Resumen
¿Cómo consultar tablas y documentos desde un equipo de agentes en Oracle Autonomous AI Database 26ai?
La demostración utiliza Oracle AI Accelerator para preparar dos fuentes: un dataset de cobranza en CSV y un estado financiero público del Banco de Chile en PDF. Se crean un grupo y un usuario, se habilitan los módulos y se revisan el diccionario de columnas y los perfiles de IA.
Con Select AI se consulta el monto solicitado agrupado por estado. Con Select AI y RAG se recupera información del PDF. Después se revisan el equipo, el agente, la tarea y las herramientas SQL y RAG de DBMS_CLOUD_AI_AGENT, y se prueba una consulta que utiliza ese flujo dentro de la base de datos.
El cierre plantea futuras automatizaciones mediante funciones, notificaciones y otras herramientas, y presenta una vista general de Oracle AI Data Platform. Estas posibilidades se comentan como ampliaciones del ejemplo.
Inicio
Se presenta la actualización de Oracle AI Accelerator para trabajar con las funciones de inteligencia artificial de Oracle Autonomous AI Database 26ai. El recorrido combina consultas sobre datos estructurados, recuperación de documentos y agentes.
Select AI y consultas en lenguaje natural
Select AI permite formular preguntas en lenguaje natural y obtener consultas SQL sobre las tablas. Se repasa esta capacidad como punto de partida antes de incorporar documentos y un flujo de agentes.
Select AI con RAG y documentos
Se explica la recuperación de información desde documentos almacenados en un bucket, como PDF, TXT o HTML. La vectorización permite buscar contenido para responder preguntas y preparar resúmenes; el ejemplo posterior utiliza un PDF.
Agentes, tareas, herramientas y equipos con DBMS_CLOUD_AI_AGENT
Se introduce DBMS_CLOUD_AI_AGENT y la relación entre equipos, agentes, tareas y herramientas. La explicación del video plantea una ejecución secuencial para orquestar las herramientas disponibles en el ejemplo.
Creación del grupo y del usuario
Desde el usuario administrador se crea el grupo SH y un nuevo usuario de demostración. Se completan sus datos y se asigna el grupo antes de habilitar los módulos que utilizará.
Habilitación de Select AI, RAG y agentes
Se habilitan Select AI, Select AI con RAG y el módulo de agentes para el nuevo usuario. El agente se prepara para interactuar con las dos herramientas del ejemplo; después se guarda la configuración y se inicia sesión con ese usuario.
Carga del dataset y diccionario de datos
Se importa un dataset de cobranza en CSV al banco de conocimiento. Se destaca el diccionario de columnas: sus descripciones aportan contexto para interpretar los campos. La carga pasa por un bucket antes de preparar los datos para Select AI.
Perfiles de IA y configuración de modelos
Se explica que Select AI y Select AI con RAG utilizan perfiles de IA para definir el acceso a los modelos y sus parámetros. Se confirma la carga del dataset antes de añadir la segunda fuente.
Carga del PDF para RAG
Se incorpora un documento PDF, se completa su descripción y se espera a que termine la preparación. El flujo utiliza el bucket y Select AI con RAG para dejar disponible el contenido documental.
Consultas SQL sobre el dataset de cobranza
En el módulo de Select AI se revisan la tabla y los comentarios de sus campos. Se pregunta por el monto solicitado agrupado por estado. La demostración advierte que el tiempo de respuesta depende de los recursos asignados a la base de datos.
Consulta sobre un estado financiero en PDF
Se consulta el estado financiero público del Banco de Chile cargado previamente. Select AI con RAG recupera información de la base vectorial y presenta una respuesta basada en el documento.
Revisión del equipo, el agente y sus herramientas
Se identifica el equipo creado al configurar el usuario y se utiliza su nombre al ejecutar el flujo. Se revisan el agente, su tarea y las dos herramientas disponibles para consultar datos estructurados y documentos.
Prueba del flujo de agentes
Se envía una pregunta al flujo de agentes dentro de la base de datos. La tarea configurada orquesta las herramientas disponibles para atender la consulta; el chat sirve como interfaz de demostración.
Posibilidades de automatización y otras herramientas
Se comentan ampliaciones posibles: funciones que cambien datos cuando se cumpla una condición, navegación web y notificaciones por correo o Slack. Son posibilidades de automatización expuestas durante el cierre, sin mostrarse implementadas en esta prueba.
Vista general de Oracle AI Data Platform
Se presenta una vista general de Oracle AI Data Platform y su relación con la base de datos autónoma, los agentes y otras fuentes de información. Se comentan conexiones con buckets y fuentes externas dentro de un ecosistema de datos e IA más amplio.
Próximos pasos y cierre
Se anuncia que se compartirá más información sobre estas integraciones y se cierra la demostración.