SQL Server 2025 trae inteligencia artificial directamente dentro del motor de base de datos.
Vectores, búsqueda semántica, RAG y gestión de modelos desde T-SQL — sin herramientas externas.
Esto cambia la forma en que los DBAs y desarrolladores trabajan con datos.
En el artículo anterior cubrimos los cambios generales de SQL Server 2025. Ahora profundizamos
en la novedad más disruptiva: la integración nativa de IA en el motor de base de datos.
Por primera vez, un DBA puede trabajar con modelos de inteligencia artificial sin salir de T-SQL.
1. Vectores nativos en SQL Server
SQL Server 2025 introduce el tipo de dato VECTOR de forma nativa. Esto permite
almacenar embeddings (representaciones numéricas de texto, imágenes u otros datos) directamente
en tablas de SQL Server, sin necesidad de bases de datos vectoriales externas como Pinecone o Milvus.
El formato soporta hasta miles de dimensiones con precisión de punto flotante de 32 bits,
y se expone en T-SQL como un array JSON familiar (ejemplo: [0.1, -0.2, 0.5]).
🔗 Intelligent Applications and AI — Microsoft Learn
2. DiskANN: índice vectorial de alto rendimiento
Para buscar vectores de forma eficiente, SQL Server 2025 incorpora DiskANN
(Disk-based Approximate Nearest Neighbor), un algoritmo desarrollado por Microsoft Research.
Este índice permite hacer búsquedas de similitud sobre millones de vectores con alta precisión
y bajo consumo de recursos, directamente desde el motor.
A diferencia de otras soluciones que requieren todo en RAM, DiskANN trabaja principalmente
desde disco SSD/NVMe, lo que lo hace viable para datasets empresariales grandes sin necesidad
de servidores con cantidades masivas de memoria.
El índice se crea con la sentencia CREATE VECTOR INDEX y soporta métricas
de distancia como coseno, euclidiana y producto punto.
🔗 CREATE VECTOR INDEX — Microsoft Learn
3. Búsqueda semántica desde T-SQL
Con vectores + DiskANN, SQL Server ahora permite búsqueda semántica: en vez de buscar
coincidencias exactas de texto, podés buscar por significado. Por ejemplo, buscar
"problemas de rendimiento en la base de datos" y que encuentre registros que hablen de
"queries lentas" o "timeouts frecuentes".
La función VECTOR_SEARCH permite realizar estas búsquedas directamente
en T-SQL, devolviendo los N resultados más similares al vector de consulta.
🔗 VECTOR_SEARCH — Microsoft Learn
4. Text chunking y generación de embeddings
SQL Server 2025 incluye funciones nativas para dividir documentos largos en fragmentos
(AI_GENERATE_CHUNKS) y generar vectores de embeddings
(AI_GENERATE_EMBEDDINGS) directamente desde T-SQL.
Esto es fundamental para implementar patrones de IA sin herramientas externas:
tomás un documento, lo dividís en fragmentos manejables, generás el embedding de cada
fragmento y lo almacenás en una columna VECTOR — todo dentro de SQL Server.
5. ¿Qué es RAG y por qué importa?
RAG (Retrieval-Augmented Generation) es un patrón donde un modelo de IA busca información
relevante en tus datos antes de generar una respuesta. En vez de que el modelo "invente"
respuestas, primero consulta tu base de datos para dar respuestas contextualizadas y precisas.
Con SQL Server 2025, podés implementar RAG directamente contra tus tablas: el pipeline
completo de chunking, embeddings, almacenamiento vectorial y búsqueda semántica se ejecuta
en el mismo lugar donde viven tus datos. Esto se integra con frameworks como LangChain
y Semantic Kernel para construir aplicaciones de IA empresariales.
6. Gestión de modelos desde T-SQL
La gestión de modelos de IA se integra directamente en T-SQL con la sentencia
CREATE EXTERNAL MODEL. Se puede conectar con Azure OpenAI, OpenAI, Ollama
y otros servicios mediante REST APIs.
Lo más importante: podés cambiar de modelo sin modificar el código de tu aplicación.
El modelo se define como un objeto dentro de SQL Server, con su endpoint, credenciales
y tipo de modelo. SQL Server incluso incluye lógica de reintentos automáticos para
manejar fallos transitorios en las llamadas a APIs externas.
7. ¿Qué significa esto para el DBA?
El DBA no necesita convertirse en científico de datos, pero sí debe entender estos
conceptos nuevos: cómo se almacenan y consultan vectores, cómo configurar conexiones
a modelos de IA externos, cómo afecta el rendimiento y los recursos del servidor,
y cómo gestionar la seguridad de las llamadas a APIs externas.
También hay consideraciones de backup: los índices DiskANN generan estructuras de datos
densas que pueden aumentar el tamaño de los respaldos. SQL Server 2025 incluye compresión
ZSTD optimizada para este tipo de datos.
💡 Conclusión
SQL Server 2025 convierte al motor de base de datos en una plataforma de IA empresarial.
Los datos ya no necesitan salir de SQL Server para ser procesados por modelos inteligentes.
Para los DBAs, esto abre nuevas responsabilidades pero también nuevas oportunidades
de agregar valor al negocio.
🔗 Referencias oficiales:
What's New in SQL Server 2025 — Microsoft Learn
SQL Server 2025 is Now Generally Available — Microsoft Community Hub
Announcing SQL Server 2025 — Microsoft Blog
¿Querés explorar las capacidades de IA en SQL Server 2025?
📱 Consultar sobre IA en SQL Server 2025