Oracle accelera sull’intelligenza artificiale agentica e lo fa spostando il baricentro dell’AI direttamente nel database, con l’obiettivo di supportare applicazioni mission-critical alimentate da dati aziendali in tempo reale. L’annuncio, arrivato durante la tappa londinese dell’AI World Tour (replicata poi in Italia), segue quello dei nuovi agenti disponibili presentati a marzo e introduce nuove funzionalità per Oracle AI Database pensate per consentire alle imprese di sviluppare, distribuire e scalare applicazioni agentiche in ambienti di produzione.
Il punto chiave è che AI agentica e dati operativi vengono integrati nella stessa architettura, evitando pipeline di movimentazione e sincronizzazione esterne. Questo consente agli agenti AI di accedere direttamente a database operativi e lakehouse analitici, combinando informazioni di business con modelli linguistici addestrati su dati pubblici per generare insight contestualizzati e immediatamente utilizzabili. L’approccio mira a superare uno dei principali limiti dell’AI enterprise: la distanza tra modelli e dati reali. L’AI diventa così un componente operativo dei sistemi transazionali, con impatti diretti su robustezza, automazione e processi decisionali.
Dall’AI sperimentale all’AI mission-critical con Database vettoriale autonomo e sviluppo semplificato
Oracle posiziona AI Database come piattaforma per la fase successiva dell’AI aziendale, quella in cui i modelli devono operare su dati sensibili e in ambienti di produzione. In questo contesto, la capacità di eseguire query AI direttamente sui dati aziendali diventa un fattore determinante per organizzazioni che devono gestire grandi volumi informativi in tempo reale.
L’integrazione con Oracle Exadata introduce anche funzionalità di ricerca AI accelerata, progettata per carichi di lavoro agentici multifase e ad alto volume. Questo consente di supportare scenari complessi, dove più agenti collaborano interrogando dati eterogenei e aggiornati.
Tra le novità annunciate spicca Oracle Autonomous AI Vector Database, che introduce un database vettoriale integrato nella piattaforma Oracle AI Database. La soluzione consente di sviluppare rapidamente applicazioni basate su vettori e ricerca semantica tramite API e interfacce web semplificate.
L’aspetto rilevante è la continuità architetturale: le applicazioni vettoriali possono scalare direttamente verso l’Autonomous AI Database completo, mantenendo supporto per dati relazionali, JSON, grafi, contenuti testuali e dati spaziali. Questo elimina la necessità di gestire più database e riduce la complessità delle architetture agentiche distribuite.
Agent factory no-code e memoria unificata per l’AI
Oracle introduce anche AI Database Private Agent Factory, un ambiente no-code che consente a business analyst ed esperti di dominio di creare agenti AI basati sui dati aziendali. Gli agenti vengono eseguiti in container distribuiti in cloud pubblico, privato o on-premise, mantenendo i dati all’interno del perimetro aziendale.
L’approccio punta a democratizzare l’AI agentica, rendendo possibile la creazione di workflow intelligenti direttamente da parte delle line of business, senza dipendere esclusivamente da team di data science o sviluppo. A supporto degli agenti viene introdotto anche Unified Memory Core, che consente di gestire contesto e conoscenza in un unico motore convergente. In questo modo gli agenti possono ragionare su dati vettoriali, relazionali, JSON e grafi senza sincronizzazioni esterne, riducendo latenza e incoerenze.
Sicurezza dei dati AI integrata nel database e superamento del lock-in con l'open source
Uno dei pilastri dell’annuncio riguarda la sicurezza. Oracle integra controlli di accesso e governance direttamente nel database, con l’obiettivo di proteggere i dati utilizzati dagli agenti AI. Oracle Deep Data Security introduce regole di accesso granulari basate sull’identità dell’utente finale, consentendo agli agenti di visualizzare solo i dati autorizzati. La sicurezza viene così disaccoppiata dal codice applicativo e centralizzata nel database, semplificando aggiornamenti e mitigazione delle minacce.
La piattaforma include anche protezioni contro prompt injection e abusi dell’AI, mentre Private AI Services Container permette di eseguire modelli AI in ambienti isolati senza condividere dati con provider esterni. Questo approccio è particolarmente rilevante per settori regolamentati e workload sensibili. Oracle ha inoltre presentato Trusted Answer Search, un servizio che utilizza report verificati come base per verificare l’output non deterministico degli LLM. L’obiettivo è ridurre il rischio di allucinazioni e fornire risposte corrette e verificabili, requisito sempre più importante in contesti enterprise.
Oracle punta anche sulla flessibilità architetturale, supportando modelli AI e framework agentici diversi. Con Vectors on Ice, la piattaforma introduce supporto nativo ai dati vettoriali archiviati in Apache Iceberg, consentendo ricerca AI direttamente sui data lake. Questo consente una vista unificata tra database e data lake, riducendo frammentazione e duplicazione dei dati. Parallelamente, Autonomous AI Database MCP Server permette agli agenti esterni di accedere in sicurezza al database senza integrazioni personalizzate.