¿Cuál es la visión estratégica de SAP respecto a la IA agéntica?
En SAP concebimos la IA agéntica como la evolución natural de los asistentes de inteligencia artificial hacia agentes de negocio autónomos. La diferencia es fundamental: un agente es capaz de percibir qué ocurre en los sistemas, planificar una respuesta y, finalmente, actuar. Este último punto, el de la acción, es el que lo cambia todo
A menudo se dice que nuestra ventaja competitiva es el acceso a ese “gran tesoro” que son los datos de negocio, pero yo diría que es algo más: es el hecho de poner el contexto de negocio en el centro.
No hablamos solo de la información almacenada en una base de datos; hablamos de entender cómo se generan esos datos, qué personas intervienen, bajo qué roles y en qué procesos end-to-end se mueven. Ahí reside el verdadero valor.
Nuestra ventaja competitiva es el hecho de poner el contexto de negocio en el centro
Nuestra estrategia, que consolidamos bajo la marca Joule, propone una nueva interfaz para interactuar con las máquinas mediante lenguaje natural. Joule es la puerta de entrada a una biblioteca de agentes especializados capaces de ejecutar tareas específicas. Todo esto corre sobre nuestra SAP Business Technology Platform (BTP), que es el cimiento tecnológico que nos permite orquestar, monitorizar y, sobre todo, gobernar esos agentes en el landscape de nuestros clientes.
Además, no perdemos de vista que SAP es una pieza clave, pero no la única. Por eso apostamos por estándares de interoperabilidad como Agent-to-Agent (A2A) o el MCP (multiagent collaboration protocol), lo que permite que nuestra arquitectura colabore con agentes de terceros. Estimamos que, con este despliegue, los agentes podrán soportar hasta el 80% de las tareas empresariales más repetitivas.
¿Qué papel juega el SAP Business Data Cloud en este escenario?
El SAP Business Data Cloud (BDC) está, sin duda, en el corazón de nuestra estrategia. Es la plataforma que nos permite orque star todos los datos empresariales, ya sean de SAP o de terceros. Lo más relevante para el mercado es que hemos abierto esta plataforma: actualmente la estamos codesarrollando junto con Databricks y mantenemos integraciones nativas con Snowflake, Microsoft y Google.
Esta apertura ha generado un entusiasmo sin precedentes en nuestro ecosistema de partners; de hecho, la adopción del SAP Business Data Cloud es el lanzamiento más exitoso en la historia de SAP. La razón es clara: permitir que estos fabricantes puedan trabajar con los datos de SAP de forma segura y gobernada dentro de sus propias plataformas, sin necesidad de moverlos ni ceder su control.
Sin embargo, aquí hay un matiz estratégico: aunque plataformas como Databricks o Snowflake pueden crear agentes sobre los datos de nuestro BDC, esos agentes suelen ser eminentemente analíticos.
La ventaja diferencial de SAP aparece cuando necesitas que el agente intervenga en el proceso de negocio, es decir, que ejecute una acción real en el backend transaccional. Al combinar el SAP Business Data Cloud con la BTP (SAP Business Technology Platform), creamos agentes que lo integran todo: la analítica profunda y la ejecución de tareas. Esto es lo que cierra el ciclo entre aplicaciones, datos e inteligencia: nuestro flywheel.
¿Cuáles son las aplicaciones de la IA agéntica más utilizadas?
En SAP tenemos una máxima: el valor real aparece cuando logras conectar todas las funciones de negocio. Por eso, aunque ahora estemos entregando agentes especializados por líneas de negocio (LoB), el objetivo final es que interactúen para generar procesos end-to-end.
Si miramos el mapa actual, en el área de Finanzas y Compras Joule ya permite automatizar tareas que antes requerían muchísima intervención manual: conciliación de cuentas, resolución de discrepancias en pagos o gestión de facturas. Son procesos que ya tenían automatización tradicional, pero en los que el agente ahora coge un peso mucho mayor gracias a la IA generativa.
En Recursos Humanos, el impacto es sencillamente clarísimo. Los agentes ya asisten en la búsqueda de talento, redactan descripciones de puestos y programan entrevistas. El siguiente paso es integrarlos en los sistemas de nómina para gestionar revisiones salariales y planificación del rendimiento. En la cadena de suministro estamos llevando la optimización de rutas y el reabastecimiento de inventario a un nivel de eficiencia que hace veinte años ni imaginábamos.
Un área de aplicación donde veo una ventaja competitiva muy importante es en todo lo relacionado con la experiencia de cliente (CX). Estamos usando datos no estructurados —como grabaciones de voz de un call center— para dar respuestas hiperpersonalizadas. La clave aquí es el grounding contra el sistema ERP: el agente consulta los datos reales del cliente para iniciar una devolución o cambiar un pedido de forma autónoma.
¿Cómo se habilita a las empresas para que creen y extiendan estas capacidades?
Ese es un punto vital porque cada cliente tiene su propia realidad. Para eso tenemos Joule Studio, que forma parte de nuestra plataforma BTP. Es la herramienta que permite a las empresas hacer el grounding de sus propios modelos LLM contra los datos del ERP.
Pero si tuviera que destacar algo que va a amplificar las posibilidades de forma especialmente importante en esta primera mitad de 2026, es el Knowledge Graph. Es el verdadero motor de conocimiento que reside en el SAP Business Data Cloud. No se trata solo de acceder al dato bruto; es acceder al conocimiento de cómo se ejecutan los procesos y cómo la gente usa los sistemas. Permitir que una inteligencia se “ancle” a ese gráfico de conocimiento es lo que nos permite hablar, por fin, de un ERP inteligente y autónomo.
¿Están las empresas preparadas para este salto?
Los datos nos dan una dosis de realidad y, a la vez, de optimismo. Según el estudio que hicimos con Oxford Economics, las empresas que ya invierten en IA obtienen un retorno medio del 16%, y la expectativa es que este porcentaje se duplique en solo dos años. Es decir, hay un valor tangible, no es humo.
Sin embargo, el camino no es sencillo: solo un 5% de las organizaciones se siente totalmente preparada para desplegar estos agentes, y un 54% se ve solo “parcialmente preparada”. A esto hay que sumar que, según este estudio, el 78% de los directivos creen que los agentes tienen un potencial —entre moderado y alto— de transformar realmente las operaciones y están anticipando un retorno del 10% en dos años.
Estas cifras demuestran un gran interés, pero también la necesidad de que les acompañemos en el proceso con estrategias claras de adopción. Por eso, en SAP nuestro foco ha pasado de los “pilotos de innovación” al deployment real. Ya no estamos en fase de pruebas; estamos entregando arquitecturas que escalan.
La clave es justificar cada paso con un outcome de negocio concreto y medible. En el modelo “Cloud”, esto es una cuestión de salud del negocio: si la empresa no percibe el valor por el que compró la tecnología, no renovará. Por eso nos centramos en los building blocks fundamentales, empezando por una gestión eficiente de los datos. No se trata de “hacer IA” por moda, sino de mejorar un proceso de negocio específico y ser capaces de medir cuánto hemos ganado en productividad.
¿Cómo garantiza SAP que los agentes operen de forma segura, ética y, sobre todo, explicable?
Cuando la IA generativa explotó nosotros ya definimos que nuestra propuesta debía ser relevante, fiable y responsable. El pilar de la responsabilidad es absolutamente crítico para nosotros. SAP aplica un marco de IA responsable que combina principios éticos, gestión de riesgos y una transparencia total. Exigimos que cada paso que da un agente pase por un análisis de riesgos riguroso.
Esto no es opcional, forma parte del ADN de SAP porque operamos en dominios hiperregulados. Pensemos en áreas como Finanzas o Recursos Humanos, o incluso en sectores como defensa, salud o telecomunicaciones. En todos ellos, la seguridad y la privacidad son una premisa básica. Por esa razón establecemos que los agentes requieren supervisión humana en los puntos críticos.
La clave aquí es la explicabilidad: el sistema debe ser capaz de esclarecer cómo razona el agente para que el usuario pueda revisar y, si es necesario, corregir todo el ciclo de decisión. Mantener un registro de auditoría y la trazabilidad de cada acción que realiza la IA son premisas básicas en nuestro entorno; de hecho, la directiva europea de IA ya lo marca como obligación, pero para nosotros es algo natural en el diseño de sistemas.
Donde veo una ventaja competitiva muy importante es en lo relacionado con la experiencia de cliente (CX)
Además, hay “áreas vetadas”, en las que el agente nunca debe tomar la decisión final. Si hablamos de procesos de despidos, determinación de créditos hipotecarios o diagnósticos médicos, la ejecución final siempre debe depender de un humano. En estos casos, el agente actúa únicamente como un asistente de alto nivel: recopila información y propone opciones, pero requiere confirmación.
En cuanto a la privacidad, nuestro compromiso es firme: no utilizamos los datos de nuestros clientes para entrenar modelos de terceros. Además, garantizamos la separación estricta de inquilinos en la nube para preservar la privacidad de cada organización.
En este punto habría que lanzar una reflexión a los directivos: la capa de seguridad que ya teníamos a nivel transaccional a menudo se pierde en los sistemas analíticos o en los data lakes. Pero la llegada de esta tercera capa, la agéntica, lo rompe todo. Debemos tratar al agente como un usuario más, con sus controles de acceso, roles y perfiles. Un agente es una entidad que hace cosas dentro del sistema y, por tanto, necesita la arquitectura más pulcra posible para no comprometer el cumplimiento que ya tenían los sistemas tradicionales.
¿Qué importancia tiene la estrategia clean core?
Los agentes estándar que entregamos están diseñados para procesos estándar. Por tanto, quienes sigan una estrategia de clean core lo van a tener mucho más fácil para escalar. En tecnología, la escalabilidad es el gran reto que muchos descubren después de realizar inversiones masivas; nosotros no podemos permitirnos ese lujo y vamos con arquitecturas escalables de serie.
¿Es posible desplegar agentes en sistemas con muchas personalizaciones o “Z”? Sí, se puede hacer, pero la escalabilidad dependerá de cada caso concreto. Aquí es donde el rol de la BTP (SAP Business Technology Platform) es fundamental. No es solo una herramienta para facilitar la extensibilidad y mantener el corazón de la aplicación limpio; es la plataforma de orquestación donde canalizamos más de cuarenta modelos multimodales y LLM junto con los procesos del ERP.
A través de herramientas como Joule Studio y la SAP Integration Suite permitimos que los clientes creen y desplieguen sus propios agentes personalizados bajo estándares abiertos como el protocolo MCP. Sin embargo, hay que tener cuidado: si vas al dato bruto perdiendo el contexto del proceso de negocio o el rol de la persona a la que asistes, pierdes gran parte del valor que SAP te ofrece como fabricante.
¿Cómo plantea SAP la orquestación entre sus propios agentes y los de terceros?
Es una pregunta fundamental. Nosotros vamos a habilitar nuestra plataforma para que agentes externos puedan interactuar con los datos, algo que ya es una realidad en plataformas como Databricks o Snowflake. Sin embargo, como hemos comentado, hay un factor que lo cambia todo: el contexto del proceso de negocio y la capacidad de ejecutar actividades en el sistema transaccional.
Knowledge Graph es el verdadero motor de conocimiento que reside en el Business Data Cloud
La industria se está moviendo hacia estándares de interoperabilidad donde SAP participa activamente, como el A2A (Agent-to-Agent) de Google y el MCP (Multiagent Collaboration Protocol). Estos protocolos permiten que los agentes “se hablen” entre sí y permiten crear un entorno de colaboración.
Nuestra plataforma es abierta, pero siempre con el límite del respeto a la propiedad intelectual. A través de la Integration Suite y el AI Agent Hub facilitamos esa visibilidad en entornos multinube. Aunque daremos puertas de acceso, el valor diferencial como fabricante residirá en el cómo hacemos las cosas para que sean escalables y seguras.
¿Has hablado del ERP autónomo?
Para explicar esto suelo acudir a la película Alien. Allí, la tripulación simplemente le pedía cosas a la computadora de la nave (se llamaba Madre) y ella ejecutaba. La intervención humana quedaba limitada a la supervisión y a la gestión de excepciones cuando algo fallaba. Esa es exactamente nuestra visión: el software se convertirá en una infraestructura invisible. Los usuarios dejarán de navegar por menús complejos y formularios para pasar a comunicar decisiones al sistema. Todo el software se rediseñará para ser IA Native.
Respecto al modelo de negocio, aunque no prevemos cambios drásticos a corto plazo, es lógico que evolucionemos hacia estructuras basadas en el consumo de capacidades de IA o en el número de procesos automatizados. Ofreceremos modelos de suscripción que permitan a las empresas escalar de manera rentable, siempre vinculados a los outcomes de negocio.
¿Qué proyecciones maneja SAP sobre el impacto económico de esta tecnología?
Los datos son contundentes y ya han sido compartidos por nuestro CEO, Christian Klein. El área de gestión de datos e IA es nuestro motor de crecimiento principal, superando incluso al ritmo de adopción del modelo cloud. Esperamos que el ROI medio para las empresas pase del 16% actual al 31% en los próximos años. Estamos hablando de que, en solo dos años, el 41% de las tareas globales estarán apoyadas por IA.
No creo que estemos ante una burbuja; lo que yo veo al visitar las empresas es un valor tangible y real. Cuando integremos esto plenamente en los procesos corporativos, liberaremos tiempo de los empleados para que se dediquen a la innovación y a nuevos modelos de negocio. Los que adopten primero estas arquitecturas agénticas en sectores como el retail, la manufactura o los servicios jurídicos, obtendrán una ventaja competitiva irrebatible. El impacto económico en un horizonte de tres a cinco años será muy importante.
