Oracle Deep Trust: la confianza en la IA empresarial pasa de la aplicación a la plataforma

El 26 de octubre de 2026, durante Oracle AI World en Las Vegas, Oracle presentó Deep Trust AI Architecture, un modelo de referencia que trata la confianza como una propiedad incorporada a la plataforma tecnológica empresarial. Hasta ahora, esa responsabilidad solía recaer en cada agente y en cada aplicación de IA. El anuncio se difundió mediante un comunicado de PRNewswire.

La propuesta parte de un problema conocido por muchos equipos técnicos: si cada agente debe implementar por su cuenta los permisos, la privacidad y las reglas de negocio, basta un agente mal configurado para exponer datos o ejecutar una acción indebida. Oracle plantea mover esas salvaguardas a las capas de base, de modo que cada agente nuevo las herede desde el primer día. Juan Loaiza, vicepresidente ejecutivo de AI Database Technologies de Oracle, sostuvo que los modelos de IA permiten niveles extraordinarios de productividad e innovación, pero que las empresas no pueden aprovecharlos si no confían en lo que la IA genera.

El modelo se apoya en cuatro capas, con capacidades que ya existían por separado en el portafolio de Oracle. La primera es la plataforma de software: Oracle Autonomous AI Database aplica parches de seguridad automáticamente en el motor de base de datos, el sistema operativo, el almacenamiento y el firmware, antes de que las actualizaciones sean públicas. El parcheo es gradual, así que las aplicaciones siguen corriendo, y el cifrado siempre activo protege los datos en reposo y en tránsito. Está disponible en los principales proveedores de nube a hiperescala y en instalaciones locales mediante Oracle Cloud@Customer.

La segunda capa son los datos y las reglas de negocio. Si las políticas de acceso viven solo en el código de la aplicación, una app generada por IA puede implementarlas mal, y un agente que accede directamente a la base de datos puede eludirlas. Oracle Deep Data Security define reglas de acceso de usuarios finales dentro de Oracle AI Database y las aplica a cada consulta SQL. La tercera es el acceso de los agentes: las API de Oracle Deep Trust Data ofrecen lectura y escritura controladas sobre objetos de negocio lógicos, como una orden de compra, en vez de SQL arbitrario, y Oracle Deep NL2SQL aporta contexto del negocio a la conversión de lenguaje natural a SQL. La cuarta es el desarrollo de aplicaciones: Oracle APEX AI Application Generator traduce descripciones en lenguaje natural a APEXlang, un lenguaje declarativo y abierto, que Oracle APEX ejecuta en un motor centralizado. Oracle compara el enfoque con su Maximum Availability Architecture, el modelo con el que las empresas mantuvieron operativos sus sistemas críticos.

Los datos del sector explican el foco. Según la encuesta 2026 State of Agentic AI de CrewAI, a 500 ejecutivos sénior, el 65% de las empresas ya usa agentes y todas planean ampliar su adopción en 2026. Gartner proyecta que el 40% de las aplicaciones empresariales incluirá agentes específicos para tareas hacia finales de 2026. Pero ChapsVision halló que el 86% de los líderes ve la fiabilidad, la seguridad, la privacidad y la exactitud como barreras importantes. El informe Reimagine 2026 de AWS, con 154 ejecutivos de 128 organizaciones, habla de shadow AI: un líder señaló que los CIOs que gestionaron shadow IT enfrentan ahora IA no autorizada a una escala diez veces mayor. Una encuesta de Strand Partners para AWS indica que solo el 24% tiene un enfoque documentado de uso responsable y apenas el 10% una estrategia de gobernanza de datos.

Gartner también estima que solo el 17% de las organizaciones ha desplegado agentes por completo, aunque más del 60% espera hacerlo en dos años, y que más del 40% de los proyectos de IA agéntica se cancelarán hacia finales de 2027 por costos, valor poco claro y controles insuficientes. Simply Wall St añade una lectura financiera: Oracle sostiene su tesis sobre una cartera de pedidos de US$638.000M y una utilización de GPU del 97,9%, y Deep Trust permitiría adjuntar más gasto en software y bases de datos. Menciona 150 millones de usos de IA y clientes como Liberty Energy y SharkNinja.

Para una startup, la lección no exige ser cliente de Oracle: auditar los agentes existentes, incluidos los creados con no-code; darles un rol y alcance mínimos; empezar con aprobación humana; clasificar por riesgo antes de construir, como hizo Rafael Cavalcanti en Bradesco con un árbol de decisión; y registrar cada acción. Comprar gobernanza no sustituye gobernar: según AWS, las restricciones deben definirse fuera del agente, porque este puede malinterpretar o rodear reglas embebidas. Lo que viene es ver si las cancelaciones previstas para 2027 confirman que la confianza dejó de ser un diferenciador y pasó a ser requisito.