Descubra las 6 últimas integraciones de IA de SAP Datasphere

SAP Datasphere es una herramienta de IA que puede ayudar a entregar datos significativos a las empresas.

Explore los desarrollos de IA de SAP Datasphere, como nuevas integraciones y funciones basadas en IA, para comprender cómo la herramienta puede ayudar a las empresas a gestionar sus datos empresariales:

¿Qué es SAP Datasphere IA y por qué es importante?

SAP Datasphere es una de estas herramientas en las que SAP ha estado integrando herramientas y funciones impulsadas por IA para satisfacer las necesidades de consumidores y proveedores de datos. SAP Datasphere IA puede mejorar la experiencia del usuario y favorecer el intercambio de datos a gran escala mediante:

• Aprovisionamiento automatizado de datos: La IA puede agilizar el proceso de aprovisionamiento de datos al establecer automáticamente conexiones relevantes y crear los artefactos necesarios en SAP Datasphere. Esto reduce la necesidad de intervención manual, facilitando a los usuarios la integración de productos de datos.
• Gestión de metadatos: La IA puede mejorar el manejo de los metadatos, lo cual es crucial para facilitar el aprovisionamiento de datos. Al utilizar metadatos descritos mediante el protocolo Open Resource Directory (ORD), la IA puede garantizar que el proceso de integración sea fluido y eficiente.

A continuación, un vídeo que explica cómo SAP Datasphere combina las capacidades de IA generativa con su Datasphere:

SAP ha implementado IA en diferentes herramientas, como las aplicaciones de IA generativa de SAP BTP. También integra otras plataformas SAP y no SAP para ampliar las capacidades de sus herramientas, como:

• planificadores de trabajos de SAP
• herramientas de orquestación de procesos de SAP
• soluciones de SAP para servicios públicos.

2 funciones de IA de SAP Datasphere

A continuación se muestra una lista completa de las funciones que ofrece SAP Datasphere:

1. Grafo de conocimiento

El grafo de conocimiento proporciona una visión integral del panorama de datos de una organización. Al capturar relaciones complejas y metadatos, permite una mejor comprensión contextual para las aplicaciones impulsadas por IA.

Capacidades:

• Creación automatizada de ontologías: genera ontologías a medida que se integran los datos, incluido el contexto empresarial de fuentes SAP como S/4HANA.
• Enriquecimiento del contexto para LLMs: suministra contexto estructurado a los large language models para reducir las imprecisiones generadas por IA (p. ej., alucinaciones).
• Descubrimiento de patrones: facilita el razonamiento avanzado y la generación de información en todos los dominios empresariales.

Aplicación práctica del grafo de conocimiento

Los grafos de conocimiento pueden aplicarse a la optimización del marketing o a la gestión de la cadena de suministro, lo que permite a las organizaciones obtener información procesable e impulsar la innovación.

A continuación, un vídeo que explica la capacidad del grafo de conocimiento:

2. Incorporación semántica

La incorporación semántica permite importar objetos de datos semánticamente enriquecidos desde sistemas SAP (S/4HANA, BW/4HANA, HANA Cloud) a SAP Datasphere conservando su significado empresarial. SAP amplió esta función para incluir soporte para SAP HANA Cloud y otros productos de datos de SAP, ofreciendo una experiencia de incorporación unificada.

Capacidades:

• Conservación de la información semántica: Al importar vistas de cálculo desde SAP HANA Cloud a SAP Datasphere, se conservan detalles semánticos como medidas, atributos, jerarquías, agregaciones y monedas/unidades. Esto garantiza que la integridad y el significado de los datos se preserven dentro de una capa de datos semánticamente enriquecida.
• Sincronización: mantiene sincronizados los objetos de SAP HANA Cloud y SAP Datasphere, lo que permite a los clientes aprovechar sus inversiones existentes en modelado de SAP HANA.
• Herencia del contexto empresarial: permite heredar el contexto empresarial de las aplicaciones de línea de negocio y soluciones industriales de SAP. Esta transferencia de semántica al tejido de datos empresariales sienta una base sólida para mejorar los flujos de trabajo analíticos.
• Flujo de trabajo analítico mejorado: la conservación y transferencia de información semántica a SAP Datasphere agiliza el flujo de trabajo analítico, acelerando y simplificando el proceso de obtención de información basada en datos. Integraciones con otras herramientas.

Aplicación práctica de la incorporación semántica

Las empresas pueden utilizar la incorporación semántica para integrar de manera eficiente datasets de SAP e híbridos, reduciendo los errores de modelado y acelerando la generación de información.

3. Generación de contenido asistida por IA

Esta capacidad genera automáticamente descripciones empresariales, asignaciones de términos empresariales y definiciones de KPI para los activos de datos del catálogo de SAP Datasphere, utilizando SAP Business IA models.

Capacidades:

• Genera texto descriptivo consciente del contexto para los objetos del catálogo
• Aplica automáticamente etiquetas y términos empresariales jerárquicos
• Define indicadores clave de rendimiento y asociaciones sin intervención manual
• Reduce la necesidad de experiencia técnica profunda para curar el contenido del catálogo

Aplicación práctica de la generación de contenido asistida por IA

Las organizaciones pueden incorporar rápidamente miles de activos de datos manteniendo el cumplimiento y la calidad de los datos, acelerando la analítica y los informes.

4. Búsqueda asistida por IA

La búsqueda asistida por IA permite a los usuarios encontrar artefactos de datos mediante consultas en lenguaje natural dentro de SAP Datasphere, superando las limitaciones de los filtros y la navegación manual.

Capacidades:

• La comprensión del lenguaje natural interpreta términos empresariales, preguntas e intenciones
• Busca en datasets de repositorio, catálogo y marketplace
• Ofrece resultados ricos en contexto que coinciden con lo que los usuarios solicitan.

Aplicación práctica de la búsqueda asistida por IA

Los usuarios pueden hacer preguntas en lenguaje natural. Por ejemplo, “Muéstrame sales data models con segmentación de clientes” y obtener resultados precisos.

5. Generación semántica asistida por IA

La generación semántica asistida por IA detecta y clasifica automáticamente los tipos semánticos de los datos entrantes, especialmente de fuentes no SAP, enriqueciendo el tejido de datos de SAP Datasphere.

Capacidades:

• Clasificación semántica automática: asigna tipos correctos a los datasets durante la ingestión.
• Soporte de datos híbridos: funciona con datos SAP y no SAP para crear una capa semántica unificada.
• Preprocesamiento manual reducido: minimiza el esfuerzo de preparación de datos, permitiendo una analítica más rápida.

Aplicación práctica de la generación semántica asistida por IA

Las empresas que integran fuentes de datos híbridas pueden acelerar el modelado y obtener información al contar con información semántica enriquecida automáticamente, reduciendo errores y mejorando la coherencia.

Integraciones con otras herramientas

SAP Datasphere integra herramientas de IA en su ecosistema de datos abiertos para mejorar su arquitectura de gestión de datos.

1. Gobernanza de IA con Collibra

SAP colabora con Collibra para ofrecer funciones de gobernanza de datos, garantizando que los datos fiables sean accesibles para todos los usuarios en todo el tejido de datos empresariales.

Al integrarse con Collibra IA Governance, las soluciones de SAP permitirán a las empresas conectar los datos utilizados para IA con los propios models en una única plataforma para rastrear y gestionar eficazmente sus esfuerzos de desarrollo de IA. Al registrar los models de IA y machine learning creados con tecnología SAP en la plataforma Collibra IA Governance, los usuarios pueden:

• Obtener una visibilidad mejorada del linaje de datos y los metadatos de los datos de SAP utilizados en el modelado de IA
• Comprobar la precisión y fiabilidad de los datos
• Verificar los datos con los que se entrenaron sus IA models.

Como resultado, pueden:

• Mejorar la transparencia y la rendición de cuentas
• Garantizar el cumplimiento de las políticas regulatorias, de privacidad y de gobernanza
• Mitigar riesgos como la toma de decisiones sesgada y las recomendaciones inexactas.

A continuación, un vídeo que explica cómo funciona la gobernanza de IA de Collibra:

2. Transmisión de datos con Confluent

Confluent es una plataforma construida en torno a Apache Kafka que ofrece un servicio de transmisión y gestión de datos en tiempo real. Permite a las organizaciones gestionar de manera eficiente data pipelines a gran escala y transmitir datos entre diversos sistemas y aplicaciones.

Así es como Confluent mejora SAP Datasphere y potencia los activos de datos de SAP:

1. Transmisión de datos en tiempo real: la integración de Confluent permite la transmisión de datos en tiempo real hacia y desde SAP Datasphere. Esta capacidad es crucial para las organizaciones que necesitan procesar y analizar datos en tiempo real, lo que permite una toma de decisiones más rápida y una mayor capacidad de respuesta operativa.
2. Capacidades del registro de esquemas: la integración con el registro de esquemas de Confluent amplía las capacidades salientes de SAP Datasphere. Permite gestionar los esquemas de datos sin fisuras, garantizando que los datos se interpreten y procesen con precisión en todos los sistemas.
3. Experiencia de usuario superior: la integración proporciona una experiencia de usuario superior al facilitar conexiones a nivel de aplicación sin requerir desarrollo adicional de aplicaciones personalizadas. Esta facilidad de integración ayuda a las organizaciones a implementar y utilizar rápidamente soluciones de transmisión de datos.
4. Procesamiento eficiente de datos: la integración de SAP Datasphere con Confluent incluye flujos de replicación preestablecidos que admiten procesamiento delta y en tiempo real de forma nativa. Esta eficiencia significa que los datos se cargan cuando se producen cambios, reduciendo la transferencia innecesaria de datos y la sobrecarga de procesamiento.
5. Ingesta e integración de datos mejoradas: la integración admite la ingesta de datos en Kafka y Confluent, con capacidades adicionales de integración de datos salientes y entrantes disponibles para todos. Esta funcionalidad ampliada mejora aún más la capacidad de SAP Datasphere para manejar una amplia gama de fuentes de datos y casos de uso.

Integración con SAP Analytics Cloud y SAP HANA Cloud Vector Engine

Los usuarios pueden combinar SAP Datasphere, SAP Analytics Cloud y SAP HANA Cloud Vector Engine para lograr un único sistema de gestión de datos y una solución de analítica. Esto es lo que un usuario puede hacer con estas herramientas combinadas:

3. SAP Analytics Cloud para data fabric

Las soluciones de data fabric unifican y gestionan los datos en tiempo real en todos los sistemas, proporcionando una única fuente fiable. Automatizan el acceso, mejoran la calidad de los datos y refuerzan la seguridad, facilitando la analítica y la IA incluso en configuraciones complejas. Esto ayuda a las empresas a escalar y adaptarse a los mercados cambiantes. SAP mejora el data fabric mediante:

1. Integración con SAP Analytics Cloud para la planificación: los planning models de SAP Analytics Cloud ahora pueden implementarse en SAP Datasphere. SAP Analytics Cloud utiliza IA para:
   1. Automatizar y optimizar los procesos de transformación e integración de datos
   2. Proporcionar recomendaciones e información inteligentes basadas en los datos reales y planificados integrados. Esto mejora la integración de los datos planificados y reales en la toma de decisiones en tiempo real.
      permitiendo dentro de SAP Datasphere.
2. Reducción de la huella de datos y de los esfuerzos de modelado: los esfuerzos de integración también se centran en reducir la huella de datos y el esfuerzo necesario para el modelado. Al aprovechar las capacidades de SAP Datasphere, SAP Analytics Cloud puede agilizar los procesos de gestión de datos y mejorar la eficiencia.

4. Copiloto de IA generativa: Joule

El Copiloto de IA generativa de SAP Analytics Cloud permite a los clientes aprovechar la IA generativa para la planificación y simulación empresarial. El asistente de IA subyacente, Joule, mejora las capacidades en descubrimiento de datos, creación de dashboards, mantenimiento de planning models y más, proporcionando una experiencia de usuario intuitiva.

Usando NLP, los usuarios finales pueden:

• Ejecutar consultas analíticas
• Simular los impactos de diversos factores
• Asignar recursos
• Automatizar dashboards y cálculos

Caso de uso de ejemplo de Joule

Un usuario empresarial que investiga la tasa de rotación frente a la de contratación para un puesto específico durante los últimos 12 meses podría consultar a Joule para analizar iteraciones anteriores del plan y descubrir las razones subyacentes.

Nuevas extensiones de Joule:

• Integración de Joule + SAP‑RPT‑1 Foundation Model: Joule ahora puede aprovechar SAP‑RPT‑1, un foundation model relacional de SAP IA Hub, para realizar analítica predictiva y modelado sobre datasets estructurados de Datasphere, mejorando previsiones, recomendaciones y simulaciones avanzadas de escenarios.
• Integración de Joule + Microsoft 365 Copilot: amplía las capacidades de consulta en lenguaje natural más allá de SAP Analytics Cloud, permitiendo a los usuarios acceder y analizar los datos de Datasphere directamente desde las herramientas de productividad de Microsoft.

5. SAP Analytics Cloud Compass

SAP Analytics Cloud Compass ofrece capacidades de simulación de Monte Carlo con una interfaz fácil de usar, lo que permite a los usuarios no técnicos realizar análisis multivariante en tiempo real sin necesidad de conocimientos estadísticos avanzados. Estos son los beneficios clave de SAP Analytics Cloud Compass:

1. Análisis multivariante en tiempo real para analizar múltiples variables simultáneamente en tiempo real, proporcionando una visión integral de los posibles resultados.
2. Simulaciones empresariales para modelar escenarios de forma rápida y eficiente, ayudando a los usuarios a comparar supuestos e informar sobre variaciones de impacto.
3. Análisis de sensibilidad para descubrir información en tiempo real sobre los factores de sensibilidad, ayudando a los usuarios a comprender la dinámica de los datos y cómo los cambios en las variables afectan a los resultados.
4. Simulaciones ágiles continuas para adaptarse a las condiciones empresariales cambiantes y tomar decisiones informadas.

6. SAP HANA Cloud Vector Engine

SAP HANA Cloud introduce una capacidad vectorial a sus capacidades multi-model existentes, lo que permite a los clientes aprovechar todo tipo de datos empresariales utilizando una única base de datos. El motor vectorial mejora la capacidad de crear aplicaciones de datos inteligentes que combinan la intuición humana con machine learning y capacidades de procesamiento multi-model. Las principales características y beneficios de SAP HANA Cloud Vector Engine incluyen:

• Almacenar y comparar vectores usando SQL, lo que permite casos de uso como la generación aumentada por recuperación (RAG), recomendaciones, clasificaciones y agrupamiento.
• Simplificar la arquitectura de gestión de datos y mejorarla con una única base de datos multi-model con interacción SQL.
• Obtener nuevas perspectivas combinando datos espaciales, de grafos, JSON y relacionales con consultas vectoriales.
• Incorporar fácilmente casos de uso vectoriales en soluciones dentro del ecosistema de HANA Cloud, incluidos clientes, librerías de Python y CAP (Cloud Application Programming Model).
• Integrarse con herramientas de código abierto de la comunidad como LangChain mediante plug-ins.

No te pierdas nuestros análisis comparativos e insights basados en datos. El botón abre Google; seleccionar AIMultiple confirma que deseas ver AIMultiple con más frecuencia en los resultados de búsqueda de Google.

Añadir como fuente preferida

Lecturas adicionales

Explore más noticias y aplicaciones relacionadas con SAP consultando nuestros artículos completos y basados en datos:

• Descubra las herramientas de IA generativa de SAP BTP, 4 casos de uso y beneficios
• Principales herramientas de automatización de cargas de trabajo de SAP y casos de uso

Cita esta investigación

Elige el formato que se ajuste al lugar donde vas a publicar. Pegar la versión con enlace en tu CMS conserva el enlace de retroceso.

@misc{simsek2026,
  author = {Şimşek, Hazal},
  title  = {{Descubra las 6 últimas integraciones de IA de SAP Datasphere}},
  year   = {2026},
  month  = jul,
  howpublished    = {\url{https://aimultiple.com/sap-datasphere-ai}},
  note   = {AIMultiple. Recuperado el 23 de Julio de 2026}
}

Registro de cambios

2 actualizaciones

1. 202624 de Jun

   Se añadieron integraciones de Joule con SAP-RPT-1 Foundation Model y Microsoft 365 Copilot

2. 19 de Mar

   Se eliminaron las estadísticas de la sección de introducción.

Enlaces de referencia

1.

Unleashing the Latest SAP Data and Analytics Innovations | SAP News Center

SAP

2.

SAP Datasphere on Teched 2023: What has been achieved and where are we going? • Interdobs

3.

Set SAP Data in Motion with Confluent Cloud, an SA... - SAP Community

4.

Intelligent Applications in SAP Business Data Cloud | SAP Sapphire | SAP News Center

SAP

5.

SAP Datasphere | Unified Data Experience

6.

SAP Analytics Cloud compass - SAP Danmark Nyheder

7.

Vectorize your Data : SAP HANA Cloud's Vector Engi... - SAP Community

Hazal Şimşek

Analista del sector

Síguenos

Hazal es analista del sector en AIMultiple, centrándose en la inteligencia de procesos (incluida la minería de procesos) y la automatización empresarial (incluidas la automatización de TI y la automatización low-code/no-code).

Ver perfil completo

Sé el primero en comentar

Tu dirección de correo electrónico no será publicada. Todos los campos son obligatorios. Los comentarios se dejan en su idioma original.

Nombre

Dirección de correo electrónico

Comentario

0/450

Publicar comentario