar con tecnologías de terceros, pero el discurso no giró alrededor de disponer del modelo más potente ni de controlar toda la capa de IA generativa.
La atención se concentró en los elementos que rodean al modelo: datos, contexto, infraestructura, aplicaciones, permisos y capacidad para ejecutar acciones.
Eso encaja con la posición de Oracle dentro del mercado. La compañía compite en infraestructura de IA mediante OCI y participa directamente en el desarrollo de grandes centros de datos, pero su relación histórica con las empresas está especialmente vinculada a bases de datos y aplicaciones que contienen información operativa crítica.
La estrategia presentada en AI World intenta aprovechar esa posición. En lugar de obligar a que toda la inteligencia se origine dentro de un único ecosistema cerrado, Oracle plantea que diferentes modelos y clientes de IA puedan interactuar con sus sistemas mientras los datos, controles y ejecución permanecen asociados a la infraestructura empresarial.
La presencia de OpenAI aparece precisamente dentro de esa lógica. Oracle mencionó durante la keynote la colaboración con la compañía tanto para interfaces de acceso como para iniciativas relacionadas con implantación y Customer Success Services.
La diferenciación que Oracle intenta construir no está, por tanto, exclusivamente en el modelo, sino en el acceso al contexto y en la capacidad para convertir una instrucción en una acción empresarial gobernada.
La implantación también entra en la estrategia
La automatización no termina una vez que las aplicaciones están funcionando.
Sicilia conectó la estrategia general con los anuncios realizados durante AI World para acelerar la implantación de Fusion Applications mediante agentes, conocimiento de Oracle y herramientas desarrolladas junto a partners.
Este terreno ya había quedado desarrollado en las novedades de Fusion presentadas antes de la keynote. Oracle quiere convertir parte del conocimiento necesario para configurar, probar e integrar sus aplicaciones en información que pueda utilizar directamente el software.
La consecuencia empresarial es relevante. Los proyectos de implantación de grandes sistemas corporativos requieren tradicionalmente grandes cantidades de trabajo especializado. Si una parte de la configuración estándar puede transformarse en instrucciones ejecutables por agentes, el papel de consultoras e integradores puede desplazarse hacia integración, rediseño de procesos y conocimiento específico del sector.
Oracle no planteó este movimiento como una sustitución de sus partners, sino como una forma de reducir el trabajo repetitivo que consume parte de esos proyectos.
Para la compañía, esta capa tiene también una consecuencia comercial: cuanto más rápido pueda ponerse en producción una aplicación, antes puede comenzar el cliente a utilizar las nuevas capacidades de IA.
De la tecnología independiente a una arquitectura común
La principal aportación de la keynote de Sicilia no ha sido, por tanto, un único lanzamiento. Los anuncios de Fusion, las nuevas herramientas de implantación y las demostraciones sectoriales ya cuentan con sus propios productos y nombres.
Lo que Oracle ha intentado ordenar en Oracle AI World 2026 es la relación entre ellos.
OCI aporta la capacidad de cómputo. Oracle AI Database mantiene la inteligencia próxima a los datos empresariales. AI Data Platform añade el contexto necesario para relacionarlos. Las aplicaciones proporcionan los procesos donde esa información puede convertirse en decisiones y acciones. Sobre esas capas operan agentes y aplicaciones agénticas que reciben objetivos y ejecutan trabajo dentro de permisos y controles establecidos.
Esta integración permite a Oracle construir una estrategia distinta de la de los proveedores cuyo principal punto de entrada en las empresas es el modelo o el asistente.
También introduce dependencias. Para que el planteamiento funcione, Oracle necesita demostrar que sus distintas plataformas pueden intercambiar información de forma suficientemente fluida, que los agentes pueden operar sobre procesos reales sin generar nuevos riesgos y que las organizaciones obtienen mejoras económicas medibles frente a los sistemas que ya utilizan.
Las demostraciones presentadas durante la keynote apuntaron precisamente hacia esa necesidad de resultados. QSRP habló de impacto directo sobre EBITDA y crecimiento sin aumentar proporcionalmente los equipos. Spectrum explicó cómo evalúa diariamente la precisión y comportamiento de sus agentes. En logística, Oracle mostró una optimización expresada en utilización de activos y ahorro económico.
El discurso desplaza así la conversación desde el número de agentes disponibles hacia lo que estos pueden cambiar en una operación.
La confianza se convierte en requisito para escalar
La última parte de la keynote volvió sobre una cuestión transversal: la confianza.
Sicilia vinculó la adopción empresarial de IA con la experiencia acumulada por Oracle en sistemas que gestionan información y procesos críticos. Seguridad, permisos, trazabilidad y funcionamiento predecible aparecen como condiciones para trasladar los agentes hacia procesos donde una actuación incorrecta tiene consecuencias importantes.
La compañía está extendiendo este argumento a su infraestructura física, eficiencia energética y arquitectura de centros de datos, y ha situado su propuesta Deep Trust como una de las áreas que desarrollará durante Oracle AI World 2026.
La formulación resulta coherente con el resto de la estrategia. Cuanto más trabajo se traslada al software y menos intervención necesita el usuario para iniciar cada acción, más importante es establecer previamente los límites dentro de los que puede operar.
Oracle está intentando resolver esa relación mediante un modelo de autonomía gobernada: el sistema dispone de margen para investigar, planificar y actuar, pero lo hace utilizando permisos, políticas y mecanismos de aprobación definidos por la empresa.
La cuestión para los clientes será determinar dónde establecer esos límites.
AI World deja una arquitectura para interpretar los próximos anuncios
Sicilia cerró la keynote extendiendo la conversación hacia aplicaciones que van más allá del entorno empresarial tradicional.
Oracle Agriculture Intelligence combina imágenes de satélite, información meteorológica, condiciones del suelo y datos de producción para ayudar a gobiernos a anticipar situaciones de inseguridad alimentaria. La compañía explicó que está utilizando esta tecnología en África para estimar posibles déficits de producción de maíz y localizar regiones especialmente expuestas.
También mencionó el trabajo de DigiFarm con OCI e inteligencia artificial para cartografiar grandes extensiones agrícolas y proyectos en Noruega destinados a analizar imágenes y sensores para detectar daños forestales.
Son casos muy diferentes de los ejemplos de Fusion, restaurantes o gestión hospitalaria, pero cumplen una función dentro del relato de Oracle: mostrar que su arquitectura de datos e IA pretende aplicarse a problemas donde el valor depende de combinar información procedente de múltiples fuentes y convertirla en decisiones antes de que sea demasiado tarde.
La primera keynote de Oracle AI World 2026 deja así una idea bastante clara para interpretar los anuncios de la compañía durante el resto del evento. Oracle no está presentando la inteligencia artificial como una nueva capa independiente de su negocio, sino como el elemento que conecta productos que hasta ahora podían percibirse por separado.
La apuesta depende de que OCI pueda soportar las cargas, que AI Database y AI Data Platform proporcionen los datos y el contexto adecuados, y que las aplicaciones conviertan ese conocimiento en acciones gobernadas. Si esas capas funcionan de manera conjunta, Oracle puede trasladar buena parte de su posición histórica en sistemas de registro hacia sistemas capaces también de interpretar objetivos y ejecutar trabajo.
El resultado que Sicilia dibuja para sus clientes es un entorno en el que la tecnología ocupa menos espacio en la experiencia del empleado precisamente porque asume más responsabilidad en segundo plano. La medida del éxito, según el planteamiento presentado en Las Vegas, dejaría entonces de ser cuánta IA incorpora cada aplicación para pasar a cuánto trabajo puede completar el sistema y qué resultados puede demostrar.
