Las bases de datos documentales han sido durante mucho tiempo la columna vertebral de las aplicaciones críticas; ahora, están entrando en una nueva era de inteligencia y capacidad. Al integrar la IA generativa directamente en la capa de datos, el impacto no es solo una actualización técnica, sino un cambio estratégico y transformador para una entrega más rápida, operaciones más eficientes y un escalamiento más inteligente.
“Cuando se puede integrar todo el peso de un gran modelo de lenguaje en la base de datos, se pueden lograr muchísimas cosas realmente asombrosas”, afirma Oren Eini, director ejecutivo y fundador de RavenDB. “Es un replanteamiento del lugar que ocupa la IA en el conjunto de software empresarial. Con la IA integrada en el motor de datos, organizaciones de todos los tamaños pueden crear fácilmente aplicaciones inteligentes. Democratizar la capacidad de aplicar la IA en todos los aspectos del sistema resultará en un cambio radical en nuestra forma de pensar sobre el desarrollo de software”.
Convertir consultas en acciones inteligentes
Antes, era necesario ser experto en etiquetado de datos, dedicar mucho tiempo y esfuerzo a catalogar correctamente todos los datos, crear un sistema de búsqueda completo, etc. Con la IA a nivel de datos, se puede usar ese modelo para realizar gran parte del trabajo y, además, aplicar la búsqueda vectorial.
La IA generativa permite a los usuarios generar, enriquecer, clasificar y automatizar contenido y decisiones directamente en la base de datos mediante grandes modelos de lenguaje. Además, las capacidades de IA, presentes en la ubicación real de los datos, permiten una ejecución segura, eficiente y en tiempo real, ya sea clasificando documentos, resumiendo las interacciones de los clientes o automatizando flujos de trabajo. Permite a los equipos crear funciones directamente a partir de los datos que ya gestionan, sin necesidad de un equipo de IA dedicado.
“Eso te da una gran potencia, que antes solo tenían disponible las empresas más grandes”, dice Eini. “Puedes tener un sistema de altísima calidad, comparable al que pueden ejecutar Google o Microsoft, pero con una fracción de su presupuesto y un proceso de implementación rápido. Con los datos existentes, puedes pasar de cero a tener un sistema inteligente de primera calidad en cuestión de días”.
Este tipo de integración es fundamental para organizaciones que no cuentan con grandes equipos de IA ni una infraestructura MLOps dedicada. Para muchos propósitos, añadir capacidades de IA generativa (GenAI) directamente a un motor de base de datos central supone un gran avance respecto a los envoltorios de servicios o las pilas de nube propietarias, lo que reduce significativamente la complejidad.
Es un enfoque sencillo, afirma Eini, señalando cómo RavenDB permite a los clientes integrar la IA en sus productos. Este enfoque permite a los usuarios optimizar sus datos, gracias a la compatibilidad integrada con resúmenes, clasificación y etiquetado. Los usuarios de RavenDB pueden incluso crear flujos de trabajo que enriquecen el conjunto de datos directamente desde la base de datos y utilizar los datos para generar documentos e información adicionales, superando la recuperación pasiva de datos y utilizando los datos como catalizador de la innovación.
La diferencia de RavenDB
“En esencia, nuestro objetivo es mercantilizar el uso de los LLM en sus sistemas, haciéndolo fácil, predecible, sostenible y asequible”, afirma Eini. “La mayoría de las demás integraciones de IA en otros sistemas simplemente permiten realizar llamadas remotas al modelo, lo cual es útil si se desea introducir datos directamente en el modelo desde la base de datos y luego devolver la respuesta al usuario. El problema con ese flujo de trabajo es que no permite aprovechar al máximo el resultado de la acción del modelo ni personalizar y optimizar el comportamiento de los LLM”, señala.
“Por otro lado”, explica, “el enfoque de RavenDB es crear un pipeline dedicado, donde los desarrolladores pueden simplemente ingresar un mensaje que le indica al modelo qué debe hacerse, el modelo procesa la solicitud junto con los datos en la base de datos y aplica los resultados a la base de datos de forma continua”.
RavenDB invocará el modelo para aplicar la lógica del usuario a cualquier dato nuevo a medida que se agregue, lo que significa que ya no hay que esperar mucho tiempo para obtener resultados. Inyectar “inteligencia” a la base de datos también impide utilizar el modelo si no es necesario. RavenDB puede detectar si esos datos específicos son pertinentes para la tarea definida del modelo y omitir la invocación del modelo si no lo son (eliminando así llamadas innecesarias al modelo y los costos asociados).
La nueva función de RavenDB permite usar de forma segura cualquier LLM directamente en la base de datos, ya sea una oferta comercial —como Open AI, Mystral o Grok— o un modelo de código abierto. Los clientes también pueden incorporar modelos especializados, como LLM médicos, o aquellos optimizados para sus necesidades específicas. El enfoque de “gobernanza por defecto” que RavenDB utiliza en sus productos limita las capacidades del modelo, impidiéndole realizar cambios no autorizados en la base de datos o acceder a los sistemas internos. Esto agiliza el desarrollo de aplicaciones y lo hace más seguro, brindando mayor tranquilidad a los equipos de riesgo.
En lugar de necesitar canales de datos complejos o API específicas de proveedores y grandes cantidades de conocimientos de ingeniería y ciencia de datos en la búsqueda de pasar del prototipo a la producción, los equipos de toda la organización ahora pueden ejecutar tareas GenAI directamente dentro de la base de datos, reduciendo significativamente la brecha entre el experimento y el resultado final.
“Los desarrolladores ahora tienen control total sobre todo lo que más les preocupa, como el costo, el rendimiento y el cumplimiento normativo”, afirma Eini. “Desde nuestra perspectiva, la clave es que, al facilitarles el uso de la IA en sus sistemas, les permitimos aplicar modelos sofisticados en todas partes. La idea es que, en lugar de pasar meses en procesos de integración, ahora son tan sencillos como ejecutar una consulta. El resultado final es una tecnología que permite pasar de la idea a la implementación más rápido que nunca y prácticamente sin interrupciones”.
Fuente.
Venture Beat (2025, 8 de julio). Incorporar GenAI a la base de datos cambia todo en el desarrollo de aplicaciones. Recuperado el 09 de julio de 2025, de: https://venturebeat.com/data-infrastructure/bringing-genai-into-the-database-changes-everything-about-app-development/