SAP が Joule Agents を業務横断で拡充──Dispute Resolution Agent で在庫分析30%短縮
サマリー
SAP は assistant「Joule」を軸に agentic AI を拡張。Joule Agents を含む350のAI機能と2,400超のJouleスキルを提供する。Q1 2026 では請求紛争の根本原因分析を自動化する Dispute Resolution Agent などを投入し、在庫分析の所要時間を30%短縮する効果も報告された。
「Joule」を軸に広がる agentic AI
SAP は、自社の業務アプリケーション群に組み込まれたアシスタント「Joule」を軸に、agentic AI（自律的に業務を遂行するエージェント）の展開を加速している。Q1 2026 の Release Highlights では、Joule Agents を含む 350 の AI 機能と、2,400 を超える Joule スキルを提供する体制が示された。
これらは SAP BTP 上の AI Foundation を基盤として提供される。単発の AI 機能を散発的に追加するのではなく、共通基盤の上にスキルとエージェントを積み上げていく構造を採ることで、業務横断での一貫した展開を狙う設計だ。
ユーザーから見れば、日々使う ERP や SaaS の中に AI が自然に同居する形になる。新しいツールを別途立ち上げる必要がなく、既存の業務フローの延長線上でエージェントを呼び出せる点が、このアプローチの核心である。
Dispute Resolution Agent が請求紛争の根本原因を自動分析
Q1 2026 の目玉のひとつが Dispute Resolution Agent だ。請求をめぐる紛争（dispute）が発生した際、その根本原因の分析を自動化し、原因の特定にかかる人手の手間を削減する。あわせて、支払通知（payment advice）の処理時間も短縮されると報告されている。
請求紛争は、売掛金管理の現場で担当者の時間を大きく奪う領域だ。金額の不一致、出荷条件の解釈差、控除の妥当性といった論点を、関連伝票を突き合わせながら追跡する作業は属人的になりやすい。エージェントが原因分析の初動を担うことで、人は判断と顧客対応に集中できるようになる。
こうした「定型だが手間のかかる調査」をエージェントに委ねる発想は、財務・経理を起点に他の業務領域へも広がりうる方向性を示している。
自然言語操作とマルチモデル選択の標準化
分析業務の側でも変化が進む。Joule は SAP Datasphere で一般提供（GA）となり、自然言語でのデータ操作・実行が可能になった。これにより、SQL やツール固有の操作に習熟していない利用者でも、対話的にデータへアクセスしやすくなる。
実利用の効果として、在庫ラン分析にかかる時間が 30% 短縮され、出力の採用（生成された分析結果を実務で使う度合い）も加速したと報告されている。AI の出力が「参考」にとどまらず、実務の意思決定に取り込まれ始めている点が示唆的だ。
基盤モデルの選択肢も広がった。generative AI hub は、以下を含む複数モデルへのアクセスを拡大している。
- GPT 5.2
- Gemini 3.0 Pro
- Claude Opus 4.6 / Claude Sonnet 4.6
用途やコスト、品質要件に応じて最適なモデルを選べる「マルチモデル」前提の設計は、特定ベンダーへの過度な依存を避けつつ、業務ごとに最適解を追える柔軟性をもたらす。
もう一つの含意はマルチモデル選択の標準化である。複数の基盤モデルを業務単位で使い分ける前提が一般化すれば、競争の焦点は「どのモデルを採用するか」から「自社の業務にどう接続し、どこまで実務に取り込むか」へと移る。在庫分析 30% 短縮のような数字は、その接続が機能し始めた兆候として読める。
海外の本番化事例を、自社の業務にどう翻訳するか。Meta Flow AI が伴走します。