Banyak perusahaan sudah menggunakan SAP untuk mengelola berbagai proses bisnis, mulai dari finance dan procurement hingga supply chain. Namun, memiliki banyak data saja belum cukup. Perusahaan juga perlu mengolah data tersebut menjadi insight yang bisa membantu mengambil keputusan dan menjalankan pekerjaan dengan lebih cepat.
Di sinilah AI mulai memainkan peran yang lebih besar. AI tidak lagi hanya digunakan untuk menjawab pertanyaan atau membuat ringkasan. Dengan Agentic AI, AI dapat memahami konteks, menganalisis informasi, memberikan rekomendasi, hingga membantu menjalankan langkah berikutnya dalam sebuah proses bisnis.
Agar kemampuan tersebut dapat berjalan dengan baik, perusahaan membutuhkan fondasi yang mampu menghubungkan SAP, enterprise data, dan AI. SAP modernization menjadi salah satu langkah penting untuk membangun fondasi tersebut.
.
Key Takeaways
.
Mengapa SAP Modernization Semakin Relevan di Era AI?
Seiring berkembangnya kebutuhan bisnis dan adopsi AI, perusahaan perlu memastikan SAP digital core tetap stabil sekaligus siap mendukung data, analytics, dan AI. Beberapa tantangan yang mendorong kebutuhan SAP modernization meliputi:
Limited AI Capabilities
SAP perlu berkembang dari transactional processing untuk mendukung analytics, Generative AI, dan Agentic AI tanpa mengganggu digital core.
Rigid Business Processes
Proses manual dan repetitive tasks dapat memperlambat pekerjaan serta membatasi peluang intelligent automation.
High Maintenance Costs
Traditional SAP environments membutuhkan resources untuk maintenance, monitoring, dan upgrades secara berkelanjutan.
.
Innovation Bottleneck
Data SAP dan non-SAP yang terfragmentasi dapat menyulitkan perusahaan memanfaatkan enterprise data untuk analytics dan AI.
Compliance Risk
Penggunaan AI pada proses SAP membutuhkan security, governance, authorization, dan human oversight yang tepat.
.
Bagaimana SAP dan AWS Membantu Enterprise Jadi AI-Driven?
SAP dan AWS dapat menghubungkan business context dari SAP dengan cloud infrastructure, data, analytics, dan AI capabilities.
AWS membantu perusahaan menyesuaikan resource dengan kebutuhan AI workloads. Sementara itu, integrasi data memungkinkan informasi SAP digunakan untuk analytics dan AI tanpa proses data replication tradisional pada capability yang mendukungnya.
Salah satunya adalah SAP Business Data Cloud Connect for Amazon Athena, yang menyediakan bi-directional zero-copy integration. Dengan pendekatan ini, analytics dan AI dapat menggunakan live SAP data dengan lebih efisien. Hasilnya, perusahaan dapat membangun foundation yang menghubungkan SAP digital core dengan enterprise data dan AI.
.
Baca Juga: SAP on AWS: Fondasi Penting untuk Bisnis yang Siap Tumbuh
.
Bagaimana Architecture SAP + AWS Mendukung AI, Analytics, dan Agentic AI?

Architecture SAP + AWS dapat dibangun melalui tiga layer:
1. SAP Digital Core
SAP S/4HANA menjadi foundation untuk critical business processes dan enterprise business context. Clean-core approach membantu menjaga SAP tetap manageable ketika perusahaan mengembangkan inovasi baru.
2. Integration & Data Layer
Layer ini menghubungkan SAP dengan enterprise data lainnya. SAP BTP, Amazon Athena, AWS Lake Formation, dan zero-copy integration dapat mendukung kebutuhan data untuk analytics dan AI.
3. AI & Intelligence Layer
Pada layer ini, perusahaan dapat memanfaatkan berbagai AWS AI services. Amazon Bedrock mendukung Generative AI, Amazon Q membantu business users berinteraksi dengan enterprise information menggunakan natural language, sedangkan Amazon Textract membantu mengekstrak informasi dari dokumen.
Agentic AI kemudian dapat membawa kemampuan tersebut lebih dekat ke business workflow dengan membantu AI melakukan reasoning dan menjalankan authorized actions.
.
Lewat Kombinasi SAP dan AWS, Apa yang Dapat Diperoleh Enterprise?
Setelah SAP, enterprise data, dan AI terhubung, perusahaan dapat menerapkan AI pada proses yang memiliki impact paling relevan.
Beberapa use case yang dapat dikembangkan antara lain:
Agentic AI untuk Task dan Workflow Automation
Agentic AI dapat memahami request, mengambil business data, melakukan reasoning, memberikan recommendation, hingga membantu menjalankan authorized action sesuai business rules dan governance.
Dalam finance exception handling, misalnya, AI agent dapat mengambil transaction data, mencari supporting information, memahami penyebab exception, lalu membantu menentukan next action setelah approval yang diperlukan.
Pendekatan ini dapat membantu mengurangi repetitive work tanpa menghilangkan human oversight.
Intelligent Document Processing
Invoice, purchase order, contract, dan dokumen lainnya masih membutuhkan banyak proses manual. Amazon Textract dapat membantu mengekstrak informasi seperti vendor, invoice number, amount, purchase order, dan line items.
Data tersebut kemudian dapat digunakan untuk mendukung validation dan workflow terkait SAP. Generative AI juga dapat membantu merangkum dokumen atau menjelaskan informasi yang relevan.
Supply Chain Risk AI
AI dapat menggabungkan data demand, inventory, supplier, purchase order, dan logistics untuk membantu mengidentifikasi potential disruption lebih awal.
Misalnya, ketika demand meningkat sementara inventory dan incoming supply tidak mencukupi, AI dapat memberikan early insight mengenai potential shortage sehingga tim supply chain dapat merespons lebih cepat.
Natural-Language SAP Analytics
Amazon Q dapat membantu business users mendapatkan insight dari enterprise data melalui natural-language queries.
User dapat mengajukan pertanyaan mengenai sales performance, inventory, atau operational cost tanpa harus memahami struktur database atau membuat technical query.
.
Perbandingan Traditional SAP vs SAP + AWS AI
Aspek | SEBELUM: Traditional SAP | SESUDAH: SAP + AWS AI |
Data | Fokus pada data untuk proses dan transaksi SAP | SAP dan enterprise data dapat digunakan untuk analytics dan AI |
Data Access | Membutuhkan traditional data replication | Zero-copy access ke live SAP data untuk analytics dan AI |
Analytics | Bergantung pada tools dan technical queries | Natural-language interaction membantu mempercepat akses ke business insights |
AI | Use case AI lebih terbatas | Mendukung Generative AI dan Agentic AI |
Workflow | Banyak proses masih membutuhkan manual intervention | AI agents dapat membantu authorized workflows sesuai business rules |
Scalability | Bergantung pada kapasitas infrastructure | AI workloads dapat di-scale sesuai kebutuhan |
Innovation | Customization dapat menambah kompleksitas SAP core | Clean-core approach memungkinkan innovation tanpa unnecessary customization |
AI Integration | AI capabilities belum terintegrasi dengan SAP environment | Amazon Bedrock foundation models dapat digunakan melalui SAP AI Core |
Contoh Penggunaan SAP dan AWS Agentic AI di Industri
Penerapan Agentic AI for SAP dapat dimulai dari proses yang memiliki pekerjaan repetitive atau membutuhkan banyak data untuk mengambil keputusan.
Contohnya adalah finance exception handling, supply chain risk detection, dan document processing. Pada use case tersebut, AI tidak hanya memberikan informasi, tetapi dapat membantu memahami context, memberikan recommendation, dan mendukung workflow yang telah ditentukan.
Hal ini menunjukkan bahwa Agentic AI dapat membawa AI lebih dekat ke proses bisnis, dengan tetap mengikuti authorization, governance, dan human oversight.
.
Bagaimana Tahapan Penggunaan SAP dan AWS AI?

.
Transformasi dari SAP digital core menuju AI-driven enterprise membutuhkan lebih dari sekadar teknologi. Perusahaan perlu memahami kesiapan infrastructure, data, integration, dan security, sekaligus menentukan AI use case yang relevan dengan kebutuhan bisnis.
NTT DATA Business Solutions Indonesia merupakan SAP consulting partner dengan expertise dalam SAP consulting, implementation, dan modernization. Dalam perjalanan menuju AI-driven enterprise, NTT DATA Business Solutions membantu perusahaan mengoptimalkan SAP landscape sebagai foundation untuk mendukung kebutuhan bisnis yang terus berkembang.
Sebagai AWS Distributor di Indonesia, Helios (part of CTI Group) berkolaborasi dengan NTT DATA Business Solutions Indonesia untuk menggabungkan kapabilitas SAP dan AWS dalam mendukung cloud, data, analytics, Generative AI, hingga Agentic AI secara lebih terintegrasi.
Melalui assessment, Proof of Concept, dan co-innovation, Helios dan NTT DATA Business Solutions membantu perusahaan memvalidasi solusi berdasarkan kebutuhan aktual sebelum melangkah ke implementasi yang lebih luas. Pendekatan ini memungkinkan transformation roadmap disesuaikan dengan business priorities, SAP landscape, dan kesiapan data masing-masing perusahaan.
.Bangun Enterprise yang Lebih AI-Driven dengan SAP dan AWS di Helios
Siap mengeksplorasi potensi AI dari SAP dan enterprise data Anda? Mulai perjalanan bersama Helios dan NTT DATA Business Solutions untuk mengidentifikasi use case yang relevan dan menentukan langkah implementasi yang sesuai dengan kebutuhan bisnis.
Free AI Readiness Assessment membantu mengevaluasi kesiapan SAP landscape, enterprise data, dan potential AI use cases. Quick Demo & Proof of Concept membantu memvalidasi solusi sebelum implementasi lebih luas, sementara SAP + AWS Co-Innovation Workshop memberikan ruang untuk mengeksplorasi use case, architecture, dan transformation roadmap bersama local experts.
Ready to move from Digital Core to AI-Driven Enterprise? Talk to Our Expert →
Penulis: Ary Adianto
Content Writer CTI Group












