📺 Vídeo de estudio recomendado hoy: https://www.youtube.com/watch?v=5u7AjPardvo
SAP y la Reinvención del Software Empresarial en la Era de la IA
El software de gestión está mutando de ser una herramienta pasiva de clics a convertirse en un sistema operativo autónomo que prioriza los resultados sobre la interfaz. Philip Herzig, CTO de SAP, detalla cómo la compañía está reingeniando sus procesos centrales para que la inteligencia artificial no sea un añadido, sino el motor de una nueva eficiencia corporativa global.
Pregunta central: ¿Cómo está transformando SAP su infraestructura para pasar de aplicaciones basadas en asientos a agentes autónomos que gestionan la complejidad de la cadena de suministro y las finanzas a escala global?
Puntos clave
- El fin de la era de la interfaz de usuario tradicional: el software ya no debe enseñar al humano, sino actuar proactivamente.
- El desafío técnico de la escala: pasar de prototipos con 10 documentos a sistemas que integran 20,000 APIs y datos maestros complejos.
- RPT1 (Relational Pre-trained Transformers): la apuesta de SAP por modelos específicos para datos tabulares y predicciones financieras.
- Evolución del modelo de negocio: el cambio hacia licencias basadas en el consumo y los resultados en lugar de solo usuarios activos.
⏱️ Tiempo de lectura: aprox. 7 minutos · Te ahorra unos 33 minutos frente a ver el vídeo.
¿Quieres tomar notas mientras ves el vídeo? Haz clic en la imagen de abajo y deja que AI Notebook extraiga los puntos clave por ti 👇
El Fin de la Interfaz “Tonta” y el Nacimiento de la UI Generativa
De enseñar al usuario a aprender del contexto
Durante los últimos veinte años, el diseño de software se ha basado en un paradigma estático: crear interfaces intuitivas para que el humano aprenda a ejecutar tareas haciendo clics. Herzig afirma que esta etapa ha terminado, dando paso a la “UI generativa”, donde las interfaces se crean dinámicamente para responder a preguntas de negocio complejas en lenguaje natural, eliminando la fricción de navegar por menús infinitos.
Ya no diseñamos software para que el humano sea la única inteligencia frente a la pantalla; ahora el sistema es el que propone recomendaciones proactivas basadas en datos en tiempo real.
Imagine despertar y encontrar que su sistema ya analizó los bloqueos en el Estrecho de Ormuz, cruzó esa información con sus rutas de suministro actuales y tiene tres recomendaciones de planificación listas para su aprobación. Esto es lo que SAP busca con la integración de agentes multimodales: transformar el sistema de registro en un copiloto que entiende tanto los datos estructurados de la empresa como los eventos imprevistos del mundo exterior, permitiendo una reacción inmediata ante crisis logísticas.
💡 Profundizando
Q: ¿Qué diferencia a la UI generativa de un chatbot convencional?
A: A diferencia de un chatbot que solo recupera texto, la UI generativa de SAP construye componentes visuales y analíticos específicos en tiempo real para resolver un problema de negocio detectado.
Q: ¿Cómo afecta esto a la productividad del trabajador?
A: Elimina el trabajo mundano de recolectar datos y preparar informes, permitiendo que el empleado se enfoque en la toma de decisiones estratégicas de alto nivel.
El Desafío de la Escala y el “Conocimiento Tribal”
Por qué un prototipo de IA no sobrevive en la gran empresa
Muchos emprendedores subestiman el abismo técnico que separa una prueba de concepto (POC) de una implementación a escala en una multinacional. No se trata simplemente de conectar un modelo a diez documentos; el reto real aparece cuando la IA debe interactuar con miles de documentos, políticas de viaje locales, normativas fiscales de 90 países diferentes y datos maestros de nómina que varían según la geografía del empleado.
El verdadero desafío de la ingeniería moderna no es la IA per se, sino enseñarle a realizar la acción correcta bajo condiciones de seguridad y privacidad empresarial estrictas.
Para capturar lo que Herzig llama “conocimiento tribal” —aquella información crítica que vive solo en Slack o en la cabeza de los empleados— SAP está utilizando el “minado de agentes”. Al registrar las trazas de decisión de los usuarios expertos frente a anomalías, el sistema crea un volante de datos (data flywheel) que permite automatizar procesos que antes eran puramente manuales, elevando el estándar operativo de toda la organización de forma orgánica y verificable.
💡 Profundizando
Q: ¿Cómo se maneja la verifiabilidad en procesos financieros autónomos?
A: SAP utiliza el sistema de registro existente para validar los resultados de los agentes; si una instrucción no cuadra con las reglas contables en la base de datos, el sistema requiere intervención humana.
Q: ¿Por qué es tan difícil escalar el uso de APIs con IA?
A: Con 20,000 APIs, el “context blow” o saturación de contexto es un riesgo real; se requiere una orquestación inteligente para que el modelo no se confunda entre una orden de compra y una orden de mantenimiento.
Más allá de los LLM: El Poder de los Datos Tabulares
RPT1 y la democratización de la analítica predictiva
Aunque los modelos de lenguaje (LLM) son excelentes con texto no estructurado, fallan al intentar realizar predicciones numéricas precisas, como el flujo de caja o la demanda de inventario en una tienda minorista. Estas tareas requieren procesar tablas masivas de datos financieros, un área donde la ciencia de datos tradicional ha sido lenta, costosa y difícil de escalar para empresas con presencia en múltiples mercados.
SAP ha desarrollado RPT1 (Relational Pre-trained Transformers), una arquitectura de investigación propia diseñada específicamente para entender la estructura de las tablas empresariales.
A diferencia del aprendizaje automático clásico, que requiere una ingeniería de características manual para cada caso de uso, RPT1 permite realizar predicciones de alta precisión con pocos datos iniciales. Este enfoque democratiza la analítica avanzada, permitiendo que funciones como la predicción de retrasos en pagos o la planificación de fabricación se ejecuten sin necesidad de contratar ejércitos de científicos de datos para cada pequeño ajuste del modelo.
💡 Profundizando
Q: ¿Por qué los LLM no son suficientes para la planificación empresarial?
A: Porque funcionan mediante la generación de tokens secuenciales, lo cual no es óptimo para cálculos de regresión o clasificaciones complejas que dependen de variables tabulares interconectadas.
Q: ¿Qué beneficios inmediatos ofrece RPT1?
A: Permite a las empresas predecir comportamientos financieros en cientos de regiones simultáneamente, algo que antes requería entrenar y mantener modelos individuales para cada país.
Conclusiones clave
La transformación que lidera Philip Herzig en SAP marca el paso de una era de “software como servicio” a una de “resultados como servicio”. La clave de esta evolución no reside únicamente en la potencia de los modelos de IA, sino en la capacidad de integrar esa inteligencia con la vasta infraestructura de datos maestros que ya poseen las grandes corporaciones. La IA se convierte así en el pegamento que une el mundo no estructurado de las comunicaciones humanas con el mundo rígido y estructurado de las finanzas y la logística.
Para los líderes empresariales y desarrolladores, el mensaje es claro: la productividad ya no se medirá por cuántas tareas puede completar un humano usando una herramienta, sino por la capacidad de ese humano para supervisar y dirigir agentes autónomos. El éxito en esta nueva fase dependerá de la calidad de los datos, la robustez de las evaluaciones (evals) y la disposición a abandonar los modelos de licenciamiento tradicionales en favor de esquemas basados en el valor real entregado.
Preguntas y Respuestas
Q1: ¿Cómo está utilizando SAP la IA de forma interna para sus desarrolladores?
A: SAP ha adoptado masivamente la codificación generativa, lo que permite a sus desarrolladores ser mucho más productivos independientemente del lenguaje de programación que utilicen.
Q2: ¿Qué es el “Tool for Consulting” mencionado por Herzig?
A: Es uno de sus productos de IA de más rápido crecimiento; ayuda a los consultores en proyectos complejos a migrar a los clientes a la nube, reduciendo el esfuerzo y el costo en aproximadamente un 30%.
Q3: ¿Cuál es el mayor riesgo para un CISO al adoptar IA en la empresa?
A: El riesgo de seguridad de las credenciales y claves; Herzig menciona vulnerabilidades recientes que podrían exponer datos sensibles si no se utilizan capas de seguridad empresarial probadas.
Q4: ¿Cómo cambiará el modelo de precios de SAP con la IA?
A: Se está moviendo hacia un modelo híbrido que incluye elementos basados en el consumo y, eventualmente, modelos basados en resultados, aunque manteniendo la predictibilidad que exigen las grandes empresas.
Q5: ¿Qué papel juegan los “Evals” en el desarrollo de agentes?
A: Son fundamentales. Al igual que el desarrollo orientado a pruebas (TDD), los Evals permiten verificar que un agente está logrando el resultado correcto en finanzas o RRHH antes de darle autonomía total.
Q6: ¿Qué consejo da Herzig a los ingenieros de hoy?
A: Que se enfoquen en escribir las condiciones de contorno y las pruebas (Evals) correctas, ya que la escritura del código en sí está cada vez más automatizada.
Q7: ¿Cómo visualiza Herzig su rol como CTO en el día a día?
A: Pasa gran parte de su tiempo revisando el progreso de los equipos desde la base de datos hasta la UI, prototipando personalmente nuevas ideas en la terminal para inspirar a sus ingenieros.
