SAP Joule + Claude: por que o modelo de IA virou peça trocável (e o que decide o agente é o contexto de negócio)

A SAP colocou o Claude como modelo de raciocínio primário no Joule, ancorado em 452 mil tabelas de contexto. Veja por que o LLM e o de menos e o dado governado decide o agente.

Por CCX Company17 de agosto de 20268 min de leitura
SAP Joule + Claude: por que o modelo de IA virou peça trocável (e o que decide o agente é o contexto de negócio)

A notícia veio embrulhada como manchete de guerra de modelos: a SAP escolheu o Claude, da Anthropic, como modelo de raciocínio primário embutido em todo o portfólio de Business AI, orquestrado pelo Joule. É grande, é real e coloca no centro da mesa a pergunta que todo mundo em tecnologia está fazendo em 2026: qual LLM manda dentro do ERP?

Só que a pergunta certa é outra. O detalhe que quase ninguém sublinhou é o que roda por baixo do modelo. Antes de tomar qualquer ação num S/4HANA, o Claude consulta o SAP Knowledge Graph — 452.000 tabelas e 7,3 milhões de campos estruturados do domínio do ERP — para entender contexto, relações de dado e dependências de processo. É esse mapa que decide se o agente fecha o mês certo ou aciona o processo errado. E esse mapa não cai do céu.

A leitura estratégica é desconfortável para quem gastou o ano discutindo benchmark de LLM: o modelo de IA virou commodity trocável. Ontem o cérebro do Joule era um modelo, hoje é o Claude, amanhã pode ser outro. O que não se troca — e o que separa um agente confiável de um vazamento de dado — é o contexto de negócio governado por baixo.

1. O que a SAP anunciou: Claude como modelo de raciocínio primário no Joule (via MCP)

A SAP posicionou o Claude como a camada de raciocínio padrão do Joule, seu copiloto e orquestrador de agentes dentro do Business AI. Não é um plugin opcional escondido num menu: é o motor de raciocínio que passa a alimentar a leva de agentes especializados da plataforma. A escala anunciada dá o tom — 224 agentes especializados e 51 Joule Assistants, todos apoiados no Claude como camada de raciocínio, com disponibilidade geral do Joule Work prevista para o fim de 2026.

A conexão entre o modelo e os sistemas transacionais — S/4HANA, SuccessFactors, Ariba — roda por MCP (Model Context Protocol), dentro dos mesmos controles de compliance que a SAP já mantinha. Ou seja: o modelo não ganhou acesso irrestrito ao ERP. Ele conversa com os sistemas por um protocolo padronizado, sob as permissões e auditorias existentes. Essa arquitetura importa mais do que a marca do LLM, e é exatamente o ponto que a manchete tende a ignorar.

2. O detalhe que importa: o SAP Knowledge Graph (452 mil tabelas) que o modelo consulta antes de agir

Um LLM, por mais capaz que seja, não conhece o seu negócio. Ele não sabe que "cliente bloqueado por crédito" na sua operação depende de três tabelas, dois status e uma regra fiscal específica. É aqui que entra o SAP Knowledge Graph: uma representação semântica do domínio do ERP com 452 mil tabelas e 7,3 milhões de campos, com as relações e dependências entre eles explicitadas.

Antes de agir, o Claude consulta esse grafo para entender o contexto: quais entidades estão envolvidas, como se relacionam, que processo precisa ser respeitado, que dependência não pode ser quebrada. É a diferença entre um agente que "chuta com eloquência" e um agente que raciocina sobre o dado real da empresa. O modelo fornece a capacidade de raciocínio; o grafo fornece o o quê raciocinar. Sem o segundo, o primeiro é um estagiário brilhante sem acesso ao manual da empresa.

3. Por que o modelo virou commodity trocável — e o contexto de negócio não

Modelos de fronteira estão convergindo em capacidade e caindo de preço a cada trimestre. Trocar o LLM de um sistema em 2026 é uma decisão de configuração, não de arquitetura — a própria SAP demonstrou isso ao colocar o Claude no comando de uma plataforma que já rodava com outro raciocínio. Essa é a definição prática de commodity: intercambiável, sem custo de troca proibitivo, escolhido por preço e desempenho pontual.

O contexto de negócio é o oposto. As 452 mil tabelas de conhecimento da SAP são o resultado de décadas de modelagem de domínio. No seu caso, o equivalente — os dados de cliente, estoque, preço, pedido e as regras que os conectam — está espalhado por sistemas diferentes, muitas vezes sem semântica explícita e mal integrado. Reconstruir esse contexto é caro, demorado e específico do seu negócio. É justamente por ser difícil de copiar que ele, e não o modelo, é o verdadeiro fosso competitivo.

4. MCP como a ponte: Claude ↔ S/4HANA, SuccessFactors, Ariba

O MCP é o que torna essa arquitetura sustentável. Em vez de acoplar o modelo diretamente a cada sistema com integrações frágeis e sob medida, o protocolo padroniza como o agente descobre, lê e aciona recursos externos. Um servidor MCP expõe capacidades — consultar um pedido, checar estoque, abrir uma requisição — com contrato claro, e qualquer modelo que fale MCP as consome.

A consequência prática é dupla. Primeiro, a troca de modelo fica barata: se o motor de raciocínio muda, as integrações continuam de pé, porque falam com o protocolo, não com o modelo. Segundo, a governança fica no lugar certo: as permissões, a auditoria e os limites do que o agente pode ver ou acionar vivem na camada de integração, não na "criatividade" do LLM. É por isso que a SAP conseguiu embutir o Claude sem abrir mão dos controles de compliance — o MCP é onde a governança mora.

5. A lição para quem não é SAP: o agente acerta pelo dado governado, não pelo LLM

Você provavelmente não tem 452 mil tabelas semânticas prontas. Tem sistemas heterogêneos, dado duplicado, regras de negócio que só existem na cabeça de alguém e integrações feitas às pressas. Quando você plugar um agente nesse cenário, a limitação não vai ser o modelo — vai ser o contexto que ele consegue enxergar.

Um agente sem contexto governado erra de três formas caras: alucina porque não tem a fonte de verdade; aciona a ação errada porque não entende a dependência de processo; e vaza porque ninguém definiu o que ele pode ou não pode acessar. Nenhum desses três problemas se resolve trocando de LLM. Todos os três se resolvem no contexto: dados integrados, semântica explícita, permissões e observabilidade. A escolha do modelo é a última decisão, não a primeira.

6. Como a CCX conecta e governa o contexto que o seu agente enxerga (SAP ↔ não-SAP)

É exatamente aqui que a CCX atua. Nossa prática de Integrações & APIs Enterprise conecta as fontes reais de dado e processo — ERPs (incluindo SAP e Protheus), plataformas de e-commerce, CRMs e sistemas legados — via arquitetura event-driven (Kafka, RabbitMQ), REST, GraphQL e gRPC, e expõe essas capacidades ao Joule/Claude por MCP, com contrato e idempotência. É a ponte SAP ↔ não-SAP que faz o agente enxergar o contexto certo, e não um recorte parcial.

Por cima disso, montamos a camada de contexto que o agente consulta antes de agir: nossa prática de Data & Business Intelligence organiza a semântica do seu negócio — o "knowledge graph" da sua operação — em cima de data warehouses e pipelines modernos, enquanto a Security Engineering define, com controle de acesso, criptografia e compliance, exatamente o que o modelo pode ver e acionar. O resultado é um agente que raciocina sobre dado governado, não sobre suposição.

O modelo virou peça trocável — a SAP acabou de provar colocando o Claude no comando. O que decide se o agente acerta, sem vazar, é o contexto de negócio por baixo: 452 mil tabelas de conhecimento não caem do céu. Integrar SAP ao seu e-commerce → — e conectar e governar o dado e os processos que o seu agente precisa enxergar, SAP ↔ não-SAP, via MCP, antes de trocar de modelo. Veja também a visão geral de integrações SAP da CCX.

7. Perguntas frequentes (People Also Ask)

A SAP substituiu o modelo próprio pelo Claude no Joule? A SAP posicionou o Claude como modelo de raciocínio primário do Joule em todo o Business AI. A arquitetura via MCP é justamente o que torna o modelo intercambiável — a plataforma continua orquestrando agentes e assistentes independentemente de qual LLM esteja no comando.

O que é o SAP Knowledge Graph e por que ele importa? É a representação semântica do domínio do ERP — 452 mil tabelas e 7,3 milhões de campos com suas relações — que o agente consulta antes de agir. É o contexto que impede o modelo de alucinar ou acionar o processo errado.

Se o modelo é trocável, no que devo investir primeiro? No contexto: integrar as fontes de dado, tornar a semântica explícita e definir governança de acesso. É o que decide a confiabilidade do agente e o que é difícil de copiar — ao contrário do LLM.

Preciso ser uma empresa SAP para aplicar essa lição? Não. A tese vale para qualquer stack: o agente acerta pelo dado governado e pela integração, não pelo modelo. A CCX monta essa camada em ambientes SAP e não-SAP.

Receba os próximos Insights por e-mail

No máximo um e-mail por semana, com os artigos novos. Sem spam.

Ao assinar, você concorda em receber os Insights da CCX por e-mail, conforme a Política de Privacidade e a LGPD. Sem spam; cancele quando quiser, em qualquer e-mail.

Leve a discussão para a sua operação.

O primeiro passo é um diagnóstico: trinta minutos com um engenheiro da CCX, sem custo, para entender seu cenário de plataforma, integrações e dados.