Treinta años después de celebrar su primer evento para desarrolladores, SAP plantea un cambio de fondo en la forma de construir software empresarial. SAP TechEd 2026 ha situado a los agentes de inteligencia artificial en el centro de ese modelo, con herramientas para diseñarlos, extenderlos, conectarlos con aplicaciones de otros proveedores y controlar las acciones que ejecutan sobre procesos de negocio.
La propuesta modifica también el papel que SAP reserva al desarrollador. El trabajo ya no parte necesariamente de una aplicación, una interfaz o un workflow definido de antemano. Puede comenzar con un objetivo expresado en lenguaje natural y continuar con la identificación automática de datos, APIs, agentes y reglas necesarias para resolverlo. El código sigue formando parte del proceso, pero comparte espacio con instrucciones, modelos, productos de datos, protocolos entre agentes y controles de ejecución.
Philipp Herzig, CTO de SAP, definió durante la keynote este cambio como una transición desde décadas de sistemas construidos de forma «estructurada y determinista» hacia una combinación de tecnologías tradicionales y nuevas capacidades de IA. La compañía conecta esta evolución con su estrategia de «Autonomous Enterprise», en la que determinados procesos pueden ser razonados y ejecutados por asistentes y agentes bajo diferentes niveles de supervisión humana.
De desarrollar aplicaciones a definir intenciones
Joule Studio concentra buena parte de ese cambio para los equipos técnicos. La plataforma permite comenzar un proyecto describiendo qué resultado se quiere obtener y utilizar el contexto disponible en SAP para localizar procesos, productos de datos, APIs y servidores MCP relacionados.
A partir de esa información puede generar requisitos, estructura e integración inicial de la solución. El proyecto puede continuar en una experiencia guiada o pasar a herramientas profesionales mediante CLI y SDK, manteniendo el contexto ya recopilado.
SAP pretende así reducir la separación entre usuarios de negocio y desarrolladores. Un responsable funcional puede participar en la definición de requisitos y reglas desde la interfaz web, mientras que un equipo técnico puede revisar los componentes generados, modificar el código y continuar trabajando en su IDE habitual.
La compañía también incorpora «skills» para personalizar asistentes existentes. Una skill combina instrucciones en lenguaje natural con lógica que define cómo debe comportarse el agente ante una situación concreta. El objetivo es adaptar agentes estándar sin modificar la capacidad base que mantiene SAP.
Para extensiones más complejas, Joule Studio permite añadir herramientas externas, APIs, servidores MCP y workflows. La integración con n8n introduce además procesos deterministas alrededor de las decisiones generadas por IA.
La combinación resulta relevante porque no todas las decisiones empresariales pueden delegarse a un modelo probabilístico. Una organización puede establecer que una operación superior a un determinado importe, por ejemplo, quede bloqueada para aprobación manual independientemente de la recomendación generada por el agente.
SAP quiere reutilizar el contexto empresarial antes de generar código
La diferencia que SAP intenta establecer frente a herramientas de desarrollo basadas únicamente en modelos generalistas está en el contexto previo disponible.
La compañía sostiene que sus sistemas ya conocen una parte de los procesos, estructuras de datos, permisos y relaciones presentes en sus aplicaciones. SAP Knowledge Graph funciona como mapa de ese entorno y permite identificar qué elementos necesita un agente antes de comenzar a ejecutar una tarea.
Ese conocimiento puede utilizarse también durante el desarrollo. En lugar de pedir al modelo que descubra cada API, relación entre tablas o proceso desde cero, Joule Studio puede partir de metadatos existentes y localizar componentes relacionados con la intención descrita por el usuario.
SAP asegura que, en pruebas internas realizadas sobre escenarios equivalentes, un desarrollo que requería cerca de 13 horas pudo completarse en unas 2,5 horas utilizando Joule Studio. También calcula reducciones de hasta el 50% en el coste por tarea al disminuir las llamadas y pruebas necesarias para encontrar los recursos adecuados. Ambas cifras proceden de evaluaciones realizadas por la propia compañía y no constituyen una referencia de rendimiento aplicable a cualquier proyecto.
La plataforma incorpora además capacidades para probar los agentes antes de llevarlos a producción. Los equipos pueden ejecutar consultas en un entorno aislado, revisar trazas y utilizar pruebas unitarias generadas automáticamente.
SAP prepara evaluaciones adicionales para comprobar precisión, corrección de llamadas entre agentes y resistencia frente a técnicas como prompt injection. La disponibilidad general de estas funciones de evaluación offline está prevista para finales del cuarto trimestre de 2026.
Los agentes dejan de estar limitados al entorno SAP
El nuevo modelo de desarrollo depende también de que los agentes puedan trabajar fuera de las aplicaciones del fabricante.
SAP Agent Gateway, ya disponible de forma general, permite conectar agentes y endpoints a través de diferentes entornos. Uno de los protocolos utilizados es Agent2Agent (A2A), un estándar abierto pensado para que agentes desarrollados por distintos proveedores puedan descubrirse e intercambiar solicitudes.
Durante TechEd, SAP mostró un ejemplo en el que un usuario iniciaba desde Microsoft Copilot una modificación de datos gestionados en SuccessFactors. La petición llegaba a un agente de SAP, que interpretaba el cambio, solicitaba confirmación al usuario y actualizaba posteriormente el sistema sin necesidad de abandonar Copilot.
La pasarela verifica identidad y permisos y mantiene la acción vinculada al usuario que originó la solicitud. SAP incorpora además mecanismos de descubrimiento para reducir la configuración manual de URLs, endpoints y detalles técnicos entre plataformas.
Para escenarios que necesitan controles adicionales, la compañía ha presentado SAP Enterprise AI Gateway. Construido sobre SAP Integration Suite, añadirá funciones como limitación de tráfico, routing, transformación de protocolos, políticas de acceso, observabilidad y seguimiento del consumo.
La intención es disponer de una capa común para interacciones que involucren agentes, servidores MCP, APIs y modelos, independientemente de que procedan de SAP o de otros proveedores.
300 agentes como punto de partida, no como límite
SAP sitúa actualmente en 40 el número de asistentes y en alrededor de 300 los agentes disponibles entre su oferta y la de sus socios. La compañía los distribuye entre cinco grandes dominios empresariales, con especializaciones adicionales para diferentes industrias.
Su planteamiento para los desarrolladores consiste en tratar esos agentes estándar como componentes que pueden ampliarse, en lugar de reconstruir cada capacidad desde cero.
Un agente puede incorporar instrucciones específicas de una empresa, utilizar herramientas externas o participar en workflows propios. SAP mantiene la capacidad estándar mientras el cliente añade la lógica particular que diferencia su proceso.
Ese modelo responde a una realidad habitual en grandes organizaciones: incluso dos empresas que utilizan las mismas aplicaciones pueden tener matrices de aprobación, reglas de riesgo o sistemas complementarios completamente diferentes.
SAP intenta trasladar a la IA un principio similar al de las extensiones sobre su software tradicional. La diferencia es que ahora las extensiones pueden modificar cómo un agente interpreta una petición, qué herramientas utiliza y qué grado de autonomía tiene para ejecutar el resultado.
El desarrollo incorpora gobierno desde el diseño hasta el runtime
La expansión de agentes introduce una responsabilidad adicional para los equipos de desarrollo. Ya no basta con verificar que una aplicación funciona correctamente; también es necesario saber qué agentes existen, qué información utilizan y qué acciones pueden realizar.
SAP conecta para ello herramientas como AI Agent Hub, Cloud ALM y Signavio con sus nuevas capas de ejecución.
AI Agent Hub permite descubrir y registrar agentes presentes en diferentes plataformas. SAP afirma que más de 200 clientes han utilizado ya la herramienta y que se han identificado más de 600.000 agentes en entornos que incluyen Microsoft, Google y AWS.
El siguiente paso consiste en evaluar y verificar esos componentes antes de ejecutarlos. Una señal de confianza generada durante la fase de diseño puede trasladarse posteriormente al runtime y utilizarse para permitir o bloquear la invocación de un agente.
La compañía prepara además un AI Governance Assistant orientado, entre otros marcos, al Reglamento Europeo de IA. La herramienta utilizará documentación existente para detectar información incompleta y proponer clasificaciones de riesgo, aunque el resultado deberá ser revisado por responsables humanos de legal y cumplimiento.
Cloud ALM añade posteriormente observabilidad sobre el comportamiento del agente en producción, mientras que Signavio Agent Mining analiza cómo esas ejecuciones afectan al proceso completo.
Este circuito conecta desarrollo, verificación, ejecución y monitorización, una diferencia relevante frente a proyectos de IA construidos como componentes aislados.
La plataforma se extiende de los sistemas empresariales al mundo físico
La keynote también mostró hasta dónde pretende llevar SAP este modelo de construcción.
Physical AI by SAP permite conectar decisiones de los agentes con robots y sistemas industriales. Intel explicó durante TechEd que trabaja con SAP en su instalación de Chengdu, donde sistemas de gestión de almacenes participan en la coordinación de robots autónomos y los resultados de sus acciones regresan a SAP como transacciones.
En otro escenario, SAP mostró cómo un agente podía detectar una incidencia en un activo industrial, recopilar datos históricos y enviar un robot Spot de Boston Dynamics para realizar una inspección física.
La ampliación hacia estos entornos cambia las exigencias del desarrollo. Cuando un agente genera texto, una respuesta incorrecta puede requerir una corrección; cuando controla una acción sobre un activo físico, permisos, reglas deterministas y supervisión adquieren un peso mucho mayor.
La misma lógica aparece en el proyecto anunciado con HPE para ejecutar modelos tabulares de SAP en la Estación Espacial Internacional. El objetivo es procesar telemetría y anticipar fallos directamente en un entorno de edge computing con restricciones de energía y conectividad.
Son casos muy diferentes, pero ambos muestran la dirección que SAP intenta dar a su plataforma: agentes que operan sobre información empresarial y que pueden terminar desencadenando acciones fuera de una interfaz de software.
Para los desarrolladores, ese cambio amplía considerablemente el perímetro de trabajo. Construir para SAP deja de significar únicamente desarrollar aplicaciones o extensiones sobre un ERP. La compañía quiere que implique también definir comportamiento de agentes, conectar fuentes y herramientas, establecer límites de autonomía y diseñar cómo se verifican sus acciones cuando pasan de una conversación a la ejecución real de un proceso.
