La IA agéntica está redefiniendo los requisitos de la infraestructura de datos. Los agentes autónomos generan workloads impredecibles y de alta concurrencia, exigen acceso en tiempo real a datos operativos y analíticos a la vez, y escalan de formas para las que las bases de datos tradicionales nunca fueron diseñadas. El resultado es una pregunta arquitectónica difícil: ¿tu capa de datos acelera tu hoja de ruta de IA o, en silencio, la limita?
En este webinar, Henrique Leandro, Head of Global Solutions Architecture en TiDB, explica cómo dos plataformas de agentes resolvieron ese problema desde ángulos opuestos. Manus escaló en profundidad: consolidó cargas transaccionales y analíticas en una sola capa SQL distribuida, para que sus agentes lean estado actualizado sin una capa de sincronización de por medio. Kimi (Moonshot AI) escaló en amplitud: su plataforma aloja millones de sitios creados por agentes, cada uno con su propia base de datos aislada, aprovisionada en menos de un segundo y con costo casi nulo en reposo, todo sobre un único clúster de TiDB Cloud.
Henrique repasará las exigencias de memoria, estado, concurrencia y aislamiento por tenant de los workloads de agentes a gran escala, dónde fallan las arquitecturas de bases de datos tradicionales y de un solo modelo, y las decisiones de diseño que evitan que la capa de datos se convierta en el cuello de botella.
