Contenido verificado el 2026-05-08 · experimento de Eggthropic
Un asistente funcional con IA para SAP HR legacy
Usar Claude y Notion para construir un asistente de conocimiento estructurado para equipos funcionales de SAP HR On-Premise — convirtiendo conocimiento disperso de configuración en contexto consultable.
Objetivo
Comprobar si un asistente con Claude respaldado por una base de conocimiento estructurada en Notion puede responder con fiabilidad preguntas funcionales de SAP HR — infotipos, lógica de configuración, flujos de proceso — sin acceso directo al sistema SAP ni conocimientos de ABAP.
Contexto
SAP HR On-Premise (HCM) arrastra décadas de configuración acumulada: infotipos, jerarquías de features, lógica de esquemas, exits de cliente y reglas de proceso sin documentar que solo existen en hojas de cálculo, Words y la memoria de consultores que ya no están. Los equipos funcionales pierden horas buscando respuestas que técnicamente están en el sistema pero son inaccesibles en la práctica sin expertise profundo o contratos de soporte caros. Este experimento explora si Notion — como base de conocimiento estructurada — más Claude como capa de razonamiento pueden hacer ese conocimiento consultable en lenguaje natural, sin conectar con ningún sistema SAP vivo.
Prompt utilizado
You are a functional assistant for SAP HR On-Premise. You have access to a structured knowledge base containing infotype definitions, configuration notes, process flows, and known system behaviors. Answer the following question accurately and concisely. If the answer requires distinguishing between standard SAP behavior and customer-specific configuration, say so explicitly. If the answer is not in the knowledge base, say you don't know — do not invent configuration values. Question: {user_question}
Notas de implementación
El prototipo usa Notion como base de conocimiento con una estructura de página consistente por infotipo: definición, campos clave, transacciones estándar, errores de configuración habituales y dependencias de integración conocidas. Las páginas se obtienen vía API de Notion y se ensamblan en un bloque de contexto para la Messages API de Claude, con instrucción explícita de razonar SOLO sobre el contexto y no inventar valores de configuración. Cobertura actual: infotipos 0001–0008 (asignación organizativa, datos personales, nómina), el marco de medidas PA40 y un subconjunto de objetos de OM. No hay conexión con SAP: todo el conocimiento está curado a mano desde documentación funcional y notas de proyecto.
Resultado
Con infotipos y transacciones bien documentados, el asistente responde correctamente y cita la página de Notion correspondiente. Ante preguntas dependientes de configuración (p. ej. «¿qué controla la feature LGMST en nuestro sistema?») marca correctamente que depende del cliente y se niega a adivinar. Alucinaciones en definiciones de campos de infotipos: 0 observadas en 40 consultas de prueba. Donde sufre es en dependencias cruzadas (p. ej. interacciones del esquema de nómina) donde la cobertura en Notion es fina.
Qué funcionó
- Notion como base de conocimiento es fácil de curar y actualizar sin ingeniería
- Claude aplica bien la instrucción de no inventar valores: sus negativas son precisas y útiles
- El parseo de preguntas en lenguaje natural maneja bien la jerga SAP sin preprocesado
- El ensamblado de contexto desde la API de Notion es suficientemente rápido para uso interactivo (<2 s)
- El asistente distingue comportamiento estándar de personalización del proyecto cuando la página de Notion lo distingue
Qué falló
- La cobertura de la base de conocimiento es el cuello de botella: el asistente vale lo que valga lo documentado
- Las consultas entre infotipos (p. ej. «¿cómo afecta IT0001 a IT0007?») requieren contexto multi-página que supera la lógica actual
- Sin estrategia de retrieval: se pasa todo el contexto completo, lo que se encarece a escala
- Las preguntas de features y esquemas requieren un formato estructurado aparte, difícil de mantener en Notion
- No hay bucle de corrección: cuando el asistente falla, no hay mecanismo para marcar y corregir la página origen
Próxima iteración
Implementar una capa de retrieval (búsqueda vectorial o índice por títulos y tags) que sustituya al contexto completo. Ampliar cobertura a básicos del esquema de nómina y las medidas de personal más comunes. Prototipar el flujo de corrección: si el usuario marca una respuesta como errónea, abrir la página de Notion origen para editar. Evaluar si el modo extended thinking mejora el razonamiento de configuración multi-paso.
Reprodúcelo tú
Este experimento es un playbook: con las herramientas de arriba y el prompt exacto de esta página puedes repetirlo en tu propio entorno. Si lo haces — funcione o no — cuéntanoslo en GitHub: las réplicas con resultados distintos son tan valiosas como el experimento original.