Oracle Fusion Agentic Applications: de los agentes sueltos a las aplicaciones agénticas

Oracle ha dado un salto cualitativo en su estrategia de aplicaciones empresariales con Fusion Agentic Applications y la ampliación de AI Agent Studio, ya que pasa de añadir “copilots” a convertir Fusion en una capa de ejecución autónoma, orientada a resultados y profundamente gobernada. Y es que durante décadas, los ERP (Enterprise Resource Planning), HCM (Human Capital Management) o CRM (Customer Relationship Management) han sido sobre todo sistemas de registro, es decir, han reflejado lo que ya había pasado, pero la ejecución real ocurría fuera, en correos electrónicos, hojas de cálculo y procesos paralelos.

Como ha señalado recientemente Natalia Rachelson, senior vice-president of Cloud Applications Development en Oracle, “2026 será el año en el que las empresas empiecen de verdad a hacer operativa la IA en sus organizaciones”, subrayando que el foco pasa de experimentar con modelos a gestionarlos como activos de misión crítica.

Con Fusion Agentic Applications, Oracle plantea explícitamente una transición hacia “sistemas de resultados”; es decir, aplicaciones que razonan, toman decisiones y actúan de forma continua para conseguir objetivos de negocio concretos (cobrar antes, reducir costes de aprovisionamiento, aumentar el cross-sell), utilizando los mismos datos, políticas y jerarquías de aprobación de Fusion.

A diferencia de los copilots o asistentes incrustados en la interfaz, estos agentes están nativamente integrados en los sistemas transaccionales y pueden ejecutarse en tiempo real, a escala de empresa y bajo el marco de gobierno existente, en lugar de limitarse a sugerir pasos al usuario.

Qué es una aplicación Fusion Agentic

Oracle define las Fusion Agentic Applications como equipos coordinados de agentes de IA especializados, impulsados por objetivos, proactivos, con capacidad de razonamiento y diseñados para ejecutarse en entornos empresariales complejos. Cada aplicación «agentic» agrupa varios agentes con responsabilidades y autoridad bien definidos (por ejemplo, análisis de riesgo, preparación de propuestas, negociación o priorización de tareas), que comparten un contexto persistente ya que conocen el histórico, el estado actual del proceso, las decisiones previas y la intención original del usuario o del negocio.

Esa memoria compartida permite que el sistema no comience de nuevo tras cada interacción, sino que continúe avanzando el proceso completo (no solo tareas aisladas) y solo eleve al humano las excepciones o las decisiones donde su criterio cambia materialmente el resultado.

Casos de uso: finanzas, RRHH, cadena de suministro y CX

En esta primera oleada, Oracle pone en el mercado 22 Fusion Agentic Applications para objetivos muy concretos en finanzas, RRHH, cadena de suministro y experiencia de cliente.

Por ejemplo, Workforce Operations Agentic Application automatiza la recopilación de datos, acelera aprobaciones de cambios de turno y ayuda a reducir incidencias de nómina, pasando de una gestión reactiva de la plantilla a unas operaciones laborales proactivas e inteligentes. Por su parte, Design-to-Source Workspace coordina ingeniería, compras y sourcing para reducir costes de producto, ciclos y riesgo de cumplimiento, unificando lo que tradicionalmente eran funciones desconectadas en un proceso continuo.

Pero también tenemos Cross-Sell Program Workspace, que identifica oportunidades de expansión en la base instalada, orquesta campañas de venta cruzada y persigue explícitamente subir ratios de win-rate y bajar costes de adquisición, así como
Collectors Workspace, que prioriza cobros, ajusta estrategias de contacto, busca reducir días de venta pendientes (DSO) y mejora los compromisos de pago, convirtiendo unas colecciones manuales en un flujo continuo de caja inteligente.

Estos casos se apoyan en la ola previa de agentes de IA que Oracle ya había introducido en Fusion Applications para tareas como detección de anomalías contables, gestión de talento o recomendación de oportunidades de venta, construidos igualmente sobre Oracle AI Agent Studio y desplegados sin coste adicional para el cliente.

AI Agent Studio y Agentic Applications Builder: la fábrica de agentes

La otra pieza clave del anuncio es la puesta en marcha de Oracle AI Agent Studio for Fusion Applications como plataforma de diseño para crear, configurar, validar y desplegar agentes y flujos multi-agente, integrada directamente en Fusion. AI Agent Studio ya permitía a clientes y partners extender plantillas de agentes preconfigurados o construir nuevos agentes y workflows desde cero, con un entorno no-code, acceso seguro a APIs de Fusion, stores de conocimiento y herramientas integradas de prueba, validación y seguridad, disponible sin coste adicional para los clientes de Fusion Applications.

Ahora se añade el Agentic Applications Builder, que eleva el nivel de abstracción, ya que en lugar de pensar en agentes sueltos, permite componer aplicaciones agénticas completas a partir de agentes de Oracle, de partners o externos, usando lenguaje natural para seleccionar agentes, definir objetivos, conectar datos y diseñar el flujo de trabajo, sin necesidad de desarrollo tradicional.

Nuevas capacidades de Intelligent Workflow

El anuncio incorpora además un conjunto de capacidades que convierten AI Agent Studio en una plataforma de “intelligent workflow” para procesos complejos de extremo a extremo como son:

– Workflow orchestration: Orquestación de procesos multi-paso y multi-agente con reglas explícitas sobre cómo avanza el trabajo entre nodos, lógica incorporada y puntos de control para la supervisión humana, aportando determinismo allí donde la empresa lo exige.

– Content intelligence: Ingestión y comprensión de contenido no estructurado (PDF, emails, documentos de terceros) combinado con datos transaccionales, para que los agentes lo conviertan en señales contextuales que se puedan usar dentro de ERP, HCM, SCM o CX.

– Contextual memory: Mecanismos de memoria que permiten a los agentes recordar contexto a lo largo de interacciones, workflows y colaboraciones entre agentes, recuperando solo los recuerdos relevantes para cada tarea y compartiendo contexto cuando es necesario.

– Capacidades LLM multimodales: Soporte para que los agentes procesen y generen no solo texto, sino también imágenes, audio o vídeo, utilizando modelos multimodales disponibles en OCI.

– Monitorización, observabilidad y banco de pruebas de prompts:  Trazabilidad paso a paso de lo que hace cada agente, métricas en tiempo real, entorno de pruebas de prompts y debugging para poder iterar sobre el comportamiento de los agentes antes y durante la producción.

– Agent ROI dashboard: Cuadro de mando que cuantifica el impacto de cada agente y aplicación (tiempo ahorrado, ahorro de costes, productividad) por flujo y función, imprescindible para justificar inversiones y escalar despliegues.

Arquitectura técnica: LLMs, OCI y gobierno de extremo a extremo

Tanto Fusion Agentic Applications como AI Agent Studio se ejecutan sobre Oracle Cloud Infrastructure (OCI) y se apoyan en un catálogo de modelos fundacionales proporcionados por socios como Cohere, NVIDIA o Google, además de otras opciones que Oracle expone a través de su servicio OCI Generative AI.

Por ejemplo, Oracle ha anunciado la disponibilidad de modelos NVIDIA Nemotron para reforzar las capacidades de razonamiento en Oracle Fusion Applications, combinando estos modelos con los datos empresariales de Fusion para automatizar decisiones, comprensión documental y razonamiento contextual dentro de los flujos de negocio.

En paralelo, la colaboración con Cohere y el uso de Oracle AI Database con capacidades vectoriales permiten construir patrones de RAG donde los agentes consultan datos corporativos indexados semánticamente sin necesidad de moverlos fuera del perímetro de seguridad de la base de datos.

Más recientemente, Oracle ha extendido su estrategia multi-modelo integrando los modelos Gemini de Google a través de OCI Generative AI, reforzando un enfoque en el que el cliente puede combinar diferentes LLMs dentro de las mismas aplicaciones y flujos de agente.

Todo esto se articula sobre la seguridad y el gobierno de Fusion Applications, ya que los agentes ejecutan con el mismo modelo de permisos, políticas, jerarquías de aprobación y trazabilidad que el resto de la suite, y las nuevas capacidades de observabilidad permiten monitorizar qué decisiones toma un agente, con qué datos, qué prompts se han modificado y dónde interviene un humano, alineando la gestión de agentes con los estándares SaaS existentes.

De agentes sueltos a aplicaciones agentic: la evolución de Fusion

El lanzamiento de Fusion Agentic Applications no surge de la nada, es el siguiente paso de una hoja de ruta que Oracle lleva desplegando al menos desde 2023-2024. Primero llegaron capacidades de IA generativa en OCI, en colaboración con Cohere, como base para integrar modelos en servicios de infraestructura y datos.

Después, Oracle introdujo AI Agent Studio para Fusion Applications, posicionándolo como un “centro de diseño” para que clientes y partners creasen agentes y equipos de agentes adaptados a sus necesidades, con herramientas de prueba avanzada, validación y seguridad incorporada, y con integración nativa en los flujos de finanzas, RRHH, cadena de suministro y CX.

En 2025 y principios de 2026, Oracle fue poblando Fusion con decenas de agentes preconstruidos para ERP, HCM, SCM y CX, que automatizan tareas concretas como planificación de campañas, análisis de cuentas, detección de anomalías o recomendaciones de próxima mejor acción.

El paso actual es subir de nivel. En lugar de entregar piezas sueltas que el cliente tiene que ensamblar, Oracle ofrece aplicaciones agénticas completas, con objetivos de negocio definidos, compuestas por equipos de agentes y desplegadas sobre la misma plataforma que los clientes pueden usar para construir sus propias soluciones.

En palabras de Natalia Rachelson, que ha defendido de forma consistente la combinación de “los mejores datos con la mejor tecnología” como ventaja diferencial de Oracle en IA, el reto ya no es solo generar contenido, sino producir resultados relevantes y que se pueden usar para cada cliente, apoyándose en la profundidad de datos y en una infraestructura de IA soberana y de alto rendimiento.