Agentes de IA en el ERP: automatizando la resolución de excepciones
Analizamos la transición hacia la autonomía gobernada en SAP y Oracle, donde los agentes de IA resuelven excepciones de compras mediante MCP, optimizando el RAO.

El equipo de compras no sufre por falta de talento, sino por el lastre de las excepciones. Cada pedido bloqueado por diferencias mínimas, cada factura que no concilia con el albarán y cada aviso ignorado consumen cientos de horas semanales en estructuras que ya hicieron una inversión millonaria en su ERP. La IA no llega para reemplazar al departamento financiero, sino para asumir una gestión operativa que los sistemas actuales son incapaces de resolver por sí solos. AWS, con su servidor MCP, y Oracle, mediante sus agentes nativos en Fusion Cloud ERP 26B, han marcado el estándar. En España, integradores como SEIDOR, Indra e Inetum ya despliegan soluciones sobre SAP para capital circulante. Como señaló Pemeco en noviembre de 2026, la integración directa de agentes en los flujos operativos es el cambio de paradigma en el sector B2B. Es el momento de distinguir entre promesas de automatización total y la realidad de la autonomía gobernada: agentes que investigan y proponen bajo un marco de control humano, evitando riesgos regulatorios en la auditoría.

El coste oculto de las excepciones en el ERP
Una excepción de ERP no es un fallo del sistema. Es un desajuste entre lo que el proceso esperaba y lo que ha ocurrido en el mundo real: un precio que no coincide, una cantidad que llega parcial, un proveedor que factura con un código distinto al acordado. La documentación técnica de AWS para SAP identifica cuatro familias de excepción como las más costosas operativamente: el cuadre a tres bandas de facturas (Three-Way Invoice Matching), la reconciliación de cobros de clientes, la confirmación de órdenes de compra y la mitigación de roturas de stock en pedidos de venta (AWS Documentation).
Ninguna de estas excepciones es técnicamente compleja. Son tediosas. Requieren cruzar tres o cuatro documentos, llamar a un proveedor, revisar un histórico. Y ahí está el problema económico real: el coste no está en resolver la excepción, está en encontrarla, investigarla y escalarla antes de poder resolverla. Ese trabajo de investigación —no de decisión— es el que absorbe la mayor parte del tiempo de un analista de compras o de un técnico de cuentas por pagar.
Dónde se va el tiempo real del departamento
La siguiente estimación orientativa de nuestro laboratorio, construida sobre los patrones de exception management descritos por AWS y por los integradores españoles que trabajan sobre SAP, ilustra dónde se concentra ese esfuerzo manual en una compra o una venta con excepción:
| Tipo de excepción | Esfuerzo manual estimado | Carga relativa |
|---|---|---|
| Cuadre a tres bandas (factura-albarán-pedido) | Alta | ████████░░ ~75 % |
| Confirmación de órdenes de compra | Media-alta | ██████░░░░ ~60 % |
| Reconciliación de cobros de clientes | Media | █████░░░░░ ~50 % |
| Roturas de stock en pedidos de venta | Media-baja | ████░░░░░░ ~40 % |
Leyenda: la barra representa la proporción orientativa de tiempo dedicado a investigación manual (búsqueda de documentos, llamadas, verificación) frente al tiempo total de resolución de cada tipo de excepción. Estimación cualitativa del laboratorio NextAI, no un dato de mercado contrastado.
Este es exactamente el terreno donde un Superagente —nuestro término para un agente que se hace cargo de un proceso completo de principio a fin, no solo de una tarea puntual— tiene sentido económico inmediato. No porque sustituya el juicio humano, sino porque elimina la fase de investigación, que es pura fricción sin valor añadido. Ya lo documentamos con detalle en Superagentes en Supply Chain: optimización autónoma de la cadena de suministro, donde la lógica es idéntica aplicada a logística: el agente no decide el crédito ni el pago, decide qué información falta y la trae.
La perspectiva económica del laboratorio es clara: el caso de negocio no se construye sobre la promesa de "cero intervención humana", sino sobre la reducción del tiempo de ciclo en Procure-to-Pay y Order-to-Cash. Menos días de ciclo significa menos recargos por demora de pago, más descuentos por pronto pago capturados y menos capital circulante atrapado en facturas bloqueadas. Eso es dinero real, medible en el cierre mensual, no una cifra de productividad genérica.
De los conectores RAG a los servidores MCP: la arquitectura real de los Superagentes
Aquí es donde la mayoría de los proyectos de "IA en el ERP" de 2023-2024 fracasaron silenciosamente. Se construyó un conector RAG que leía documentación del ERP, generaba una respuesta razonable… y de vez en cuando inventaba un endpoint que no existía o proponía una acción sobre un objeto de negocio que ya había cambiado de estado. Eso es lo que en NextAI llamamos Deuda de Contexto: el coste acumulado de tomar decisiones automatizadas sobre información desactualizada, incompleta o mal estructurada, que tarde o temprano se paga con un error caro.
La arquitectura que ha cambiado las reglas en 2026 no es más inteligencia del modelo. Es mejor conexión. AWS lanzó en mayo de 2026 el AWS for SAP MCP Server dentro de Amazon Bedrock AgentCore, que permite a los agentes conectarse de forma nativa vía Model Context Protocol (MCP) y estándares SAP OData para realizar operaciones CRUD reales sobre pedidos, órdenes de compra y documentos financieros, todo ello bajo políticas de autorización declarativas Cedar (ERP Today). El agente ya no "cree" que un endpoint existe: lo consulta en tiempo de ejecución contra el catálogo real.
Oracle ha seguido el mismo camino desde otro ángulo. Fusion Cloud ERP 26B generaliza agentes autónomos para ledger, gastos, cuentas por pagar y pagos, mientras que Oracle Integration 3 (OIC) convierte integraciones REST con OAuth en herramientas invocables directamente por agentes (MRM EOS; Oracle Cloud Documentation). NetSuite, por su parte, presentó en SuiteWorld 2026 sus SuiteAgents y AI Workspaces, con un caso de uso explícito llamado "Autonomous Close": resolución continua de incidencias contables antes del cierre mensual (La Ecuación Digital).
La arquitectura dominante de 2026 no es un agente más listo. Es un agente que consulta el catálogo de la verdad antes de actuar, y que deja una firma de auditoría cada vez que lo hace.
En nuestro marco, esto es lo que llamamos Cerebro Empresarial en acción: la memoria corporativa estructurada en grafos de conocimiento y procedimientos operativos auditables, que el Superagente consulta antes de tocar un objeto de negocio real. Sin ese cerebro —sin SOPs codificados, sin trazabilidad de qué proveedor tiene qué tolerancia de precio pactada— el agente opera a ciegas sobre "conocimiento tribal" disperso en la cabeza de tres personas del departamento. Y eso es exactamente lo que el eje de agencia del IMAN (nuestro Índice de Madurez AI-Native, que mide datos, memoria, razonamiento, agencia y gobierno) penaliza con más dureza: agencia sin memoria estructurada detrás es un riesgo disfrazado de eficiencia.
El paper académico de arquitectura agéntica para ERP publicado en IEEE describe esta misma lógica con otro vocabulario: Agent Runtime, Knowledge Graph y Central Orchestrator como las tres piezas que deben coexistir para que un agente opere con seguridad transaccional sobre un sistema de registro. No es casualidad que coincida con lo que SEIDOR, Indra e Inetum están desplegando en pilotos sobre SAP en España: la pieza técnica y la pieza de gobierno llegan siempre juntas, o el proyecto se para en producción.
Autonomía gobernada: por qué el ERP 100 % autónomo es un mito
La promesa de "cero intervención humana" vende bien en una reunión de comité. Pero ningún marco técnico serio la sostiene cuando hablas de pagos, contabilidad o compromisos de solvencia. MRM EOS Field Notes formaliza esto con una escala de cinco niveles —la Operational Autonomy Ladder— que cualquier director financiero debería tener pegada en la pared antes de firmar un contrato con un integrador (MRM EOS):
| Nivel | Nombre | Qué hace el agente | Ejemplo en una excepción de compras |
|---|---|---|---|
| 0 | Observe | Detecta y clasifica la excepción, no actúa | Identifica que una factura no casa con el albarán |
| 1 | Recommend | Propone una resolución, el humano decide | Sugiere ajustar el código de proveedor |
| 2 | Draft | Prepara la transacción lista para aprobar | Genera el asiento de ajuste pendiente de firma |
| 3 | Controlled Action | Ejecuta dentro de límites estrictos predefinidos | Resuelve discrepancias de céntimos bajo umbral pactado |
| 4 | Bounded Autonomy | Actúa de forma recurrente en un dominio acotado y auditado | Confirma POs de bajo riesgo de forma continua |
La inmensa mayoría de los despliegues reales en 2026 se mueve entre los niveles 1 y 3. El Nivel 4 existe, pero se reserva a excepciones de bajo importe, alta repetición y total reversibilidad. Nadie con sentido común deja un agente en Nivel 4 sobre tesorería central.
Aquí es donde introducimos el RAO, el Ratio de Autonomía Operativa: de cada 100 ejecuciones de un proceso de resolución de excepciones, cuántas terminan sin que un humano tenga que intervenir. El RAO no es una aspiración ni una cifra de marketing; es la métrica que conecta la escala de autonomía de MRM EOS con el eje de agencia del IMAN. Un RAO del 60 % en Three-Way Matching de bajo importe es un éxito operativo real. Un RAO del 95 % en pagos a proveedores sin supervisión es, probablemente, una exposición regulatoria sin que nadie se haya dado cuenta.
El riesgo que nadie menciona en la demo: identidad y prompt injection
Cuando un agente escribe directamente sobre un objeto SAP u Oracle, deja de ser una curiosidad de laboratorio y se convierte en un actor transaccional. Eso exige separar con claridad la identidad del agente de la del humano que delega: credenciales de servicio propias, no un usuario compartido, y una pista de auditoría que diga exactamente quién —o qué— ejecutó cada acción. Las políticas de autorización declarativas tipo Cedar que AWS integra en su MCP Server para SAP van precisamente en esa dirección (ERP Today).
El riesgo técnico más incómodo es el prompt injection indirecto: una factura maliciosa, un PDF manipulado o un campo de texto libre diseñado para que el agente interprete una instrucción oculta como una orden legítima. En la UE, cualquier sistema que toque solvencia o contabilidad cae bajo el perímetro del Reglamento de IA (AI Act) y del RGPD en cuanto a trazabilidad y explicabilidad de la decisión automatizada. No es un matiz legal menor: es la diferencia entre poder reconstruir ante un auditor por qué se pagó una factura y no poder hacerlo.
La autonomía que importa en 2026 no es la que elimina al humano, es la que decide con precisión en qué paso exacto debe intervenir.
Tres medidas mitigan el riesgo de forma consistente con lo que ya están exigiendo los integradores serios en España:
- Validar siempre el origen y la estructura del documento antes de que el agente lo use como fuente de verdad.
- Limitar los permisos de escritura del agente a los objetos de negocio estrictamente necesarios para su caso de uso.
- Exigir revisión humana obligatoria por encima de un umbral de importe, sin excepción ni override técnico.
Cuánto cuesta y cuánto ahorra: el caso de negocio
El ahorro no está en "menos personas", está en menos días de ciclo. Cada día que una factura permanece bloqueada por una excepción es un día de capital circulante atrapado y, en según qué contratos, un descuento por pronto pago que se pierde. La siguiente tabla resume de forma orientativa el impacto esperable por nivel de autonomía, construida a partir de los patrones de exception management de AWS y de los pilotos de integradores españoles:
| Nivel de autonomía | Tipo de excepción típica | Tiempo de ciclo | Supervisión requerida |
|---|---|---|---|
| 0-1 (Observe/Recommend) | Cualquier excepción, alto riesgo | Sin reducción significativa | Total |
| 2 (Draft) | Discrepancias de precio o código de proveedor | Reducción moderada | Aprobación en cada caso |
| 3 (Controlled Action) | Céntimos, tolerancias pactadas | Reducción alta | Revisión por muestreo |
| 4 (Bounded Autonomy) | Confirmaciones de PO recurrentes y reversibles | Reducción máxima | Auditoría periódica |
La variable que casi nadie mete en el Excel inicial es el coste por inferencia y el consumo de llamadas API por excepción resuelta. No es gratis que un agente consulte tres sistemas antes de proponer una resolución; ese coste hay que compararlo contra las horas-analista que sustituye, no contra cero.
AWS, Oracle y NetSuite: no es la misma apuesta
Las tres plataformas dominantes en 2026 han tomado caminos distintos para resolver el mismo problema. La elección no es cosmética: condiciona qué nivel de autonomía puedes alcanzar y con qué garantías.
| Métrica | AWS Bedrock AgentCore (SAP) | Oracle Integration 3 | NetSuite SuiteAgents |
|---|---|---|---|
| Protocolo de conexión | MCP + SAP OData | REST/OAuth como herramientas de agente | AI Workspaces propietario |
| Disponibilidad GA | Mayo de 2026 | Fusion Cloud ERP 26B | SuiteWorld 2026 |
| Caso de uso principal | CRUD sobre pedidos, POs y documentos financieros | Ledger, gastos, cuentas por pagar, pagos | Autonomous Close contable |
| Autorización | Políticas declarativas Cedar | OAuth sobre catálogo REST | Gobierno integrado en workspace |
Si ya operas sobre SAP, el camino natural pasa por MCP. Si tu núcleo es Oracle Fusion, la vía es OIC 3. Si trabajas con NetSuite, el foco inmediato es el cierre contable continuo. Ninguna de las tres resuelve el problema de gobierno por sí sola: eso lo aporta la capa de Cerebro Empresarial y de SOPs auditables que tú construyes encima.
Cómo lo están desplegando las empresas españolas del mid-market
En España, SEIDOR, Indra e Inetum no están vendiendo "IA que paga sola". Están desplegando pilotos concretos sobre SAP S/4HANA Cloud y NetSuite para excepciones de compras, capital circulante y cumplimiento contractual (La Ecuación Digital). El patrón se repite con una disciplina casi idéntica en todos los casos: se empieza en modo Draft o Supervised, sobre excepciones reversibles de bajo importe —tolerancias de precio de transporte, conciliaciones de albaranes menores— y solo después de meses de validación se concede permiso de contabilización directa en casos acotados.
Esto no es timidez tecnológica, es sentido financiero. Una empresa del mid-market español de 50 a 300 millones de euros de facturación no puede permitirse un incidente de pago duplicado por una alucinación transaccional en pleno cierre trimestral. Si tu departamento financiero ya gestiona volumen suficiente de roles susceptibles de automatización, conviene revisar primero qué funciones concretas son candidatas, algo que desarrollamos con detalle en Empleados de IA en Finanzas: 61 roles automatizados y cómo gobernarlos. Y si tu sector está además bajo escrutinio normativo reforzado, la preparación regulatoria no es opcional: la hemos tratado en profundidad en Auditoría de IA en el sector financiero: preparándose para el AI Act.
Qué significa para tu empresa
La decisión correcta depende de dónde estás hoy, no de dónde está la demo más brillante que has visto este trimestre.
- Mid-market sobre SAP, Oracle o NetSuite sin integrador activo todavía: empieza por cartografiar el volumen real de excepciones antes de hablar de agentes. Sin ese dato, cualquier proyección de ROI es ficción.
- Empresas con integrador ya trabajando en pilotos: exige que el piloto reporte RAO por tipo de excepción, no solo "casos resueltos". Es la única forma de saber si estás en Nivel 2 real o en Nivel 4 disfrazado.
- Empresas sin Cerebro Empresarial todavía: no instales agentes antes de codificar tus SOPs de compras y tesorería en una base de conocimiento auditable. Un Superagente sin memoria estructurada detrás hereda toda la Deuda de Contexto acumulada en años de conocimiento tribal disperso entre personas.
La Ruta NEXT-5 —cartografía, cerebro, superagentes, orquestación, gobierno— describe precisamente esta secuencia obligatoria: no se puede saltar a superagentes sin haber construido antes el cerebro que les da memoria corporativa fiable. Los criterios de decisión son tres: volumen de excepciones (¿merece la pena automatizar?), reversibilidad (¿puedes deshacer el error sin daño?) y exposición normativa (¿toca solvencia, contabilidad o datos personales?). Si las tres respuestas apuntan a bajo riesgo y alto volumen, empieza ya. Si alguna apunta a lo contrario, empieza por el gobierno, no por el agente.
Metodología y fuentes
El laboratorio de NextAI ha cruzado documentación técnica de AWS y Oracle sobre integración agéntica en ERP, prensa especializada del sector ERP y los informes públicos de integradores españoles que ya pilotan estos despliegues sobre SAP. No hemos incluido ninguna cifra de adopción o ROI que no proceda de fuentes verificables, y hemos marcado como no confirmado todo lo relativo a autonomía plena. Fuentes principales: AWS Documentation, ERP Today, MRM EOS Field Notes e IEEE Xplore.
Preguntas frecuentes
¿Pueden los agentes de IA pagar facturas sin supervisión humana en SAP u Oracle?
Técnicamente sí es posible en escenarios muy acotados de Nivel 4 (Bounded Autonomy), pero los propios marcos de AWS y Oracle recomiendan mantener aprobación humana en pagos de importe relevante. La práctica real en 2026 combina Draft y Controlled Action, no pago autónomo sin ningún control por encima de un umbral.
¿Qué es el Model Context Protocol (MCP) y por qué importa para el ERP?
MCP es el estándar que permite a un agente consultar en tiempo real el catálogo de objetos de negocio de un ERP —como SAP OData— en lugar de "adivinar" qué endpoints existen. Evita alucinaciones transaccionales y es la base técnica del AWS for SAP MCP Server lanzado en mayo de 2026.
¿Qué riesgos de seguridad introducen los agentes de IA en el ERP?
El riesgo principal es el prompt injection indirecto a través de documentos maliciosos, como facturas manipuladas que intentan inducir al agente a ejecutar una acción no autorizada. Se mitiga separando la identidad del agente de la del humano, limitando permisos de escritura y exigiendo trazabilidad bajo el AI Act y el RGPD.
¿Cómo empezar a aplicar agentes de IA en la resolución de excepciones de compras?
Empieza auditando qué tipo de excepciones generan más volumen y cuáles son completamente reversibles, como discrepancias de céntimos en el Three-Way Matching. Despliega el agente en Nivel 1 o 2 sobre esos casos, mide el RAO resultante y solo entonces plantea escalar a niveles de mayor autonomía.
Qué hacer con esto
Antes de avanzar, es necesario auditar el volumen real de excepciones durante un trimestre completo. La exigencia de compatibilidad con MCP u OData/OAuth resulta innegociable para garantizar la trazabilidad de cada movimiento. Empiece siempre por niveles de autonomía bajos, limitándose a excepciones de importe reducido, y proceda a codificar los procedimientos internos en un Cerebro Empresarial estructurado. La eficacia de este despliegue se mide exclusivamente mediante el RAO: solo así confirmará que está ganando autonomía real y no simplemente trasladando el riesgo operativo a una caja negra. Pide tu Auditoría Digital — 45 minutos, sin presentación comercial.
Sigue leyendo
- auditoria de ia en el sector financiero preparandose para el ai act
- empleados de ia en finanzas 61 roles automatizados y como gobernarlos
- superagentes en supply chain optimizacion autonoma de la cadena de suministro
- superagentes en recursos humanos reclutamiento y onboarding autonomo
- cerebro empresarial
- ruta next 5
