AI Data Platform

Desarrolla un data lakehouse completo con datos estructurados, semiestructurados y no estructurados. Los datos sin procesar llegan a Object Storage y conforman la capa bronce, donde se ingieren desde su origen o se incorporan directamente, sin duplicaciones innecesarias. El cómputo con escalado automático y Apache Spark administrado los transforma en conjuntos de datos limpios y con control de acceso dentro de la capa plata. Oracle Automomous AI Database crea la capa oro, preparada para IA y optimizada para analítica, aprendizaje automático y agentes de IA. Un solo lakehouse. Un único entorno. De esta manera, todos los usuarios, desde los ingenieros de datos hasta los usuarios de negocio, trabajan sobre una única fuente de datos confiables.

• Cualquier origen, cualquier destino, cualquier lenguaje, en cualquier lugar
  Cataloga y conéctate a más de 100 orígenes y destinos, incluidas bases de datos relacionales, aplicaciones SaaS, flujos de datos en streaming y proveedores de datos de terceros. Por ejemplo, un ingeniero de datos puede combinar registros de ERP, eventos de clientes y datos de clickstream mediante transformaciones con Apache Spark para generar conjuntos de datos oro confiables.
• Creación visual de canalizaciones de datos
  Diseña canalizaciones ETL y ELT con herramientas de poco código o mediante programación, que orquestan la ingesta, la transformación y el enriquecimiento de datos desde la capa bronce hasta la oro en un único flujo de trabajo.
• Interoperabilidad con formatos abiertos
  Almacena y consulta datos en formatos abiertos, como Apache Iceberg y Delta Lake, directamente en Oracle Cloud Infrastructure (OCI) Object Storage, con consistencia transaccional, consultas con viaje en el tiempo y evolución de esquemas. Trabaja con Apache Spark, Apache Flink y cualquier motor compatible con Iceberg o Delta Lake. Sin dependencia de tecnologías propietarias y sin necesidad de reescribir aplicaciones cuando cambien las herramientas.
• Motores líderes para preparar y consultar datos
  Los ingenieros de datos pueden ejecutar transformaciones a gran escala con Apache Spark. Los científicos de datos pueden desarrollar modelos de machine learning. Los usuarios de negocio pueden explorar los datos de forma ad hoc mediante SQL y Oracle AI Database sobre la misma fuente de datos. Cada usuario puede elegir el motor que mejor se adapte a su carga de trabajo sin copiar ni transformar los datos.
• Analítica convergente entre lakehouse y bases de datos
  Consulta tablas estructuradas, datos JSON semiestructurados, datos geoespaciales y embeddings vectoriales de IA tanto en Object Storage como en bases de datos conectadas, todo bajo un único modelo de control de acceso basado en roles. Por ejemplo, un usuario puede validar una nueva proyección de ingresos uniendo los flujos de actividad del lakehouse con los registros maestros de clientes de Oracle AI Database a través de una sola consulta SQL.
• Capa gold preparada para IA
  Los pipelines de machine learning, las bases de conocimiento para generación aumentada por recuperación (RAG) y los agentes de IA utilizan datos seleccionados y validados por la empresa. Los ingenieros de IA fundamentan sus modelos en la misma información confiable que respalda los informes operativos, en lugar de utilizar copias sin procesar o intermedias.
• Operaciones autónomas para la capa oro
  Aprovecha un almacén de datos con ajuste automático, escalado automático y autorreparación, con indexación automática, optimización de consultas y administración inteligente de cargas de trabajo. Ofrece un rendimiento constante con tiempos de respuesta inferiores a un segundo sobre miles de millones de filas, incluso en las horas de mayor demanda, sin necesidad de ajustes manuales. Escala el cómputo de forma independiente del almacenamiento para atender a cientos de usuarios simultáneamente.
• Integración nativa con Oracle
  Lleva directamente al lakehouse los datos de Oracle Fusion Applications, incluidos ERP, HCM, cadena de suministro y CX. Prepara los datos de Fusion en notebooks basados en Apache Spark para fundamentar agentes de IA, generar informes históricos y desarrollar analítica predictiva sobre el sistema de registro operativo.
• Intercambio de datos
  Comparte datos activos del lakehouse con equipos internos, socios y aplicaciones Oracle sin copiarlos ni moverlos. Así, todos los consumidores trabajan siempre con la versión más reciente y confiable de los datos.

Oracle AI Data Platform proporciona a científicos de datos e ingenieros de aprendizaje automático un entorno totalmente administrado para crear, entrenar, supervisar y poner en producción modelos de machine learning directamente sobre los datos del lakehouse. Todo el proceso de MLOps —entrenamiento distribuido con Apache Spark, seguimiento de experimentos, registro de modelos e implementación mediante el catálogo— se lleva a cabo en un espacio de trabajo administrado y gobernado por el cliente, sin necesidad de administrar infraestructura.

• Pipelines y flujos de trabajo de machine learning: Organiza pipelines completos de ML con componentes reutilizables en materia de preparación de datos, ingeniería de características, entrenamiento y evaluación, aprovechando la infraestructura de flujos de trabajo de AI Data Platform. Desarrolla una sola vez y ejecuta cuando lo necesites, ya sea de forma programada o mediante eventos, con políticas de control de acceso basado en roles definidas por ti.
• Experimentos y registro de modelos: acompaña todas las tareas de entrenamiento con registro automático de métricas, captura de hiperparámetros y versionado de artefactos. Compara experimentos, registra modelos listos para producción y administra todo el proceso.
• Publicación de modelos y registro en el catálogo: publica modelos entrenados en el catálogo de datos de IA para que sean fáciles de encontrar, cuenten con control de versiones y puedan reutilizarse en agentes, aplicaciones y flujos de trabajo. Al registrarlos, se aplican automáticamente el seguimiento del linaje y las políticas de control de acceso.
• Apache Spark con GPU: escala la ingeniería de características y el entrenamiento de modelos en clústeres distribuidos de Apache Spark, acelerando las cargas de trabajo de ETL y machine learning con GPU NVIDIA, líderes del mercado.
• Agentes de ciencia de datos: agentes de IA capaces de explorar conjuntos de datos de forma autónoma, generar hipótesis, escribir y ejecutar código e iterar el entrenamiento de modelos para reducir drásticamente el tiempo que transcurre entre los datos sin procesar y un modelo listo para producción.

Crea agentes y aplicaciones de IA fundamentados en los datos propios de tu empresa, no en las capacidades genéricas de un LLM. Tus agentes y aplicaciones están protegidos por tus políticas de control de acceso y enriquecidos con la semántica de negocio y el conocimiento específico de tu organización. Los agentes de IA se conectan a tu catálogo de datos de IA, a las ontologías de negocio y a los sistemas empresariales para razonar dentro del contexto real en el que opera tu empresa. Compón sistemas multiagente con cualquier modelo fundacional, desde herramientas visuales sin código hasta desarrollo profesional con código, e impleméntalos en infraestructura de IA administrada con observabilidad integrada.

• Creador visual de flujos sin código: Diseña y crea agentes de forma visual mediante un lienzo de arrastrar y soltar. Conecta herramientas SQL, bases de conocimiento RAG, nodos de prompts para LLM y distribuye las tareas entre múltiples herramientas, sin escribir una sola línea de código. Cambia de modelo fundacional desde un menú desplegable sin tener que rediseñar el flujo.
• Desarrollo con código: Crea agentes en Python con el SDK de AI Data Platform y acceso completo a LangChain, OCI Generative AI y cualquier biblioteca de código abierto. Todo lo que puedes hacer en el creador visual también está disponible mediante código. Importa scikit-learn, LangChain o cualquier otro framework junto con el SDK de agentes.
• Sistemas multiagente: Diseña y orquesta sistemas de agentes de IA que colaboran entre sí, como agentes orquestadores, subagentes especializados y agentes que utilizan herramientas, para automatizar de forma autónoma flujos de trabajo empresariales complejos de múltiples etapas mediante el protocolo A2A.
• Cualquier modelo fundacional: utiliza cualquier modelo disponible en OCI, como Llama, Cohere, Mistral, Grok y muchos más, o incorpora tus propios modelos ajustados. Cambia de modelo desde el menú desplegable de Oracle Cloud Infrastructure (OCI) Compute sin modificar la lógica de la aplicación.
• AIOps y observabilidad: obtén visibilidad completa del ciclo de vida de los agentes, desde el desarrollo hasta la producción. Prueba los agentes de forma interactiva en el playground de la plataforma, inspeccionando las llamadas a herramientas, el razonamiento del LLM y los resultados antes de implementarlos. Cada sesión registra un historial de auditoría con el estado, la duración, las entradas y salidas y el detalle de los eventos en cada etapa del desarrollo, las pruebas y la producción. Supervisa en tiempo real la latencia, el consumo de tokens, las tasas de error y los KPI de negocio personalizados.

Un entorno de desarrollo integrado permite a ingenieros de datos, científicos de datos y desarrolladores de IA colaborar en proyectos completos de datos e IA, con control de acceso basado en roles (RBAC), CI/CD, control de versiones y capacidades de auditoría integradas. Conecta a todos los perfiles mediante herramientas, notebooks y canalizaciones compartidas, con acceso integrado a los servicios y al catálogo de la plataforma.

• Espacios de trabajo: Entornos organizados por proyecto donde los equipos colaboran en notebooks, canalizaciones, agentes y experimentos. Todos los artefactos se versionan, se comparten y se protegen mediante controles de acceso dentro de cada espacio de trabajo, con control de acceso basado en roles (RBAC) para cada proyecto.
• Notebooks, flujos de trabajo y agentes: administra todos los artefactos de desarrollo desde un único lugar, como notebooks compatibles con Jupyter, DAG de flujos de trabajo, agentes de IA y experimentos de machine learning. Comparte, controla versiones y colabora con tu equipo sin salir del entorno de desarrollo.
• Herramienta SQL y administración del cómputo: ejecuta consultas SQL ad hoc directamente sobre las tablas del catálogo con controles integrados para administrar el proceso de los recursos informáticos. Conecta, desconecta o aprovisiona nuevos recursos de cómputo para IA directamente desde el IDE, sin necesidad de cambiar de consola.
• Integración con CI/CD y Git: integración nativa con Git para versionar notebooks, canalizaciones, definiciones de agentes y configuraciones de modelos. Conéctate a GitHub, GitLab o Bitbucket para implementar integración continua y despliegue automatizado de los artefactos de proyectos de datos e IA.
• RBAC, auditoría y aislamiento de red: control de acceso detallados basado en roles para espacios de trabajo, artefactos y recursos informáticos. Registros de auditoría completos para cada acción realizada por los usuarios. El aislamiento de red mediante endpoints privados ayuda a garantizar que las cargas de trabajo sensibles nunca se expongan a Internet pública.

Descubre, comprende y administra el acceso a todos tus activos de datos e IA desde un único catálogo unificado que cubre toda la arquitectura medallion, desde la capa bronce de ingesta hasta la plata de curación y la oro de productos de datos preparados para IA. El catálogo de datos de IA de Oracle AI Data Platform se conecta a Autonomous AI Database, OCI Object Storage y fuentes de terceros mediante catálogos externos, enriqueciendo los datos con contexto semántico y ontologías para aportar significado de negocio. Así, cada equipo no solo sabe qué datos existen, sino también qué representan para la empresa. Y cada agente de IA hereda automáticamente ese conocimiento.

• Catálogo unificado de datos y activos de IA: Un único catálogo para administrar todos los activos de datos e IA, incluidas tablas estructuradas, archivos no estructurados, bases de conocimiento, modelos de machine learning y definiciones de agentes. El acceso al catálogo se administra mediante políticas uniformes aplicadas tanto a los datos como a los activos de IA. Cubre toda la arquitectura medallion, agilizando la ingesta, la curación y la entrega de productos de datos y aplicaciones de IA en cada una de sus capas.
• Catálogos externos y descubrimiento de activos: conéctate a Autonomous AI Database, OCI Object Storage y sistemas de terceros sin mover ni duplicar datos innecesariamente. Descubre y cataloga automáticamente activos estructurados y no estructurados con enriquecimiento de metadatos asistido por IA y seguimiento del linaje desde el primer momento.
• Ontologías de negocio y capa semántica: define ontologías de dominio y relaciones semánticas entre conceptos de negocio. Los glosarios empresariales, las ontologías semánticas, las taxonomías de dominio y los sinónimos generados por IA permiten encontrar los datos por su significado y no por el nombre de las tablas. Los agentes de IA heredan automáticamente esta comprensión semántica.
• Zero copy: Consulta los datos donde se encuentran. Accede a los datos y consúltalos sin moverlos ni duplicarlos. Conéctate directamente a Oracle Database, Autonomous AI Database y Exadata para consultar los datos en su ubicación mediante SQL. Los datos permanecen en su fuente de referencia mientras el catálogo centraliza el acceso, aplica controles de acceso basados en roles y los pone a disposición de los usuarios, reduciendo la duplicación y los costos.
• Zero ETL: reduce la necesidad de canalizaciones ETL con Oracle GoldenGate gracias a la replicación en tiempo real basada en registros y potenciada por IA desde cualquier base de datos de origen, con ingesta continua de alto rendimiento directamente en el lakehouse. Los datos se catalogan y quedan listos para IA desde el momento en que llegan.
• Volúmenes: los volúmenes almacenan datos no estructurados junto con los demás activos del catálogo. Asócialos a bases de conocimiento para que agentes y aplicaciones puedan recuperar de forma segura contenido no estructurado, como documentos, archivos PDF e imágenes.
• Linaje de datos: visualiza el recorrido completo de los datos, desde la ingesta inicial hasta las transformaciones, la ingeniería de características para aprendizaje automático, el entrenamiento de modelos y la implementación de aplicaciones de IA. Comprende al instante cómo afectan los cambios en los datos de origen a todo el pipeline de datos e IA.

La IA empresarial a gran escala exige seguridad, administración de accesos y capacidades de auditoría de nivel empresarial aplicadas de forma uniforme a cada activo de datos, modelo y agente. Oracle AI Data Platform aplica un modelo de seguridad de dos capas: Oracle Cloud Infrastructure Identity and Access Management (IAM) para la identidad y la autenticación, combinado con AI Data Platform para ofrecer un control de acceso granular sobre cada activo del catálogo, espacio de trabajo y recurso de IA, con registros completos de auditoría que garantizan una trazabilidad total. Administra todo tu entorno de datos e IA con la seguridad integrada desde el principio, en lugar de añadirla después.

• Modelo de seguridad de dos capas: la seguridad se gestiona en dos niveles: OCI IAM administra la identidad, la autenticación y el acceso a la nube, mientras que AI Data Platform controla quién puede descubrir, consultar, modificar y utilizar cada activo de datos e IA dentro de la plataforma. Ambas políticas son definidas y gestionadas por el cliente. Oracle mantiene el marco que las aplica. Obtienes las ventajas de una arquitectura de defensa en profundidad sin ceder el control.
• Área de trabajo de AI Data Platform: control de acceso granular basado en roles para espacios de trabajo, activos del catálogo, recursos de cómputo, agentes y funciones administrativas. Los roles se aplican de forma uniforme a los datos y los recursos de IA, garantizando coherencia entre lo que los usuarios pueden ver en el catálogo y las acciones que pueden realizar dentro de la plataforma.
• Registro de auditoría y trazabilidad: Registros completos de auditoría para cada acción del usuario, acceso a datos, interacción con agentes y cambio administrativo, lo que proporciona trazabilidad de extremo a extremo para respaldar el cumplimiento normativo, las investigaciones y el historial de accesos.
• Aislamiento de red y endpoints privados: implementa espacios de trabajo, recursos de cómputo y conexiones de datos en subredes privadas de VCN mediante endpoints privados. Las cargas de trabajo sensibles nunca pasan por Internet pública. El aislamiento de red se aplica desde la capa de infraestructura.
• Integración con OCI Identity and Access Management y los servicios de seguridad: OCI IAM administra la federación de identidades y la autenticación en toda la plataforma. La integración nativa con OCI Vault para la administración de secretos, OCI Certificates para TLS y OCI Security Advisor para recomendaciones sobre la postura de seguridad ofrece un plano de control de seguridad unificado para los datos, la IA y la infraestructura.

Registro centralizado de agentes: descubre y administra agentes de IA a escala empresarial, como los creados con AI Data Platform, agentes de terceros, así como servidores y herramientas MCP. El registro de IA mantiene un inventario completo de la identidad, las capacidades, los permisos, las versiones y el historial de interacción de cada agente, ofreciendo a los administradores una visión centralizada y un mayor control sobre la creciente flota de agentes de IA que opera en toda la empresa.

• Registro centralizado de agentes:: un registro unificado para descubrir, versionar y administrar todos tus agentes de IA, tanto los desarrollados con AI Data Platform como los creados con herramientas de terceros. Consulta la identidad de cada agente, sus capacidades declaradas, el alcance de sus permisos, el historial de versiones y los registros de interacción. Encuentra agentes por capacidad, dominio o equipo mediante metadatos enriquecidos que facilitan la administración, el control de acceso y la reutilización a escala empresarial.
• Protocolo agente a agente (A2A): Permite una comunicación estructurada y estandarizada entre los agentes de AI Data Platform y los de terceros mediante el protocolo abierto A2A. Diseña flujos de trabajo complejos en los que agentes especializados colaboran con agentes orquestadores, manteniendo identidades, capacidades declaradas y límites de permisos claramente definidos en cada interacción.
• Servidores y herramientas de Model Context Protocol (MCP): Registra y publica servidores y herramientas MCP. Los agentes descubren e invocan dinámicamente herramientas durante la ejecución, como consultas a bases de datos, API REST y funciones de negocio personalizadas, sin necesidad de integraciones codificadas de forma rígida. Los permisos de las herramientas se administran mediante las políticas definidas en el registro, en coherencia con el modelo de control de acceso aplicado a los agentes.

Pon todo el potencial de los datos empresariales al alcance de los usuarios de negocio mediante analítica de autoservicio, agentes de IA seleccionados e información impulsada por IA. Las capacidades de IA están integradas directamente en los flujos de trabajo donde se toman las decisiones. No necesitas conocimientos técnicos. Es inteligencia artificial empresarial, al alcance de todos.

• Analítica integrada en los procesos de negocio: Oracle Analytics Cloud incorpora analítica de primer nivel directamente en las aplicaciones que tus equipos utilizan cada día, incluidas Oracle Fusion ERP, HCM, SCM y CX. Haz preguntas en lenguaje natural, obtén explicaciones generadas por IA y comparte dashboards administrados de forma centralizada sin salir de tus procesos de trabajo.
• Interfaz conversacional unificada: un punto de acceso único para descubrir, consultar e interactuar con los agentes de IA de tu organización. Agent Hub interpreta las solicitudes de los usuarios de negocio, identifica el agente adecuado, lo invoca y presenta los resultados en contexto, todo mediante lenguaje natural. No necesitas conocimientos técnicos.
• Biblioteca seleccionada de agentes de IA: Explora una biblioteca de agentes aprobados, incluidos agentes internos desarrollados por tus equipos de datos y agentes de terceros validados, con descripciones, ejemplos de prompts y recomendaciones de uso para las tareas de negocio más habituales.
• Acceso administrado y seguridad: todas las interacciones con los agentes y las consultas analíticas se rigen por las mismas políticas de control de acceso basado en roles (RBAC) que protegen los datos subyacentes. Los usuarios solo pueden acceder a los agentes y a los datos para los que tienen autorización. Seguridad de nivel empresarial, sin configuraciones adicionales.