Date: July 29, 2026
Time: 1:00 – 2:00 PM ET
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 Manus escala su capa de datos para dar soporte a agentes de IA autónomos. Repasará las exigencias de memoria, estado y concurrencia 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.
Lo que aprenderás:
- Por qué los workloads de IA agéntica desafían los supuestos de las bases de datos tradicionales y de un solo modelo
- Cómo una arquitectura SQL distribuida maneja las exigencias transaccionales y analíticas en un solo sistema, sin montar un stack de datos frágil
- Qué revela el deploy de Manus sobre el escalado de la memoria y el estado de los agentes, y las decisiones que más importaron
- Un marco práctico para evaluar si tu capa de datos está lista para los agentes de IA, y por dónde empezar si no lo está
A quién está dirigido: líderes de ingeniería, arquitectos de plataforma e infraestructura, y responsables de decisiones técnicas que evalúan cómo modernizar la infraestructura de datos para workloads de IA y de agentes.
Speakers:
Henrique Leandro, Head of Global Solutions Architecture, TiDB
Henrique Leandro is Head of Global Solutions Architecture at TiDB, leading global technical strategy for TiDB Cloud. He partners with customers and technology teams worldwide to design and scale distributed database architectures for modern cloud applications. His focus includes evolving data platforms for AI-driven workloads, including vector data and retrieval-augmented generation (RAG).