Oracle prepara Autonomous AI Lakehouse para que los agentes interpreten métricas y modifiquen tablas Iceberg

Para responder una consulta empresarial, un agente de IA no solo necesita localizar la tabla adecuada: también debe reconocer cómo se calcula una métrica y qué permisos rigen su uso. Ese es el problema que Oracle abordó durante Oracle AI World 2026, en Las Vegas, al presentar nuevas funciones de Autonomous AI Lakehouse.

Oracle Agent Hub y AI Registry ponen a prueba la gestión de agentes de IA propios y externos

Las identidades de ejecución, los permisos de herramientas y las trazas delimitan qué puede hacer un agente, con aspectos aún pendientes de comprobar.

TabuladoAdmin

Los cambios combinan una capa de definiciones de negocio con operaciones sobre tablas Apache Iceberg que permiten crear, modificar o eliminar datos mediante SQL. Oracle prevé disponer de las nuevas funciones de Business Semantic Layer y AI Data Catalog dentro de los próximos 12 meses, aunque advierte que ese plazo puede variar.

Çetin Özbütün, vicepresidente ejecutivo de Autonomous AI Database Technologies de Oracle, explicó por qué el acceso técnico a los datos no basta para que un agente actúe con criterios empresariales y bajo las restricciones establecidas por cada organización.

“Dar acceso a la IA a los datos empresariales no es suficiente. Para tomar decisiones fundamentadas y ejecutar acciones confiables, los agentes de IA necesitan comprender el contexto empresarial de esos datos y operar dentro de las reglas y políticas de una organización [...]”.

De las definiciones de negocio a las operaciones sobre Iceberg

Business Semantic Layer permitirá reunir anotaciones de catálogos, definiciones importadas de Oracle AI Database y vistas analíticas sugeridas por IA, donde se describen dimensiones, métricas, jerarquías y cálculos. Estas definiciones compartidas buscan que los usuarios y los agentes interpreten los datos de forma coherente, aunque procedan de sistemas diferentes.

AI Data Catalog dará acceso a fuentes Oracle y de terceros, catálogos externos y tablas Iceberg sin exigir que sus conjuntos de datos se dupliquen. En Apache Iceberg, el cambio operativo consiste en utilizar SQL de Oracle para crear, poblar, actualizar y eliminar tablas, además de consultar versiones anteriores mediante time travel para auditoría o recuperación.

Oracle AI Database 26ai integra inteligencia artificial en su núcleo

Oracle AI Database 26ai incorpora IA nativa para optimizar la gestión de datos en entornos multinube.

TabuladoAdmin

Liberty Energy ya utiliza el lakehouse para reunir información financiera, operativa, de suministros y de personal en un entorno multicloud. Rhett Rowan, vicepresidente de TI de la compañía, explicó qué fuentes se combinan para analizar sus operaciones.

“Oracle Autonomous AI Lakehouse proporciona a quienes toman decisiones visibilidad en tiempo real sobre los ingresos en terreno, el uso del inventario, los costos y la rentabilidad. Integra [...] las tablas Apache Iceberg con datos de Amazon S3, bases de datos de Amazon, Microsoft SQL Server en Azure, MongoDB y PostgreSQL [...]”.

Permisos compartidos y simulaciones sobre los mismos datos

El acceso a distintas plataformas se acompaña de controles por rol y por objeto administrados desde AI Data Catalog, que Oracle plantea aplicar tanto a datos de su propia base como a fuentes externas y a Iceberg. El objetivo declarado es que cada usuario o agente trabaje únicamente con información autorizada, también en entornos locales y de nube.

¿Cómo Oracle administra el acceso de los agentes de IA a sistemas empresariales y evalúa su funcionamiento?

Oracle separa el control de acceso de los agentes de IA, con MCP Gateway, de su monitoreo y evaluación de respuestas en Fusion AI Agent Studio.

TabuladoAdmin

La propuesta incorpora además un motor de simulación basado en Oracle Essbase para crear pronósticos, analizar escenarios hipotéticos y escribir resultados en el lakehouse. Data Studio reúne tareas de preparación y análisis, con conexión a más de 100 fuentes y consultas mediante lenguaje natural, SQL o Python.

Oracle Red Bull Racing prueba un agente de IA para complementar sus simulaciones de carrera

Oracle Red Bull Racing prueba un asistente de IA en el muro de boxes mientras sus simulaciones siguen corriendo en CPU Arm sobre OCI.

PisapapelesIvan

Dave Vellante, cofundador y analista jefe de theCUBE, consideró que la combinación de datos y modelos multidimensionales puede ayudar a orientar los agentes hacia métricas empresariales. También advirtió que ese resultado exige definiciones precisas y controles claros sobre la ejecución.

“Creemos que la siguiente fase de la IA empresarial dependerá de conectar el acceso a los datos con el contexto de negocio necesario para tomar decisiones útiles. Autonomous AI Lakehouse de Oracle da un paso significativo en esa dirección al reunir el acceso gobernado a datos de Oracle y de otras plataformas, definiciones empresariales compartidas, análisis asistidos por IA y planificación multidimensional de escenarios hipotéticos”.

Vellante sumó una condición para que esa combinación rinda en la práctica:

“Esta combinación puede ayudar a las empresas a fundamentar los flujos de trabajo de agentes en las métricas y relaciones relevantes para su negocio [...]. Para materializar ese valor se necesitan definiciones empresariales precisas y controles claros sobre la ejecución [...]”.