Персоналізація в e-commerce вже давно перестала бути конкурентною перевагою — вона стала базовим очікуванням. Amazon прогнозує потребу покупця ще до того, як той формулює запит. Але для більшості корпоративних рітейлерів, які живуть на SAP-екосистемі, ця реальність залишається недосяжною. Причина — не брак AI-моделей, а брак узгоджених даних між системами.

За даними AI News, SAP оголосив про вирівнювання (alignment) комерційних даних у своїй платформі — спеціально під задачі AI-персоналізації. Крок виглядає суто технічним, але його бізнес-наслідки масштабні для всього ентерпрайз-ринку.

Чому data silos вбивають AI у корпоративній комерції

Типовий великий рітейлер на SAP-стеку зберігає дані у принципово різних системах:

• каталог продуктів — у SAP Commerce Cloud
• клієнтські профілі — у SAP Customer Data Platform
• транзакційна історія — в SAP S/4HANA
• поведінка на сайті — в окремій аналітичній системі

AI-модель, яка повинна видати персональну рекомендацію в реальному часі, не може ефективно агрегувати ці джерела без складного ETL-пайплайну. Традиційна архітектура SAP проектувалась під пакетну обробку та звітність — не під мілісекундні запити LLM-агентів. Результат предбачуваний: навіть компанії з мільярдними оборотами продовжують показувати клієнтам «рекомендації», що не враховують покупки з минулого тижня або товари, щойно переглянуті в мобільному застосунку.

Що змінює ініціатива SAP

SAP не перебудовує архітектуру з нуля — для ентерпрайзу це надто тривало й дорого. Натомість компанія рухається до уніфікованого шару даних, який вирішує три ключові проблеми:

• Семантичне узгодження — продукт у Commerce Cloud = той самий продукт у S/4HANA, без ручного маппінгу між системами
• Єдиний API-доступ — AI-агенти читають дані через стандартні інтерфейси без кастомних ABAP-конекторів
• Near-real-time потоки подій — перегляд товару, додавання до кошика, відмова від покупки — доступні майже миттєво

Це перегукується з підходом Microsoft через Azure AI Foundry та Google через Vertex AI: спочатку уніфікований data-шар, потім AI поверх нього. SAP Datasphere — корпоративна data fabric компанії — ймовірно, виступає центральним компонентом цього рішення. Поєднання Datasphere з SAP Business AI та Commerce Cloud дає замовнику замкнений цикл AI-персоналізації в межах єдиної екосистеми без залежності від сторонніх платформ.

Практичне значення для AI-білдерів

Якщо ви будуєте рекомендаційні системи, агентів персоналізації або RAG-пайплайни для рітейлу — ця ініціатива має два прямих наслідки залежно від вашої позиції на ринку.

Якщо ваш клієнт на SAP-стеку:

• Очікуйте чистіший доступ до даних через стандартні REST/OData API замість кастомних ABAP-екстрактів — менше часу на data engineering, більше на саму модель
• Семантична уніфікація скорочує data cleaning перед fine-tuning або RAG-індексацією
• Нативна інтеграція з SAP AI Core відкриває хостинг власних моделей поруч із даними — критично для GDPR-чутливих галузей

Якщо ви будуєте незалежне AI-рішення для рітейлу:

• SAP активно огороджує екосистему: клієнти отримуватимуть тиск використовувати «рідні» AI-продукти SAP
• Ваша диференціація — не алгоритм, а здатність працювати з даними за межами SAP: соціальні сигнали, сторонні маркетплейси, POS фізичних магазинів, дані IoT

Висновок AiiN

SAP грає довгу гру. Мета — стати не просто ERP-системою, а операційним AI-шаром для корпоративної комерції. Компанія, що контролює транзакційні та клієнтські дані, контролює й контекст для AI-агентів — а це і є справжня конкурентна перевага в епоху LLM.

Для ринку загалом це позитивний сигнал: ентерпрайз нарешті визнав, що AI-персоналізація — це насамперед проблема даних, а не алгоритмів. І поки OpenAI та Anthropic змагаються за якість моделей, SAP тихо будує інфраструктуру, без якої навіть найсильніші моделі залишаться безсилими у корпоративному контексті.