Qué aprenderás

Activar SAP AI Core y SAP AI Launchpad en el plan correcto y estimar el gasto antes de comprometerlo, con las cuotas y los límites que conviene conocer de antemano.
Elegir modelo con datos en la mano, comparando coste, ventana de contexto y calidad en lugar de guiarse por la reputación del proveedor.
Redactar prompts profesionales y gobernarlos como código, con plantillas versionadas que sobreviven al desarrollador que las escribió.
Montar un flujo de orquestación completo, con anonimización de datos personales y filtrado de contenido activados sin escribir una línea para ello.
Conectar el modelo con la documentación propia de la organización mediante búsqueda semántica sobre SAP HANA Cloud, para que responda con los datos de la propia organización.
Medir con métricas la calidad de la solución antes de darla por buena.
Consumir el hub desde código con los kits oficiales de Python y JavaScript, y desde aplicaciones completas con Cloud Application Programming Model y SAP Fiori.
Integrar la inteligencia artificial dentro del stack ABAP con escenarios inteligentes transportables, sin credenciales ni prompts incrustados en el código.
Presentarse al examen oficial de SAP Generative AI Developer con la práctica hecha y el formato conocido.

Descripción del curso

La inteligencia artificial generativa ya es una petición concreta que llega a los equipos SAP: aprovechar los modelos de lenguaje sin sacar de casa el dato de negocio y sin montar una integración distinta con cada proveedor. El generative AI hub de SAP existe justamente para eso, y este curso enseña a sacarle partido de principio a fin, desde activar el entorno sin sorpresas en la factura hasta dejar listo para producción un asistente que responde con la información real de la organización.

El recorrido es práctico y sigue el orden en que aparecen las decisiones en un proyecto de verdad. Se empieza por entender qué modelo conviene y cuánto cuesta cada llamada, se sigue redactando prompts que devuelven exactamente lo que la aplicación necesita, y se llega a montar un flujo de orquestación con anonimización de datos personales y filtrado de contenido incorporados. A partir de ahí el trabajo se traslada al código, con los kits oficiales de Python y JavaScript, con aplicaciones completas en Cloud Application Programming Model y SAP Fiori, y con la integración dentro del propio stack ABAP mediante escenarios inteligentes. Diez clases en vivo, ocho laboratorios con su solución completa y un proyecto final en el que todo lo anterior se reúne en una entrega propia.

Al terminar, el alumno sabe llevar una idea desde la primera prueba en el navegador hasta una solución gobernada, medida y auditable, con criterio para justificar cada decisión de arquitectura ante un cliente. El curso prepara además para el examen oficial de SAP Generative AI Developer, con simulacros que reproducen su formato práctico, de modo que la certificación se convierte en el paso natural después de la última clase.

Metodología

El curso combina vídeos que cada alumno ve a su ritmo con diez clases en vivo de dos horas. Las clases están pensadas para practicar: la teoría ya llega vista en los vídeos, y la sesión se dedica a construir en directo sobre el sistema, resolver los laboratorios del bloque y desbloquear los problemas reales que aparecen al trabajar con el sistema. El alumno llega con el contenido visto y sale con el ejercicio funcionando.

¿A quién va dirigido?

Desarrolladores ABAP y de SAP BTP que quieren incorporar capacidades generativas a las aplicaciones que ya mantienen.
Consultores técnicos SAP que necesitan proponer y dimensionar soluciones de inteligencia artificial ante un cliente con criterio y con cifras.
Arquitectos de soluciones que evalúan cómo encaja la inteligencia artificial generativa dentro de un paisaje SAP existente, con sus requisitos de gobierno y de protección del dato.
Profesionales que preparan la certificación SAP Generative AI Developer y buscan una preparación basada en la práctica.

Herramientas que usarás

SAP BTP Cockpit Sap Cloud Sdk For Ai sap-ai-launchpad Visual Studio Code

Requisitos

Experiencia en desarrollo dentro del ecosistema SAP, ya sea en ABAP o sobre SAP BTP.
Nociones de programación en Python o en JavaScript, suficientes para leer y adaptar los ejemplos del curso. No hace falta dominar los dos.
Familiaridad con conceptos de nube de SAP BTP, como cuenta global, subcuenta e instancia de servicio.
Acceso a una subcuenta de SAP BTP con SAP AI Core en plan extended para reproducir los laboratorios, y a una instancia de SAP HANA Cloud para la búsqueda semántica sobre documentos propios. El trial de treinta días sirve para explorar el hub antes de contratarlo.
Para el bloque de integración en ABAP, acceso a un sistema SAP S/4HANA 2023 o posterior.
No se requiere experiencia previa en inteligencia artificial ni en aprendizaje automático.

Contenido del curso

Ecosistema de SAP Business AI y fundamentos de modelos de lenguaje

1. Panorama de la inteligencia artificial empresarial en SAP

1.1. Arquitectura de SAP Business AI y modalidades de consumo
1.2. Inteligencia artificial embebida y capacidades del asistente Joule
1.3. Búsqueda conversacional y variantes del asistente Joule
1.4. Verificación de respuestas y alcance real del asistente Joule
1.5. Posición del generative AI hub dentro de SAP BTP
1.6. Relación entre SAP AI Core y SAP AI Launchpad
1.7. Casos de adopción de IA generativa en proyectos SAP

2. Aplicación de modelos de lenguaje para desarrolladores

2.1. Tokens de entrada y salida y cálculo del consumo
2.2. Fichas de modelo y ventana de contexto
2.3. Límite de salida y respuesta incompleta del modelo
2.4. Consumo de cada llamada e historial de la conversación
2.5. Control de alucinaciones y mitigación de sesgos en entornos corporativos
2.6. Temperatura, muestreo de núcleo y penalizaciones en la generación
2.7. Parámetros por modelo y criterio para una salida estable
2.8. Comparación de modelos y criterio de coste en la Biblioteca de modelos
2.9. Latencia, privacidad y evaluación real en la elección de modelo
2.10. Puerta de entrada segura y protección de los datos personales
2.11. Filtrado, medición y ciclo de vida de una solución responsable

Activación y gobierno del entorno en SAP BTP

3. Modelos de acceso y control del gasto en SAP BTP

3.1. Planes standard y extended de SAP AI Core y su cambio de plan
3.2. Retirada del plan free y trial de treinta días para explorar el hub
3.3. Cuenta global, directorios y entitlements en SAP BTP
3.4. Directorios gestionados, Cloud Foundry y diagnóstico por niveles
3.5. Activación de SAP AI Core en su plan extendido
3.6. Provisión de SAP AI Launchpad y asignación de roles
3.7. Tokens y GenAI tokens como medida del consumo de un modelo
3.8. Estimación del consumo mensual a partir de patrones de uso
3.9. Control del gasto mediante cuotas y alertas de facturación
3.10. Conversión del consumo a capacity units y unidades de medida
3.11. Consumo total de una solución con RAG en capacity units
3.12. Verificación del entorno activado y resolución de incidencias frecuentes

4. Operación de SAP AI Core y SAP AI Launchpad

4.1. Organización del trabajo mediante resource groups
4.2. Catálogo de modelos de un tenant, tipos de acceso y escenarios
4.3. Comparación de modelos en la Model Library y la marca latest
4.4. Actualización, obsolescencia y retirada de los modelos
4.5. Escenarios, ejecutables y configuraciones en SAP AI Core
4.6. Familias de configuración, deployments y grupos de recursos
4.7. Despliegue del servicio de orquestación
4.8. Exploración de modelos desde el playground del Launchpad
4.9. Supervisión de deployments y lectura de métricas de consumo
4.10. La AI API como interfaz programática de administración
4.11. Estados de un deployment y transiciones entre ellos
4.12. Actualización, caducidad y diagnóstico de un deployment

Diseño y gobierno de prompts empresariales

5. Ingeniería de prompts aplicada al contexto empresarial

5.1. Anatomía del prompt empresarial con rol, contexto y tarea
5.2. Técnicas de aprendizaje sin ejemplos y con pocos ejemplos
5.3. Inducción de razonamiento paso a paso en tareas complejas
5.4. Generación de salidas estructuradas consumibles por aplicaciones
5.5. Iteración comparativa de prompts entre modelos distintos

6. Gestión centralizada de plantillas y versiones de prompt

6.1. Plantillas de prompt con variables reutilizables
6.2. Versionado y publicación en el Prompt Registry
6.3. Criterios y métricas de evaluación sistemática de prompts
6.4. Construcción de una librería corporativa de prompts
6.5. Gobierno del ciclo de vida de los prompts en equipo
6.6. Optimización asistida de prompts desde el hub
6.7. Comparación de versiones y promoción a producción

Orquestación de servicios y fundamentación con datos propios

7. Construcción del pipeline de orquestación

7.1. Módulos del pipeline de orquestación y su encadenamiento
7.2. Configuración de plantilla y modelo dentro de la orquestación
7.3. Anonimización y seudonimización de datos sensibles
7.4. Entidades detectables y estrategias de enmascarado
7.5. Filtrado de entrada con umbrales de severidad configurables
7.6. Filtrado de salida y categorías de contenido dañino
7.7. Manejo de errores y trazabilidad de la orquestación

8. Fundamentación del modelo con conocimiento corporativo

8.1. Embeddings y búsqueda semántica sobre documentos propios
8.2. SAP HANA Cloud Vector Engine como almacén vectorial
8.3. Repositorios de document grounding en el hub
8.4. Recuperación de contexto y generación fundamentada
8.5. Evaluación de la calidad de las respuestas fundamentadas
8.6. Repositorios admitidos y pipelines de ingesta documental

9. Evaluación y prueba de soluciones de IA generativa

9.1. Criterios de evaluación en aplicaciones empresariales
9.2. Revisión humana y mecanismos de retroalimentación del usuario
9.3. Métricas automáticas de calidad y de fundamentación
9.4. Estrategias de prueba y ensayos adversarios
9.5. Operación continua con prácticas de MLOps

Consumo programático mediante los SDK oficiales

10. Integración desde Python con el SDK de generative AI hub

10.1. Instalación del SDK y autenticación con service keys
10.2. Generación de respuestas y transmisión en streaming
10.3. Consumo de la orquestación propia desde Python
10.4. Gestión de errores, reintentos y control de coste
10.5. Integración del SDK en scripts de negocio

11. Integración desde JavaScript con SAP Cloud SDK for AI

11.1. Paquetes del SDK, instalación y autenticación
11.2. Cliente de orquestación con plantillas y fundamentación
11.3. API armonizada para el intercambio de modelos
11.4. Construcción de un servicio Node sobre el hub
11.5. Pruebas y despliegue del servicio en Cloud Foundry

Aplicaciones empresariales con CAP y SAP Fiori

12. Servicios inteligentes con Cloud Application Programming Model

12.1. Arquitectura de una aplicación CAP con capacidades de IA
12.2. Acciones de servicio que invocan modelos de lenguaje
12.3. Fundamentación desde el backend con datos de negocio
12.4. Seguridad, autorizaciones y aislamiento por tenant
12.5. Registro y trazabilidad de las llamadas al modelo

13. Experiencia de usuario SAP Fiori sobre servicios inteligentes

13.1. SAP Fiori Elements sobre un servicio CAP con IA
13.2. Presentación progresiva de respuestas en streaming
13.3. Estados de carga, espera y recuperación ante error
13.4. Patrones de interfaz para funciones de IA generativa
13.5. Validación de la experiencia de extremo a extremo

Integración de IA generativa en el stack ABAP

14. Escenarios inteligentes y ciclo de vida con ISLM

14.1. Panorama de opciones de IA dentro del stack ABAP
14.2. Intelligent Scenario Lifecycle Management y sus escenarios
14.3. Conexión del sistema ABAP con el generative AI hub
14.4. Publicación y activación de un escenario generativo
14.5. Gobierno y monitorización de escenarios en productivo

15. Consumo de modelos de lenguaje desde código ABAP

15.1. Clases y interfaces del ABAP AI SDK
15.2. Composición de prompts y envío de peticiones desde ABAP
15.3. Tratamiento de la respuesta y manejo de excepciones
15.4. Funcionalidad inteligente dentro de una aplicación ABAP real
15.5. Consideraciones de rendimiento y de Clean Core
15.6. Modelos especializados en ABAP y sus plantillas de prompt

Preparación de la certificación y proyecto integrador

16. Estrategia ante el examen práctico oficial

16.1. Formato de evaluación basada en sistema y su corrección
16.2. Estrategia de preparación para una prueba sin supervisión
16.3. Errores frecuentes de nomenclatura y de gestión del tiempo
16.4. Acceso, inscripción y vigencia de la credencial

17. Simulacros cronometrados y corrección estricta

17.1. Resolución guiada de tareas representativas del examen
17.2. Lista de verificación que replica el script evaluador
17.3. Simulacro completo bajo condiciones de tiempo real
17.4. Análisis de resultados y plan de refuerzo personal

18. Proyecto integrador y ruta de especialización

18.1. Caso de negocio de asistente empresarial fundamentado
18.2. Construcción del pipeline y de la aplicación que lo consume
18.3. Defensa técnica de las decisiones de arquitectura
18.4. Rúbrica de evaluación y evidencias entregables
18.5. Ruta de especialización hacia agentes y arquitecturas RAG

Cronograma de Clases en Vivo

Horario: 9:00 AM - 11:00 AM

Cada sábado. Las sesiones quedan grabadas para verlas cuando quieras.

sábado, 30 de enero 2027 Ecosistema de SAP Business AI y fundamentos de los modelos de lenguaje

sábado, 6 de febrero 2027 Activación de SAP AI Core y control del gasto en SAP BTP

sábado, 13 de febrero 2027 Operación de SAP AI Core y SAP AI Launchpad

sábado, 20 de febrero 2027 Ingeniería y gobierno de prompts empresariales

sábado, 27 de febrero 2027 Pipeline de orquestación con protección de datos

sábado, 6 de marzo 2027 Fundamentación con datos corporativos y evaluación de soluciones

sábado, 13 de marzo 2027 Consumo programático con los SDK oficiales

sábado, 20 de marzo 2027 Aplicaciones inteligentes con CAP y SAP Fiori

sábado, 3 de abril 2027 Inteligencia artificial generativa en el stack ABAP

sábado, 10 de abril 2027 Preparación de la certificación y proyecto integrador

4 semanas para proyecto final Desarrollo y entrega del proyecto de certificación

Tu instructor

Ismael Felipe Armada Pérez

SAP ABAP - Administración Cloud - IA Developer

Certificaciones:

SAP Certified - SAP Generative AI Developer

SAP Certified - Back-End Developer - ABAP Cloud

SAP Certified - SAP Fiori Application Developer

Ver perfil completo LinkedIn

Ver conceptos clave Consulta el glosario completo de términos SAP relacionados.