Integración Salesforce SAP e IA generativa: errores y cómo evitarlos

En muchas empresas de Chile y Latinoamérica la escena se repite: Salesforce al frente con todo lo relacionado a clientes, SAP sosteniendo el core financiero y operativo, y ahora una capa de Gen IA que todos quieren sumar rápido en forma de copilotos, asistentes y “agentes inteligentes”.

Sobre el papel suena impecable. En los proyectos reales, lo que aparece una y otra vez es otra cosa: integraciones frágiles entre Salesforce y SAP, datos duplicados, reglas de negocio distintas en cada sistema y pilotos de Gen IA montados encima de un stack que no está listo. Copilotos caros, alimentados con información incompleta o desalineada, que los usuarios terminan ignorando.

La idea central de este texto es incómoda pero necesaria: Salesforce, SAP y Gen IA no se convierten en un “nuevo estándar” solo por coexistir en tu arquitectura. El estándar solo existe cuando la integración deja de ser un conjunto de conectores y se trata como una decisión de negocio: qué datos son verdad, qué procesos son end-to-end y qué decisiones vamos a mejorar.

Escribí este blog con el objetivo de separar hype de realidad, ponerle nombre al verdadero enemigo (la integración rápida sin diseño) y ofrecer un marco concreto para que un C-level pueda decidir qué hacer con Salesforce, SAP y Gen IA en los próximos 12–24 meses, sin tirar presupuesto ni aumentar el riesgo.

Contexto: qué está pasando de verdad con CRM, ERP y Gen IA

Antes de hablar de arquitecturas, vale mirar el tablero.

• Salesforce es, de facto, infraestructura CRM.
  Según IDC, citado por Salesforce, en 2024 Salesforce lideró el mercado global de CRM con 20,7% de participación por ingresos y fue el proveedor con mayores ventas en la categoría.
  En la práctica, esto significa que para muchas empresas de la región Salesforce ya es la capa estándar de relación con clientes.
  
  
• Las organizaciones están bajo presión para modernizar su integración alrededor del ERP.
  El whitepaper de IDG para OpenText, “ERP Modernization and Growing Data Challenges Drive 91% of Enterprises to Modernize Integration Solutions”, muestra que 91% de las empresas encuestadas está modernizando sus soluciones de integración ERP debido a la complejidad de sus paisajes de sistemas y al crecimiento de los volúmenes de datos.
  
  
• La Gen IA pasó de experimento a agenda ejecutiva.
  El reporte “The economic potential of generative AI” de McKinsey estima que la Gen IA podría aportar entre 2,6 y 4,4 billones de dólares de valor económico anual a nivel global, con gran parte de ese impacto en funciones conectadas a CRM y ERP como marketing, ventas, servicio y operaciones. En su encuesta global de 2024, McKinsey reporta que 65% de las organizaciones ya usa Gen IA de forma regular en al menos una función de negocio, casi el doble que el año anterior.
  
  
• La visión foundation-first gana terreno.
  El “2026 Data & AI Trends Report” de DataArt, basado en entrevistas con ejecutivos senior de tecnología de múltiples industrias, concluye que la inversión con mayor retorno hoy no es el “último modelo de IA”, sino la infraestructura de datos: plataformas, pipelines y gobierno. También muestra que las compañías con bases de datos sólidas son las que están pasando de pilotos a producción, mientras las que persiguen solo hype de IA se enfrentan a fuertes reality checks. 
•  

El mismo reporte destaca explícitamente un enfoque foundation-first como clave para el éxito en IA y anticipa que, hacia 2026, los agentes de IA para automatizar procesos de negocio serán tan comunes como usar una planilla hoy. 

En paralelo, DataArt anunció un compromiso de 100 millones de dólares para fortalecer sus capacidades de datos e IA, respondiendo a la demanda creciente de clientes por soluciones de datos, analytics y Gen IA con foco en resultados de negocio.

Para un CEO, CIO o CDO en la región, el mensaje es claro: la combinación Salesforce + SAP + Gen IA ya no es un experimento de laboratorio, es un tema de competitividad. La cuestión es si esa combinación se está usando sobre bases sólidas o si solo está agregando complejidad a una integración que ya venía tensionada.

Problema vs oportunidad: el enemigo es la integración “rápida” con IA pegada encima

En conferencias y notas de prensa se habla mucho de copilotos y agentes. En las salas de proyecto, lo que vemos es algo mucho menos glamoroso:

• Conectores punto a punto que mueven “lo justo y necesario” entre Salesforce y SAP.
  
  
• Jobs batch nocturnos que sincronizan datos y dejan huecos durante el día.
  
  
• Reglas de negocio replicadas a mano en ambos lados.
  
  
• Y cuando hay dudas, la decisión importante termina igual en Excel.
  
  

Sobre esta base, muchas organizaciones están tratando de sumar Gen IA “encima”. El resultado típico:

1. Copilotos elegantes, pero desinformados
   Un ejecutivo pide ayuda al asistente de Salesforce para preparar una reunión clave. El copilot no ve bloqueos de crédito, pedidos retrasados ni reclamos pesados que están en SAP. El correo que genera es perfecto en forma… y equivocado en contenido. Después de un par de errores, el usuario deja de confiar.
   
   
2. AI sprawl: demasiadas pruebas, poco gobierno
   Distintas áreas adoptan herramientas de IA por su cuenta. La firma Airia describe el AI sprawl como la proliferación desordenada de modelos y herramientas de IA, adoptados por equipos sin estándares ni visibilidad centralizada, generando un mosaico difícil de gobernar.
   Es fácil terminar con múltiples datasets derivados de SAP y Salesforce, cada uno con su propia versión de la realidad.
   
   
3. Integraciones pensadas para reporting, no para decisiones en tiempo casi real
   Muchas arquitecturas Salesforce–SAP se diseñaron originalmente para alimentar reportes diarios: extraer, transformar, cargar una vez al día. La Gen IA exige ver el estado casi en tiempo real para sugerir acciones razonables. Forzar el uso de la misma integración convierte esa capa en el cuello de botella.
   
   

Lo que plantea el Data & AI Trends 2026 de DataArt es coherente con lo que vemos en terreno: después de dos años de euforia experimental, la diferencia entre empresas no estará en quién lanza más pilotos de IA, sino en quién construyó mejores cimientos de datos, integración y gobierno.

La oportunidad está justo ahí: usar la presión por Gen IA como excusa para rediseñar cómo Salesforce y SAP conversan, y hacer de esa conversación el lugar donde se optimizan decisiones de negocio, no solo donde se sincronizan datos.

Análisis técnico orientado a negocio: qué aporta realmente cada pieza

Salesforce: donde se ve y se gestiona al cliente

Salesforce se consolidó como plataforma para conectar ventas, servicio, marketing y comercio sobre una base de datos unificada de clientes. Sobre esa base, Einstein y Data Cloud agregan capacidades de analítica e IA generativa dentro del flujo de trabajo. 

Desde el ángulo de negocio:

• Es el lugar donde los equipos ven al cliente, sus interacciones y su historial.
  
  
• Es el entorno natural para copilotos que redactan correos, arman resúmenes de casos y sugieren próximos pasos.
  
  
• Si algo impacta la relación con el cliente (precio, riesgo, stock, condiciones), debería reflejarse aquí sin fricción.
  
  

SAP: donde se decide qué se puede hacer y con qué impacto

SAP sigue siendo la columna vertebral de muchos procesos: finanzas, compras, logística, producción, RR.HH. Sobre S/4HANA y su ecosistema en la nube, SAP está incorporando capacidades de IA de forma embebida (SAP Business AI) y copilotos transversales como Joule. 

En términos prácticos:

• Determina si hay stock, a qué costo, con qué plazos y bajo qué condiciones financieras.
  
  
• Contiene los procesos de orden de venta, orden de compra, fabricación, facturación, etc.
  
  
• La IA embebida en SAP ayuda a automatizar tareas internas, pero sigue apoyándose en datos consistentes.
  
  

Para que la Gen IA que vive en Salesforce no cometa errores groseros, tiene que ver esta realidad de SAP de forma confiable y a tiempo.

Gen IA: nueva interfaz de decisión, no adorno cosmético

La Gen IA, aplicada a este contexto, es esencialmente una nueva interfaz:

• Transforma lenguaje natural en consultas y acciones sobre sistemas.
  
  
• Combina datos estructurados (SAP, Salesforce) con información no estructurada (emails, notas, documentos).
  
  
• Devuelve resúmenes, recomendaciones y borradores de contenido.
  
  

El valor aparece solo si:

• Los datos que consume están limpios y gobernados.
  
  
• Los modelos operan bajo reglas claras de negocio y riesgo.
  
  
• Hay una estructura organizacional que se hace responsable de lo que la IA sugiere o automatiza.
  
  

Cuando alguno de estos tres elementos falla, lo que se genera no es productividad, sino ruido.

Ejemplo foundation-first: aceleradores de datos e IA

Un ejemplo de este enfoque foundation-first son aceleradores como AI Lake Accelerator (AILA) de DataArt, un framework modular y serverless en AWS para construir data lakes modernos y aplicaciones de Gen IA con buenas prácticas de gobierno y operación desde el diseño. 

La lógica es la misma que estamos planteando para Salesforce + SAP: primero un tejido de datos bien diseñado y gobernado, luego los casos de uso de IA.

Escenarios concretos: cómo se ve el “antes y después” bien resuelto

Retail / consumo masivo

Antes

• Salesforce se usa para campañas y servicio; SAP para inventario, precios y facturación.
  
  
• El agente ve parte del historial del cliente, pero no el detalle de entregas, notas de crédito, ajustes y márgenes.
  
  
• Para tomar decisiones de compensación o hacer una oferta, se termina llamando a alguien de backoffice o consultando SAP a mano.
  
  

Después de ordenar integración + IA

• Se define un modelo de datos de cliente que integra información de SAP y Salesforce (por ejemplo, en un hub tipo data cloud gobernado).
  
  
• Un asistente de Gen IA, dentro de Salesforce, puede responder en segundos: qué compró el cliente, qué problemas tuvo, cuánto valor genera, cuánto margen deja y qué opciones de solución están dentro de política.
  
  
• El área de marketing diseña campañas sabiendo, no suponiendo, cómo se ve el stock, los márgenes y las restricciones operativas.
  
  

Impacto esperable: menos tiempo en cada caso, menos decisiones “a ojo”, mejor NPS y campañas con mejor retorno por cada peso invertido.

Servicios financieros / banca corporativa

Antes

• Salesforce orquesta oportunidades y relaciones; SAP lleva contabilidad, gastos y parte de la operación de productos.
  
  
• La rentabilidad por cliente o segmento se calcula con procesos batch y reportes que llegan tarde.
  
  
• En la conversación comercial no siempre se ve riesgo actualizado, costos asociados ni reclamos recientes.
  
  

Después

• La integración Salesforce–SAP permite construir una vista consolidada por cliente: ingresos, costos, provisiones, reclamos, riesgo.
  
  
• Un copilot de Gen IA ayuda a un ejecutivo a preparar reuniones: resume posición global, destaca alertas y propone focos de conversación.
  
  
• Se prioriza la cartera según valor real y riesgo, no solo por “tamaño del pipeline”.
  
  

Impacto: mejor uso del tiempo de los ejecutivos, menos sorpresas en reuniones y una alineación más fina entre negocio y riesgo.

Riesgos y errores típicos que vemos en proyectos Salesforce–SAP–Gen IA

1. Arrancar por la pantalla y no por los datos
   Priorizar la experiencia del copilot o chatbot sin resolver primero modelo de datos, calidad y gobierno. Los usuarios prueban, ven respuestas inconsistentes y pierden confianza rápido.
   
   
2. Proliferación de datasets “para IA” sin un gobierno claro
   Crear copias de tablas sensibles de SAP y Salesforce en distintos lagos, notebooks o entornos de prueba. En un contexto donde el AI sprawl ya se reconoce como un problema de gobernanza y riesgo, esto es combustible extra.
   
   
3. Integraciones punto a punto que se convierten en deuda técnica cara
   Jobs y conectores que nadie quiere tocar porque “si rompemos esto, se cae medio negocio”. Al querer sumar IA, cualquier cambio se percibe como demasiado riesgoso.
   
   
4. Roadmaps desconectados entre CRM, ERP y datos
   Cada área (ventas, operaciones, TI, datos) avanza con su propio plan y la Gen IA entra como un proyecto adicional. Sin una visión única de arquitectura, la fragmentación aumenta.
   
   
5. Ignorar el modelo operativo de IA
   No definir quién es dueño de cada caso de uso, quién aprueba prompts y modelos, qué se monitorea y cómo se corrigen desvíos. Los pilotos quedan atrapados en “modo demo” o son bloqueados por riesgo.
   
   

Un marco de decisión pragmático para C-level

Para que Salesforce, SAP y Gen IA trabajen juntos y no unos contra otros, proponemos un marco en cinco movimientos que usamos como guía en proyectos de integración compleja:

1. Partir desde procesos y decisiones, no desde sistemas

Identificar los procesos end-to-end donde se cruzan Salesforce y SAP: venta a cobro, reclamos críticos, órdenes de servicio, abastecimiento clave, etc.

Pregunta guía: ¿qué decisiones queremos que la IA ayude a mejorar y qué sistemas participan hoy en esas decisiones?

2. Auditar la realidad de datos y gobierno

Antes de pensar en modelos:

• ¿Dónde vive el maestro de cliente, producto, contrato?
  
  
• ¿Qué tan sincronizados están Salesforce y SAP?
  
  
• ¿Qué políticas de acceso y seguridad aplican a esos datos?
  
  

Si la respuesta honesta es “dependemos de reconciliaciones en Excel”, la prioridad está clara: ordenar datos y MDM antes de pretender IA a escala.

3. Diseñar una arquitectura de integración que aguante IA

Definir el patrón predominante en tu organización:

• Hub de datos de cliente en Salesforce, por ejemplo usando capacidades tipo Data Cloud.
  
  
• Core SAP exponiendo procesos y datos vía servicios y plataformas de integración hacia Salesforce.
  
  
• Data fabric híbrido cuando la complejidad lo exige.
  
  

Aquí se toman decisiones sobre APIs, eventos, herramientas de integración, estándares de datos y cómo se catalogan y monitorean.

4. Priorizar pocos casos de Gen IA con impacto real

En vez de un listado de 30 ideas:

• Elegir 3–5 casos donde Salesforce y SAP ya estén relativamente integrados o puedan integrarse sin cirugía mayor.
  
  
• Atarlos a métricas que un directorio entiende: margen, costo por caso, tiempo de ciclo, riesgo, satisfacción.
  
  
• Exigir horizontes razonables: casos desplegables en meses, no en años.
  
  

Los estudios de McKinsey indican que el mayor valor potencial de la Gen IA se concentra precisamente en funciones conectadas a CRM y ERP: marketing y ventas, servicio al cliente, desarrollo de productos y software. 

5. Definir el modelo operativo de IA e integración desde el inicio

No dejarlo para “después”:

• Establecer un equipo de gobierno de IA con negocio, TI, datos y riesgo.
  
  
• Asignar dueños claros a cada caso de uso, cada dataset y cada modelo.
  
  
• Definir cómo se monitorean calidad, sesgos y errores, y qué se hace cuando algo sale mal.
  
  
• Tener criterios explícitos para pasar de piloto a producción y para escalar lo que funciona.
  
  

Este tipo de prioridades coincide con las conclusiones del Data & AI Trends 2026 de DataArt, que identifica errores críticos que frenan la adopción de IA y prioridades estratégicas para el próximo año en industrias como finanzas, retail, viajes y salud.

Qué debería estar preguntando un directorio

Para un directorio o primera línea, Salesforce, SAP y Gen IA no son piezas técnicas: son decisiones sobre cómo se toman decisiones.

Algunas preguntas incómodas que vale la pena poner sobre la mesa:

• Datos e integración
  
  
  • ¿Tenemos una definición única de “cliente” y “producto” o seguimos operando con varias verdades según el sistema?
    
    
  • ¿Cuánto de nuestro proceso de venta, atención o abastecimiento sigue dependiendo de conciliaciones manuales entre Salesforce, SAP y Excel?
    
    
• Captura de valor
  
  
  • ¿En qué 3–5 procesos la combinación Salesforce–SAP–Gen IA podría mover de verdad la aguja en ingresos, costo o riesgo en los próximos 12–24 meses?
    
    
  • ¿Cómo vamos a medir si esos proyectos generan valor o solo más complejidad?
    
    
• Riesgo y capacidades
  
  
  • ¿Sabemos cuántas copias de datos sensibles se están usando hoy para IA y quién las gobierna?
    
    
  • ¿Tenemos capacidades internas para operar esta integración a escala o dependemos por completo de terceros?
    
    

Una agenda razonable para los próximos 12–24 meses podría ser:

• Consolidar una vista confiable de cliente que conecte Salesforce, SAP y sistemas satélite.
  
  
• Modernizar las integraciones más críticas para que soporten consumo por IA (APIs, eventos, datos gobernados), no solo reporting.
  
  
• Escalar 2–3 casos de Gen IA ligados a métricas duras de negocio, con modelo operativo y de riesgo explícito.
  
  

Convertir el “nuevo estándar” en ventaja competitiva, no en un error caro

Salesforce, SAP y Gen IA pueden ser parte de un nuevo estándar de integración empresarial. Pero el estándar no es tener los tres logos en tu arquitectura; el estándar es usar esa combinación para tomar mejores decisiones, en menos tiempo y con menos riesgo, porque la integración y el gobierno de datos se diseñaron en serio.

El enfoque foundation-first que plantea el Data & AI Trends 2026 de DataArt va en la misma línea: primero datos, plataformas y gobierno; después modelos y casos de uso. 

En ACL vemos las dos películas: organizaciones que están sumando IA sobre integraciones débiles y solo agrandan el problema, y otras que están aprovechando la presión por Gen IA para hacer, por fin, el trabajo de integración Salesforce–SAP que venían postergando.

Si tu empresa ya tiene Salesforce y SAP y siente esa presión de “hacer algo serio con IA”, el siguiente paso lógico no es otro piloto aislado, sino un diagnóstico estructurado de integración y datos: entender dónde estás, qué decisiones quieres mejorar y qué arquitectura necesitas para que la Gen IA sea un activo y no un experimento caro.

Desde ahí, una conversación con nosotros tiene sentido no para “instalar IA”, sino para diseñar y ejecutar un plan concreto donde Salesforce, SAP y Gen IA trabajen juntos al servicio de tus métricas de negocio. Y si quieres profundizar en las tendencias globales y en el enfoque foundation-first, vale la pena descargar el reporte 2026 de ACL de datos e IA  y usarlo como insumo en esa discusión estratégica.