La creciente demanda de inteligencia artificial (IA) enfrenta a líderes tecnológicos con el desafío de controlar costes cada vez más elevados. Este reto se agrava ante el cambio de modelos tarifarios de gigantes como Anthropic, OpenAI y GitHub, que abandonan las suscripciones fijas para adoptar facturación basada en uso. En este contexto, los proveedores de bases de datos promueven soluciones que reducen la cantidad de llamadas a modelos de IA y gestionan las complejas cargas de trabajo de los agentes inteligentes.
Según Devin Pratt, director de investigación en IDC, el interés por estas tecnologías subyacentes es notable, con un 79 % de las empresas invirtiendo o desplegando aplicaciones basadas en agentes inteligentes. La cuestión es si estos especialistas mantendrán su relevancia o si sus capacidades acabarán integrándose en las grandes plataformas ya utilizadas por las compañías, como ocurrió con las bases de datos vectoriales.
Pinecone se ha consolidado como uno de estos especialistas, destacando en bases de datos vectoriales para poner en producción modelos de lenguaje. Su nuevo producto Nexus, integrado en OneLake de Microsoft, se presenta como un «motor de conocimiento» que crea y estructura contextos derivados de los datos de cada organización para evitar el uso excesivo de tokens en las consultas entre datos y agentes IA.
Jeff Zhu, vicepresidente de Producto de Pinecone, explica que Nexus elimina la necesidad de que los agentes repitan el proceso de comprensión de datos de negocio, una tarea que consume muchos tokens por consulta. Nexus genera una capa semántica adaptada a cada caso de uso, permitiendo que diferentes agentes, como los de finanzas o recursos humanos, trabajen con la misma información pero generando resultados específicos para sus necesidades.
Por otro lado, Tiger Data, empresa detrás de TimescaleDB, ofrece Ghost, una plataforma que proporciona a cada agente una base de datos PostgreSQL desechable para sus experimentos. Este aislamiento minimiza riesgos y permite un modelo de cobro por horas de computación, adaptado a la demanda variable de los agentes, facilitando la escalabilidad sin costes fijos elevados.
Pratt destaca que Ghost resuelve un problema crucial de seguridad y eficiencia al permitir ramificar y descartar conjuntos de datos rápidamente, sin cambiar la infraestructura Postgres habitual. Esta solución pragmática convive con otras como Neon y Supabase, y complementa la tendencia de las bases de datos hacia infraestructuras listas para agentes inteligentes.
La competencia se intensifica entre especialistas como Pinecone, Weaviate y Qdrant, y grandes plataformas como Snowflake, Oracle o Microsoft, que integran estas capacidades en sus ofertas para facilitar a las organizaciones el manejo de los nuevos flujos de trabajo AI.
Expertos como Aaron Rosenbaum, de Gartner, subrayan la importancia de crear estas capas de contexto para mejorar la eficiencia en el uso de tokens y la calidad de las respuestas de IA. Señala también que la innovación derivada de la demanda de agentes inteligentes está impulsando un cambio profundo en los sistemas de gestión de bases de datos.
En definitiva, mientras los responsables tecnológicos negocian con proveedores de IA para contener costes, encuentran en sus propias plataformas de datos un aliado clave para gestionar la explosión del consumo que supone esta nueva era de inteligencia artificial.
