La importancia de los gráficos de conocimiento y la gobernanza en los agentes de IA empresarial según SAP

La importancia de los gráficos de conocimiento y la gobernanza en los agentes de IA empresarial según SAP

En un panorama empresarial en constante evolución, la transición de chatbots sencillos a agentes de inteligencia artificial autónomos se presenta como un desafío y una oportunidad clave para las empresas. Durante el evento VB Transform 2026, Max McPhee, asesor senior de soluciones en SAP, destacó este cambio en una conversación con Rob Stretchay, analista principal en VentureBeat Research. Según McPhee, la clave para lograr una experiencia más integrada y eficiente radica en situar estos agentes dentro del contexto específico de la empresa, en lugar de basarse únicamente en un conocimiento general.

La importancia del contexto empresarial

McPhee enfatizó que la evolución de los agentes de IA hacia una experiencia más colaborativa depende de entender el entorno empresarial. «Lo que estamos empezando a ver es un comportamiento emergente donde se siente más como un compañero de trabajo que como un asistente», afirmó. Este enfoque se traduce en una experiencia más intuitiva que supera las limitaciones de los chatbots tradicionales, que a menudo carecen del conocimiento contextual necesario para operar eficazmente dentro de una organización.

Para facilitar esta transición, McPhee propuso la incorporación de gráficos de conocimiento y datos embebidos en vectores, que son más accesibles para agentes que para seres humanos. Esta estrategia permite a los agentes extraer información sin confusiones que podrían surgir del uso de acrónimos o jergas internas, lo que resulta en una interacción más fluida y productiva.

Gobernanza y seguridad en agentes autónomos

La gobernanza y la seguridad son aspectos cruciales en la implementación de agentes autónomos. SAP, con más de cinco décadas en el mercado, ha desarrollado un enfoque robusto en estos ámbitos. McPhee mencionó que su historia y experiencia en control de procesos han sido fundamentales para adaptar estas capacidades a las nuevas realidades de la automatización moderna.

El uso de aprendizaje automático ha resurgido como una herramienta esencial para validar el comportamiento de los agentes. McPhee indicó que los clientes pueden implementar reglas de detección de anomalías y validación basadas en machine learning, lo que actúa como un sistema de seguridad para asegurar la correcta operativa de los agentes dentro de un proceso empresarial.

Adicionalmente, la gestión de identidades y permisos juega un papel esencial en la ejecución de tareas por parte de los agentes. Tanto los empleados como el asistente de IA Joule de SAP deben tener los derechos necesarios para acceder a los sistemas, ayudando a prevenir riesgos relacionados con la elusión de controles de acceso.

Integración de sistemas SAP y personalizados

Gran parte del trabajo de McPhee se centra en armonizar el vasto conocimiento de SAP con la personalización y diversidad de sistemas de sus clientes. Muchas empresas comparten que SAP representa solo una pequeña parte de su paisaje tecnológico, lo que ha llevado a la compañía a replantear su estrategia.

Las recientes adquisiciones de empresas como LeanIX, que ayuda a mapear arquitecturas empresariales, y Signavio para la minería de procesos, buscan mejorar la comprensión de cómo interconectan los sistemas no SAP. SAP también ha invertido en la empresa de automatización n8n, integrándola de manera nativa en Joule Studio, un entorno de baja codificación destinado a construir agentes eficientes.

Sin embargo, McPhee alertó sobre la necesidad de modernizar sistemas más antiguos. Los riesgos de limitaciones tecnológicas aumentan con la adopción de agentes autónomos, lo que significa que las empresas deben actualizar sus infraestructuras para sacar el máximo provecho de estas innovaciones. «Si quieres conducir un Ferrari, primero debes mejorar la pista por la que lo haces», concluyó.