Con il rilascio di AI Database 26ai anche su piattaforme on-premises Linux x86-64, Oracle punta a trasformare il database stesso in una piattaforma nativamente progettata per l’intelligenza artificiale, capace di gestire dati operativi, analitici e flussi IA complessi senza costringere le aziende a ripensare da zero architetture e applicazioni.

Il passaggio da Oracle Database 23ai a 26ai è volutamente poco traumatico. Non si tratta infatti di upgrade invasivi o di nuove certificazioni applicative, ma dell’applicazione di un aggiornamento trimestrale in modo da introdurre un cambio strutturale profondo mantenendo la continuità operativa, un requisito essenziale per ambienti enterprise dove il database è ancora il cuore di sistemi mission-critical.

Negli ultimi anni, Oracle ha progressivamente inserito elementi di IA direttamente nello stack dati. La versione 23ai aveva già posto le basi, introducendo la ricerca vettoriale, il supporto a modelli di embedding e i primi concetti di agenti. Con la release 26ai, questa stratificazione si ricompone in un’esperienza più coerente, in cui IA e dati non sono più livelli separati, ma parti dello stesso sistema.

Uno degli aspetti più rilevanti è l’introduzione della Unified Hybrid Vector Search, grazie alla quale il database diventa in grado di interrogare nello stesso contesto vettori, tabelle relazionali, documenti JSON, testi, grafi e dati spaziali. Questa ricerca consente di lavorare su contenuti eterogenei come PDF, immagini, video o record strutturati senza doverli frammentare in pipeline diverse, con vantaggi evidenti in termini di prestazioni, sicurezza e governance.

Su questa base si innestano i flussi di IA agentica. Oracle porta infatti il concetto di agente direttamente nel database, rendendolo un’entità gestibile, osservabile e governabile. Gli agenti possono accedere a dati interni, invocare strumenti esterni via API o interagire con server compatibili con il Model Context Protocol. Per chi preferisce un approccio meno tecnico, esiste anche un framework che consente di creare e distribuire agenti in ambienti controllati, mantenendo i dati all’interno del perimetro aziendale.

mongodb-create-database-1024x512

La questione del controllo dei dati è centrale in tutta la proposta. Oracle evita di vincolare i clienti a un singolo fornitore di modelli, consentendo l’uso di modelli di embedding standard e l’integrazione con diversi provider di LLM. Per i contesti più sensibili, è possibile eseguire inferenza privata senza inviare informazioni a servizi esterni. L’apertura verso l’ecosistema NVIDIA, con supporto a container dedicati e a future accelerazioni GPU per l’indicizzazione vettoriale, rafforza ulteriormente questa impostazione.

AI Database 26ai amplia inoltre il concetto di lakehouse senza frammentare i dati. L’Autonomous AI Lakehouse consente di lavorare su formati aperti come Apache Iceberg direttamente negli object store, mantenendo interoperabilità con piattaforme diffuse come Databricks o Snowflake. Il dato non viene duplicato né spostato, ma reso accessibile da più strumenti, con il database che continua a offrire prestazioni elevate e scalabilità automatica.

Prestazioni ed elasticità restano un pilastro storico dell’offerta Oracle. Exadata viene adattato ai carichi AI, spostando parte della ricerca vettoriale sullo storage intelligente e consentendo di scalare sia verso l’alto, per carichi intensivi, sia verso il basso, per ambienti più piccoli o progetti pilota. L’introduzione di un livello di cache transazionale trasparente riduce inoltre la latenza senza sacrificare la coerenza dei dati o la compatibilità SQL.

A livello di sicurezza, le politiche di accesso operano a livello di riga, colonna o singola cella, con mascheramento dinamico applicabile anche agli agenti AI. Le protezioni contro SQL non autorizzato sono integrate direttamente nel database, evitando architetture più complesse e costose. Sul piano crittografico, Oracle introduce algoritmi resistenti agli attacchi quantistici, anticipando uno scenario che oggi è ancora teorico ma che molte organizzazioni iniziano già a considerare.

Anche gli scenari più critici trovano infine copertura. La protezione continua dei dati verso il cloud riduce il rischio di perdita o ransomware, mentre le configurazioni distribuite attive-attive consentono di soddisfare requisiti di scalabilità globale e sovranità del dato. Il filo conduttore resta lo stesso, ovvero portare l’IA dove già risiedono i dati più importanti, senza separare analisi, operatività e governance.