Cuando ejecutas una base de datos en tu propia computadora o servidor, tienes que hacer mucho trabajo. Debes encargarte de las copias de seguridad, instalar actualizaciones de seguridad y asegurarte de que el servidor no se quede sin memoria. Esto se denomina "autoalojamiento".

Un servicio de base de datos administrada te quita este trabajo de encima. Le pagas a un proveedor de servicios en la nube para que ejecute la base de datos por ti. Se encargan de las tareas pesadas, como configurar la infraestructura, mantener el software actualizado y garantizar que el sistema permanezca en línea. Esto te permite enfocarte en escribir el código de tu app en lugar de preocuparte por la infraestructura de tu servidor.

Si bien una hoja de cálculo como Hojas de cálculo de Google o Excel es ideal para que las personas la examinen, se vuelve lenta y desordenada cuando miles de personas intentan usarla al mismo tiempo. Las bases de datos se crean de manera diferente. Utilizan tres partes principales para funcionar:

1. Los datos: Es la información en sí. Pueden ser cosas simples como texto (nombres y correos electrónicos), números (como precios) o cosas complejas como imágenes y embeddings de IA.
2. La consulta: Es la forma en que "solicitas" información a la base de datos. Usas un lenguaje, como SQL (Structured Query Language), para decirle a la base de datos exactamente lo que necesitas. Por ejemplo, podrías consultar por "todos los usuarios que se registraron en la última semana".
3. El sistema de administración de bases de datos (DBMS): Es el software que actúa como administrador. Maneja solicitudes, garantiza la seguridad de los datos y organiza cómo se almacena la información. Algunos ejemplos son PostgreSQL, MySQL y MongoDB.

Elegir la base de datos adecuada depende de la forma de tus datos.

Las bases de datos relacionales, también conocidas como bases de datos SQL, representan los datos en tablas estructuradas. Si necesitas asegurarte de que una transacción bancaria se realice correctamente o falle por completo, podrías usar una base de datos relacional debido a su estricto cumplimiento de las propiedades ACID (atomicidad, coherencia, aislamiento y durabilidad).

Las bases de datos NoSQL ofrecen flexibilidad. Almacenan datos como documentos, grafos o pares clave-valor. Como no requieren un esquema rígido, suelen funcionar bien para aplicaciones de rápido movimiento como apps para dispositivos móviles, feeds de redes sociales o sistemas de administración de contenido en tiempo real.

Estas son las formas más simples de bases de datos NoSQL. Almacenan datos como una clave única emparejada con un valor. Como son rápidas y sencillas, los desarrolladores pueden usarlas para almacenar en caché datos de sesión o preferencias de usuarios. 

Actúan como un diccionario. Tienes una clave (como un nombre de usuario) y un valor (los datos del perfil). Son increíblemente rápidas porque no tienen que buscar en tablas complejas para encontrar lo que quieres.

Las bases de datos de documentos almacenan datos en formatos flexibles, a menudo JSON. Pueden ser útiles cuando la estructura de tus datos cambia con frecuencia, como en un sistema de administración de contenido en el que diferentes entradas de blog pueden tener distintos atributos.

Una base de datos de vectores almacena información como vectores matemáticos, lo que permite que las computadoras comprendan mejor el "significado" de los datos en lugar de solo buscar coincidencias de palabras clave exactas. Esta es la tecnología que impulsa la IA generativa moderna y las funciones de búsqueda.

Las bases de datos de grafos se enfocan en las relaciones entre los datos. En lugar de tablas, almacenan datos como nodos y aristas. Piensa en una red social: una “persona” es un nodo y una acción de “seguir” es una arista. Si estás creando un motor de recomendaciones que depende de conexiones complejas, una base de datos de grafos puede ayudarte a consultar esos vínculos mucho más rápido que una base de datos relacional estándar.

Las bases de datos de series temporales se especializan en almacenar datos indexados por tiempo. Se diseñaron para datos con marcas de tiempo y de mayor volumen, como lecturas de sensores de dispositivos IoT, registros de servidores o actualizaciones del mercado de valores. Estas bases de datos se destacan en la "reducción de muestreo", que es el proceso de tomar datos más antiguos y de alta frecuencia, y comprimirlos en resúmenes más amplios para ahorrar espacio.

Puedes alojar tu base de datos en diferentes lugares:

En una infraestructura local: Ejecutas la base de datos en tu propio hardware físico en tu oficina o centro de datos. Tienes el control total, pero debes administrar toda la seguridad y el mantenimiento por tu cuenta.

En una infraestructura híbrida: Es una combinación de nube y local. Es posible que mantengas los datos sensibles de forma local por seguridad, mientras usas la nube para los datos públicos de tu app.

En la nube: Tu base de datos reside en los servidores de un proveedor de servicios en la nube. Suele ser la opción más popular, porque es fácil escalar verticalmente si tu app se vuelve popular de repente. Las bases de datos en la nube pueden ofrecer varias ventajas:

• Elasticidad: Puedes aumentar tu almacenamiento o potencia de procesamiento de forma instantánea.
• Accesibilidad: Tu equipo puede administrar la base de datos desde cualquier lugar del mundo.
• Mantenimiento: El proveedor de servicios en la nube administra el hardware subyacente, las actualizaciones y los parches de seguridad.

Cuando migres entre opciones de implementación, como pasar de una configuración local a un servicio en la nube administrado o cambiar de un entorno híbrido a una solución completamente nativa de la nube, debes enfocarte en el cambio de infraestructura en lugar de solo en el cambio de formato de los datos. Asegúrate de planificar cuidadosamente tu migración de base de datos para garantizar la integridad de los datos, minimizar el tiempo de inactividad y administrar los cambios de conectividad. 

Los desarrolladores solían mantener los datos de aplicaciones estándar y los datos de IA en silos de bases de datos aislados, lo que los obligaba a acarrear grandes cantidades de datos entre la base de datos y un motor de IA independiente, y causaba que las apps fueran más lentas y difíciles de mantener. Hoy en día, la tendencia es la integración. Queremos que nuestras bases de datos comprendan y procesen datos, incluida la información generada por IA, en el mismo lugar.

A grandes rasgos, las bases de datos modernas se están volviendo "inteligentes" con la adición de estas funciones principales potenciadas por IA:

• Búsqueda semántica y de vectores: Las bases de datos almacenan los datos como "vectores" (listas de números que representan el significado), lo cual permite que las apps encuentren resultados basados en el significado, no solo en palabras clave coincidentes. Si buscas "can", puedes encontrar "perro".
• Generación mejorada por recuperación (RAG): Antes de responder una pregunta, el modelo de IA recibe información privada y actualizada de tu base de datos, lo que garantiza que la IA brinde respuestas más precisas y fundamentadas.
• Capacidades y búsqueda multimodales: Las bases de datos ahora pueden almacenar y relacionar diferentes tipos de datos, como texto, imágenes y audio. Puedes buscar en estos formatos, como encontrar descripciones de texto o precios que coincidan con una foto de un producto específico.
• Traducción de lenguaje natural a SQL: Traduce preguntas en lenguaje sencillo, como "Muéstrame todos los clientes valiosos", al código exacto necesario para recuperar esa información.
• Búsqueda híbrida: Combina la búsqueda tradicional con palabras clave y la búsqueda semántica. Es muy eficaz porque usa la concordancia exacta para términos específicos (como un ID de producto) y, al mismo tiempo, usa vectores para encontrar elementos relacionados en función de la intención.

Si usas una base de datos que admita estas herramientas, puedes buscar el nombre de un usuario, su historial y sus preferencias en una sola consulta, lo que simplifica la pila tecnológica y facilita que la app brinde experiencias más inteligentes y rápidas.

Aquí te mostramos cómo realizar una búsqueda híbrida en Python, que combina una palabra clave específica y un concepto semántico:

Antes de comprometerte con una arquitectura específica, hazte estas preguntas para determinar qué tipo de base de datos se adapta mejor a las necesidades de tu proyecto.

Aunque tu base de datos funcione bien con tu app actual, la IA plantea nuevas exigencias. Antes de comenzar a crear tu próxima función potenciada por IA, hazte estas preguntas para ver si tu configuración actual está realmente lista para la tarea:

• ¿Mi base de datos puede almacenar datos vectoriales de alta dimensión junto con mis datos habituales?
• Si la respuesta es sí, puedes mantener tu arquitectura sencilla usando tu base de datos existente para la IA.
• Si la respuesta es no, tal vez debas agregar una base de datos vectorial especializada o un complemento a tu pila.
• ¿Mi base de datos ofrece búsqueda por similitud integrada?
• Si la respuesta es sí, tu sistema puede encontrar rápidamente coincidencias "significativas" sin código adicional.
• Si la respuesta es no, deberías crear o administrar una "capa de búsqueda" independiente para convertir tus datos en algo que la IA pueda entender.
• ¿Mi base de datos es capaz de procesar datos sin trasladarlos a otro lugar?
• Si la respuesta es sí, ahorras en costos de transferencia de datos y reduces la latencia de tus respuestas de IA.
• Si la respuesta es no, tal vez encuentres cuellos de botella en el rendimiento, ya que constantemente acarrearás datos de un lado a otro hacia un modelo de IA externo.
• ¿Mi base de datos maneja diferentes tipos de datos (texto, imágenes o audio) en un solo lugar?
• Si la respuesta es sí, puedes crear apps de IA complejas y "multimodales" con un lenguaje de consulta unificado.
• Si la respuesta es no, tal vez debas interconectar varias bases de datos de forma improvisada, lo que dificulta el mantenimiento de tu código.
• ¿Con qué facilidad puede mi base de datos actualizar su "conocimiento" a medida que llegan nuevos datos?
• Si la respuesta es sí, tus funciones potenciadas por IA pueden reflejar los cambios en tiempo real de forma instantánea a medida que se actualizan tus datos.
• Si la respuesta es no, tus respuestas de IA podrían estar "obsoletas" o ser imprecisas hasta que vuelvas a indexar manualmente los datos, lo que tarda mucho tiempo.
• ¿Mi base de datos proporciona una seguridad sólida y controles de acceso para las consultas de IA?
• Si la respuesta es sí, puedes crear apps de IA de forma segura que solo muestren a los usuarios la información que tienen permiso para ver.
• Si la respuesta es no, corres el riesgo de una "filtración de datos", en la que tu IA podría compartir accidentalmente información restringida con la persona equivocada.