SAP смещает акцент в корпоративном ИИ с «просто подключить модель к данным» на более скучную, но куда более полезную вещь: графы знаний. По мнению компании, без них автономные ИИ-агенты плохо понимают контекст бизнеса, путаются в терминах и слишком быстро превращаются из помощников в источник лишних рисков.
Об этом на VentureBeat Transform говорил представитель SAP Макс Макфи. Суть тезиса простая: агенту мало доступа к документам и таблицам. Ему нужна карта связей между объектами бизнеса, ролями, правилами и правами доступа.
Почему обычного доступа к данным уже недостаточно
В корпоративной среде ИИ-агент работает не с абстрактными фактами из интернета, а с внутренними сущностями компании: заказами, счетами, ролями, маршрутами согласования и десятками сокращений, которые понятны только сотрудникам. Если этот контекст не описан явно, модель начинает догадываться. А в бизнес-процессах это дорогая привычка.
Именно поэтому SAP делает ставку на графы знаний: они связывают данные, термины и отношения между объектами в понятную для машины структуру. В такой схеме агент не просто находит документ, а понимает, как он связан с конкретным клиентом, подразделением или этапом процесса.
Графы знаний и векторный поиск решают разные задачи
Макфи отдельно подчеркнул, что векторный поиск сам по себе проблему не закрывает. Он помогает быстро находить похожие фрагменты данных, но не объясняет, что именно они значат для конкретной компании. Граф знаний добавляет тот самый семантический слой, без которого автономность быстро упирается в ошибки интерпретации.
Для SAP это не теоретическая история. Компания уже продвигает SAP Knowledge Graph как часть своей платформы Business AI и связывает его с агентами Joule. Официальная позиция SAP здесь последовательна: агент должен рассуждать не на «общих знаниях», а на структуре реальных бизнес-данных компании.
Без управления доступом автономность превращается в проблему
Второй важный тезис SAP: ИИ-агентов нельзя выпускать в корпоративные системы по модели «пусть сами разберутся». Если агент получает доступ к рабочим системам, для него нужны те же правила, что и для человека: роли, права, аудит действий и понятные границы полномочий.
Это особенно важно для крупных компаний, где один неверный доступ означает не абстрактный сбой, а реальный риск для финансовых, кадровых или клиентских данных. На фоне бума агентных платформ SAP фактически напоминает рынку очевидную вещь: автономность без управления быстро заканчивается разговором с службой безопасности.
Значение для российского рынка
Для российских компаний сигнал практический. Если бизнес хочет внедрять ИИ-агентов в ERP, CRM, сервис-деск или внутренние порталы, одного подключения модели к базе знаний уже мало. Нужны нормальная семантика данных, единый словарь терминов и зрелая модель доступа. Иначе пилот выглядит красиво только на демо.
Для интеграторов и корпоративных ИТ-команд это еще и рыночная возможность: спрос смещается от «прикрутить чат к документам» к более дорогим проектам по описанию процессов, онтологий и корпоративной архитектуры данных.
Следующий этап этой гонки предсказуем: выиграют не те, у кого громче слово «агенты», а те, кто быстрее превратит разрозненные данные компании в управляемый контекст для ИИ.
Источник: VentureBeat Transform, SAP News Center.