SAP Business Data Cloud + Databricks: a "fundação de dados" (não o modelo) decide se o seu agente de IA acerta

SAP Business Data Cloud embute Databricks e o Joule Studio 2.0 chega no Q3. Entenda por que o agente é tão bom quanto o dado governado por baixo — e como montar essa fundação.

Por CCX Company18 de agosto de 20268 min de leitura
SAP Business Data Cloud + Databricks: a "fundação de dados" (não o modelo) decide se o seu agente de IA acerta

A SAP acabou de empurrar uma peça que muda o eixo da conversa sobre IA nas empresas. O SAP Business Data Cloud (BDC) — que embute nativamente o Databricks (engenharia de dado, machine learning e IA) e conecta fontes externas como BigQuery, Snowflake e Microsoft Fabric — se posiciona como a fundação de dado dos agentes. Em cima disso vem o Joule Studio 2.0, com disponibilidade geral (GA) prevista para o terceiro trimestre de 2026: um ambiente low-code para criar agentes e skills próprios que consultam o Knowledge Graph e ganham contexto semântico do negócio.

O recado, se você tirar a marca SAP da frase, vale para qualquer stack: o agente não é tão bom quanto o modelo — é tão bom quanto a fundação de dado por baixo. É essa tese que separa uma prova de conceito impressionante de uma operação em produção que não erra caro.

O que a SAP anunciou: Business Data Cloud com Databricks nativo e Joule Studio 2.0

A leitura correta do anúncio não é "a SAP lançou mais uma ferramenta de dado". É que a SAP está tentando ser a plataforma de dado agêntica das empresas — o lugar onde o dado que alimenta os agentes vive, governado e com semântica.

O Business Data Cloud faz três movimentos ao mesmo tempo. Ele traz o Databricks para dentro, o que significa engenharia de dado, ML e IA sobre os mesmos dados de negócio, sem exportar tudo para fora. Ele conecta fontes não-SAP — BigQuery, Snowflake, Microsoft Fabric — reconhecendo que nenhuma empresa real tem 100% do dado dentro do SAP. E ele preserva o contexto semântico do ERP: um pedido continua sendo um pedido, com todas as suas relações, em vez de virar uma linha solta numa tabela.

O Joule Studio 2.0 é a camada que transforma essa fundação em agentes. Com um ambiente low-code, times criam skills e agentes próprios que consultam o Knowledge Graph, suportam A2A (comunicação agente-a-agente), agentes disparados por eventos de sistema e lógica de pré e pós-processamento. É a promessa de "monte seu agente sobre o seu dado" — desde que o seu dado esteja montado.

Knowledge Graph e semântica: como o agente ganha contexto de negócio

O ponto que menos aparece nas manchetes é também o mais importante: o Knowledge Graph. Um agente que consulta tabelas soltas sabe que existe um número numa célula. Um agente que consulta um grafo de conhecimento sabe que aquele cliente tem aqueles pedidos, que dependem daquele estoque, sujeito a aquela política de crédito.

Semântica é o que transforma dado em contexto. Sem ela, o agente responde perguntas de recuperação ("quantos pedidos abertos?") mas falha em perguntas de raciocínio ("esse cliente pode fazer um novo pedido dado o limite de crédito e o estoque atual?"). A diferença entre os dois tipos de pergunta é a diferença entre um relatório e um agente que decide.

É por isso que a SAP está investindo tanto em amarrar o Databricks ao Knowledge Graph: o poder de processamento sem a semântica produz respostas rápidas e desancoradas. A semântica é a cola.

A tese que vale pra qualquer stack: o agente é tão bom quanto a fundação de dado

Aqui está a virada de eixo que importa mais do que qualquer nome de produto. Durante dois anos, a conversa de IA empresarial foi sobre qual modelo. Em 2026, a conversa madura é sobre qual fundação de dado.

A razão é simples e implacável. Um agente responde rápido — essa parte praticamente todos os modelos modernos entregam. Mas se o dado que ele consulta está espalhado entre sistemas, duplicado, desatualizado e sem semântica, o agente erra com confiança. E erro de agente em processo crítico — fechar pedido, mexer em estoque, aprovar pagamento, reconhecer receita — é caro em dinheiro e em confiança.

Trocar o modelo não conserta isso. Um modelo melhor sobre dado ruim erra de forma mais eloquente. A alavanca real não está no topo da pilha (o modelo); está na base (o dado). Empresas que entenderam isso pararam de fazer beauty contest de LLM e começaram a arrumar a fundação.

SAP ↔ não-SAP: unificar dado sem duplicar (BigQuery, Snowflake, Fabric)

O reconhecimento mais honesto embutido no Business Data Cloud é que o dado da empresa não mora só no SAP. Ele está no data warehouse (BigQuery, Snowflake), no lakehouse (Fabric, Databricks), no e-commerce, no CRM, em planilhas que ninguém admite que existem.

Unificar esse dado tem um risco clássico: duplicar. Copiar tudo para um novo lugar cria uma segunda fonte de verdade que diverge da primeira em semanas. A abordagem moderna — e a que o BDC sinaliza com suas conexões nativas — é federar e referenciar em vez de copiar: o dado permanece onde nasce, mas é acessível de forma unificada e governada.

Fazer isso funcionar na prática, porém, é engenharia de integração pesada: contratos entre sistemas, sincronização de mudança (CDC), reconciliação de identidade (o "cliente 4471" do SAP é o mesmo do CRM?) e uma camada semântica que dê sentido consistente aos campos. Comprar a plataforma não entrega esse trabalho — ela dá o palco, não a peça.

Governança e semântica: o que separa agente que resolve de agente que erra com confiança

Governança de dado deixou de ser um tema de compliance para virar um tema de funcionamento do agente. Se o agente pode ver dado que não deveria, você tem um problema de segurança. Se o agente vê dado inconsistente, você tem um problema de acurácia. Se o agente vê dado atrasado, você tem um problema de confiabilidade.

Os três pilares que sustentam um agente confiável são: dado unificado (uma visão coerente entre SAP e não-SAP, sem duplicação divergente), governança (regras claras de acesso, linhagem e qualidade) e semântica (significado consistente, via Knowledge Graph ou camada equivalente). Faltando qualquer um dos três, o agente responde rápido e erra com confiança.

Como a CCX monta e integra a fundação de dado do seu agente

A SAP acabou de dizer, alto e claro, com o Business Data Cloud e o Databricks: o agente é tão bom quanto o dado por baixo. Concordamos. Mas a fundação de dado governado — unificar SAP e não-SAP, dar semântica, conectar BigQuery, Snowflake e Fabric — não vem pronta na caixa.

Com Data & BI + IA para negócios, a CCX monta essa fundação: unificação de fontes, camada semântica (o "knowledge graph do seu negócio"), governança e qualidade, apoiada em ferramentas modernas de dado (BigQuery, Snowflake, Looker, Metabase, pipelines e data lakes). É a base que o agente consulta antes de agir — e a razão pela qual ele acerta.

E com Integrações & APIs Enterprise, a CCX conecta as fontes reais à fundação usando arquitetura event-driven (Kafka, RabbitMQ), com expertise específica em SAP (OData, iDocs, RFC) para integrar o ERP ao e-commerce e aos data warehouses — sem duplicar, com contrato e sincronização confiável. A Arquitetura Cloud da CCX roda essa malha de dado com escala elástica e custo sob controle.

A tese é agnóstica: seja com o BDC da SAP, com Databricks puro ou com qualquer outra plataforma, alguém precisa montar e conectar a fundação. Arrume o dado antes de comprar o agente.

Diagnóstico de dados gratuito → · Para integrar SAP ↔ não-SAP e e-commerce: Integrar SAP + e-com.

FAQ — Perguntas frequentes

O que é o SAP Business Data Cloud?
É a plataforma de dado da SAP que embute nativamente o Databricks (engenharia de dado, ML, IA) e conecta fontes externas como BigQuery, Snowflake e Microsoft Fabric, funcionando como a fundação de dado governado que alimenta os agentes de IA.

Quando o Joule Studio 2.0 fica disponível?
A disponibilidade geral (GA) do Joule Studio 2.0 está prevista para o terceiro trimestre de 2026. É o ambiente low-code para criar agentes e skills próprios que consultam o Knowledge Graph da SAP.

Por que a fundação de dado importa mais que o modelo de IA?
Porque um agente responde tão bem quanto o dado que consulta. Um modelo melhor sobre dado espalhado, duplicado e sem semântica apenas erra de forma mais convincente. A alavanca real de acurácia está na base de dado, não no topo do modelo.

O que é o Knowledge Graph e por que ele importa?
É a camada semântica que dá significado e relações ao dado — não apenas "existe um número aqui", mas "este cliente tem estes pedidos que dependem deste estoque". É o que permite ao agente raciocinar em vez de só recuperar.

Comprar SAP BDC ou Databricks resolve minha fundação de dado?
Não sozinho. A plataforma dá o palco; o trabalho de unificar SAP e não-SAP, reconciliar identidade, dar semântica e governar o acesso é um projeto de engenharia de dado. A CCX monta e integra essa fundação.

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.