2026 年 9 月，杭州云栖大会期间，SAP 数据与分析业务总裁兼首席产品官 Irfan Khan 与多家媒体进行对话。时隔七年重回中国，他感受到中国已经从技术跟随者转变为全球技术创新的重要力量。面对行业内大模型热潮、智能体商业化、AI 与 SaaS 的关系等诸多议题，IrfanKhan 结合 SAP 商业 AI 平台、业务数据云的产品实践，剖析企业 AI 落地的现实困境与发展方向。
SAP 数据与分析业务总裁兼首席产品官 Irfan Khan
企业 AI 的核心是补齐业务上下文底座
当前大语言模型在文本、音视频生成方面能力突出，但走进真实企业场景，价值释放却遭遇明显瓶颈。Irfan Khan 指出，高成本训练出来的通用大模型，并不包含企业动态产生的订单、采购、销售等一手业务数据，天然缺少业务上下文，这也是很多 AI 项目看上去效果惊艳，却难以真正服务经营决策的根源。
想要让 AI 产生商业价值，企业必须搭建属于自己的数据底座，这正是 SAP BusinessData Cloud（BDC 业务数据云）与 SAPBusiness AI Platform（商业 AI 平台）的定位。平台能够兼容 Snowflake、Databricks 等各类外部数据环境，承担打通 SAP 及非 SAP 多系统数据管道的复杂工作，为企业提供全托管的数据服务。
多源数据完成汇聚之后，会加工成语义丰富的数据产品，输入 SAP 知识图谱。区别于普通大模型直接查询数据的模式，知识图谱融合跨系统业务数据，自带完整业务语义。以 Joule 智能体的工作链路为例，业务人员通过 Joule Work 基于自身岗位角色提出自然语言问题，知识图谱会对问题进行完整解构，结合权限、元数据完成应答，既保障回答的准确度，也规避 AI 幻觉，同时做到全程可审计。
中国企业同时面临结构化主数据混乱与大量非结构化单据、文档并存的现实情况。通过一系列收购整合，SAP 补齐了对应能力：Reltio 解决多系统主数据口径不一致问题，同时具备 OCR 与文档解析能力；Dremio 依托开源技术强化数据联邦与跨源查询。结构化与非结构化异构数据经过治理、解析之后，统一汇入知识图谱，转化为可供 AI 调用的业务资产。
Irfan Khan 回顾十六年前自己所著《The New Data Imperative》一书，彼时数据价值重点在于速度，依靠实时数据支撑人类做出毫秒级的商业判断。而到了 AI 智能体时代，决策支持的重心已经发生迁移。仅有数据传输速度远远不够，机器能否读懂数据背后的业务语义成为关键。企业既需要历史沉淀信息，也需要实时数据流，最终目标是实现预测性决策，把风险处置从事后补救变成事前预警。
注册机制与企业记忆破解核心业务应用顾虑
随着 Agent 开始深入企业业务流程，数据越权访问、智能体间信息误读以及输出结果失控，成为阻碍企业在核心业务中大规模应用 AI 的主要顾虑。在 Irfan Khan 看来，智能体能力建设必须与治理体系同步推进，不能先发展能力再补安全。
SAP 的解决方案核心是 AI Agent Hub 智能体中心。所有在商业 AI 平台上构建的智能体，都必须在此完成注册登记，只有经过认可的智能体，才被允许调用数据或者执行业务操作。Irfan Khan 将其类比为 LeanIX 对整个企业资产盘点的逻辑：企业需要摸清所有IT 资产，同样也需要看清环境内正在运行的每一个智能体，实现集中识别、管控与审计。
在此之上，SAP 提出“企业记忆”的创新概念。类比新员工入职学习员工手册与公司制度，企业记忆沉淀组织长期形成的业务规则、约束条件与历史经验，例如供应商折扣红线、财务流程规范等。所有智能体均可读取这套统一的规则体系，明确业务行为的边界，相当于给 AI 装上一套内置的业务护栏。
针对行业热议的智能体是否会颠覆现有商业模式，Irfan Khan 保持冷静客观。他表示，现阶段还没有企业依靠智能体彻底重构自身运营模式。月末关账、财务核算这类容错率极低的业务，尚且不能完全交由 AI 自主运行，颠覆性变革或许会到来，但仍需要时间。
同时他明确，AI 智能体不会取代 SaaS。SaaS作为企业的记录系统，承载标准化业务流程，保存完整交易历史与业务语义；智能体的定位是流程的执行者，替代以往人工点击操作的环节，二者属于互补关系。全球主流大模型厂商也逐步达成共识：智能体的核心使命是辅助员工，放大人力价值，而非替换现有软件生态。
走向“自主运营企业”的现实路径
如今不少企业 AI 落地陷入一个共性困境：AI 工具能够切实提升员工个体工作效率，却很难转化为整个组织的经营增益。在 Irfan Khan 眼中，单点工具的效率提升，并不是企业 AI 的终极目标，SAP 的长期愿景是打造“自主运营企业”。
这一愿景并非指完全无人化，而是依靠多智能体协同完成业务流程的再编排。依托 Joule 产品体系，平台区分了助手（Assistant）与智能体（Agent）两层能力：例如财务助手可以调度多个底层 Agent，Agent 之间也可以互相调用配合，覆盖财务、供应链、人力、客户体验等多条业务线。按照规划，到 2026 年底，SAP 将提供约超400个AI用例，其中包括37个专业化Joule智能体，通过多智能体联动，把价值从个体员工延伸到整个企业业务链条。
Irfan Khan 也谈及全球产业的一个重要共识：AI 技术迭代速度飞快，配套的风险管控与治理机制建设更需要紧跟创新的脚步，这也成为全球企业管理者高度关注的关键命题，这也是全球企业管理者共同担忧的问题。企业核心业务记录系统拥有 AI 运行时难以复刻的厚重业务价值，AI 更多是作为使能者，赋能现有业务体系，优化使用体验。
对于中国市场，他认为中国市场的创新实践给 SAP 带来诸多启发。企业级 AI 真正的考验，从来不是实验室里的测试效果，而是能不能适配真实、复杂、异构的企业 IT 环境。相较于单纯追求模型与参数的比拼，统一的数据底座、可理解的业务语义、完备的安全治理，三者缺一不可，这也是企业 AI 从试点走向规模化落地的必经之路。
