「今年SAP TechEd展示的幾款新產品中，Joule Work桌面應用、BDC Ontology Manager等產品的開發已大量藉助AI，部分產品的代碼約90%至95%由AI編寫。不過，開發人員的工作重點也隨之轉向需求定義、方案設計和代碼審查。」SAP首席技術官Philipp Herzig指出，AI 正在改變軟體開發方式，但開發人員的專業判斷依然不可或缺。
從輔助軟體開發到參與企業業務執行，AI 的作用正在進一步拓展。今年5月，SAP在Sapphire大會上提出「自主運營企業」的願景，希望讓智能體承擔更多實際業務工作。到了10月的SAP全球技術大會TechEd，SAP展示了相關技術的新進展，進一步推動智能體融入企業業務流程，讓「自主運營企業」向前邁進一步。
智能體開始接活，開發和執行都得跟上
現在Joule Work提供了一個統一的交互入口，用戶可以通過桌面電腦、移動設備或瀏覽器使用，通過自然語言表達工作需求，再由系統安排相應的執行步驟。
此次Joule Work新增了智能體思考能力，可以根據用戶提出的任務，組織不同的智能助手和智能體，處理跨 SAP 系統環境的複雜、多步驟業務工作流。Philipp Herzig透露，Joule Work背後的編排引擎目前會調用約10種不同模型，來匹配不同任務對模型能力、性能和使用成本的要求。
SAP還進一步擴展了Joule Studio，允許業務人員通過無代碼工具構建智能體，也支持專業開發人員使用代碼開發。Joule Studio提供了70多種AI模型供開發者選擇，並新增了可觀測性與管理控制功能，幫助企業了解智能體的運行情況、模型使用情況和相關費用。
Joule Studio早期試用計劃的客戶，還可以設計並運行n8n工作流。Philipp Herzig解釋了為什麼需要將智能體與確定性工作流結合。他談到，如果一個業務任務已經有明確的執行步驟，只需要根據數值條件判斷下一步操作，那麼使用確定性工作流通常更加合適。與每一步都調用大模型相比，傳統程序往往成本更低；而在需要理解文檔、處理模糊資訊或進行探索性分析時，則可以引入智能體。兩者並非二選一，而是可以靈活組合。
今年TechEd上，SAP還宣布商業AI平台（Business AI Platform）全面正式商用。該平台將智能體開發、業務語義上下文和AI治理能力整合到統一環境中，支持連接SAP及第三方業務系統。與此同時，該平台已提供約300個來自SAP及其合作夥伴的智能體。用戶可以通過Joule Work提出任務、協調智能體執行，開發人員則可以藉助Joule Studio，根據企業自身的業務需求構建和擴展智能體。
Philipp Herzig透露，SAP 正持續推進Business AI Platform的客戶開通工作，每周有數百家客戶獲得相關能力。但不少企業仍然需要完成數據集成和系統現代化工作，並且長期積累的定製化開發，也會增加新技術接入的難度。
SAP正在通過Joule for Consultants、遷移輔助智能體以及Joule for Developers等工具，幫助客戶整理數據模型、調整業務配置和修復代碼，減少不必要的定製化修改，逐步向Clean Core靠攏。
智能體接手業務，先得讀懂企業數據
客戶、供應商和產品等業務數據，往往分散在企業的不同系統中。智能體如果要參與業務決策和執行，就需要理解這些關係。
SAP進一步擴展了業務數據云Business Data Cloud（BDC）與知識圖譜（Knowledge Graph）的能力。BDC中的Ontology Manager將支持企業整合SAP及第三方系統的數據，建立跨系統的業務本體，描述不同業務對象之間的關聯；Knowledge Graph則為SAP業務數據提供相應的語義上下文。
同時，SAP還擴大了與Reltio、Dremio和Databricks的合作。Reltio提供跨業務領域的主數據管理能力，幫助企業整合客戶、供應商和產品記錄；Dremio和Databricks則進一步擴展BDC在數據訪問、數據工程及湖倉方面的能力。
SAP推出最新一代表格AI模型SAP-RPT-2.0，將能力從分類、回歸擴展到異常與離群值檢測，並推出面向時間序列預測場景的SAP-RPT-TS模型。
Philipp Herzig以零售場景為例，解釋了表格AI模型的實際用途。假設一家企業擁有1000家門店，每家門店涉及約2000種商品，企業需要根據季節、天氣和消費者需求，預測各家門店應該儲備哪些商品。原來這類任務通常需要數據科學家準備數據、設計特徵，再使用AutoML、XGBoost、GBM 等傳統機器學習方法進行實驗。
採用預訓練的表格基礎模型後，企業可以提供相關數據和預測目標，直接獲得預測結果，減少針對每項任務單獨訓練模型和進行特徵工程的工作。
SAP還將SAP-RPT模型帶到了國際空間站（ISS）中。
SAP宣布與HPE合作，計劃將SAP-RPT模型部署到國際空間站的HPE 太空電腦 2 號（HPE Spaceborne Computer-2）上，用於分析設備遙測數據、識別異常情況和預測潛在故障。
Philipp Herzig表示，國際空間站的設備會持續產生大量遙測數據，採訪中提到的數據規模約為10GB。若將相關數據傳回地球後再進行分析，可能無法滿足及時響應的要求。
表格基礎模型相對較小，可以直接部署在空間站運行，而且不需要為每個新的預測任務重新訓練模型。SAP希望藉此驗證表格基礎模型在遠程、通信受限的環境中進行本地預測性維護的實際價值。
隨著企業開始採用更多智能體，來自不同供應商的產品如何一起協同工作，也是今年SAP TechEd的討論重點。
SAP在Joule Work中進一步支持A2A和MCP開放協議，讓SAP智能體與第三方智能體能夠相互調用。Philipp Herzig表示，SAP並不要求所有任務都必須由Joule負責協調，其他平台的編排器同樣可以調用SAP的智能體。
在實際運行中，跨平台智能體協作還面臨一定的挑戰。Philipp Herzig提到，智能體需要有清晰的職責和能力描述，編排器才能判斷應該調用哪個智能體。與此同時，底層系統還需要具備良好的集成能力，包括用戶權限、訪問策略和單點登錄等。
對於第三方智能體，Philipp Herzig還提到了信任與治理問題。企業需要判斷哪些智能體可以在自己的業務環境中運行，並對其訪問權限進行管理。
SAP進一步擴展了Agent Gateway和SAP AI Agent Hub的能力。前者支持SAP與第三方智能體之間的相互調用，結合訪問控制機制，決定哪些智能體可以通過網關調用相關能力。後者幫助企業發現、管理和評估SAP及第三方智能體。
以歐盟《人工智慧法案》（EU AI Act）為例，如果一家企業希望採用非SAP供應商提供的智能體，可以先利用SAP AI Agent Hub中的評估模板對第三方智能體進行合規性評估。完成評估並達到企業設定的要求後，可為其添加「已驗證」標記，並通過網關的訪問控制機制限制未經驗證的智能體調用相關能力。
此外，SAP還推出了全新的企業級AI網關解決方案Enterprise AI Gateway，集中管理身份驗證、策略執行、路由、監控以及使用情況跟蹤和審計等工作。
當智能體能夠根據任務選擇工具、調用其他智能體，並直接執行跨系統操作時，企業還需要確保這些操作符合既定的權限和業務規則，這也是SAP加強智能體治理能力的原因。
從今年Sapphire提出「自主運營企業」的願景，到TechEd展示平台、智能體編排和治理能力的進一步進展，SAP正在將這一願景轉化為具體的技術能力。但企業要真正發揮智能體的價值，仍需解決數據集成、系統現代化、跨平台協作及訪問權限管理等問題。智能體能夠執行多少任務固然重要，但能否在明確的業務規則和治理機制下可靠運行，同樣決定著「自主運營企業」能走多遠。
