De agents binnen het Oracle-domein moeten leiden tot een ‘system of outcomes’ bovenop een system of record. Tijdens AI World 2026 spreekt de IT-speler van agentic acties die op een hoger niveau dan voorheen te plannen en orkestreren zijn. Het resultaat is een beheerlaag die de database centraal houdt, met minder ruimte voor externe agents dan elders.
Oracle Fusion Claw, draaiend op een variëteit aan third-party LLM’s, is het motorblok achter Oracle Fusion Agentic Applications. Binnen OCI moeten deze applicaties bovenal gedefinieerde business outcomes realiseren. 25 voorgebouwde Agentic Applications zijn nu beschikbaar binnen Oracle Fusion Cloud ERP, HCM, SCM en CX. Denk daarbij aan agentic apps voor het vinden van kandidaten, payroll-beheer, het plannen van leveringen of het meten van de kwaliteit van de eigen klantenservice.
De templates zijn een begin; Oracle moedigt anderen aan om zelf hun eigen Agentic Applications te bouwen voor Fusion-applicaties. Daarbij stelt Oracle dat elke applicatie direct voorzien is van observability, ROI-metingen en veiligheidscontroles.
Wie niet zelf wil uitzoeken welke agent of applicatie aan de slag moet, kan dat overlaten aan Oracle Fusion Companion. Deze laag vertaalt een businessdoel naar de juiste transacties, workflows, goedkeuringen, agents en Agentic Applications. Gebruikers benaderen Companion via AI-tools als ChatGPT of via Oracle Fusion Agentic Home, de nieuwe AI-native startomgeving binnen Fusion. Ook als een verzoek via een externe chatbot binnenkomt, blijven uitvoering en verantwoording volgens Oracle binnen Fusion Applications.
Agents aan het werk
De stap van idee naar werkende omgeving is groot. Een zinnige vertaling van businessproces naar configuratie heeft soms meer werk nodig. Om die reden heeft Oracle de Fusion Setup and Configuration Registry (FSCR) beschikbaar gesteld, een publieke Git-repository die de setup en configuratie van Fusion Cloud Applications machineleesbaar en uitvoerbaar maakt voor AI-agents. AI-assistenten en coding agents van onder meer OpenAI kunnen daarmee businessvereisten, procesdocumenten en bestaande configuraties vertalen naar implementatie-runbooks, de configuratie direct in Fusion uitvoeren en het resultaat automatisch testen en valideren. Experts beoordelen het eindresultaat voordat het in productie gaat. Partners zoals onder meer Accenture Edge, Deloitte of PwC kunnen de registry uitbreiden met eigen methodologieën, accelerators en branchespecifieke oplossingen.
Eén van de projecten gebouwd op FSCR is de AI Success Navigator, dat voorheen Oracle Cloud Success Navigator heette. Het biedt nieuwe agents voor het traceren van IT-omgevingen, businessprocessen en potentiële risico’s, applicatiedesign, configuraties, tests, integraties en nieuwe innovaties. Volgens early adopter Lexington Health leverde die aanpak tijdens de implementatie tot 80 procent minder werk op bij bepaalde ontwerp- en configuratietaken. Meer agents volgen nog, aldus Oracle.
De diepere laag voor vertrouwen
Tot dusver hebben we de iteratieve verbeteringen besproken van Oracle, met name gericht op Fusion-applicaties. Waar het bedrijf tijdens AI World ambitieuzer is, is de zogeheten Deep Trust AI Architecture. Dit ontwikkelgebied is een samenkomst van Oracle AI Database, Autonomous AI Database en APEX AI Application Generator. De architectuur zit in al deze producten en platformen, met controles op datagebruik, ontwikkeling, toegangsbeheer en automatische updates.
Het is een ontwikkeling naast de bestaande Maximum Availability Architecture, die downtime moet voorkomen voor Oracle-applicaties en -infrastructuur. Bij Deep Trust ligt de nadruk op het verbannen van arbitraire toegang en conventionele paden die agents gevaarlijk maken. Daar waar een gebruikelijke werknemer te trainen is op het juiste gebruik van gevoelige infrastructuur, is een agent in potentie te misleiden of misbruiken op een manier die bij menselijke collega’s veel meer moeite kost en niet schaalbaar is voor aanvallers. Agents vormen daarmee in feite een ‘insider threat’. Oracle wijst erop dat toegangs- en business-regels die alleen in applicatiecode leven door AI-gegenereerde apps verkeerd geïmplementeerd kunnen worden, terwijl agents die via een MCP-server of natural language-to-SQL direct op de database werken ze volledig kunnen omzeilen.
Daarom moeten die regels in de database zelf liggen. Met Oracle Deep Data Security leggen organisaties toegangsregels per eindgebruiker vast in Oracle AI Database, die ze bij elk SQL-verzoek afdwingt. De database verifieert de identiteit van de gebruiker zelf aan de hand van een cryptografisch ondertekend token van de corporate directory. Deep Trust Data API’s bieden daarnaast sterk gecontroleerde toegang tot logische businessobjecten zoals aankooporders, in plaats van willekeurige SQL-toegang. Oracle SQL Assertions houden business-regels binnen de database vast, zodat er bijvoorbeeld geen uitgaven boven de bestedingslimiet van een medewerker kunnen worden goedgekeurd, ongeacht welke applicatie, gebruiker of agent het verzoek indient.
APEX AI Application Generator is tevens een voorbeeld van een beschermde AI-toepassing. Zo schrijven coding agents zelf niet code, maar een applicatiedefinitie in APEXlang. De APEX-runtime voert deze definitie vervolgens uit om te voorkomen dat organisaties grote hoeveelheden code maar moeten vertrouwen.
Oracle Autonomous AI Lakehouse-verbeteringen
Ook Oracle Autonomous AI Lakehouse krijgt updates die in het verlengde van dat vertrouwensverhaal liggen. AI toegang geven tot bedrijfsdata is niet genoeg, stelt Oracle. Agents moeten volgens het bedrijf ook de businesscontext achter die data begrijpen en binnen de regels en het beleid van de organisatie opereren.
Daarvoor komt er een Business Semantic Layer, die ruwe data via annotaties en door AI voorgestelde analytic views verrijkt met dimensies, metrics, hiërarchieën en KPI’s. Dat moet NL2SQL, Select AI en AI-retrieval nauwkeuriger maken. Een nieuwe AI Data Catalog koppelt externe catalogi, Oracle- en niet-Oracle-databases, Iceberg-tabellen en object storage zonder data te dupliceren. Beide functies verschijnen ergens binnen de komende twaalf maanden. Een centrale beheerlaag in de catalogus moeten toegang beheren op objectniveau. Deze controles gelden voor zowel gebruikers als agents. Verder zijn klanten in staat om Iceberg-tabellen met SQL aan te maken en te veranderen.
Conclusie: vertrouwen in het fundament
Oracle benut de eigen positie als system of record voor menig organisaties. Het bedrijf plaatst de controles over AI binnen bestaande platformen, data en runtimes. Het verschil met de aanpak die agents in het geïmproviseerde begin van AI-adoptie kenden, is dat er nu de kennis is om deze AI-systemen te vangen met eigen API’s en restricties die verschillen van de conventionele routes. Nieuwe agents krijgen en zijn gebonden aan de bescherming die de bestaande systemen al kenden.
Wat nog niet helemaal helder is, is hoe organisaties achteraf kunnen nagaan wat een agent heeft gedaan. Bij de introductie van Fusion Claw in september sprak Oracle nog van een ‘Outcome Receipt’ per run, maar in de aankondigingen van AI World blijft het bij observability en goedkeuring. Ook verschijnen verschillende Lakehouse-functies pas binnen een jaar.