{"id":7832,"date":"2026-06-30T06:00:09","date_gmt":"2026-06-30T13:00:09","guid":{"rendered":"https:\/\/www.couchbase.com\/\/press-releases\/couchbase-launches-the-ai-data-plane-the-operational-data-foundation-for-the-agentic-enterprise\/"},"modified":"2026-06-30T06:00:09","modified_gmt":"2026-06-30T13:00:09","slug":"couchbase-launches-the-ai-data-plane-the-operational-data-foundation-for-the-agentic-enterprise","status":"publish","type":"press-releases","link":"https:\/\/www.couchbase.com\/es\/press-releases\/couchbase-launches-the-ai-data-plane-the-operational-data-foundation-for-the-agentic-enterprise\/","title":{"rendered":"Couchbase lanza el Plano de Datos de IA, la base de datos operacional para la Empresa Agentic"},"content":{"rendered":"

Una capa de datos unificada de la nube al borde brinda a los agentes de IA de producci\u00f3n la memoria, el contexto y el rendimiento gobernados que necesitan para recordar, razonar y actuar sobre el contexto en tiempo real.<\/span><\/i><\/p>\n\n\n\n

SAN JOS\u00c9, California \u2013 30 de junio de 2026 \u2013 <\/b>Couchbase<\/a>, La Plataforma de Datos Operacionales para IA\u2122, anunci\u00f3 hoy la disponibilidad general del AI Data Plane, una capa de infraestructura de datos unificada para agentes de IA empresariales. El Couchbase AI Data Plane\u2122 brinda a las empresas memoria persistente para agentes, recuperaci\u00f3n de contexto en tiempo real y acceso consistente a los datos desde la nube hasta el borde y dentro de sus arquitecturas lakehouse. Al colapsar los servicios de datos fragmentados que han obstaculizado las implementaciones de agentes en una \u00fanica capa gobernada, las empresas pueden pasar de pilotos a agentes de nivel de producci\u00f3n que brindan decisiones m\u00e1s consistentes, experiencias de cliente m\u00e1s ricas y ganancias medibles de eficiencia a escala.<\/p>\n\n\n\n

El AI Data Plane unifica Agent Memory, un Agent Catalog para herramientas de agente descubribles y un servidor MCP autogestionado con soporte empresarial para la integraci\u00f3n estandarizada de protocolos de contexto de modelo. Consolida los modelos de implementaci\u00f3n anteriores de Couchbase en una arquitectura \u00fanica que se ejecuta en Couchbase Capella y entornos autogestionados, y se complementa con las nuevas capacidades de Enterprise Analytics 2.2 para la federaci\u00f3n de lakehouse basada en Apache Iceberg, adem\u00e1s de un adaptador Trino (actualmente se espera su lanzamiento en el tercer trimestre del calendario 2026). La plataforma respaldada por la empresa cuenta con el respaldo de la organizaci\u00f3n de ingenier\u00eda y soporte de Couchbase, eliminando soluciones puntuales y brindando a los equipos de plataforma una \u00fanica superficie operativa para los servicios de datos de los que dependen sus agentes. <\/p>\n\n\n\n

\u201cLa mayor\u00eda de las empresas se dan cuenta r\u00e1pidamente de que pasar de proyectos piloto tipo chat a sistemas de IA con agentes listos para producci\u00f3n es, en realidad, un problema de datos, no solo un problema de modelos\u201d, afirm\u00f3 Devin Pratt, director de investigaci\u00f3n de IA, automatizaci\u00f3n, datos y an\u00e1lisis de IDC. \u201cIDC prev\u00e9 que el 80% de los casos de uso de IA con agentes requerir\u00e1 datos en tiempo real, contextuales y ampliamente accesibles, por lo que la arquitectura debe estar preparada para ello. Los enfoques que convierten la memoria de los agentes y la recuperaci\u00f3n de contexto en capacidades de primer orden de la propia base de datos, como el AI Data Plane de Couchbase, abordan este tema directamente. Al unificar vectores, documentos, cach\u00e9 y datos operativos en una \u00fanica plataforma distribuida, desde la nube hasta el borde, Couchbase reduce la carga de integraci\u00f3n que ha estado ralentizando las implementaciones de agentes en el mundo real y brinda a las organizaciones una base m\u00e1s controlable y escalable para la pr\u00f3xima ola de aplicaciones impulsadas por IA\u201d.\u201d <\/p>\n\n\n\n

Memoria Persistente del Agente<\/strong>
\nLos CIO que est\u00e1n definiendo sus estrategias de infraestructura de IA necesitan una plataforma de datos unificada que controle la memoria, el contexto y la recuperaci\u00f3n a lo largo de todo el ciclo de vida del agente, en lugar de otra soluci\u00f3n puntual que integrar y mantener. Couchbase Agent Memory ofrece esto al proporcionar una capa de persistencia unificada como un \u00fanico servicio dentro de la plataforma de datos operativa, en lugar de obligar a los equipos a unir diferentes almacenes de cach\u00e9, vectoriales y de documentos. Dado que no depende de un framework espec\u00edfico y est\u00e1 validado con LangGraph, CrewAI y LlamaIndex, los equipos de ingenier\u00eda pueden cambiar o combinar frameworks de orquestaci\u00f3n sin tener que reconstruir su capa de memoria.<\/p>\n\n\n\n

A medida que las empresas pasan de prototipos a agentes de producci\u00f3n, la brecha entre lo que los agentes pueden razonar y lo que pueden recordar entre sesiones se ha convertido en un cuello de botella cr\u00edtico. Los agentes simples pueden tener \u00e9xito con la b\u00fasqueda vectorial, que Couchbase ofrece a escala de miles de millones, pero los agentes de grado de producci\u00f3n requieren la capacidad de almacenar contexto conversacional, recuperar datos operativos estructurados y mantener el estado entre sesiones y reinicios, todo con latencia sub-milisegundo en el punto de decisi\u00f3n.<\/p>\n\n\n\n

\u201cLo que m\u00e1s importa para los agentes de IA conversacional de nivel empresarial es que la recuperaci\u00f3n de datos sea r\u00e1pida, consistente y fluida. Cuando se ejecutan interacciones humano-agente de IA, todo lo que ocurre entre bastidores debe ser predecible y consistente para proporcionar una interacci\u00f3n natural\u201d, dijo Patrick Ferriter, vicepresidente s\u00e9nior de Producto de Agora. \u201cEso es lo que estamos resolviendo junto con Couchbase, y es por eso que los elegimos como socios para la capa de datos de nuestra plataforma de IA conversacional. Cada uno de nuestros casos de uso de IA conversacional requiere una recuperaci\u00f3n de datos eficiente para alimentar la canalizaci\u00f3n de los agentes de IA, ya sean ventas salientes, servicio al cliente, IA f\u00edsica o algo completamente nuevo. Hemos tenido una relaci\u00f3n de varios a\u00f1os con Couchbase y, a medida que hemos escalado a cargas de trabajo de agentes, esta fue una extensi\u00f3n natural de nuestra asociaci\u00f3n.\u201d <\/p>\n\n\n\n

Dise\u00f1ado para IA Ag\u00e9ntica en el Borde<\/strong>
\nEl cambio de aplicaciones de IA de un solo prompt a arquitecturas de agentes aut\u00f3nomos de varios pasos ha expuesto una incompatibilidad fundamental entre c\u00f3mo funcionan los agentes y c\u00f3mo se construye la mayor\u00eda de la infraestructura de datos, especialmente en el borde. Los agentes operan a trav\u00e9s de sesiones, acumulan contexto a lo largo del tiempo y deben actuar simult\u00e1neamente sobre datos operativos estructurados y embeddings no estructurados a trav\u00e9s de la nube, el borde y los dispositivos. El Couchbase AI Data Plane est\u00e1 dise\u00f1ado para cumplir con todo este conjunto de requisitos de datos.<\/p>\n\n\n\n

El rendimiento es igualmente fundamental, ya que las cargas de trabajo agentivas pueden exigir \u00f3rdenes de magnitud m\u00e1s de la capa de datos que las aplicaciones tradicionales. Cada acci\u00f3n del agente desencadena la recuperaci\u00f3n de contexto, escrituras en memoria y sincronizaci\u00f3n de estado en r\u00e1pida sucesi\u00f3n, a menudo a trav\u00e9s de miles de sesiones concurrentes. El AI Data Plane est\u00e1 dise\u00f1ado para esta escala, aprovechando la probada arquitectura memory-first de escalabilidad horizontal de Couchbase, que ya admite decenas de millones de transacciones por segundo con latencia de sub-milissegundo para algunos de los las empresas m\u00e1s exigentes del mundo<\/a>.<\/p>\n\n\n\n

El AI Data Plane se basa en la arquitectura distribuida multimodelo de Couchbase, que soporta documentos JSON, clave-valor, consultas SQL para JSON, b\u00fasqueda de texto completo, eventing y b\u00fasqueda vectorial en un \u00fanico sistema distribuido. Agent Memory extiende esta base con persistencia de sesi\u00f3n y recuperaci\u00f3n de contexto, mientras que el servidor MCP y el Agent Catalog proporcionan las capas de integraci\u00f3n y observabilidad necesarias para implementaciones de agentes en producci\u00f3n.<\/p>\n\n\n\n

Enterprise Analytics 2.2: Federacio\u0301n de Lakehouse con Iceberg y Trino<\/strong>
\nCouchbase tambi\u00e9n anunci\u00f3 Enterprise Analytics 2.2, una importante expansi\u00f3n de sus capacidades anal\u00edticas que abre los datos operativos en Couchbase al ecosistema lakehouse m\u00e1s amplio, al tiempo que fortalece el propio motor de consulta. Enterprise Analytics 2.2 introduce la federaci\u00f3n lakehouse Apache Iceberg, lo que permite a los equipos consultar an\u00e1lisis operativos en tiempo real desde Couchbase junto con tablas lakehouse existentes basadas en Iceberg abiertas, sin ETL complejos ni duplicaci\u00f3n de datos. Esto permite a las empresas que adoptan Iceberg por sus beneficios de gobernanza abierta, rendimiento y ecosistema obtener m\u00e1s valor de esas inversiones al integrar tablas Iceberg en la misma plataforma que atiende sus cargas de trabajo de agentes.<\/p>\n\n\n\n

Las mejoras principales en anal\u00edtica incluyen soporte para Google Cloud Storage, autenticaci\u00f3n JWT, captura de datos de cambio (CDC) para Oracle y SQL Server, consultas as\u00edncronas de larga duraci\u00f3n, un asesor de \u00edndices, planes de consulta solo por \u00edndice, soporte para UPDATE en SQL++ y actualizaciones de SDK correspondientes en Java, .NET, Python, JavaScript y Go. Estas mejoras brindan a los equipos de plataforma anal\u00edticas m\u00e1s r\u00e1pidas y con mayor gobernanza a trav\u00e9s de sus herramientas e idiomas existentes, de modo que puedan crear y optimizar cargas de trabajo de IA y datos sin agregar complejidad a la infraestructura.<\/p>\n\n\n\n

Un nuevo adaptador de Trino, previsto para el tercer trimestre, proporcionar\u00e1 acceso SQL in situ a datos operativos de Couchbase desde plataformas basadas en Trino, como AWS Athena, Amazon EMR, Google Dataproc y Starburst. Esto elimina la necesidad de que las empresas extraigan y repliquen datos en vivo en almacenes anal\u00edticos separados antes de consultarlos al crear flujos de trabajo de IA y anal\u00edtica que abarcan entornos operativos y de lakehouse. <\/p>\n\n\n\n

Mejoras de Capella iQ<\/strong>
\nCapella iQ, el asistente de consultas en lenguaje natural de la plataforma, ahora admite la selecci\u00f3n de m\u00faltiples proveedores de modelos con AWS Bedrock y OpenAI, regidos por pol\u00edticas a nivel de organizaci\u00f3n. Los administradores pueden controlar qu\u00e9 modelos est\u00e1n disponibles para qu\u00e9 equipos, de modo que los costos de inferencia y los requisitos de residencia de datos permanezcan dentro de los l\u00edmites de la organizaci\u00f3n sin ralentizar a los desarrolladores individuales. Esto brinda a los equipos la flexibilidad de elegir el modelo adecuado para cada carga de trabajo, mientras que los administradores mantienen los costos de inferencia, el cumplimiento y la residencia de datos estrictamente controlados a trav\u00e9s de pol\u00edticas centrales.<\/p>\n\n\n\n

Actualizaciones de aplicaciones en el borde, m\u00f3viles y distribuidas<\/strong>
\nA medida que los agentes de IA se vuelven parte de la fuerza laboral operativa, sus datos deben seguir al trabajo, que cada vez m\u00e1s ocurre en dispositivos, en el campo y en el borde de la red, en lugar de detr\u00e1s de un escritorio o en un centro de datos. Couchbase extiende el Plano de Datos de IA al borde, para que los agentes que se ejecutan en entornos m\u00f3viles y de borde puedan acceder a datos replicados y realizar b\u00fasquedas vectoriales locales, incluso con conectividad intermitente o nula.<\/p>\n\n\n\n

Las nuevas innovaciones incluyen:<\/p>\n\n\n\n