Capstone — une solution SAP AI analytics de bout en bout

Ce que vous apprendrez

• Assembler cinq capacités SAP AI déjà apprises (source sémantique de grounding, recherche vectorielle, orchestration, prédiction tabulaire, agent étroit) en une seule architecture gouvernée de bout en bout
• Expliquer et appliquer l'ordre d'exécution fixe du pipeline d'orchestration du generative AI hub pour une solution combinant grounding, masquage, filtrage et appel du modèle
• Combiner une prédiction tabulaire (SAP-RPT ou HANA PAL) avec une étape d'explication par LLM qui n'invente jamais une cause non calculée
• Concevoir une action d'agent étroite à un seul outil avec une identité d'exécution nommée, un schéma d'entrée exact et une étape de confirmation humaine
• Produire une clôture de gouvernance et de coûts qui garde séparés le mesurage du generative AI hub (tokens/GenAI tokens/capacity units) et les AI Units, sans total inventé
• Énoncer précisément ce qui change entre une construction en tenant d'essai et un déploiement en production de la même solution

Aperçu du module

À qui s'adresse ce module. Le module final du parcours SAP AI (M333 à M384). Il suppose que vous avez construit ou spécifié les trois démonstrations de portfolio (M382), que vous savez positionner ce travail honnêtement (M383), et que vous savez citer des preuves sectorielles vérifiées (M384). Ce capstone n'introduit pas de nouvelle capacité SAP. Il assemble cinq capacités déjà rencontrées — Datasphere ou Business Data Cloud comme source de grounding, le Vector Engine de HANA Cloud, le pipeline d'orchestration du generative AI hub, une prédiction tabulaire (SAP-RPT ou PAL) et une action d'agent Joule/MCP étroite — en une seule solution cohérente, gouvernée, de bout en bout, et nomme exactement ce qui sépare une construction en tenant d'essai d'une construction en production.

Prérequis

• Avoir terminé le M382, le M383 et le M384, ou disposer d'une expérience équivalente en portfolio, positionnement et discipline de preuve
• Une connaissance pratique du service d'orchestration du generative AI hub (M325), du Vector Engine de HANA Cloud (M330), de SAP-RPT/PAL (M338-M340), et des agents Joule Studio/MCP (M326, M327)
• Un accès à un tenant d'essai du generative AI hub, une instance HANA Cloud avec la fonction NLP activée, et un bac à sable Joule Studio est recommandé mais pas requis pour les exercices écrits

Acquis

• Dessiner et défendre de mémoire une architecture SAP AI en cinq couches, en nommant la capacité SAP exacte et son statut de disponibilité à chaque couche.
• Produire une configuration d'orchestration complète et correctement ordonnée combinant grounding, masquage et filtrage pour un cas d'usage réel.
• Livrer une clôture de gouvernance et de coûts que les équipes sécurité et finance d'un client pourraient toutes deux valider.
• Énoncer l'écart précis et concret entre une construction en tenant d'essai et un déploiement en production de la même solution.