Es posible que algunos hayan notado un nombre diferente, y quizás familiar, en la parte superior de esta publicación.
Tras el cambio de liderazgo de esta semana, la junta directiva me pidió que asumiera el cargo de CEO interino. Dirigí MongoDB durante más de 11 años y he formado parte de la junta directiva desde entonces, por lo que me he mantenido cerca de nuestro equipo, nuestros clientes y el negocio. Me alegra estar de vuelta y me entusiasma compartir hacia dónde se dirige MongoDB a continuación.
La IA está atravesando una transición importante. Los modelos cada vez tienen mayor capacidad de razonamiento, pero el gran cambio reside en las tareas que les pedimos que realicen. La IA está pasando de generar respuestas a pasar a la acción. El software ya no se limita a ayudar a las personas a hacer su trabajo. Cada vez más, los agentes hacen partes del trabajo por sí mismos. Resuelven los problemas de los clientes, escriben y despliegan software, ejecutan procesos empresariales y operan de forma continua con una intervención humana cada vez menor.
Ese cambio tiene profundas implicaciones para la infraestructura subyacente a las aplicaciones. Un agente no se limita a tomar una solicitud y devolver una respuesta. Observa lo que ocurre, recupera el contexto, razona sobre lo que debe hacer, toma medidas, ve el resultado y, a menudo, vuelve a iniciar el ciclo. A medida que los agentes se vuelven más capaces, estos bucles se vuelven más largos, autónomos y más relevantes.
La calidad del modelo importa enormemente. Pero también lo hacen la calidad, la frescura y la accesibilidad de los datos con los que opera el modelo. Ahí es donde MongoDB desempeña un rol importante.
Hoy anunciamos la mayor expansión de nuestra plataforma hasta el momento:
- MongoDB 9.0 es la versión de MongoDB más rápida y de mayor rendimiento que hemos desarrollado hasta ahora, diseñada para aplicaciones y agentes que actúan con datos en tiempo real.
- Atlas Infinite es una nueva opción de implementación diseñada para cargas de trabajo altamente elásticas que permite que el almacenamiento y el cómputo se escalen de forma independiente a medida que cambia la demanda.
- Atlas Agent Engine proporciona la memoria, el tiempo de ejecución y la gobernanza necesarios para operar agentes en producción, sobre la misma base de datos en la que los clientes ya confían y abierta a cualquier modelo, infraestructura o nube.
Antes de compartir más sobre lo que estamos haciendo, vale la pena explicar el problema que intentamos resolver.
Por qué este momento exige más de la capa de datos
Casi todas las empresas de datos se describen ahora como una plataforma para la IA. La pregunta más interesante es qué sucede con la arquitectura de datos cuando la IA deja de simplemente responder preguntas y comienza a realizar acciones.
Considere un agente de servicio al cliente que decide si emitir un reembolso, un agente de comercio que promete la entrega de un artículo o un agente financiero que realiza una acción en una cuenta. El agente necesita saber qué es cierto en este momento. Un modelo puede razonar a la perfección sobre la información que tiene y, aun así, tomar una decisión equivocada si esa información está obsoleta. El inventario de ayer, un saldo de cuenta antiguo o el estado de un pedido desactualizado pueden convertir una inferencia técnicamente sólida en una mala acción.
Eso hace que la frescura sea mucho más importante. Para muchas aplicaciones de agentes, copiar periódicamente los datos operativos en otro sistema no es suficiente. Los agentes necesitan acceder al estado en tiempo real del negocio y, cada vez más, deben actuar sobre ese mismo estado.
Pero tener datos actuales no resuelve todo el problema. Una empresa puede tener enormes cantidades de información potencialmente relevante. El agente tiene que identificar el pequeño subconjunto que es relevante para la decisión que está tomando. Una mejor recuperación mejora el contexto presentado al modelo, reduce los tokens irrelevantes y disminuye la probabilidad de que el modelo tenga que inferir lo que no sabe.
Por eso creemos que los datos operativos y la recuperación están convergiendo. MongoDB ya es el sistema de registro operativo para algunas de las empresas más grandes del mundo y las empresas de IA de más rápido crecimiento. Con la búsqueda nativa y la búsqueda vectorial, junto con la tecnología de recuperación e incrustación de Voyage AI, los desarrolladores pueden recuperar contexto relevante de los mismos datos operativos en tiempo real que sus aplicaciones ya utilizan. No necesita elegir entre los datos operativos y el contexto de IA. Cada vez más, son lo mismo.
Los agentes también generan una carga de trabajo muy diferente. Las aplicaciones tradicionales tienden a tener patrones de tráfico relativamente comprensibles. Los sistemas agénticos pueden comportarse de manera muy diferente. Una solicitud de usuario puede activar una secuencia de planificación, recuperación, llamadas a herramientas, lecturas y escrituras en la base de datos, además de un razonamiento adicional. Un agente puede generar cientos de operaciones. Miles de agentes pueden comenzar a trabajar simultáneamente.
Como resultado, la relación entre los usuarios y el consumo de infraestructura se vuelve mucho menos predecible. La demanda puede ser baja un minuto y enorme al siguiente. Aprovisione para el promedio y correrá el riesgo de sufrir caídas durante un pico de demanda. Aprovisione para el pico y pagará por una infraestructura que permanece inactiva gran parte del tiempo.
Creemos que la arquitectura de la base de datos tiene que cambiar con la carga de trabajo. La computación debe expandirse rápidamente cuando los agentes la necesitan y contraerse cuando no es así. El almacenamiento no debería tener que escalarse simplemente porque lo hace la computación. Y los desarrolladores no deberían tener que rediseñar sus aplicaciones cada vez que su carga de trabajo cruza otro umbral. Esa es la idea detrás de Atlas Infinite.
Hay otro cambio arquitectónico en curso que creo que se subestima. Los agentes útiles tienen estado.
Deben recordar lo que sucedió, recuperar lo que importa, entender quién o qué está realizando una acción, mantener el contexto en todas las interacciones y operar dentro de permisos y políticas explícitos.
Hoy en día, los desarrolladores suelen montar esa infraestructura ellos mismos. Combinan una base de datos operativa con una base de datos vectorial, un sistema de memoria, un framework de orquestación, un proveedor de modelos y una capa de gobierno. Cada sistema adicional crea otro punto de integración, otro límite de seguridad y, a menudo, otra copia de los datos.
Eso puede ser manejable para un prototipo. Se vuelve mucho más difícil cuando los agentes realizan acciones consecuentes dentro de una empresa en producción.
Creemos que la capa de estado, memoria, recuperación y gobernanza para agentes debe estar lo más cerca posible de los datos operativos en los que actúan esos agentes. Eso es para lo que está diseñado Atlas Agent Engine.
Los anuncios de hoy se basan en los fundamentos de MongoDB.
Lo que anunciamos hoy
MongoDB 9.0
Los agentes que operan con datos en vivo ejercen grandes exigencias sobre la base de datos subyacente.
MongoDB 9.0 es la versión más rápida y de mayor rendimiento de MongoDB que hemos creado. En comparación con MongoDB 8.0, ofrece hasta 2 veces más rendimiento en instancias grandes, lecturas un 35 % más rápidas y actualizaciones un 30 % más rápidas, lo que mejora significativamente el precio-rendimiento a escala.
También hemos seguido elevando el nivel de seguridad, observabilidad y productividad de los desarrolladores. Queryable Encryption ahora protege más tipos de datos en más situaciones, mientras que la red privada extendida en Atlas facilita que las organizaciones en industrias altamente reguladas ejecuten sus cargas de trabajo más sensibles en MongoDB.
El objetivo es claro. A medida que las aplicaciones se vuelven más autónomas y funcionan a mayor escala, la base de datos operativa que las sustenta debe ser más rápida, más segura y más eficiente.
Atlas Infinite
Las cargas de trabajo con agentes pueden ser extraordinariamente irregulares y Atlas Infinite está diseñado en torno a esa realidad.
Representa el mayor cambio arquitectónico que hemos realizado en Atlas, al permitir que el almacenamiento y la computación escalen de forma independiente para que los clientes puedan escalarlos según lo que su carga de trabajo requiera realmente.
El resultado es una arquitectura diseñada para crecer desde una escala de prototipo a petabyte sin obligar a los desarrolladores a predecir hoy los requisitos de infraestructura de mañana. El tiempo de escalado es más de un 96% más rápido y cada partición puede tener 10 veces más almacenamiento.
Tan importante es que los clientes no tengan que reescribir sus aplicaciones para usarlo.
Atlas Infinite es un nuevo tipo de clúster dentro de la plataforma Atlas que los desarrolladores ya conocen. Los clientes pueden elegirlo junto con Atlas Core dependiendo de las características de su carga de trabajo.
La vista previa pública comienza en AWS, con plena disponibilidad multi-nube prevista para la disponibilidad general (GA).
Motor de agente de Atlas
La parte más difícil de construir un agente ya no es la demostración, sino el funcionamiento del agente de forma fiable en la producción.
Atlas Agent Engine coloca la infraestructura con estado que necesitan los agentes en la misma plataforma de datos donde ya residen sus datos operativos.
La memoria y la recuperación incorporadas brindan a los agentes acceso a un contexto relevante en tiempo real, al tiempo que reducen el consumo innecesario de tokens. Un plano de control unificado proporciona identidad y gobernanza sobre las acciones de los agentes. Y dado que Agent Engine está abierto a cualquier modelo, infraestructura o nube, los desarrolladores pueden elegir la pila de IA que mejor se adapte a su aplicación en lugar de depender de un único proveedor.
Esto es particularmente importante para las empresas.
Más de 70,000 clientes y más del 75 % de las empresas que figuran en Fortune 100 ya confían en MongoDB para sus datos operativos. Atlas Agent Engine les ofrece una manera de compilar y operar agentes sobre esa misma base en lugar de crear una arquitectura de datos completamente separada para la IA.
El camino a seguir
Todavía estamos al principio de esta transición. Los modelos mejorarán. Las ventanas de contexto serán más grandes. La inferencia será más económica. Los agentes serán más capaces y autónomos. Pero ninguno de estos avances elimina la necesidad de contar con datos operativos de alta calidad. Hacen que sea aún más importante.
A medida que el software pasa de ser sistemas que registran lo que hacen las personas a ser sistemas que las ayudan a decidir qué hacer, y finalmente a ser sistemas que toman acciones por sí mismos, la capa de datos se convierte en parte del plano de control de la empresa.
Esa es la oportunidad para la que estamos creando MongoDB.
El nombre que aparece en la parte superior de esta publicación puede resultar familiar, pero MongoDB es mucho más que su líder. Son los equipos de producto e ingeniería los que siguen ofreciendo una innovación significativa, los equipos de comercialización los que están obsesionados con los resultados de los clientes y los clientes los que confían a MongoDB sus aplicaciones más sofisticadas y estratégicas.
Agradezco a todos ellos por lo que hicieron posible el día de hoy. Nos vemos mañana en .local NYC.
Próximos pasos
Empiece hoy mismo con estas nuevas capacidad de forma gratuita en mongodb.com/atlas. Para conocer todo lo que vamos a anunciar en MongoDB.local NYC 2026, así como las últimas actualizar del producto, esté atento a nuestra página ¿Qué hay de nuevo?.