La cuestión ya no es si una inteligencia artificial puede consultar datos, preparar acciones o intervenir en un proceso empresarial. La cuestión importante es hasta dónde debe permitírsele llegar.

En este capítulo analizamos esa frontera a partir de un caso concreto de Finance: una factura bloqueada con impacto en caja. A través de ese ejemplo vemos cómo cambia el papel de la inteligencia artificial cuando pasa de explicar lo que ocurre, a guiar al usuario, preparar una acción o intervenir directamente en el proceso.

El punto central es claro: más autonomía no significa necesariamente más madurez. Una inteligencia artificial empresarial seria debe respetar identidad, autorizaciones, trazabilidad, niveles de riesgo y circuitos de aprobación. Y, en determinados momentos, también debe saber detenerse.

Porque en un ERP no se trata de demostrar cuánto puede hacer la tecnología, sino de decidir qué debe hacer, qué puede preparar y qué debe seguir bajo responsabilidad humana.

NASDAQ | PROYECTOS IT | DATA-DRIVEN | EDUCACIÓN FINANCIERA | INVERSIÓN | TRADING

En este capítulo de Consultoría desde el Sofá bajamos las arquitecturas híbridas de agentes a un caso mucho más concreto: cómo usar automatización, modelos externos y SAP sin convertir la inteligencia artificial en una puerta trasera al ERP.

El foco está en herramientas como Make o n8n, que pueden aportar mucho valor cuando se usan como automatización periférica: lanzar rutinas, recoger señales autorizadas, enviar alertas, preparar briefings, crear tickets o coordinar pasos entre sistemas no críticos.

Pero la tesis es clara: automatizar alrededor del ERP no significa saltarse el ERP.

Desde Finanzas, lo aterrizamos en un briefing financiero diario durante el cierre. Un escenario donde el agente puede ayudar a ordenar tareas pendientes, incidencias, facturas bloqueadas, correos autorizados, riesgos de retraso y dependencias entre áreas.

La clave está en que el modelo no reciba todo, sino solo el contexto mínimo necesario. Que no vea datos sin filtrar. Que no actúe sin permiso. Que no cierre incidencias críticas, libere bloqueos o modifique previsiones sin validación humana.

Porque una arquitectura híbrida madura no consiste en automatizar más. Consiste en automatizar mejor: con minimización de datos, permisos, trazabilidad, workflows, aprobación y límites claros.

NASDAQ | PROYECTOS IT | DATA-DRIVEN | EDUCACIÓN FINANCIERA | INVERSIÓN | TRADING

En este capítulo de Consultoría desde el Sofá abrimos una reflexión técnica clave dentro de la serie sobre SAP Joule y agentes empresariales.

La pregunta habitual suele ser: ¿cómo conecto GPT, Claude o Gemini a SAP? Pero esa pregunta, planteada así, es peligrosa. Un ERP no es una base de datos cualquiera. Es un sistema donde viven procesos críticos, datos maestros, autorizaciones, reglas fiscales, flujos de aprobación y trazabilidad. Por eso, la pregunta correcta no es cómo conectar un modelo al ERP, sino cómo diseñar una frontera segura entre SAP, los modelos de lenguaje y las herramientas que pueden ejecutar acciones.

En esta primera parte del episodio analizamos la diferencia entre razonar, orquestar y actuar. Explicamos por qué el modelo puede ayudar a interpretar, resumir o proponer, pero la acción debe pasar por herramientas gobernadas. También aterrizamos el enfoque SAP-first: SAP BTP como zona de control, servicios CAP como capa intermedia, Integration Suite para integración robusta, Generative AI Hub para consumir modelos de forma gobernada, y Joule Studio con skills como contrato técnico entre conversación y proceso. Porque una arquitectura híbrida madura no consiste en conectar más cosas. Consiste en conectar mejor, con permisos, límites, trazabilidad y control.

NASDAQ | PROYECTOS IT | DATA-DRIVEN | EDUCACIÓN FINANCIERA | INVERSIÓN | TRADING

En este capítulo de Consultoría desde el Sofá abrimos una nueva fase en la serie sobre SAP Joule e inteligencia artificial empresarial.

Después de construir la base arquitectónica con identidad, permisos, navegación, contexto y SAP BTP, damos el salto hacia los agentes: no como una moda, sino como un cambio de responsabilidad en el software empresarial.

Explicamos la diferencia entre un asistente que responde y un agente que empieza a coordinar parte del trabajo. Para aterrizarlo, analizamos un caso financiero de facturas en disputa que bloquean la entrada de caja, donde el valor no está en “hacer magia”, sino en ordenar señales, priorizar casos, lanzar workflows, preparar recomendaciones y mantener el control donde debe estar.

También diferenciamos entre skills, workflows y agentes, porque no todo debe convertirse en agente. La clave está en saber cuándo consultar, cuándo preparar, cuándo recomendar, cuándo pedir aprobación y cuándo detenerse.

Porque en una empresa seria, la autonomía no puede ir por delante del gobierno. La pregunta no es solo qué puede hacer la inteligencia artificial, sino qué debe hacer, con qué contexto, bajo qué permiso y dejando qué evidencia.

NASDAQ | PROYECTOS IT | DATA-DRIVEN | EDUCACIÓN FINANCIERA | INVERSIÓN | TRADING

En este capítulo de Consultoría desde el Sofá cerramos la primera base arquitectónica de SAP Joule y la inteligencia artificial empresarial.

Después de hablar de identidad con SAP Cloud Identity Services, experiencia de usuario con SAP Build Work Zone y contexto de negocio con SAP Knowledge Graph, llegamos a una pieza clave: SAP BTP.

Explicamos por qué SAP Business Technology Platform es fundamental para construir, integrar, automatizar y extender capacidades alrededor del ERP sin romper el core.

El foco está en una idea central: la inteligencia artificial empresarial no debería innovar a costa de ensuciar el sistema principal. Debe apoyarse en una arquitectura que permita evolucionar con control, preservar el clean core y construir extensiones side-by-side cuando el caso lo requiera.

Desde Finanzas, lo aterrizamos en ejemplos como cierre financiero, desviaciones, facturas bloqueadas, cash management, workflows, agentes y experiencias inteligentes conectadas a Joule.
Porque innovar en sistemas core no consiste en tocarlo todo. Consiste en saber qué preservar, qué extender y dónde construir lo nuevo.


NASDAQ | PROYECTOS IT | DATA-DRIVEN | EDUCACIÓN FINANCIERA | INVERSIÓN | TRADING

En este capítulo de Consultoría desde el Sofá avanzamos un paso más en la arquitectura técnica de SAP Joule y la inteligencia artificial empresarial.

Después de hablar de identidad con SAP Cloud Identity Services y de experiencia de usuario con SAP Build Work Zone, entramos en una cuestión clave: ¿cómo evitamos que la inteligencia artificial responda sin entender realmente el negocio?

Ahí aparece SAP Knowledge Graph y el concepto de grounding.

Explicamos por qué una inteligencia artificial empresarial no debería responder solo porque encuentra palabras parecidas, sino porque puede apoyarse en contexto, objetos de negocio, relaciones, metadatos y significado real dentro del sistema.

Desde Finanzas, lo aterrizamos en casos como desviaciones de cierre, facturas bloqueadas, cash flow, provisiones, análisis de margen y documentos contables.

Porque un número aislado dice poco. Una factura aislada dice poco. Una desviación aislada dice poco. El valor aparece cuando la inteligencia artificial puede situar cada dato dentro de una red de relaciones empresariales.


NASDAQ | PROYECTOS IT | DATA-DRIVEN | EDUCACIÓN FINANCIERA | INVERSIÓN | TRADING

En este capítulo de Consultoría desde el Sofá seguimos construyendo la base técnica de SAP Joule y la inteligencia artificial empresarial.

Después de hablar de identidad y permisos con SAP Cloud Identity Services, damos el siguiente paso: entender cómo una inteligencia artificial puede ayudar al usuario a llegar al punto correcto del trabajo.

Ahí entra SAP Build Work Zone.

Explicamos por qué no debe verse solo como un portal, sino como una capa de experiencia empresarial donde se ordenan aplicaciones, tareas, contenidos, páginas y recorridos según el rol del usuario.

El foco está en una idea clave: en la empresa, muchas veces la mejor respuesta de una inteligencia artificial no es una frase, sino una navegación correcta.

Desde Finanzas, lo aterrizamos en casos como cierre financiero, revisión de desviaciones, facturas pendientes, aprobaciones, tareas y acceso a informes. Porque Joule aporta más valor cuando reduce la distancia entre una intención del usuario y el lugar real donde esa intención puede resolverse.


NASDAQ | PROYECTOS IT | DATA-DRIVEN | EDUCACIÓN FINANCIERA | INVERSIÓN | TRADING

En este capítulo de Consultoría desde el Sofá entramos en una de las piezas menos visibles, pero más importantes, de una arquitectura SAP Joule seria: SAP Cloud Identity Services.

Antes de hablar de respuestas inteligentes, automatización o asistentes conversacionales, hay una pregunta básica que toda empresa debe resolver: ¿quién está preguntando?

A partir de esa idea, analizamos el papel de Identity Authentication, Identity Provisioning, la autenticación, la autorización y la provisión de usuarios dentro de un entorno SAP gobernado.

El foco está especialmente en Finanzas, donde pagos, cierres, facturas, desviaciones, caja y auditoría no pueden quedar expuestos por comodidad conversacional.

Porque una inteligencia artificial empresarial no debe responder igual a todos. Debe operar dentro del perímetro real de identidad, permisos y responsabilidad de cada usuario.


NASDAQ | PROYECTOS IT | DATA-DRIVEN | EDUCACIÓN FINANCIERA | INVERSIÓN | TRADING

En este tercer capítulo planteamos un ejercicio simulado de implementación de SAP Joule en el ámbito financiero. El objetivo no es vender un chatbot ni describir una implantación real ya ejecutada, sino explicar qué arquitectura técnica debería existir para que una inteligencia artificial empresarial sea seria, controlada y útil dentro de SAP.

Analizamos los componentes clave de esa arquitectura: usuarios financieros, Joule como capa de experiencia, SAP Build Work Zone como entrada unificada, SAP Cloud Identity Services para identidad y permisos, SAP BTP como base técnica de integración, aplicaciones y modelos SAP, prerrequisitos de despliegue y límites de actuación.

La idea central es clara: en Finanzas no basta con que la inteligencia artificial responda bien. Debe saber quién pregunta, qué puede ver, hacia dónde puede navegar, qué datos puede interpretar y qué acciones puede preparar sin romper el gobierno del sistema.


NASDAQ | PROYECTOS IT | DATA-DRIVEN | EDUCACIÓN FINANCIERA | INVERSIÓN | TRADING

En este episodio de Consultoría desde el Sofá exploramos una idea clave para entender la inteligencia artificial empresarial: no basta con tener buenos datos, ni siquiera buenos modelos técnicos.

Para que una organización pueda tomar mejores decisiones, necesita una capa que traduzca los datos en significado de negocio. A partir del concepto de modelo semántico, analizamos por qué no es lo mismo estructurar datos que hacerlos comprensibles, gobernados y reutilizables por usuarios, herramientas analíticas y sistemas de inteligencia artificial.

El episodio conecta SAP Joule, inteligencia artificial empresarial, gobierno del dato y transformación financiera con una pregunta práctica: ¿cómo puede una empresa evitar que cada área interprete los mismos datos de forma distinta?

Como referencia complementaria, dejo enlazado el artículo de Strategy: “How a Semantic Layer Differs from a Data Model”, una lectura muy útil para entender la diferencia entre modelo de datos y capa semántica.

Link del artículo https://www.strategy.com/software/blog/how-a-semantic-layer-differs-from-a-data-model

NASDAQ | PROYECTOS IT | DATA-DRIVEN | EDUCACIÓN FINANCIERA | INVERSIÓN | TRADING