“今年SAP TechEd展示的几款新产品中，Joule Work桌面应用、BDC Ontology Manager等产品的开发已大量借助AI，部分产品的代码约90%至95%由AI编写。不过，开发人员的工作重点也随之转向需求定义、方案设计和代码审查。”SAP首席技术官Philipp Herzig指出，AI 正在改变软件开发方式，但开发人员的专业判断依然不可或缺。
从辅助软件开发到参与企业业务执行，AI 的作用正在进一步拓展。今年5月，SAP在Sapphire大会上提出“自主运营企业”的愿景，希望让智能体承担更多实际业务工作。到了10月的SAP全球技术大会TechEd，SAP展示了相关技术的新进展，进一步推动智能体融入企业业务流程，让“自主运营企业”向前迈进一步。
SAP首席技术官Philipp Herzig
智能体开始接活，开发和执行都得跟上
现在Joule Work提供了一个统一的交互入口，用户可以通过桌面电脑、移动设备或浏览器使用，通过自然语言表达工作需求，再由系统安排相应的执行步骤。
此次Joule Work新增了智能体思考能力，可以根据用户提出的任务，组织不同的智能助手和智能体，处理跨 SAP 系统环境的复杂、多步骤业务工作流。Philipp Herzig透露，Joule Work背后的编排引擎目前会调用约10种不同模型，来匹配不同任务对模型能力、性能和使用成本的要求。
SAP还进一步扩展了Joule Studio，允许业务人员通过无代码工具构建智能体，也支持专业开发人员使用代码开发。Joule Studio提供了70多种AI模型供开发者选择，并新增了可观测性与管理控制功能，帮助企业了解智能体的运行情况、模型使用情况和相关费用。
Joule Studio早期试用计划的客户，还可以设计并运行n8n工作流。Philipp Herzig解释了为什么需要将智能体与确定性工作流结合。他谈到，如果一个业务任务已经有明确的执行步骤，只需要根据数值条件判断下一步操作，那么使用确定性工作流通常更加合适。与每一步都调用大模型相比，传统程序往往成本更低；而在需要理解文档、处理模糊信息或进行探索性分析时，则可以引入智能体。两者并非二选一，而是可以灵活组合。
今年TechEd上，SAP还宣布商业AI平台（Business AI Platform）全面正式商用。该平台将智能体开发、业务语义上下文和AI治理能力整合到统一环境中，支持连接SAP及第三方业务系统。与此同时，该平台已提供约300个来自SAP及其合作伙伴的智能体。用户可以通过Joule Work提出任务、协调智能体执行，开发人员则可以借助Joule Studio，根据企业自身的业务需求构建和扩展智能体。
Philipp Herzig透露，SAP 正持续推进Business AI Platform的客户开通工作，每周有数百家客户获得相关能力。但不少企业仍然需要完成数据集成和系统现代化工作，并且长期积累的定制化开发，也会增加新技术接入的难度。
SAP正在通过Joule for Consultants、迁移辅助智能体以及Joule for Developers等工具，帮助客户整理数据模型、调整业务配置和修复代码，减少不必要的定制化修改，逐步向Clean Core靠拢。
智能体接手业务，先得读懂企业数据
客户、供应商和产品等业务数据，往往分散在企业的不同系统中。智能体如果要参与业务决策和执行，就需要理解这些关系。
SAP进一步扩展了业务数据云Business Data Cloud（BDC）与知识图谱（Knowledge Graph）的能力。BDC中的Ontology Manager将支持企业整合SAP及第三方系统的数据，建立跨系统的业务本体，描述不同业务对象之间的关联；Knowledge Graph则为SAP业务数据提供相应的语义上下文。
同时，SAP还扩大了与Reltio、Dremio和Databricks的合作。Reltio提供跨业务领域的主数据管理能力，帮助企业整合客户、供应商和产品记录；Dremio和Databricks则进一步扩展BDC在数据访问、数据工程及湖仓方面的能力。
SAP推出最新一代表格AI模型SAP-RPT-2.0，将能力从分类、回归扩展到异常与离群值检测，并推出面向时间序列预测场景的SAP-RPT-TS模型。
Philipp Herzig以零售场景为例，解释了表格AI模型的实际用途。假设一家企业拥有1000家门店，每家门店涉及约2000种商品，企业需要根据季节、天气和消费者需求，预测各家门店应该储备哪些商品。原来这类任务通常需要数据科学家准备数据、设计特征，再使用AutoML、XGBoost、GBM 等传统机器学习方法进行实验。
采用预训练的表格基础模型后，企业可以提供相关数据和预测目标，直接获得预测结果，减少针对每项任务单独训练模型和进行特征工程的工作。
SAP还将SAP-RPT模型带到了国际空间站（ISS）中。
SAP宣布与HPE合作，计划将SAP-RPT模型部署到国际空间站的HPE 太空计算机 2 号（HPE Spaceborne Computer-2）上，用于分析设备遥测数据、识别异常情况和预测潜在故障。
Philipp Herzig表示，国际空间站的设备会持续产生大量遥测数据，采访中提到的数据规模约为10GB。若将相关数据传回地球后再进行分析，可能无法满足及时响应的要求。
表格基础模型相对较小，可以直接部署在空间站运行，而且不需要为每个新的预测任务重新训练模型。SAP希望借此验证表格基础模型在远程、通信受限的环境中进行本地预测性维护的实际价值。
智能体跨平台协作，权限和安全要把好关
随着企业开始采用更多智能体，来自不同供应商的产品如何一起协同工作，也是今年SAP TechEd的讨论重点。
SAP在Joule Work中进一步支持A2A和MCP开放协议，让SAP智能体与第三方智能体能够相互调用。Philipp Herzig表示，SAP并不要求所有任务都必须由Joule负责协调，其他平台的编排器同样可以调用SAP的智能体。
在实际运行中，跨平台智能体协作还面临一定的挑战。Philipp Herzig提到，智能体需要有清晰的职责和能力描述，编排器才能判断应该调用哪个智能体。与此同时，底层系统还需要具备良好的集成能力，包括用户权限、访问策略和单点登录等。
对于第三方智能体，Philipp Herzig还提到了信任与治理问题。企业需要判断哪些智能体可以在自己的业务环境中运行，并对其访问权限进行管理。
SAP进一步扩展了Agent Gateway和SAP AI Agent Hub的能力。前者支持SAP与第三方智能体之间的相互调用，结合访问控制机制，决定哪些智能体可以通过网关调用相关能力。后者帮助企业发现、管理和评估SAP及第三方智能体。
以欧盟《人工智能法案》（EU AI Act）为例，如果一家企业希望采用非SAP供应商提供的智能体，可以先利用SAP AI Agent Hub中的评估模板对第三方智能体进行合规性评估。完成评估并达到企业设定的要求后，可为其添加“已验证”标记，并通过网关的访问控制机制限制未经验证的智能体调用相关能力。
此外，SAP还推出了全新的企业级AI网关解决方案Enterprise AI Gateway，集中管理身份验证、策略执行、路由、监控以及使用情况跟踪和审计等工作。
当智能体能够根据任务选择工具、调用其他智能体，并直接执行跨系统操作时，企业还需要确保这些操作符合既定的权限和业务规则，这也是SAP加强智能体治理能力的原因。
从今年Sapphire提出“自主运营企业”的愿景，到TechEd展示平台、智能体编排和治理能力的进一步进展，SAP正在将这一愿景转化为具体的技术能力。但企业要真正发挥智能体的价值，仍需解决数据集成、系统现代化、跨平台协作及访问权限管理等问题。智能体能够执行多少任务固然重要，但能否在明确的业务规则和治理机制下可靠运行，同样决定着“自主运营企业”能走多远。
