La multiplicación de agentes de inteligencia artificial dentro de las empresas abrió un frente que hasta hace poco no era prioritario: garantizar que esos sistemas respeten las reglas del negocio y no expongan datos sensibles. Para atacar ese problema, Oracle presentó Deep Trust AI Architecture, un modelo que traslada las protecciones de seguridad desde el código de cada aplicación hacia las capas profundas de la plataforma. La presentación ocurrió durante el AI World y apunta a un cambio de enfoque: en lugar de que cada herramienta defina sus propios permisos, la infraestructura los aplica y los hereda cualquier agente que opere sobre ella.

La premisa del planteo es simple. Si las políticas de acceso viven solo en cada aplicación, un sistema generado por IA puede implementarlas mal o directamente ignorarlas. La arquitectura distribuye esos controles en cuatro niveles: software base, datos, acceso a los datos y desarrollo de aplicaciones. Así, ningún agente externo queda fuera del alcance de las reglas.

Por qué la seguridad ya no puede quedar en manos de cada app

El riesgo crece a medida que se suman agentes que consultan bases de datos corporativas, ya sea con pedidos directos o convirtiendo lenguaje natural en código de consulta. Cada uno de esos puntos de contacto es una posible brecha. Un agente puede omitir restricciones que la aplicación tradicional sí respetaba, o una app creada con IA puede aplicar de forma incorrecta los permisos sobre quién ve qué información.

"Las empresas no pueden aprovechar los beneficios de la IA si no pueden confiar en lo que genera", afirmó Juan Loaiza, vicepresidente ejecutivo de AI Database Technologies de Oracle, durante el evento.

Reglas que se aplican en la base de datos

Dos herramientas sostienen buena parte de la propuesta. Deep Data Security permite definir en la propia base de datos qué puede consultar cada usuario. El sistema valida la identidad con un certificado digital emitido por el directorio corporativo y no depende de desde qué aplicación o agente llegue el pedido.

La segunda pieza es SQL Assertions, que aplica reglas de negocio dentro de la base. El ejemplo que plantea la compañía: si un empleado intenta aprobar un gasto por encima de su límite autorizado, la operación se bloquea sin importar qué aplicación, persona o agente la haya enviado.

Parches previos y respuestas con contexto

En la capa de software, el esquema se apoya en Autonomous AI Database, que elimina la aplicación manual de parches. Las actualizaciones se instalan en el motor de base de datos, el sistema operativo, el almacenamiento y el firmware antes de que se publiquen de forma abierta, y se despliegan por etapas para no interrumpir las aplicaciones. El cifrado se mantiene activo tanto para los datos guardados como para los que están en tránsito, y solo los usuarios y aplicaciones autorizados pueden descifrarlos. El servicio funciona en los principales proveedores de nube y en instalaciones locales.

Para las consultas en lenguaje natural, Deep NL2SQL interpreta la terminología y las métricas propias de cada organización antes de traducir una pregunta en una instrucción para la base de datos. Además, valida las correcciones que hacen los usuarios antes de incorporarlas, con el objetivo de reducir errores en las respuestas.

El avance de los agentes de IA en las empresas depende, en buena medida, de que los controles dejen de ser un parche por aplicación y pasen a formar parte de la infraestructura. La propuesta de Oracle se suma a ese debate con una apuesta concreta: que la seguridad se defina una sola vez y se herede en todos los niveles.