Quando uma IA consulta dados de uma empresa ou executa uma ação, em que ponto as regras de acesso precisam ser aplicadas? A Oracle apresentou hoje, 26 de outubro de 2026, a Deep Trust AI Architecture: uma proposta para distribuir controles por quatro camadas da infraestrutura empresarial — plataforma, dados, acesso aos dados e desenvolvimento de aplicações. O anúncio oficial foi feito durante a Oracle AI World, em Las Vegas.
O que foi anunciado
A ideia central é que segurança e regras de negócio não dependam apenas de cada agente ou aplicação lembrar de aplicá-las corretamente. A Oracle descreve recursos de seus produtos que buscam impor controles diretamente na base de dados e no ambiente de execução. Isso pode reduzir brechas quando diferentes ferramentas de IA interagem com os mesmos sistemas, embora o anúncio não demonstre uma avaliação independente de segurança ou resultados comparativos.
Entre os exemplos, o Deep Data Security aplica regras de acesso no banco a cada consulta. As SQL Assertions, por sua vez, podem bloquear operações que violem regras definidas pela empresa — como uma cobrança acima do limite autorizado — mesmo quando a solicitação vem de outra aplicação ou agente. A descrição da Oracle também cita APIs para restringir agentes a objetos específicos, como pedidos de compra, em vez de oferecer acesso irrestrito ao banco.
Na etapa de perguntas e respostas, o Deep NL2SQL pretende acrescentar contexto sobre a linguagem, as métricas e a organização dos dados da empresa. A Oracle diz que usuários poderão corrigir respostas, com validação das mudanças antes de incorporá-las à base de conhecimento. Para gerar aplicações, o APEX AI Application Generator transforma instruções em definições executadas pelo ambiente APEX; segundo a empresa, a IA gera a definição da aplicação, enquanto o runtime centralizado executa o sistema.
Por que isso importa
A proposta desloca parte da discussão de “qual modelo é mais confiável?” para “quais limites permanecem ativos quando modelos e aplicações mudam?”. Uma regra aplicada somente na interface de um produto pode não cobrir um novo agente conectado diretamente aos dados. Controles definidos na camada de dados podem, em tese, valer para diferentes caminhos de acesso.
Para equipes que avaliam IA em processos internos, esse desenho sugere uma pergunta útil: quais permissões e limites precisam ser garantidos pelo sistema que guarda os dados, em vez de depender apenas das instruções dadas ao modelo? Isso ajuda a orientar uma revisão de arquitetura, mas não significa que seja preciso adotar produtos Oracle para aplicar o princípio.
O que ainda falta comprovar
Deep Trust AI Architecture é apresentada como um blueprint que reúne capacidades Oracle, não como um produto único nem uma certificação independente. A empresa afirma que recursos como atualização automática de segurança, criptografia, políticas no banco e execução controlada já fazem parte de suas ofertas, mas clientes precisam verificar disponibilidade, configuração e compatibilidade no próprio ambiente. O anúncio também não substitui testes com permissões reais, auditoria de ações ou revisão humana em operações de risco.
A novidade de hoje é a organização desses mecanismos sob uma arquitetura comum. O valor prático dependerá de como as regras forem definidas, testadas e mantidas — e de quanta autonomia cada agente realmente recebe.
