- Oracle stärker sin allians med Google Cloud genom att utöka Oracle AI Database@Google Cloud och lansera Oracle AI Database Agent för Gemini Enterprise.
- Den nya AI-databasagenten låter användare fråga betrodda Oracle-data i naturligt språk, utan SQL eller anpassade verktyg, och ansluta dem till bredare AI-arbetsflöden.
- Oracle AI Database@Google Cloud omfattar nu 15 globala regioner, med fler platser planerade, och stöds av realtidsmigrering via OCI GoldenGate.
- Integrationen mellan Oracle Autonomous AI Lakehouse och Google BigQuery möjliggör en enhetlig Lakehouse-arkitektur i Oracle och Google Cloud med minimal dataförflyttning.
Oracle utökar sitt samarbete med Google Cloud för att ge gemensamma kunder mer praktiska sätt att få AI direkt in i sina företagsdataDe två företagen stärker kopplingen mellan Oracles databasteknologier och Googles AI-stack så att organisationer kan arbeta med sin information mer naturligt och driftsätta AI-drivna applikationer med mindre friktion.
Kärnan i denna flytt är nya funktioner i Oracle AI Database@Google Cloud och ankomsten av Oracle AI-databasagent för Gemini EnterpriseTillsammans syftar dessa erbjudanden till att förenkla hur företag får åtkomst till, analyserar och driftsätter sina Oracle-data i Google Cloud, från daglig rapportering till avancerad automatisering och analys.
Oracle AI Database Agent för Gemini Enterprise: naturligt språk möter betrodd data
Den nyligen introducerade Oracle AI Database Agent, nu listad på Google Cloud Marketplace, är utformad för att överbrygga klyftan mellan affärsanvändare och komplex företagsdata. Istället för att skriva SQL-frågor eller förlita sig på specialbyggda dashboards kan användare ställa vardagliga frågor i ett enkelt språk och få svar genererade från den Oracle-databas de redan litar på.
Genom sin integration med Gemini Enterprise använder agenten inbyggda AI-funktioner i Oracle-databasen att tolka uppmaningar på naturligt språk, mappa dem till rätt styrda data och returnera kontextuella svar. Fokus ligger på att förvara data där de hanteras och säkras, samtidigt som flexibel åtkomst för konversationer tillåts. För att bättre förstå integrationen med Gemini kan man konsultera den. Gemini 3 API-guide.
Typiska användningsfall inkluderar rutinmässiga men kritiska frågor som identifiera intäktstrender per geografi eller produktlinje, identifiera prestandaförändringar per segment eller upptäcka förändringar i kundbeteende. Istället för att vänta på att ett datateam ska skapa en rapport kan affärsanvändare justera prissättningsstrategier, finjustera marknadsplaner eller omdirigera säljinsatser baserat på nästan omedelbar, databaserad feedback.
En viktig aspekt av agenten är att den eliminerar behovet av att flytta, kopiera eller duplicera känslig informationSystemet tolkar varje begäran, kör lämpliga frågor mot de styrda Oracle-datauppsättningarna och tillhandahåller tolkningsbara svar, vilket hjälper organisationer att behålla kontrollen över sin information samtidigt som den öppnas upp för bredare användning. Denna fokus på styrning och kontroll relaterar sig till capa de control en system de IA.
Utöver enkla frågor och svar är agenten även inriktad på utvecklare och dataexperter som vill integrera Oracle-data till rikare AI-arbetsflödenGenom att länka Oracle AI Database med Googles Gemini Enterprise Agent-plattform kan team automatisera repetitiva uppgifter som datautvinning, avancerad analys och visualisering utan att behöva sätta ihop ett lapptäcke av separata verktyg. AIOps-guide para operaciones de IA en empresas.
Från AI-agenter till heltäckande AI-arbetsflöden
Partnerskapet handlar inte bara om samtalsfrågor; det riktar sig även mot fullständiga AI-drivna datapipelines som körs över Oracle och Google CloudUtvecklare kan kombinera Oracle AI Database Agent med andra Gemini-baserade verktyg för att orkestrera flerstegsprocesser som börjar med transaktionsdata i realtid och slutar med insikter eller automatiserade åtgärder. Dessa integrationer reflekterar praktiska aspekter av devops y MLOps en la práctica.
Till exempel kan ett team skapa ett arbetsflöde där nya operativa register från Oracle AI-databasen sammanfattas automatiskt, avvikelser flaggas och visuella instrumentpaneler uppdateras som svar på specifika utlösare. Gemini Enterprise Agent-lagret hjälper till att koordinera dessa steg, medan Oracles databasfunktioner ger konsekvens och styrning.
Ett illustrativt exempel som nämns av Oracle är AI Shift, som använder Oracles autonoma AI-databas på Oracles molninfrastruktur (OCI) för att driva sin egen agentutvecklingsplattform. AI Shift planerar att dra nytta av Oracle AI Database Agent för att utöka kunders befintliga Oracle AI Database-distributioner till Oracle AI Database@Google Cloud, vilket effektivt driver en distribuerad AI-datamiljö som finns över båda leverantörerna.
Den här typen av konfiguration gör det möjligt för organisationer att fortsätta dra nytta av Oracles autonoma databasfunktioner samtidigt som de utnyttjar Google Clouds AI-tjänster och regionala närvaroDet är särskilt relevant för företag som redan är starkt beroende av Oracle för kärnsystem men som standardiserar AI-experiment och distribution på Google Cloud.
Genom att kombinera Oracles datastyrkor med Googles AI-stack positionerar de två företagen dessa nya verktyg som ett sätt för företag att skala AI-initiativ utan att återuppbygga sina datagrunderIstället för att omplattforma kan team utöka det de har och koppla in det i nya, molnbaserade AI-komponenter.
Oracle AI Database@Google Cloud: regional närvaro och tillgänglighet
Tillsammans med den nya agenten utökar Oracle räckvidden för Oracle AI-databas@Google Cloud Tjänsten är nu i drift i 15 Google Cloud-regioner världen över, vilket ger kunderna fler alternativ för att hosta sina Oracle-arbetsbelastningar närmare slutanvändarna och uppfylla krav på datalagring eller myndighetskrav.
Den nuvarande täckningen omfattar viktiga nav i Asien, Europa, Amerika och Australien. I Asien är Oracle AI Database@Google Cloud tillgängligt i Asien-Nordöst 1 (Tokyo), Asien-Nordöst 2 (Osaka), Asien-Syd 1 (Mumbai) och Asien-Syd 2 (Delhi)Detta program syftar till att stödja både regionala företag och globala företag med verksamhet i Asien och Stillahavsområdet.
I Stillahavsområdet körs tjänsten i Australien-Sydöstra 1 (Sydney) och Australien-Sydöstra 2 (Melbourne), vilket är relevant för organisationer med stark närvaro i Australien och angränsande marknader. Dessa platser kan bidra till att minska latensen för användare och förenkla efterlevnaden av lokala regler för datahantering.
I hela Europa och Storbritannien erbjuds Oracle AI Database@Google Cloud för närvarande i Europa-Väst 8 (Milano), Tyskland Central (Frankfurt) och Storbritannien Syd (London)Denna europeiska närvaro är särskilt viktig för sektorer med strikta regelefterlevnadsramverk, såsom finansiella tjänster och offentliga institutioner.
I Amerika är tjänsten live i Nordamerika-nordöst 1 (Montreal), Nordamerika-nordöst 2 (Toronto), Sydamerika-öst 1 (São Paulo), US-central 1 (Iowa), US-öst (Ashburn) och US-väst (Salt Lake City)Denna blandning av kanadensiska, brasilianska och amerikanska regioner är utformad för att täcka stora ekonomiska centra och ge alternativ för gränsöverskridande arkitekturer.
Globala kunder, inklusive företag som World, använder sig av detta växande nätverk av regioner för att driva innovation, accelerera sina molnmigreringar och modernisera applikationer. Med Oracle AI Database@Google Cloud tillgänglig på fler platser kan dessa organisationer anpassa infrastrukturen till sina egna geografiska områden och prestandabehov.
Framöver planerar Oracle och Google Cloud att lägga till mer regional tillgänglighet inom de kommande 12 månaderna. Planerade expansioner inkluderar Europa-Väst 12 (Turin) och Nordamerika-Syd 1 (Mexiko), vilket ytterligare skulle utöka täckningen i Sydeuropa och Latinamerika och ge fler kunder i dessa områden lokala distributionsalternativ.
Realtidsmigreringar och analyser med OCI GoldenGate
För att underlätta övergången till Oracle AI Database@Google Cloud förlitar sig Oracle på OCI GoldenGate, dess hanterade tjänst för dataflytt i realtid. GoldenGate är utformad för att hjälpa organisationer att migrera Oracle-databaser med minimal störning genom att kontinuerligt replikera ändringar snarare än att göra engångsövergångar med hög risk.
Med den här tjänsten kan kunderna strömma liveuppdateringar från befintliga Oracle-miljöer till Oracle AI Database@Google Cloud, vilket stöder gradvisa migreringar och hybridscenarier. Denna metod förenklar vägen mot lösningar med högre tillgänglighet och minskar driftstopp under komplexa databasflyttar. Dessutom är detta typ av mat som bidrar till dataanalys i realtid.
GoldenGates integration med Google BigQuery spelar också en viktig roll. Genom att skicka dataändringar till BigQuery allt eftersom de sker kan organisationer utföra analyser i nära realtid av operativ information, vilket minskar klyftan mellan transaktionella system och analysplattformar.
Istället för att bygga avancerade anpassade datapipelines kan team använda den hanterade GoldenGate-tjänsten för att kontinuerligt mata analytiska och AI-arbetsbelastningar i BigQuery med färsk data från Oracle-system. Detta minskar latensen och gör det möjligt för beslutsfattare att arbeta med mer aktuell information utan att behöva bygga om hela arkitekturen.
Oracle indikerar att OCI GoldenGate snart kommer att generellt tillgänglig för dessa scenarier, vilket borde göra det enklare för fler kunder att använda den här modellen i stor skala. När den är allmänt tillgänglig kommer företag att kunna agera utifrån livedataströmmar och demokratisera insikter i realtid utan att investera kraftigt i skräddarsydda integrationsprojekt.
Enhetlig AI-plattform för Oracle och Google Cloud
Utöver transaktionsdatabaser och realtidsreplikering samarbetar Oracle och Google Cloud även på en mer enhetlig strategi för datasjöar och sjöhusEn viktig del här är integrationen av Oracle Autonomous AI Lakehouse med Google BigQuery.
Denna integration gör det möjligt för kunder att få åtkomst till data i öppet format som lagras i Google Cloud Lakehouse direkt från Oracle Autonomous AI Lakehouse. I praktiken kan Oracles Lakehouse läsa BigQuery Iceberg-tabeller utan att kräva besvärlig duplicering eller batch-export. För att förstå relaterade arkitekturer kan man se det. vision general de sistemas de almacenamiento de data.
Genom att minimera dataflytten kan organisationer bygga en enda logisk sjöhusarkitektur som stöder analys- och AI-arbetsbelastningar i både Oracle och Google Cloud. Den här konfigurationen låter dem välja den lämpligaste motorn för en given uppgift – oavsett om det är Oracles AI-förbättrade funktioner eller Googles analysstack – samtidigt som dataarkitekturerna hålls konsekventa.
Att minska behovet av att kopiera eller flytta stora datamängder hjälper naturligtvis till att minska infrastruktur- och datahanteringskostnader, och kan också förbättra styrningen eftersom det finns färre redundanta butiker att spåra och säkra. För många företag är detta ett pragmatiskt sätt att utnyttja multimolnstrategier utan att öka komplexiteten.
På AI-sidan innebär denna delade sjöhusmodell att maskininlärning och generativa AI-applikationer kan tränas eller köras mot en bredare, mer enhetlig databas. Team kan blanda operativa detaljer från Oracle AI Database med historisk och semistrukturerad data som lagras i Google Cloud Lakehouse, vilket öppnar upp för mer nyanserade användningsfall som kundsegmentering, dynamisk prissättning eller bedrägeriupptäckt. Denna typ av applikationer används ofta bibliotecas y herramientas de IA en Python.
Sammantaget håller den utökade alliansen mellan Oracle och Google Cloud på att formas till ett ramverk där AI, data och molninfrastruktur är tätt sammanflätadeMed Oracle AI Database Agent för Gemini Enterprise, en bredare regional täckning för Oracle AI Database@Google Cloud, OCI GoldenGate för realtidsförflyttning och en integrerad Lakehouse-strategi med BigQuery, får företag flera byggstenar för att modernisera hur de använder data, samtidigt som de fortfarande förlitar sig på de plattformar och styrningsmodeller de känner till.
