SAP TechEd 2026: agentes de IA que ejecutan procesos

Qué anunció SAP en TechEd 2026

SAP quiere que sus agentes dejen de responder preguntas y empiecen a ejecutar trabajo. En SAP TechEd 2026, la compañía alemana detalló una arquitectura en la que sus agentes planifican tareas de varios pasos, consultan datos de SAP y de terceros, y actúan sobre ellos bajo permisos, auditoría y supervisión humana.

El dato que resume la apuesta: SAP sitúa hoy su catálogo en 40 asistentes y alrededor de 300 agentes entre oferta propia y de socios. Gestionar ese inventario —saber qué agente existe, a qué datos accede y qué acciones tiene autorizadas— se vuelve tan importante como construirlo.

Para un founder, la señal es clara: el argumento competitivo en IA empresarial ya no es el modelo, sino el contexto y el control. Y eso reordena las prioridades de cualquier producto que quiera venderse dentro de una gran organización.

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Joule Work: del chat a la ejecución de tareas

La renovación arranca en Joule Work, la interfaz de IA que SAP presentó en mayo como experiencia común para trabajar con aplicaciones, datos y agentes propios y de terceros. Además de las conversaciones, ahora incorpora Spaces: espacios generados a partir de una petición que reúnen información, gráficos y resultados de distintas fuentes, y que se pueden mantener y compartir.

El cambio de fondo está debajo de la interfaz. SAP llama «agentic thinking» a una arquitectura que permite a Joule planificar y ejecutar trabajos complejos dentro de un entorno con terminal, Python, acceso a archivos y navegador en un sandbox. La compañía sostiene que esto supera las secuencias simples de llamadas a herramientas de generaciones anteriores de agentes.

Ese nivel de acceso también amplía la superficie de ataque. SAP afirma haber sometido el entorno aislado a pruebas con modelos especializados en ciberseguridad y haber compartido parte del trabajo para reforzar el sandbox con NVIDIA OpenShell. La garantía real, en cualquier caso, dependerá de cómo se configuren permisos, datos y acciones en cada despliegue.

SAP Knowledge Graph: el contexto como foso competitivo

La pieza que SAP considera diferencial es su Knowledge Graph. Según la compañía, su modelo de metadatos cubre más de siete millones de campos, 500.000 tablas y 15.000 procesos empresariales de su cartera. Joule usa ese mapa durante la ejecución para identificar qué datos, relaciones y componentes necesita consultar.

El argumento tiene respaldo en cifras propias. En el SAP AI Tour de Birmingham, el presidente global de éxito de cliente, Manos Raptopoulos, afirmó que anclar la IA en esa capa de contexto «reduce las alucinaciones un 89%», según recogió Computer Weekly. Es una cifra de la compañía, no un benchmark independiente, pero apunta a dónde se libra la batalla.

SiliconANGLE lo resumió con una idea útil: los modelos de propósito general no pueden replicar por sí solos la semántica de un ERP, sus políticas y sus relaciones. Ahí está el foso de SAP —y el de cualquier proveedor vertical que construya contexto propietario.

Joule Studio: de la intención al agente sin fricción

Joule Studio introduce un modelo de desarrollo basado en intención: el usuario describe el resultado que necesita y la plataforma localiza procesos, APIs, servidores MCP, datos y autorizaciones antes de generar la estructura inicial. El proyecto puede empezar en una interfaz guiada y continuar por CLI, SDK o el entorno que prefiera el desarrollador.

SAP evita así la separación rígida entre low-code y pro-code: un proyecto iniciado por un usuario de negocio puede pasar a un equipo técnico conservando requisitos y contexto. Según el comunicado de la compañía recogido por EuropaWire, la plataforma permite elegir entre más de 70 modelos de IA.

Los números de productividad que cita SAP son internos: reducción de casi 13 horas a unas 2,5 horas para construir determinados escenarios, y hasta un 50% menos de coste por tarea cuando el agente se apoya en el contexto empresarial de la plataforma. La propia compañía aclara que no son una referencia general de rendimiento.

n8n y los hooks: dónde la IA deja de improvisar

El punto más interesante para quien construye agentes es la combinación de razonamiento flexible con lógica determinista. SAP está integrando n8n para que los clientes de su programa de adopción temprana diseñen y ejecuten workflows desde Joule Studio, con disponibilidad general prevista para el primer trimestre de 2027.

Ted Way, vicepresidente y director de producto de ingeniería de SAP Business AI, explicó a SiliconANGLE por qué importa: n8n sigue reglas exactas de principio a fin, no alucina y no es aleatorio. «Necesita hacer estos cinco pasos en este orden exactamente así cada vez», dijo. Para procesos regulados, eso no es un detalle: es el requisito.

A eso se suman los hooks, que permiten insertar lógica determinista antes o después de la ejecución del agente. Una organización puede establecer que cualquier operación por encima de cierto importe requiera aprobación, con independencia de lo que razone el modelo.

Agentes de terceros y el gateway gobernado

La estrategia exige que los agentes crucen los límites de las aplicaciones SAP. La compañía diseñó los suyos sobre protocolos abiertos como Agent2Agent (A2A) y Model Context Protocol (MCP), con una pasarela que controla las comunicaciones.

SAP Agent Gateway permite que un agente externo invoque un Joule Agent sin que el usuario cambie de herramienta. Durante TechEd se mostró una operación iniciada en Microsoft Copilot que terminaba modificando una posición laboral en SAP SuccessFactors tras pedir confirmación. La pasarela verifica identidad, aplica permisos y mantiene trazabilidad.

Por encima llegará SAP Enterprise AI Gateway, construido sobre SAP Integration Suite, como plano de control común para autenticación, políticas, routing, monitorización y auditoría. Su disponibilidad general está prevista para el primer trimestre de 2027.

Gobernar 300 agentes y el Reglamento Europeo de IA

Con un catálogo de ese tamaño, el problema deja de ser técnico y pasa a ser de inventario. SAP conecta AI Agent Hub, Cloud ALM, Signavio y sus herramientas de arquitectura empresarial con las nuevas pasarelas: descubrimiento, clasificación, verificación, controles en ejecución y análisis posterior.

Un AI Governance Assistant aborda específicamente el Reglamento Europeo de IA: analiza documentación existente, señala información incompleta y propone una clasificación de riesgo. SAP subraya que las evaluaciones se generan como borradores y requieren validación de los equipos legales. La compañía prevé abrir la capacidad a clientes de Early Adopter Care en noviembre y avanzar a disponibilidad general durante el cuarto trimestre.

Novartis y el camino realista hacia la autonomía

La farmacéutica Novartis ofreció en la keynote una referencia concreta: trabaja con SAP en un asistente de sourcing que incorpora análisis de ofertas y apoyo a la negociación, y que según su responsable de Tecnología y Arquitectura se encuentra en fase «semi-autónoma». La compañía espera ampliar la autonomía durante 2027.

Ese es el tono realista del anuncio. SAP contempla desde escenarios con intervención humana obligatoria hasta operaciones que se completan solas y escriben el resultado en las aplicaciones. En SAP Connect 2026, la compañía ya había declarado disponible la arquitectura Autonomous Enterprise, con un modelo comercial basado en unidades de IA de consumo, según SiliconANGLE.

¿Qué significa esto para tu startup?

El mensaje transversal es que la ventaja defendible en agentes empresariales no está en el modelo. SiliconANGLE señala que Salesforce y ServiceNow empujan en la misma dirección: capas de contexto y planos de control agénticos. Si los grandes construyen el sustrato, el espacio para startups está en el vertical y en el proceso específico.

Tres acciones concretas:

Construye contexto propietario, no prompts. Si tu producto vive sobre datos que el cliente no puede replicar fácilmente —histórico de operaciones, reglas del sector, taxonomías internas—, ese es tu foso. Un wrapper de un LLM no lo es.
Diseña con lógica determinista desde el día uno. Separa lo que el agente decide de lo que debe ejecutarse siempre igual. Un paso con reglas fijas para aprobaciones, límites de importe o validaciones evita el 90% de los incidentes que frenan una compra enterprise.
Prepara el expediente de gobernanza antes de vender. Si tu cliente está en la UE, va a preguntar por clasificación de riesgo, trazabilidad y retención de logs. Tener ese material listo acorta ciclos de venta de meses a semanas.

Conclusión

SAP no está vendiendo un modelo mejor: está vendiendo el sistema operativo donde los agentes encuentran los sistemas correctos, entienden la estructura de cada organización, operan con las mismas autorizaciones que sus usuarios y dejan constancia de lo que hicieron. TechEd 2026 mostró cómo intenta reunir esas piezas en una sola arquitectura.

La letra pequeña importa: buena parte de los componentes —Enterprise AI Gateway, la integración de n8n, el AI Governance Assistant en disponibilidad general— sigue desplegándose durante los próximos trimestres. Para un founder, la lectura práctica es que el mercado ya aceptó que la autonomía se vende con gobernanza incluida. Quien construya con esa restricción desde el principio competirá mejor que quien la añada después.