Hacia la “empresa autónoma”: una IA que entiende, decide y actúa dentro de los negocios

Hasta ahora, buena parte de la conversación sobre inteligencia artificial ha girado en torno a lo que un modelo puede escribir, resumir, dibujar o responder. SAP quiere mover esa discusión hacia otro terreno, donde la IA deja de limitarse a contestar preguntas y empieza a ejecutar trabajo dentro de una empresa.

Ese fue uno de los mensajes centrales de SAP Connect 2026. Christian Klein, CEO de la compañía de gestión empresarial, lo explicó con un ejemplo simple: un modelo generativo puede crear sin problemas la imagen de un unicornio, pero si se le pregunta qué proveedor de una compañía entregará sus productos la próxima semana, probablemente no tenga información suficiente y deba “adivinar”. “Los grandes modelos de lenguaje todavía no tienen idea de cómo funciona tu negocio”, resumió.

La respuesta de SAP a ese problema es lo que denomina Autonomous Enterprise, una arquitectura en que asistentes y agentes de inteligencia artificial pueden trabajar directamente sobre los procesos empresariales. La compañía estructura esta estrategia alrededor de Joule Work, Joule Assistants y SAP Business AI Platform. Joule Work comenzó su despliegue entre clientes y ya es utilizado por 110 mil trabajadores de SAP, donde la empresa reporta ganancias de productividad de 20% en finanzas, recursos humanos y compras.

Po ahora, una  “empresa autónoma” no supone compañías funcionando sin personas. El concepto apunta a incorporar agentes de IA directamente en los procesos cotidianos: desde analizar una oferta de un proveedor hasta detectar un problema de producción, priorizar una factura pendiente o recomendar una acción de cobranza. Es el tránsito desde una inteligencia artificial que genera contenido hacia otra que puede intervenir en la operación del negocio, siempre dentro de reglas y niveles de autorización definidos.

La idea puede resultar abstracta, pero los ejemplos mostrados en Las Vegas permiten bajarla a tierra. En una cadena de suministro, por ejemplo, distintos agentes pueden detectar que aumentó la demanda de un producto, advertir que parte de la producción está fallando por problemas de calidad, identificar que la causa está en un proveedor, comparar alternativas, recomendar una nueva compra y, una vez aprobada por una persona, actualizar los planes de producción y transporte.

El punto no era mostrar una IA que “sabe más”, sino varios agentes especializados capaces de coordinarse sobre un mismo proceso. La apuesta busca además sacar a la IA de la ventana de chat. En vez de que un trabajador tenga que preguntarle a un asistente y luego ejecutar por separado la respuesta, se busca que los agentes puedan actuar dentro del mismo flujo de trabajo. Esa diferencia —entre responder y hacer— es la que explica buena parte de lo presentado en Las Vegas.

De semanas a minutos

Los casos presentados por clientes permitieron mostrar qué significa esa promesa en operaciones reales. Steve Hankins, CFO de Morgan Foods, explicó que su empresa produce cientos de productos de marca privada y debe coordinar pronósticos, ingredientes, producción, bodegaje y distribución. Antes, responder si podían aceptar una solicitud importante de un retailer podía tomar entre tres y cuatro semanas. “Hoy podemos hacerlo en aproximadamente cinco minutos”, señaló.

Su conclusión, sin embargo, es que antes de incorporar agentes es necesario conectar toda la operación, ordenar los datos y documentar los procesos. “La tecnología solo entrega resultados si tienes la base adecuada”, sostuvo. SAP, por su parte, destaca el caso de Morgan Foods como ejemplo de la transición desde una supply chain reactiva hacia una más predictiva.

En Novartis, Christoph Buerki, Head of Procurement, contó que la farmacéutica comenzó un piloto con Joule Sourcing Assistant para apoyar el análisis de ofertas y las negociaciones. La meta es que los agentes asuman parte del trabajo manual de comparación y análisis para que los equipos de compras puedan dedicar más tiempo a estrategia y relaciones con proveedores. Según Buerki, la compañía espera reducir en 25% los tiempos de ciclo y aumentar en 35% la productividad en esos procesos.

Su recomendación para las empresas que están empezando fue especialmente concreta: “Primero, pon en orden tus datos”. Después, comenzar por procesos donde una decisión equivocada sea recuperable y avanzar gradualmente hacia funciones más críticas.

Cuando la IA quiere entender

Poner el contexto apareció una y otra vez durante las presentaciones. Manoj Swaminathan, presidente y Chief Product Officer de SAP Autonomous Suite, explicó que la empresa está construyendo una capa que permita a los agentes comprender no solo datos aislados, sino las relaciones entre clientes, productos, empleados, proveedores y procesos. SAP Knowledge Graph ya mapea más de siete millones de campos de datos y la plataforma permite trabajar con más de 70 modelos de IA diferentes.

La lógica es que un agente no solo vea que existe una factura, una orden de compra o un empleado nuevo. Debe comprender qué significa ese elemento dentro del negocio, con qué otros procesos se relaciona y qué reglas debe respetar.

Eso también apareció en el caso de Nestlé. Luca Dell’Orletta, Global Head IT Innovation & Enterprise Architecture, explicó que la compañía está construyendo una base digital conectada a través de 140 países. Sobre esa infraestructura, un asistente de cuentas por cobrar puede priorizar automáticamente qué facturas requieren atención según riesgo y contexto, y recomendar la siguiente acción para los equipos financieros.

En recursos humanos, Rebecca Carr, President HCM Products & CEO de SmartRecruiters en SAP, llevó el mismo concepto hacia el trabajo de las personas.

“No puedes diseñar el trabajo si no entiendes lo que las personas están haciendo realmente”, dijo.

La aparición de TechWolf el día en que se anunció un acuerdo para adquirir la compañía belga, especializada en work intelligence no fue casual.  Su tecnología construye un “context graph for work” que relaciona las tareas que realizan las personas, las habilidades que utilizan y señales del mercado laboral externo. SAP planea integrar esa tecnología al núcleo de SuccessFactors para reforzar planificación de fuerza laboral, movilidad interna, reskilling y rediseño de puestos.

La idea es que una empresa pueda saber con mayor precisión qué capacidades ya posee antes de contratar afuera, qué trabajadores podrían asumir nuevas funciones y qué formación necesitan.

Dar autonomía

Pero a medida que los agentes adquieren más capacidad para actuar, aparece inevitablemente la pregunta de ¿qué pasa cuando se equivocan?

Marielle Ehrmann, SVP y Chief Security Officer de SAP SE, dedicó buena parte de su intervención a ese punto. “Hace apenas un año la pregunta era: ¿qué tan rápido podemos desplegar IA? Hoy la pregunta cambió: ¿qué tan rápido podemos desplegar IA sin convertirnos en los titulares de mañana?”, señaló.

Para Ehrmann, el mayor riesgo no necesariamente está en una IA creada con malas intenciones, sino en una IA que opera sin supervisión. “La mayor amenaza hoy no es la IA maliciosa. Es la IA sin gestionar”, afirmó.

Por eso se plantea un sistema donde los agentes heredan autorizaciones, cada acción puede ser auditada y las empresas deciden el nivel de autonomía. En procesos sensibles puede mantenerse una persona aprobando antes de cada acción; en otros casos puede haber monitoreo en tiempo real o una autoridad humana capaz de detener completamente al agente. La arquitectura de gobernanza de SAP cuenta además con certificación independiente ISO/IEC 42001.

Ehrmann lo resumió en tres preguntas: “¿Quién es responsable de esta decisión de IA? ¿Quién puede ver qué está haciendo ahora? ¿Y quién puede detenerla?”.

En SAP Connect, la discusión sobre inteligencia artificial estuvo lejos de robots humanoides o sistemas capaces de reemplazar empresas completas. Pero son discusiones que a diario enfrenta el mundo corporativo: automatizar compras, revisar facturas, anticipar problemas de producción, preparar un cierre financiero, contratar personas o responder a cambios en la demanda.

Klein planteó que el salto está en pasar de una IA que entrega una respuesta simple a una capaz de dar actuar en el negocio, “Cuando tienes que mover dinero o realizar un pago, una buena respuesta no basta. Necesitas la respuesta correcta. Siempre”, dijo.

Algo que solo es posible con datos confiables, permisos, trazabilidad, procesos bien definidos y personas capaces de supervisarlos.