En la última edición de Sapphire, celebrada hace cinco meses en Orlando, SAP presentó la visión conceptual de la empresa autónoma (Autonomous Enterprise). La conferencia SAP Connect 2026 marca ahora el siguiente paso, desde la teoría hacia la ejecución en entornos reales de producción, pasando de las interfaces conversacionales de consulta a la automatización directa de transacciones en el ERP.
En SAP Connect 2026, el fabricante muestra la evolución hacia la ejecución transaccional en finanzas, compras y cadena de suministro
Este movimiento implica sustituir un modelo de trabajo manual, con memorización de códigos de transacción (T-codes) y descargas a hojas de cálculo por una nueva interfaz impulsada por IA (UI for AI) que se está desplegando para sus más de 400 millones de usuarios a nivel mundial.
Durante la apertura del encuentro, el consejero delegado de la compañía, Christian Klein, CEO de SAP SE, contrapuso la capacidad de impresionar propia de los modelos de lenguaje generalistas (frontier LLMs) con la exigencia de rigor que requiere la gestión corporativa.
Frente a la naturaleza probabilística de los LLM estándar, que no están preparados para entender la lógica de un balance o una cadena de suministro, la arquitectura agéntica de SAP integra sus componentes en flujos de trabajo deterministas. El objetivo es garantizar que, en procesos críticos donde se mueve dinero o se procesan nóminas, el sistema ofrezca respuestas exactas, auditables y sujetas a las mismas reglas de negocio que el propio ERP.
El CEO de SAP lo ejemplificó: “Si le pides a un modelo de frontera que dibuje un unicornio, obtendrás una imagen estupenda. Pero si le preguntas qué proveedor entregará la semana que viene, simplemente lo adivinará. Los grandes modelos de lenguaje todavía no tienen ni idea de cómo funciona una empresa. Por eso esta vez no dibujamos el unicornio en una ventana de chat, sino en Joule Work”.
Contexto de negocio para conectar flujos de trabajo
Para resolver la limitación estructural de los modelos probabilísticos, la arquitectura Joule Work se apoya en SAP Knowledge Graph, una capa de contexto que mapea de forma nativa más de 7 millones de campos de datos, 500.000 tablas de base de datos, más de 50.000 interfaces API (incluyendo API privadas) y 400 productos de datos preconfigurados. Esta infraestructura permite a la IA conectar los flujos de trabajo de aplicaciones SAP y de terceros sin recurrir a estimaciones no verificadas.
La prioridad radica en construir una ontología de negocio capaz de interpretar las relaciones operativas entre procesos
Durante la sesión de preguntas con la prensa tras la apertura del encuentro, Christian Klein reveló que la creación de esta capa semántica ha requerido una reorientación interna en el desarrollo del fabricante: la prioridad ya no radica en codificar funciones o pantallas independientes, sino en construir una ontología de negocio capaz de interpretar las relaciones operativas entre procesos.
Esta capa de ontología se sitúa por encima de las aplicaciones (tanto de SAP como de terceros), evitando que las organizaciones deban migrar, duplicar o reestructurar todas sus bases de datos existentes. Esto permite conectar e interpretar la información sin necesidad de mover los datos de su origen (zero copy) facilitando que los agentes de IA comprendan el contexto corporativo.
A diferencia de los asistentes conversacionales aislados que leen documentos sueltos, los agentes de SAP operan integrados en las reglas de negocio y las transacciones del ERP. Como aclaró el consejero delegado, cuando una tarea requiere mover dinero o ejecutar un proceso de nómina, la respuesta no puede ser una probabilidad, sino un resultado exacto, auditable y conforme a la regulación.
Según Christian Klein: “Nuestros agentes de IA están integrados en los flujos de trabajo deterministas de nuestras aplicaciones, por lo que proporcionan la única respuesta correcta. Funcionan sobre los mismos datos, siguen las mismas reglas y dejan la misma traza de auditoría que el resto de nuestras aplicaciones”.
Métricas de productividad
Antes de dar paso a los testimonios de los clientes, la tecnológica detalló el impacto de esta arquitectura en sus propias operaciones. Los 110.000 empleados de SAP utilizan Joule Work en su operativa diaria, registrando incrementos de productividad del 20% en las áreas de finanzas, recursos humanos y compras.
Durante la sesión inaugural, Christian Klein ilustró esta ganancia con un ejemplo de su propia gestión directiva: la preparación del informe trimestral de resultados —un proceso que tradicionalmente requería tres semanas de trabajo continuo entre los equipos de finanzas, relaciones con inversores y comunicación— se ha reducido a pocos días mediante la consolidación automática de indicadores clave, cuadros de mando y simulaciones de preguntas de analistas.
Más allá de las métricas internas del fabricante, durante SAP Connect 2026 se dieron cita diversos directivos de multinacionales, clientes de SAP, que subieron al escenario para detallar el retorno de inversión y las cifras de eficiencia que están obteniendo en sus sistemas de producción.
A través de Joule Work, los 110.000 empleados de SAP han registrado incrementos de productividad del 20%
en su operativa diaria, registrando incrementos de productividad del 20% en las áreas de finanzas, recursos humanos y compras.
Por ejemplo, Christoph Buerki, responsable global de Compras de Novartis, expuso el desarrollo de un proyecto piloto con el asistente de aprovisionamiento Joule Sourcing Assistant, centrado en el análisis de licitaciones y el apoyo a las negociaciones. Buerki avanzó que la delegación de las tareas analíticas más pesadas en agentes de IA permitirá a la farmacéutica reducir un 25% los tiempos de ciclo y lograr un incremento de productividad del 35% para sus equipos de compras.
Eso sí, Buerki recomendó ordenar primero los datos maestros y empezar por procesos donde un eventual error sea recuperable antes de escalar a operaciones de misión crítica.
Steve Hankins, director financiero de Morgan Foods, expuso la transformación operacional de la firma de alimentación en sus plantas de producción. Según el directivo, el tiempo de respuesta de la compañía ante solicitudes de grandes clientes y picos de demanda ha pasado de requerir entre tres y cuatro semanas a resolverse en solo cinco minutos. La compañía, con una plantilla de 1000 trabajadores, subrayó la necesidad de mantener el criterio humano por encima de las capacidades agénticas.
En el ámbito del gran consumo, Luca Dell’Orletta, responsable global de Innovación TI y Arquitectura Empresarial de Nestlé, explicó cómo utilizan el Accounts Receivable Assistant para priorizar automáticamente las tareas de cobro y reclamación de facturas según el historial, valor y perfil de riesgo del cliente.
Por su parte, Jill Notz, directora de Contabilidad y líder de Servicios de Negocio en PwC, compartió en el escenario la experiencia de la firma de servicios profesionales con el asistente Billing Assistant. Notz señaló que la facturación es uno de los procesos más expuestos a errores operacionales y explicó cómo la herramienta permite identificar incoherencias en la fase de emisión de la factura, evitando correcciones posteriores y acelerando los ciclos de cobro.
SAP Business AI Platform
En un ámbito más técnico, algunos de los mensajes de Christian Klein cuestionaban la estrategia de aquellas organizaciones que intentan construir agentes autónomos de forma aislada sobre plataformas LLM genéricas, defendiendo la necesidad de contar con una plataforma que combine libertad de elección de modelos con la lógica interna del negocio.
Como alternativa: “Business AI Platform ofrece la posibilidad de elegir entre los mejores modelos de frontera y de código abierto para cada caso de uso agéntico, combinados con el contexto de negocio más profundo y una gobernanza gestionada por SAP”.
Según el directivo, la plataforma pone a disposición de las empresas más de 70 modelos de IA (tanto modelos de frontera como de código abierto). Esta libertad de elección permite a los responsables de tecnología seleccionar el modelo óptimo para cada tarea, evitando la dependencia (lock-in) de un único proveedor y optimizando el consumo de tokens y los costes operativos derivados.
Manoj Swaminathan, presidente y chief product officer de SAP Autonomous Suite, detalló la estructura de la capa de contexto y los motores de inferencia que alimentan a los agentes dentro de SAP Business AI Platform. Junto al mapeo del Knowledge Graph y la federación de datos en SAP Business Data Cloud, la plataforma incorpora modelos de dominio entrenados sobre el código fuente de SAP y dos motores predictivos especializados: la familia de modelos RPT (entrenada con patrones transaccionales de SAP) y la tecnología de IA tabular de Prior Labs.
Asimismo, la solución SAP Reltio —fruto de la reciente adquisición de Reltio— actúa como armonizador de datos maestros para unificar las identidades de clientes, productos y proveedores entre aplicaciones de SAP y de terceros sin necesidad de duplicar las bases de datos.
Swaminathan ilustró además el funcionamiento del desarrollo basado en intenciones (intent-based development) en Joule Studio. En este entorno, un usuario de negocio (como un responsable de recursos humanos o compras) puede solicitar la extensión de una capacidad en lenguaje natural; Joule Studio traduce esa instrucción en un flujo de trabajo ejecutable (integrando la herramienta de automatización n8n) y lo envía al equipo de desarrollo para su validación.
“El usuario escribe el requisito en lenguaje de negocio y Joule Studio lo convierte en una extensión funcional. La extensión hereda automáticamente la gobernanza del agente, sus autorizaciones y su contexto de negocio, registrándose de inmediato en el Agent Hub. Ningún modelo de lenguaje público por sí solo puede hacer esto por una empresa”.
La extensión hereda automáticamente la gobernanza del agente, sus autorizaciones y su contexto de negocio
En el plano del control y la seguridad corporativa, la plataforma aplica un enfoque de confianza cero (zero trust), donde las identidades sintéticas de IA operan estrictamente bajo las mismas autorizaciones y límites delegados por el empleado que inició la solicitud. Todas las ejecuciones se registran de forma centralizada en el inventario AI Agent Hub de SAP LeanIX y cuentan con la certificación independiente ISO/IEC 42001, lo que garantiza que la automatización agéntica sea auditable por firmas externas y cumpla con las regulaciones de más de 60 países.
Gobernanza y control de identidades
Uno de los mayores retos que percibe el mercado cuando se habla de la IA agéntica es todo lo relacionado con ciberseguridad, pero también con el gobierno y control de estos agentes autónomos. Marielle Ehrmann, SVP y chief security officer de SAP, analizó el cambio de mentalidad que se está produciendo en los comités de dirección de las grandes corporaciones.
“Hace solo un año la pregunta era: ‘¿Cómo de rápido podemos desplegar IA?’. Hoy la pregunta ha cambiado drásticamente: ‘¿Cómo podemos desplegar IA rápidamente sin convertirnos en el titular de prensa de mañana?’”.
Ehrmann contrapuso la velocidad de adopción de la tecnología con la vulnerabilidad operativa de las empresas: mientras que el 83% de las multinacionales utiliza IA de forma diaria, solo el 13% cuenta con visibilidad real sobre lo que sus modelos y agentes están ejecutando en los sistemas corporativos. Paralelamente, la automatización de ciberataques impulsada por IA ha reducido el tiempo de ejecución de un secuestro de datos (ransomware) de ocho horas a menos de 22 segundos.
Haciendo referencia explícita a incidentes recientes del sector, como la brecha en Hugging Face, la responsable global de seguridad de SAP advirtió de que el riesgo principal ya no procede de la IA maliciosa externa, sino de los agentes corporativos internos desplegados sin gobernanza.
“El mayor peligro hoy no es la IA maliciosa, sino la IA no gestionada. Para los agentes de IA aplicamos el principio de zero trust, verificando la identidad, el propósito de negocio y la sensibilidad de los datos en cada una de las solicitudes. La gobernanza de la IA no es una lista de verificación pasiva de cumplimiento, sino el marco operacional en vivo que responde en tiempo real a tres preguntas: quién es el dueño de la decisión, quién puede ver lo que está haciendo ahora mismo y quién puede detenerla”.
Para garantizar la contención técnica en sistemas de misión crítica, la arquitectura de SAP trata a cada agente de IA como una “identidad sintética” con permisos acotados. El agente no posee privilegios permanentes ni autónomos; hereda estrictamente las autorizaciones del empleado humano que inició la solicitud y sus permisos se revocan automáticamente una vez ejecutada la tarea.
Asimismo, Ehrmann detalló los tres niveles de supervisión humana contemplados en la política ética y la arquitectura técnica de SAP:
- Humano en el bucle (human-in-the-loop): aprobación previa y obligatoria de un usuario humano antes de ejecutar acciones de alto riesgo o movimientos financieros.
- Humano sobre el bucle (human-on-the-loop): monitorización activa y capacidad de intervención operativa en tiempo real mientras el agente trabaja.
- Humano al mando (human-in-command): potestad de revocación inmediata e interrupción del proceso ante cualquier desviación detectada.
Esta capa de control se completa con el asistente Access Governance and Security Assistant —disponible a comienzos de 2027— y el módulo AI Agent Hub integrado en la suite SAP LeanIX, que proporciona un inventario centralizado y auditable de todos los agentes activos (tanto de SAP como de terceros).
El cambio estructural de la empresa autónoma
Para cerrar la sesión inaugural de la conferencia, Christian Klein situó la gestión del cambio y el control del gasto como las dos variables críticas para que la IA entregue un retorno medible en las organizaciones.
Klein justificó la integración de la suite de transformación de negocio —apoyada en Signavio para evaluar procesos y medir el rendimiento del gasto en tokens, LeanIX para supervisar el inventario de agentes y WalkMe para acelerar la adopción— señalando que la tecnología solo es efectiva si los empleados la integran con fluidez en sus tareas diarias.
Asimismo, el consejero delegado subrayó que la automatización mediante IA en las herramientas de migración a la nube pone fin a los proyectos tradicionales de implantación caracterizados por presupuestos millonarios y plazos de varios años.
Como balance del impacto operativo observado en firmas como Nestlé, Novartis, PwC o Morgan Foods, Klein sintetizó la evolución hacia la empresa autónoma en tres vectores de transformación:
“Estamos presenciando un cambio masivo: el paso de pasos manuales a flujos de trabajo conectados, de la toma de decisiones reactiva a los conocimientos predictivos, y de tener a los humanos atrapados en hojas de cálculo a tenerlos supervisando en el bucle. Ya no estamos en el comienzo de algo mejor: esto es mejor, esto es la empresa autónoma”.
