Christian Klein, consejero delegado de SAP, subió al escenario del SAP SAPPHIRE 2026 en Madrid y planteó una duda que ningún consejero delegado formula sobre su propia compañía a la ligera: ¿seguirá SAP siendo una empresa de software en el futuro? La respuesta que dio durante las dos horas siguientes fue un rotundo no, y tenía nombre propio: la Empresa Autónoma .
Por segundo año consecutivo, del 19 al 21 de mayo, cerca de 10.000 clientes, socios, analistas y directivos ocuparon seis pabellones de IFEMA para escuchar esa idea repetida en cada intervención.
Bajo el lema The Beginning of Better, lo que SAP llevó al escenario fue menos una actualización de catálogo que un relato sobre cómo quiere que se entienda su papel en la próxima etapa del software empresarial. Y en un evento de esta escala conviene separar dos planos que tienden a confundirse. Uno es el plano del anuncio: la coreografía, los socios sobre el escenario, las cifras de agentes lanzados, las demostraciones en directo. El otro es el del significado: qué problema real intenta resolver SAP, qué arquitectura sostiene la promesa y qué condiciones tiene que cumplir una organización para que ese relato se traduzca en resultados. El significado es lo que importa cuando hay que decidir; el anuncio se agota en la jornada siguiente.
El problema que SAP afirma haber identificado
Klein abrió su intervención con una imagen doméstica que daba la medida de lo que vendría después. Contó que usa inteligencia artificial para dibujar con sus hijos, y mostró un unicornio con tres orejas generado por un modelo. Para su hija, dijo, un dibujo correcto al 80% basta para ser feliz. En una empresa, ese margen no sirve: si un agente ejecuta una nómina, un flujo financiero o una planificación de suministro, el 80% de acierto es directamente un problema operativo.
Sobre esa distinción Klein construyó la metáfora que vertebró toda la keynote, la del iceberg. En la punta visible están las tareas en las que los grandes modelos de lenguaje brillan: generar texto, imágenes, código. Son capacidades entrenadas sobre contenido público y disponible para cualquiera. Bajo la línea de flotación está el trabajo empresarial de verdad, que ningún modelo general conoce: los datos propios de cada compañía, sus procesos, sus reglas de identidad y autorización, sus marcos de cumplimiento. Ahí, según SAP, los modelos no tienen información ni se ajustan de forma natural a la gobernanza que una empresa necesita.
El propio Klein apoyó este argumento en un dato externo. Citó una encuesta reciente de Stanford según la cual prácticamente todas las empresas usan ya inteligencia artificial, pero muchas obtienen poco valor de ella. La cifra que maneja el AI Index 2026 del Stanford HAI confirma el cuadro: la adopción organizativa alcanza el 88%, pero el despliegue real de agentes se mueve en cifras de un solo dígito en casi todas las funciones de negocio, y un 74% de las organizaciones encuestadas sitúa la inexactitud como su principal riesgo asociado a la IA, catorce puntos más que el año anterior. Que SAP construya su discurso sobre esa brecha tiene mérito de diagnóstico: la distancia entre adoptar y operar con fiabilidad es exactamente el terreno donde una compañía con cinco décadas de procesos empresariales puede reclamar autoridad.
Tres piezas, una sola idea
La Empresa Autónoma se articula en tres componentes que SAP repitió en Madrid y en Orlando con idéntica estructura: SAP Business AI Platform, SAP Autonomous Suite y Joule Work. Cada uno responde a una función distinta, pero los tres comparten un mismo eje argumental, que es la apuesta por el contexto de negocio como ventaja defendible.
SAP Business AI Platform es la base. Unifica en un único entorno tres elementos que hasta ahora funcionaban por separado: SAP Business Technology Platform, SAP Business Data Cloud y la capa de SAP Business AI. El corazón de esa plataforma es lo que la compañía llama capa de contexto, y dentro de ella la pieza más citada fue SAP Knowledge Graph, un mapa estructurado de las entidades, procesos y relaciones de negocio de cada cliente. La idea que Klein ilustró con un ejemplo es la siguiente: cuando un usuario pide a Joule una previsión financiera, el modelo de lenguaje interpreta la pregunta, pero acto seguido recurre al ERP para localizar el proceso correcto entre miles, selecciona los datos pertinentes entre más de siete millones de campos y comprueba las reglas de autorización antes de devolver una respuesta. El modelo aporta el lenguaje; el ERP aporta el conocimiento.
Sobre esa base se asienta SAP Autonomous Suite, que es la evolución de las aplicaciones empresariales de SAP hacia un modo de funcionamiento con agentes. La suite cubre cinco dominios: finanzas, compras, cadena de suministro, recursos humanos y experiencia de cliente. Sebastian Steinhaeuser, director de operaciones de SAP, presentó en Madrid las cifras: 224 agentes y 51 asistentes en el momento del lanzamiento. Entender el modelo pasa por entender su jerarquía: los agentes ejecutan tareas concretas, varios agentes se agrupan en un asistente Joule asociado a un rol y con un conjunto de indicadores definidos, y los asistentes se reúnen a su vez en dominios autónomos que, sumados, componen la empresa autónoma. Steinhaeuser insistió en que el objetivo no es presumir del número de agentes desplegados, sino del impacto medible que cada asistente entrega.
El tercer componente, Joule Work, es el que más directamente afecta a la experiencia de quien usa el software. SAP lo describe como un espacio de trabajo dinámico donde el usuario expresa en lenguaje natural lo que quiere conseguir y el sistema coordina los flujos, los datos y los agentes necesarios para lograrlo. La compañía habla de una experiencia app-less, sin aplicaciones, donde la interfaz se genera sobre la marcha en función de la tarea. En la práctica, supone desplazar el modelo de interacción que SAP ha sostenido durante décadas, basado en navegar entre pantallas y rellenar campos, hacia uno orientado al resultado. Joule Work llega como cliente web con apps de escritorio y móvil, e incorpora voz a través de una alianza con LiveKit.
Lo que es genuinamente nuevo y lo que es reempaquetado
Quien conozca el ecosistema SAP reconocerá que buena parte de estos elementos no nace en Madrid. Joule existe desde hace dos años, Business Data Cloud se anunció el año pasado, y la idea de asistentes ya apareció en el evento SAP Connect. Lo que cambia en SAPPHIRE 2026 es la integración: SAP envuelve estas piezas en una arquitectura única y les da un nombre que ordena la conversación. Ese trabajo de unificación tiene valor real, porque resuelve la fragmentación que el propio cliente sufría al combinar productos sueltos.
Hay, además, novedades técnicas que merecen atención porque apuntan a un debate poco tratado en el ruido general sobre IA. Una es Joule Studio 2.0, el entorno para construir agentes, que pasa a ser intencional: el desarrollador describe el problema de negocio y el sistema genera un documento de requisitos, especificaciones y pruebas antes de escribir código. SAP afirma que esto lleva al resultado diez veces más rápido, aunque con honestidad reconoce que la generación de código en sí es algo más lenta por la carga de contexto que maneja. Otra novedad es SAP-RPT-1.5, un modelo de la familia de modelos fundacionales de SAP especializado en datos tabulares. Aquí SAP introduce una idea que matiza el discurso dominante: la oportunidad de la IA empresarial no se agota en los modelos de lenguaje, porque buena parte de las decisiones de negocio se toman sobre datos estructurados en tablas, donde un modelo de predicción tabular resulta más adecuado que un modelo conversacional. Pensemos en una previsión de demanda en retail o en el mantenimiento predictivo de activos.
A esa apuesta por el dato estructurado se suma una secuencia de adquisiciones anunciadas como intenciones. SAP quiere comprar Reltio, especializada en gestión de datos maestros, para crear un registro único y fiable que combine datos SAP y de terceros. Quiere comprar Dremio, un motor de federación de datos que permitiría a los agentes razonar sobre información de cualquier nube sin moverla, con soporte del formato abierto Apache Iceberg. Y quiere comprar Pryor Labs, un laboratorio de modelos fundacionales tabulares cuya familia de modelos, según SAP, es la mejor en datos no SAP, complementando a RPT-1.5 en el terreno SAP. El patrón es coherente: SAP refuerza la capa que considera defendible, que es la del contexto y el dato, y deja la del modelo de lenguaje como una pieza intercambiable.
El contexto que retiene, el modelo que se comoditiza
Esa lógica quedó formulada con una claridad inusual fuera del escenario. En una entrevista con Bloomberg durante el evento de Orlando, Klein lo expresó así: el cliente puede usar cualquier modelo de lenguaje que quiera, traer los módulos que prefiera, pero en la plataforma esos agentes obtienen de inmediato el contexto que solo SAP posee. El consejero delegado cifró ese activo en más de 7,5 millones de campos de datos y miles de procesos de negocio acumulados en el ERP, y lo describió como la forma en que SAP se diferencia y gana.
La consecuencia estratégica de este planteamiento es la que un directivo debería sopesar con calma. SAP repite que su plataforma es abierta by principle: cualquier modelo de terceros, interoperabilidad mediante los protocolos MCP y Agent2Agent, integración con n8n dentro de Joule Studio, modelos de Mistral, Cohere y Anthropic disponibles en el entorno.
Toda esa apertura se concentra, sin embargo, en la capa del modelo, que es justamente la que SAP ha decidido comoditizar. La capa que la compañía considera valiosa, el contexto de negocio estructurado en el Knowledge Graph y alimentado por el ERP, permanece propietaria. La apertura es real donde el valor es bajo, y la dependencia se mantiene donde el valor es alto. Esto no contradice el discurso de apertura: forma parte de su diseño, y entenderlo así evita confundir la apertura técnica con la independencia respecto al proveedor.
Para una audiencia europea, este punto se cruza con otro que SAP subrayó con fuerza en Madrid: la soberanía, a la que la keynote española dedicó un bloque entero. La compañía presentó tres niveles de control, desde los despliegues públicos hasta la soberanía plena para cargas sensibles, incluida información clasificada de gobiernos.
Anunció la disponibilidad general de la plataforma de Mistral en su entorno soberano y la llegada en junio de la plataforma North de Cohere, ambas sobre infraestructura europea. Arthur Mensch, consejero delegado de Mistral, compartió escenario con Klein para hablar de lo que llamó un verdadero stack de IA europeo, con trazabilidad, auditabilidad y la garantía de escapar a leyes extraterritoriales. La soberanía funciona aquí en dos registros a la vez: como respuesta a una exigencia regulatoria genuina de los clientes europeos y como argumento comercial que diferencia a SAP frente a los grandes proveedores estadounidenses. Conviene recordar que SAP también profundizó su alianza con Microsoft para ofrecer RISE sobre Sovereign Cloud en Azure, de modo que la soberanía conjuga independencia europea con dependencia de hiperescaladores según el caso.
La gobernanza, el activo más sólido y el más delicado
Si hay un terreno donde la propuesta de SAP resulta más convincente es el de la gobernanza, porque conecta con su tradición y con una necesidad que el mercado todavía no ha resuelto. Philipp Herzig, director de tecnología de SAP, presentó AI Agent Hub como un centro de mando único para descubrir, gestionar y gobernar agentes propios y de terceros, servidores MCP y modelos. Construido sobre SAP LeanIX, permite controlar el riesgo de cada agente, marcarlo como verificado y asegurar que solo los agentes verificados se ejecutan en producción. Su ciclo completo de gobernanza estará disponible en el tercer trimestre del año, sin coste adicional dentro de la plataforma.
Steinhaeuser añadió una capa de credibilidad poco habitual en este tipo de anuncios. Afirmó que los agentes se construyen sobre un marco de cumplimiento certificado, con un proceso de desarrollo compatible con auditoría SOX y certificado bajo norma ISO, desarrollado en coordinación con la propia firma auditora de SAP y con un socio de auditoría externo, con especial atención a los agentes relevantes para auditoría en el dominio financiero. Para una organización cotizada, esa trazabilidad a nivel de agente no es un detalle técnico sino una condición para poder usar la tecnología en procesos sensibles.
Ahora bien, la propia SAP mostró en escena hasta dónde llega el control humano, y ese momento merece una lectura atenta. En la demostración del agente de rescate de pedidos, el sistema detecta un pedido de alto valor en riesgo por un retraso de entrega y propone cambiar a transporte aéreo, más caro. El agente no actúa por su cuenta porque es una decisión crítica, así que consulta a un humano mediante el nuevo modo de voz de Joule. El responsable aprueba el cambio. Y entonces el agente responde que añadirá una nueva regla para clientes de primer nivel a su memoria, de modo que no tenga que volver a interrumpir en casos comparables. La escena ilustra bien la promesa de un sistema que aprende, pero también plantea una cuestión que ninguna keynote resuelve: el control humano se ejerce sobre el primer caso, no sobre los siguientes, porque el sistema infiere una regla a partir de una sola decisión. SAP lo presenta como eficiencia, y lo es. También es un desplazamiento gradual de la supervisión desde cada acción hacia el momento en que se fija la norma, algo que cualquier organización hará bien en tener presente al diseñar los límites de la autonomía.
A esa arquitectura de gobernanza SAP sumó una pieza pensada para un problema concreto, el del conocimiento que no está en ningún sistema. La llamó company memory, una capa de gestión del conocimiento que recoge lo que la compañía denomina trazas de decisión: políticas, modelos de proceso, documentos, conversaciones de Teams o Slack, largas cadenas de correos de aprobación. De ahí extrae unidades estructuradas de conocimiento que indican a un agente qué buscar, qué hacer y, sobre todo, qué no hacer. Es un reconocimiento honesto de que la autonomía depende de un saber tácito que las empresas rara vez tienen documentado, y de que sin ese saber los agentes operan a ciegas.
La autonomía como motor de migración
Aquí aparece la condición material que más conviene comprender, porque vincula la promesa tecnológica con una decisión de inversión. La Empresa Autónoma, tal como SAP la plantea, funciona mejor cuanto más modernizado esté el entorno del cliente. Y la mayoría de los clientes de SAP no está en cloud, sino en sistemas heredados como ECC o S/4HANA on-premise.
SAP abordó esa realidad de dos maneras. Por un lado, anunció que una parte significativa de los asistentes y agentes podrá trabajar en entornos híbridos, conectándose a esos sistemas heredados, de modo que el cliente empiece a generar valor mientras moderniza. Por otro, ligó el acceso pleno a estas capacidades a sus programas RISE with SAP y GROW with SAP. Steinhaeuser llegó a rebautizar el primero, medio en broma, como RISE with AI. Los clientes de RISE tendrán tres asistentes activados en el primer año con compromiso contractual; los de GROW recibirán más de veinte asistentes de salida. Y para acelerar las migraciones, SAP presentó nuevos asistentes de migración que, según la compañía, reducirán el esfuerzo hasta un 50% en el discurso de Madrid, una cifra que en su nota de innovación aparece formulada de forma más conservadora, por encima del 35%. La diferencia entre ambas cifras recuerda por sí sola hasta qué punto importa distinguir el dato de escenario del dato de letra pequeña.
El encadenamiento es transparente y SAP no lo oculta: el camino hacia la autonomía pasa por la modernización, y la modernización pasa por la nube y por los programas comerciales de SAP. Esto no invalida la propuesta. Una organización que opera sobre datos fragmentados y procesos no armonizados difícilmente obtendrá resultados fiables de un agente, de modo que la exigencia de modernizar responde a una necesidad técnica real, como repitieron tanto Klein como Steinhaeuser al insistir en que ningún agente compensa un modelo de datos roto. Pero el directivo que escuche la promesa de autonomía hará bien en leerla también como lo que es en términos de negocio: un poderoso incentivo de migración hacia el cloud ERP de SAP, con el calendario y los costes que esa decisión conlleva.
Madrid, los clientes y el ecosistema
El congreso reunió a 90 patrocinadores y socios tecnológicos, una cifra que da idea del peso que SAP otorga al ecosistema en su estrategia de adopción. La compañía lanzó un fondo de 100 millones de euros para impulsar el desarrollo y despliegue de asistentes y agentes sobre la plataforma, y reservó buena parte del escenario a ese ecosistema: Deloitte construyó un agente en directo, el fundador de n8n, Jan Oberhauser, explicó cómo se integra su plataforma de automatización dentro de Joule Studio, y NVIDIA presentó OpenShell como entorno de ejecución seguro para los agentes.
En el plano local, SAP destacó casos de clientes españoles como Ericsson, Martur Fompak y el Ayuntamiento de Madrid, junto a referencias internacionales que ilustraron los resultados que la compañía quiere asociar a la Empresa Autónoma. H&M, presente en el escenario de Madrid, describió un sistema de agentes que coordina la gestión de tienda y la experiencia de cliente a través de su fundación digital sobre SAP. En la entrevista de Bloomberg, Klein añadió cifras concretas atribuidas a otros clientes: JPMorgan Chase cerrando sus libros un 30% más rápido, reducciones de inventario del 10% gracias a la coordinación entre agentes de demanda y de aprovisionamiento. Son datos que SAP presenta como prueba de valor, y conviene tomarlos por lo que son: resultados comunicados por la compañía y sus clientes en el marco de un evento, todavía a la espera de validación independiente y de despliegue a escala.
Entre las alianzas anunciadas, una resulta especialmente relevante para seguir la evolución de la plataforma. SAP y Anthropic ampliaron su colaboración para que Claude se integre como una de las capacidades de razonamiento y agentes en el portfolio de SAP, conectándose a la plataforma para entender el contexto de negocio y operar dentro de procesos definidos en finanzas, recursos humanos, compras y cadena de suministro. La presencia simultánea de Anthropic, AWS, Google Cloud, Microsoft, Mistral, Cohere y NVIDIA en la lista de socios confirma la estrategia de SAP en la capa de modelo: no apostar por uno, sino ofrecerlos todos sobre su contexto.
Qué queda en pie cuando se apagan las luces
SAPPHIRE 2026 deja una propuesta coherente y, dentro del ruido actual sobre inteligencia artificial empresarial, más estructural que la mayoría. SAP ha leído bien el problema que afecta a sus clientes, ha identificado un activo difícil de replicar en el contexto de negocio acumulado durante cincuenta años, y ha construido una arquitectura que sitúa ese activo en el centro mientras trata el modelo de lenguaje como una pieza sustituible. Para una compañía que durante décadas vendió aplicaciones y que ahora afirma estar convirtiéndose en una empresa de IA empresarial, el movimiento es lógico y está bien ejecutado.
La credibilidad de la Empresa Autónoma se jugará, sin embargo, en un terreno que no se ve en una keynote. Se jugará en si esos 224 agentes producen resultados auditables en producción y a escala, más allá de los clientes de diseño y las demostraciones controladas. Se jugará en si las organizaciones consiguen completar la modernización que la promesa exige sin que el coste y el calendario devoren el valor esperado. Y se jugará en si el control humano que SAP coloca con razón en el centro de su discurso se mantiene cuando los sistemas aprenden a no preguntar.
Lo que SAP presentó en Madrid es una visión sólida y una hoja de ruta exigente. Distinguir una de otra, y entender qué depende de qué, es el trabajo que le queda a cada organización que decida tomarse en serio la conversación.
