Resumen de Mejoras de Agosto 2026 a Oracle Autonomous AI Database

Durante agosto se liberaron muchas mejoras para Oracle Autonomous AI Database, las cuales detallamos a continuación.

Compatibilidad con Sistemas de Archivos Externos para la Captura y Reproducción de Cargas de Trabajo

Ahora se puede utilizar la compatibilidad con sistemas de archivos externos para la captura y reproducción de cargas de trabajo, almacenando archivos de captura, archivos de reproducción e informes de reproducción en un directorio administrado por el cliente, además del almacenamiento de objetos. Esto brinda mayor flexibilidad y control sobre el almacenamiento y la administración de cargas de trabajo.

Consulte «Capture and Replay Between Autonomous AI Database Instances» para obtener más información.

Cambios en las Asignaciones de Tipos de Parquet de DBMS_CLOUD.EXPORT_DATA

El procedimiento DBMS_CLOUD.EXPORT_DATA utiliza una implementación al exportar datos en formato Parquet, lo que mejora la confiabilidad y el rendimiento. Este cambio también actualiza las asignaciones de tipos de columna de Oracle a Parquet en los archivos Parquet generados.

Consulte «DBMS_CLOUD Package Oracle Data Type to Parquet Mapping» y «Export Data as Parquet to Cloud Object Storage» para obtener más información.

Configuración del Comportamiento de Reintento HTTP para DBMS_CLOUD.SEND_REQUEST

Es posible configurar el comportamiento de reintento HTTP para llamadas individuales a DBMS_CLOUD.SEND_REQUEST mediante el parámetro opcional retry_params. El objeto JSON retry_params permite deshabilitar los reintentos, limitar los intentos de reintento, establecer un tiempo de espera total para los reintentos y configurar retrasos exponenciales. Esto ayuda a controlar la duración de las solicitudes y a reducir la carga en los puntos finales temporalmente no disponibles, especialmente para trabajos programados y cargas de trabajo por lotes. La configuración se aplica únicamente a los fallos que DBMS_CLOUD ya considera reintentables.

Consulte la documentación sobre la función y el procedimiento «SEND_REQUEST»` para obtener más información.

Selección de Ventana de Mantenimiento en OCI

Ahora se puede cambiar la ventana de mantenimiento de una instancia de Autonomous AI Database existente mediante la consola de Oracle Cloud Infrastructure. Esta función permite seleccionar la ventana de mantenimiento más conveniente para cada instancia de Autonomous AI Database, según las necesidades de negocio. 

Consulte «Change the Maintenance Schedule for an Autonomous AI Database» para obtener más información.

Funciones GET_DEFINITION para los Paquetes de DBMS_CLOUD

Las funciones GET_DEFINITION devuelven definiciones PL/SQL ejecutables para los objetos compatibles creados con los paquetes DBMS_CLOUD_AI, DBMS_CLOUD_AI_AGENT, DBMS_CLOUD_PIPELINE y DBMS_CLOUD. Utilice estas funciones para inspeccionar, exportar, comparar y recrear definiciones de objetos en diferentes entornos. 

Consulte la documentación de las funciones «DBMS_CLOUD_PIPELINE.GET_DEFINITION», «DBMS_CLOUD.GET_DEFINITION», «DBMS_CLOUD_AI.GET_DEFINITION» y «DBMS_CLOUD_AI_AGENT.GET_DEFINITION» para obtener más información.

Importación y Exportación de Equipos de Agentes de Select AI

Oracle Autonomous AI Database admite la importación y exportación de definiciones de equipos de agentes de Select AI mediante las API DBMS_CLOUD_AI_AGENT.IMPORT_TEAM y DBMS_CLOUD_AI_AGENT.EXPORT_TEAM. Puede importar definiciones de equipos de agentes desde una especificación JSON, un archivo de Object Storage o un archivo de directorio, y exportar equipos de agentes como un CLOB o directamente a Object Storage o a un archivo de directorio. Estas API simplifican la migración, la copia de seguridad, el control de versiones y el uso compartido de equipos de agentes de Select AI entre entornos.

Consulte el ejemplo «Import and Export Agent Teams», para más información, incluyendo las funciones y procedimientos disponibles para dichas operaciones.

Time Travel para Tablas de Apache Iceberg

Ahora se pueden consultar tablas externas de Apache Iceberg tal como existían en un momento específico mediante la cláusula SQL AS OF TIMESTAMP. Esto le permite realizar análisis históricos, auditorías, solucionar problemas y generar informes repetibles sobre los datos de Iceberg a los que se accede a través de Databricks, AWS Glue o Hadoop Catalog en OCI Object Storage.

Consulte «Use Time Travel with Apache Iceberg Tables» para obtener más información.

 

Resumen de Mejoras de Julio 2026 a Oracle Autonomous AI Database

 

Julio fue un mes relativamente tranquilo en cuanto a novedades en Oracle Autonomous AI Database, podemos destacar las siguientes:

Autenticación Externa para Herramientas de Base de Datos en Autonomous AI Database

Autonomous AI Database amplía la compatibilidad con autenticación externa a las herramientas de base de datos. Ahora se puede iniciar sesión en las acciones de base de datos y las herramientas compatibles mediante Oracle Cloud Infrastructure IAM, Microsoft Entra ID, Google Cloud Platform, AWS Cognito u Okta como usuario de base de datos identificado globalmente, eliminando la necesidad de contraseñas de base de datos.

Esta compatibilidad con la autenticación externa en Acciones de base de datos (SQL Developer Web) y Data Studio le permite aprovechar la administración centralizada de identidades y las capacidades de inicio de sesión único (SSO).

Consulte «Use External Authentication with Database Tools» para obtener más información.

Selección del Availability Domain en Autonomous AI Database

Ahora es posible cambiar el dominio de disponibilidad (Availability Domain) de una instancia existente de Autonomous AI Database mediante la consola de Oracle Cloud Infrastructure. Cambiar el dominio de disponibilidad le permite ubicar las instancias de Autonomous AI Database y los recursos relacionados de Oracle Cloud Infrastructure, como las máquinas virtuales de computación, en el mismo dominio de disponibilidad para minimizar la latencia de la red.

Del mismo modo, también puede seleccionar un dominio de disponibilidad al crear o clonar una instancia de Autonomous AI Database mediante las API disponibles.

Consulte «Specify an Availability Domain When You Provision Using the API» y «Change Availability Domain on the OCI Console» para obtener más información.

Select AI Supervisor Agent

Select AI ahora admite el patrón de agente supervisor para la orquestación multiagente. Un agente supervisor selecciona y coordina dinámicamente agentes de trabajo especializados en tiempo de ejecución, según las solicitudes de los usuarios y los resultados intermedios, lo que permite flujos de trabajo flexibles sin una secuencia de ejecución predefinida. Los equipos liderados por el supervisor procesan las subtareas de los trabajadores de forma secuencial y devuelven una única respuesta coordinada.

Para obtener más información, consulte los siguientes artículos de la documentación:

• Multi-Agent Pattern for AI Agents.
• Supervisor Agent Pattern.
• How to Use Select AI Supervisor Agent Teams.
• Example: Build and Run a Customer Support Supervisor Team.

Oracle APEX 26.1

Autonomous AI Database ahora utiliza Oracle APEX Release 26.1, que incluye nuevas funciones y mejoras para el desarrollo y la ejecución de aplicaciones empresariales. La actualización automática está agendada para mediados de septiembre, pero se puede iniciar manualmente:

Para obtener más información, consulte «Create Applications with Oracle APEX in Autonomous AI Database».

Mejoras a Select AI Agent Framework

Las API del paquete DBMS_CLOUD_AI_AGENT del framework Oracle Select AI Agent permuten descubrir y llamar a herramientas, descubrir equipos de agentes, comprobar el estado de ejecución del equipo, llamar a herramientas desde sesiones directas de agentes y configurar la profundidad de memoria. Estas capacidades admiten tanto aplicaciones de base de datos como capas de integración externas. Autonomous AI Database integra el framework Select AI Agent con el servidor MCP gestionado y el servidor Agent2Agent (A2A).

El servidor MCP (Model Context Protocol) expone las herramientas Select AI Agent, tanto personalizadas como integradas, a través de MCP, lo que permite que las aplicaciones de IA compatibles con MCP descubran y llamen a las herramientas de la base de datos sin necesidad de integraciones personalizadas.

El servidor A2A expone los equipos de agentes Select AI, incluyendo su identidad, habilidades y estado de ejecución, lo que permite el descubrimiento y la delegación entre agentes mediante el protocolo A2A.

Para obtener más información, consulte los siguientes artículos de la documentación:

• Example: Describe and Run a Select AI Agent Tool.
• Example: Discover an Agent Team and Check Team State.
• Example: Create an Agent That Calls Tools Directly.
• Example: Configure Short-Term and Long-Term Memory Length.
• Select AI Agent Use Cases.

Exposición de Equipos de Agentes de Select AI mediante el Protocolo A2A

Oracle Autonomous AI Database ahora admite un servidor Agent2Agent (A2A) administrado que expone equipos de agentes de Select AI mediante el protocolo A2A, un estándar abierto. Esta función permite que los agentes cliente externos compatibles con A2A descubran y llamen a equipos de agentes de Select AI publicados mediante interfaces HTTPS estándar y comunicación basada en protocolo, lo que reduce la necesidad de integraciones personalizadas. Esto permite que Oracle Autonomous AI Database participe en flujos de trabajo multiagente más amplios, manteniendo la lógica del agente y el acceso a los datos dentro de la base de datos.

Consulte «Expose In-database AI Agents through Agent2Agent Protocol» para obtener más información.

Resumen de Mejoras de Junio 2026 a Oracle Autonomous AI Database

Junio trajo las siguientes novedades respecto a Oracle Autonomous Database:

Administrar el Acceso de Operador de Oracle Cloud.

El acceso de operador de la nube para la resolución de problemas y la mitigación de incidencias ahora incluye una opción adicional. Los permisos se pueden otorgar por un período definido o como acceso ilimitado, que permanece vigente hasta que se revoque explícitamente.

Consulte «Manage Oracle Cloud Operator Access» para obtener más información.

Integración del catálogo REST de Iceberg con DBMS_DCAT

El paquete PL/SQL 26ai DBMS_DCAT permite a Oracle Autonomous AI Database conectarse, sincronizarse y consultar tablas externas basadas en catálogos compatibles con REST de Iceberg, como Databricks Unity Catalog y Polaris.

Consulte «DBMS_DCAT Package» para obtener más información.

Uso de Seguridad de Datos Avanzada en Autonomous AI Database

La seguridad de datos avanzada de Oracle en la base de datos de IA autónoma proporciona una autorización granular y con reconocimiento de identidad, al aplicar controles de acceso a nivel de fila y columna directamente en la base de datos. Las políticas de autorización se evalúan en función de la identidad del usuario final autenticado y se aplican de forma coherente en todas las aplicaciones, herramientas de análisis y cargas de trabajo con IA.

Consulte «Oracle Deep Data Security for Identity Aware Authorization in Autonomous AI Database» para obtener más información.

Subprogramas DBMS_SHARE

Oracle Autonomous AI Database proporciona subprogramas DBMS_SHARE para simplificar la configuración de compartición delta y los flujos de trabajo de suscripción. Estos subprogramas admiten la generación de perfiles de compartición, la creación de credenciales, la validación de perfiles y la gestión de suscripciones de proveedores.

Consulte «Summary of Share Producer Subprograms» para obtener más información.

Lake Cache para Tablas de Catálogo Montadas

Lake Cache en Oracle Autonomous AI Database admite tablas de catálogo montadas. Puede almacenar en caché las tablas respaldadas por catálogo a las que se accede mediante la sintaxis SQL de catálogo, como `schema.table@catalog_name`, pasando la referencia calificada de catálogo a `DBMS_EXT_TABLE_CACHE.CREATE_CACHE`. Esto le permite acelerar las consultas repetidas sobre datos de catálogo montados sin modificar el SQL de su aplicación.

Esta mejora extiende Lake Cache más allá de las tablas externas a los catálogos montados, lo que proporciona lecturas locales más rápidas, un mejor rendimiento de las consultas y posibles reducciones en los costos de acceso a datos entre nubes o regiones.

Consulte «Cache Mounted Catalog Tables with Lake Cache» para obtener más información.

Agente de Ciencia de Datos de Oracle

El Agente de Ciencia de Datos de Oracle es compatible con Oracle Autonomous AI Database Serverless 26ai. Con el Agente de ciencia de datos de Oracle, puede perfilar datos, preparar características, entrenar modelos, evaluar resultados y generar SQL de inferencia mediante una experiencia de chat guiada en Oracle Machine Learning. Dado que el trabajo se ejecuta en la base de datos, puede crear flujos de trabajo de aprendizaje automático donde ya residen sus datos, lo que reduce el movimiento de datos, simplifica la gobernanza y acelera la obtención de información valiosa.

Consulte «About Data Science Agent» para obtener más información.

Oracle Autonomous AI Database Serverless en Oracle AI Database@AWS.

Oracle Autonomous AI Database Serverless está disponible en Oracle AI Database@AWS, lo que le permite implementar cargas de trabajo de Autonomous AI Database en regiones de AWS seleccionadas, mientras continúa administrándolas y operándolas a través de Oracle Cloud Infrastructure (OCI). Puede ejecutar cargas de trabajo de Autonomous AI Lakehouse, procesamiento de transacciones, base de datos JSON y desarrollo de aplicaciones APEX, con integración a servicios de AWS como Amazon S3, AWS KMS, Amazon CloudWatch, Amazon EventBridge y Amazon Zero-ETL.

Esta funcionalidad combina las ventajas de Autonomous AI Database con la administración y las operaciones basadas en OCI, lo que proporciona una mayor flexibilidad de implementación para sus cargas de trabajo en la nube.

Consulte «Autonomous AI Database Serverless in Multicloud Environments» para obtener más información.

Compatibilidad con SharePoint en DBMS_CLOUD

Ahora es posible leer y listar archivos directamente desde SharePoint mediante el paquete DBMS_CLOUD, lo que facilita la carga de datos en Autonomous AI Database. Un tipo de canalización de DESCARGA también permite automatizar la ingesta desde estas fuentes, con compatibilidad para metadatos extendidos en SharePoint.

Consulte «SharePoint Support in Autonomous AI Database Using DBMS_CLOUD» para obtener más información.

Resumen de Mejoras de Mayo 2026 a Oracle Autonomous AI Database

Mayo fue un mes con bastantes novedades en Oracle Autonomous AI Database, entre las que podemos destacar:

Mejoras en Lake Cache

Lake Cache en Autonomous AI Database incluye las siguientes mejoras:

• Los Lake Caches basados en políticas permiten seleccionar columnas para aplicarle el Cache, lo almacenando de esta manera en caché sólo un subconjunto de columnas de una tabla externa.
• Tanto las cachés Lake basadas en políticas como las automáticas admiten grupos de consumidores de recursos de base de datos para las operaciones de caché.
• Se ha añadido compatibilidad con tablas externas creadas en archivos CSV, además de los formatos Parquet, ORC, AVRO e Iceberg, tanto para tablas externas particionadas como no particionadas.

Consulte «Use Lake Cache to Improve Performance for External Tables» en la documentación para obtener más información.

Gestión Automática de Roles y Privilegios Durante la Migración

Autonomous AI Database convierte o suprime automáticamente las operaciones de GRANT  y REVOKE no compatibles, asigna los roles a sus equivalentes compatibles y mantiene un registro de auditoría transparente en la vista DBA_CONVERTED_STATEMENTS.

Consulte «Manage Roles and Privileges when Migrating to Autonomous AI Database» para obtener más información.

Protección "Zero Data Loss" con Autonomous Data Guard Local Standby

Autonomous Data Guard ofrece protección sin pérdida de datos (RPO = 0) para una base de datos Standby local. Autonomous Data Guard realiza una conmutación por error automática a una base de datos Standby local cuando esta está disponible y el sistema garantiza la ausencia de pérdida de datos. Si se especifica un límite de pérdida de datos (de 0 a 3600 segundos), la conmutación por error se produce dentro de dicho límite.

Consulte «Use Standby Databases with Autonomous Data Guard for Disaster Recovery» para obtener más información.

Compatibilidad con Rutas Absolutas en CREATE DIRECTORY

Autonomous AI Database acepta rutas absolutas en las instrucciones CREATE DIRECTORY y crea directorios en ubicaciones administradas para garantizar la compatibilidad con la migración.

Consulte «Create Directory in Autonomous AI Database» para obtener más información.

Migración de Datos con DBMS_CLOUD_IMPORT

Ahora se puede usar el paquete DBMS_CLOUD_IMPORT para importar datos a Autonomous AI Database. DBMS_CLOUD_IMPORT admite bases de datos de origen Oracle, así como bases de datos que no son Oracle, como MySQL, PostgreSQL y Amazon Redshift. Puede importar la totalidad o un subconjunto de los datos almacenados en una base de datos de origen compatible.

Consulte «Migrate Data with DBMS_CLOUD_IMPORT» para obtener más información.

Cambio de Configuración de Red Simplificada

Autonomous AI Database permite cambiar sin problemas del acceso desde endpoints privados al acceso seguro desde direcciones IP y VCN permitidas únicamente, sin necesidad de modificar TLS, conservando así la configuración existente.

Consulte «Change from Private to Public Endpoints with Autonomous AI Database» para obtener más información.

Opciones de Conexión Saliente Mejoradas para Private Endpoints en Oracle Autonomous AI Database 26ai

Al definir un endpoint privado para su instancia de Autonomous AI Database 26ai, puede mejorar la seguridad configurando la propiedad "ROUTE_OUTBOUND_CONNECTIONS" de la base de datos para garantizar que todas las conexiones salientes a un host de destino estén sujetas a las reglas de salida endpoint privado y limitadas por ellas.

Para obtener más detalles, consulte «Enhanced Security for Outbound Connections with Private Endpoints»

Autenticación Multifactor en Autonomous AI Database 26ai

Autonomous AI Database 26ai admite la autenticación multifactor (MFA) para reforzar la seguridad del acceso a la base de datos, requiriendo un factor de verificación adicional además de la contraseña del usuario. La MFA se puede configurar para iniciar sesión en la base de datos, para ejecutar sentencias SQL protegidas o para ambas.

Consulte «Use Multifactor Authentication with Autonomous AI Database» para obtener más información.

Mejoras en Transformaciones de Datos

Transformaciones de Datos incluye las siguientes nuevas funciones y cambios:

Integración con OCI Vault para Conexiones

Transformaciones de Datos se integra con OCI Vault para permitir el uso de credenciales secretas de Vault para autenticar las conexiones. Consulte «Use OCI Vault Secret Credentials for Connections» para más detalles.

Embeddings de  Imágenes Vectoriales en Flujos de Datos

Puede agregar incrustaciones vectoriales de imágenes en un flujo de datos mediante el servicio de IA generativa de Oracle Cloud Infrastructure (OCI). En el Editor de flujos de datos, utilice el operador "Image Embedding Vector" dentro de la función de base de datos de aprendizaje automático para convertir las imágenes de entrada en incrustaciones vectoriales. Para obtener más información, consulte «Use Embedding Vectors in a Data Flow».

Captura de Información de Auditoría para Cargas de Datos

El botón Settings en la página Detalles de la carga de datos ahora incluye opciones que puede usar para agregar columnas de datos de auditoría al ejecutar una carga de datos. Consulte «Run a Data Load» para obtener más detalles.

Recopilación y Publicación de Estadísticas para Tablas de Iceberg

El editor de flujos de trabajo incluye el paso «Estadísticas de Iceberg», que permite recopilar y publicar estadísticas para tablas de Iceberg y publicarlas en tablas externas. Puede usar este paso de forma independiente o agregar una carga de datos de Iceberg al flujo de trabajo y, a continuación, agregar "Estadísticas de Iceberg" como paso para recopilar estadísticas de tablas y columnas y publicarlas en una tabla externa. Consulte «Collect and Publish Iceberg Table Statistics to External Tables» para obtener más detalles.

Mejoras en la Página "Detalles del trabajo"

Los pasos que se muestran en la página «Detalles del trabajo» ahora están categorizados en diferentes nodos para facilitar su consulta. Estos incluyen "Trabajos de administración", "Conjuntos de ejecución" y "Tablas". Consulte «Create and Manage Jobs» para obtener más información sobre la página "Detalles del trabajo".

Carga de Datos en Tablas de Apache Iceberg Mediante Snowflake Open Catalog

Puede usar Snowflake Data Catalog al crear una conexión a Apache Iceberg para cargar datos. Puede usar los servicios de almacenamiento de AWS S3 para almacenar datos en Apache Iceberg como tablas de destino. Consulte «Create an Apache Iceberg Connection» para obtener instrucciones detalladas.

Soporte de la Clustering y Compactación de Archivos Parquet de Apache Iceberg

Las transformaciones de datos admiten las funciones de agrupación y compactación de Iceberg para reducir el aumento de los costos de almacenamiento y optimizar el rendimiento de las consultas. Puede agregar una carga de datos de Iceberg al flujo de trabajo y, a continuación, agregar la agrupación y compactación de Iceberg como un paso. Posteriormente, puede programar el flujo de trabajo para ejecutar la carga de datos y, a continuación, la agrupación (clustering) y compactación de los datos cargados. Consulte «Parquet File Clustering and Compaction» para obtener más detalles.

Cargar Datos en Tablas de Oracle Fusion Incentive Compensation

Las transformaciones de datos de Oracle permiten la ingesta de datos de Oracle Fusion Incentive Compensation desde archivos CSV almacenados en Oracle Object Storage a tablas de Oracle Fusion Incentive Compensation. Consulte «Create and use an Oracle Fusion Incentive Compensation Connection» para obtener más detalles.

Cargar Datos en Tablas de Oracle Fusion Subscription Management

Puede usar las transformaciones de datos de Oracle para preparar y cargar datos relacionados con las suscripciones desde archivos CSV almacenados en Object Storage a las tablas de la aplicación Oracle Fusion Subscription Management. Consulte «Create and use an Oracle Fusion Subscription Management Connection» para obtener más detalles.

Tipos de Conexión Adicionales

En esta versión, Data Transforms incluye compatibilidad con los tipos de conexión de aplicaciones MariaDB y Sage Intacct. Para consultar la lista completa de tipos de conexión compatibles, vea la sección «Tipos de conexión compatibles» en la documentación.

Integración de Oracle AI Data Catalog para Apache Iceberg

Ahora puede usar Data Transforms para crear conexiones a Apache Iceberg seleccionando Oracle AI Data Catalog como proveedor de catálogo. Consulte la sección «Create an Apache Iceberg Connection» para obtener instrucciones detalladas.

Resumen de Mejoras de Abril 2026 a Oracle Autonomous AI Database

El mes de abril tuvo pocas novedades, pero algunas de ellas por demás de interesantes. Vamos a ver a continuación las más destacadas.

Autenticación de Contraseña Basada en Secretos para Usuarios de Autonomous AI Database

Con la autenticación de contraseña basada en secretos ahora es posible crear y administrar usuarios de la base de datos cuyas contraseñas se almacenan como secretos en una bóveda (vault) de un proveedor de la nube y se referencian mediante una credencial secreta de la bóveda. La base de datos obtiene la contraseña de la bóveda durante la autenticación, genera verificadores solo en memoria y no almacena contraseñas ni verificadores en disco.

Consulte «Create Users with Secret-Based Password Authentication» para obtener más información.

Permisos Granulares para las Políticas de Autonomous AI Database

Las variables "actiontype" en la Autonomous AI Database permiten un control preciso sobre suboperaciones de tipo "adminPassword", "scheduleOperations", "manageEncryptionKeys" y otras durante la creación o actualización de la base de datos. Esto permite la separación de funciones, el acceso con privilegios mínimos y el cumplimiento normativo, sin alterar los permisos generales existentes.

Consulte «Policy Details for Autonomous AI Database» para obtener más información.

Oracle Spatial Studio

Oracle Spatial Studio proporciona una interfaz de usuario sin código para acceder a las funciones espaciales de Oracle Database, permitiendo cargar, preparar, visualizar y analizar de datos espaciales. 

Spatial Studio es ahora una función totalmente integrada de Autonomous AI Database disponible desde Database Actions (sólo está disponible para el modelo Elastic CPU - ECPU).

Para más detalles, consultar el artículo "Oracle Spatial Studio ahora incluido en Oracle AI Autonomous Database" de este blog, o la documentación sobre Oracle Spatial en Autonomous AI Database.

Ampliación de la Compatibilidad de Select AI Translate a Google, AWS y Azure

La función Translate permite traducir texto a varios idiomas mediante SQL o PL/SQL, según el proveedor de AI configurado en su perfil de AI. Esta función ahora admite nuevos proveedores, además de OCI, como ser Google, AWS y Azure.

Consulte las siguientes secciones de la documentación:

• Funcionalidad de Translate.
• Ejemplo: Select AI Translate.
• Función TRANSLATE.
• Función GENERATE.