Generative AI Hub: plataforma para construir, no producto listo
El Generative AI Hub de SAP AI Core no se activa: se construye. Qué equipo, qué gobierno y qué consumo debe presupuestar una utility de LATAM.
· 12 min de lectura
Cuando un comité de TI de una distribuidora eléctrica o una operadora de hidrocarburos en América Latina evalúa la oferta de inteligencia artificial de SAP, casi siempre recibe un solo mensaje comercial: “ya viene incluido, solo hay que activarlo”. Ese mensaje es parcialmente cierto para algunas capas y completamente falso para otra. La diferencia importa, porque decide si el proyecto necesita una licencia o un equipo.
En la pieza anterior de esta serie explicamos que Joule es un copiloto con anclaje en el dato de negocio: se consume conversando, no programando. El Generative AI Hub es lo contrario. Es la capa donde una organización construye su propia inteligencia artificial sobre su propio dato, con su propio equipo. No es un producto terminado. Es una plataforma.
Qué es exactamente el Generative AI Hub
El generative AI hub es una capacidad de SAP AI Core y SAP AI Launchpad que habilita el acceso y la orquestación de modelos generativos dentro de un entorno de ejecución gobernado y de nivel empresarial (SAP Help Portal, 2026). No reemplaza a SAP AI Core: lo extiende. La ejecución de modelos, la gestión de recursos y el control operativo siguen ocurriendo en AI Core (SAP Help Portal, 2026).
Su valor arquitectónico central es la abstracción del proveedor. El Generative AI Hub dentro de SAP AI Core abstrae las APIs de varios proveedores de modelos para que el cliente elija el modelo por caso de uso, sin sostener una relación contractual directa con cada proveedor (FinOptory, 2026). Para una utility de la región, eso significa poder cambiar el modelo detrás de un caso de uso sin renegociar contratos ni reescribir integraciones.
Sobre esa base, el servicio de orquestación aporta una API armonizada que permite usar distintos modelos base sin modificar el código cliente, y módulos como plantillas de prompt, filtrado de contenido, enmascaramiento de datos y grounding con información propia (SAP Help Portal, 2026). Ese es el conjunto que convierte un experimento en algo defendible ante auditoría.
Lo que el comité debe entender antes de aprobar
Antes de aprobar, el comité debería tener sobre la mesa cinco decisiones: un caso de uso acotado —un problema operativo con dueño y métrica—, la habilitación en BTP para provisionar SAP AI Core, plan y grupos de recursos, el anclaje en dato propio mediante grounding sobre documentación técnica, normativa y maestros, el gobierno del flujo con enmascaramiento, filtrado y registro de cada inferencia, y la medición del consumo en tokens y unidades de capacidad atribuidas por caso de uso.
Ninguno de esos cinco pasos se resuelve con una casilla de activación. Todos requieren decisiones de arquitectura documentadas.
El requisito de equipo que casi nadie presupuesta
El acceso al Generative AI Hub está condicionado al plan de servicio extendido de SAP AI Core; los tenants existentes en free tier o plan estándar pueden migrar al plan extendido sin perder su trabajo previo (SAP Tutorials, 2025). Esa es la parte administrativa, y es la fácil.
La parte difícil es la operativa. La configuración de grupos de recursos —el límite lógico de aislamiento donde corren modelos, despliegues y ejecuciones— es un prerrequisito para acceder al hub y se realiza mediante la API de AI Core o desde la app ML Operations de SAP AI Launchpad, no desde el cockpit de BTP (SAP Community, 2026; SAP Help Portal, 2026). Es decir: el primer obstáculo real no es de negocio, es de ingeniería de plataforma.
En la práctica regional, esto se traduce en un perfil que las áreas de TI de las utilities de América Latina no siempre tienen en nómina: alguien que entienda simultáneamente autenticación en BTP, diseño de prompts, arquitecturas de recuperación aumentada y el dato de negocio del sector. Cuando ese perfil falta, el proyecto no fracasa en la demostración: fracasa al pasar a producción, que es cuando ya se firmó el presupuesto.
El consumo se mide, y se mide de otra forma
Aquí está la ruptura conceptual más grande respecto del uso conversacional. El consumo de IA generativa en SAP AI Core se mide en tokens, que se convierten en unidades de capacidad según el volumen de entrada y salida; la facturación se calcula sobre esas unidades y varía según el tipo de modelo y el patrón de uso (SAP Help Portal, 2026). En general, los tokens de salida tienden a ser algo más costosos que los de entrada (SAP Help Portal, 2026).
La consecuencia presupuestaria es directa: el costo no depende de cuántos usuarios tengan acceso, sino de cuánto texto procesa el sistema. Un caso de uso mal diseñado —un prompt que arrastra documentos completos en cada llamada— puede consumir de forma desproporcionada sin que nadie lo note hasta el cierre del período. Por eso el seguimiento del consumo desagregado por caso de uso es una práctica de control, no un lujo técnico (SAP Community, 2026).
Para un comité que opera con presupuesto acotado, la recomendación es sobria: comprometer volumen solo después de haber medido un caso de uso real en producción, no antes.
Trazabilidad: el argumento que gana en un sector regulado
Dos problemas recurrentes en las operaciones reguladas de la región son la incapacidad de demostrar trazabilidad completa ante el regulador y una estrategia de pruebas predominantemente reactiva en lugar de preventiva. Ambos se agravan cuando se introduce un componente no determinista sin registro.
Esta capa ofrece controles pensados para ese escenario. El enmascaramiento permite anonimizar o seudonimizar información sensible antes de enviarla al modelo, restaurándola automáticamente en la respuesta cuando se usa seudonimización (SAP Help Portal, 2026). La observabilidad de inferencias permite registrar la interacción completa —solicitud, respuesta y retroalimentación— cuando se configura el almacenamiento de objetos correspondiente en modo de persistencia total (SAP Tutorials, 2026). Y la oferta declara registro de auditoría integral y alineación con regulaciones y estándares de protección de datos como GDPR e ISO 27001 (SAP, 2026).
Traducido a la conversación con el ente regulador: el evento correlacionado a lo largo del flujo es construible, y un panel único de incidentes y riesgos regulatorios es alcanzable. Pero se construye. No viene armado.
Cómo decidir si esta capa le corresponde
---
config:
theme: base
fontFamily: 'Inter Variable, system-ui, sans-serif'
themeVariables:
darkMode: true
fontFamily: 'Inter Variable, system-ui, sans-serif'
fontSize: '15px'
background: '#111113'
primaryColor: '#1A1A1D'
primaryTextColor: '#F4F5F8'
primaryBorderColor: '#00C2FF'
secondaryColor: '#242428'
tertiaryColor: '#1A1A1D'
mainBkg: '#1A1A1D'
secondBkg: '#242428'
tertiaryBkg: '#2E2E33'
lineColor: '#00C2FF'
textColor: '#F4F5F8'
titleColor: '#F4F5F8'
nodeBorder: '#00C2FF'
clusterBkg: '#1A1A1D'
clusterBorder: '#2E2E33'
edgeLabelBackground: '#242428'
pie1: '#00C2FF'
pie2: '#f59e0b'
pie3: '#22c55e'
pie4: '#59d7ff'
pie5: '#f97316'
pie6: '#ef4444'
pieTitleTextColor: '#F4F5F8'
pieSectionTextColor: '#F4F5F8'
pieLegendTextColor: '#F4F5F8'
pieStrokeColor: '#111113'
pieOuterStrokeColor: '#111113'
---
flowchart TD
A([¿Qué exige el caso de uso?]) --> B{Naturaleza del caso de uso}
B -->|Dato propio| C[Razonar sobre documentación, normativa o histórico propio]
C --> D[Ninguna aplicación estándar lo contempla]
D --> E([Esta capa es la correcta: hay que dotarla de equipo])
B -->|Ya empaquetado| F[El caso de uso ya existe en un proceso de negocio empaquetado]
F --> G([Construirlo aquí es reconstruir algo que ya está pagado])
class A inicio
class B decision
class C,D,F proceso
class E bueno
class G neutro
classDef inicio fill:#113d4f,stroke:#00C2FF,color:#ffffff
classDef decision fill:#473519,stroke:#f59e0b,color:#ffffff
classDef proceso fill:#33363c,stroke:#9aa0aa,color:#ffffff
classDef bueno fill:#193e2b,stroke:#22c55e,color:#ffffff
classDef neutro fill:#33363c,stroke:#9aa0aa,color:#ffffff
En AG&T acompañamos a operadores de servicios públicos y de oil & gas de América Latina en esta decisión con un criterio simple: si el caso de uso requiere razonar sobre documentación, normativa o histórico propio que ninguna aplicación estándar contempla, esta capa es la correcta y hay que dotarla de equipo. Si el caso de uso ya existe dentro de un proceso de negocio empaquetado, construirlo aquí es reconstruir algo que ya está pagado.
Esa segunda ruta es precisamente el tema de la siguiente pieza de esta serie: las funciones embebidas que ya viven dentro de sus aplicaciones y que no se construyen, se activan.
Fuentes
- SAP Help Portal — Generative AI Hub: https://help.sap.com/docs/sap-ai-core/generative-ai/generative-ai-hub (2026)
- SAP Help Portal — Orchestration: https://help.sap.com/docs/sap-ai-core/generative-ai/orchestration (2026)
- SAP Help Portal — Set Resource Group (SAP AI Launchpad): https://help.sap.com/docs/ai-launchpad/sap-ai-launchpad/set-resource-group (2026)
- SAP Help Portal — Metering and Pricing for Generative AI: https://help.sap.com/docs/sap-ai-core/sap-ai-core-service-guide/metering-and-pricing-for-generative-ai (2026)
- SAP Tutorials — Set up Generative AI Hub in SAP AI Core: https://developers.sap.com/tutorials/ai-core-genaihub-provisioning..html (2025)
- SAP Tutorials — Inference Observability & Feedback Workflow in SAP AI Core: https://developers.sap.com/tutorials/ai-core-genaihub-inference-observability..html (2026)
- SAP Community — SAP Generative AI Hub: A Practitioner’s Setup Guide: https://community.sap.com/t5/artificial-intelligence-blogs-posts/sap-generative-ai-hub-a-practitioner-s-setup-guide/ba-p/14344910 (2026)
- SAP Community — Keep Your AI Costs in Check: SAP BTP AI Core Consumption Monitor: https://community.sap.com/t5/technology-blog-posts-by-sap/keep-your-ai-costs-in-check-introducing-the-sap-btp-ai-core-consumption/ba-p/14424901 (2026)
- SAP — Generative AI Hub (página de producto): https://www.sap.com/products/artificial-intelligence/generative-ai-hub.html (2026)
- FinOptory — What SAP Business AI Really Is in 2026: https://finoptory.ai/en/resources/blog/sap-business-ai-2026-overview/ (2026)
¿Este análisis mapea un mercado donde ya operas o estás evaluando entrar?
Revisamos tu caso específico, mapeamos los riesgos que aplican, y te decimos honestamente si es oportunidad para ti —sin pitch comercial, solo discusión técnica y estratégica.
