资源介绍
视频数量：60个
总时长：1小时30分
课程介绍：
思爱普人工智能基础与智能副驾驶实践
在一次SAP项目会上，业务负责人问：“能不能让Joule找出本月逾期的采购订单，判断原因，并给出下一步处理建议？”这个问题看似只差一句指令，背后却牵涉业务数据从哪里来、用户能看到什么、模型如何选择、提示怎样编写、流程怎样连接，以及结果由谁审核。SAP智能副驾驶课程正是从这类真实问题出发，把抽象的技术概念转化为可讨论、可设计、可演示的企业方案。
一、课程定位与适合人群：
这套课程共有60节视频，总时长约1小时30分，内容由九个重点模块、一个综合项目和配套实验答案组成。课程配有中英文字幕，节奏紧凑，每个模块都围绕一个明确问题展开，并以动手练习收尾。
课程适合已经接触SAP业务或项目的功能顾问、解决方案顾问、业务分析师、解决方案架构师，以及准备转向SAP人工智能方向的职场人员。学员不必先掌握复杂编程，但需要理解企业流程、数据权限和系统集成的基本逻辑。刚开始接触SAP AI的人可以借此建立完整概念地图，有项目经验的顾问则能借此厘清产品边界、方案方法与咨询顾问的职责。
二、从人工智能基础到副驾驶角色：
第一模块先解释SAP的人工智能战略与业务价值，再对预测式人工智能、机器学习、生成式人工智能和智能体进行区分。许多初次接触SAP AI的人容易把这些概念混在一起，进而选错技术路线。通过具体对比，学员能够判断某个问题是适合预测结果、生成内容，还是需要自动执行多步骤任务。
随后，课程介绍人工智能副驾驶的工作方式、架构基础模块以及咨询顾问参与项目时的角色，并以“梳理SAP流程中的AI机会点”为实验任务。练习重点不是罗列技术名词，而是找出流程中的耗时环节、重复判断、信息缺口和可行动的结果，为后续方案设计建立清晰起点。
三、认识Joule及其企业级使用方式：
第二模块围绕Joule展开。课程先说明它的产品定位，再讲清Joule如何利用企业数据进行回答，以及安全上下文如何发挥作用。Joule并不是只根据公开互联网信息给出笼统建议，而是依据当前租户中的业务对象、文档和配置生成回答，并遵循用户原有的SAP授权权限。用户无法正常查看的数据，智能副驾驶也不会越权呈现。
课程还会介绍Joule在咨询工作中的应用、Joule Studio、Joule智能体和常见交互模式，并通过Fiori应用中的演示展示实际使用效果。实验环节提供Joule风格的沙箱，让学员练习提出业务问题、补充上下文并判断回答是否具备行动价值。
四、拆解生成式人工智能平台：
第三模块进入生成式人工智能中心、AI Core和AI Launchpad。课程会说明三者在SAP人工智能体系中的位置与分工，重点辨析AI Core和AI Launchpad的差异，避免只知道产品名称，却不清楚各自承担什么职责。
模型选择、企业数据接入、隐私控制和人工智能基础技术栈也会逐项展开。配套演示覆盖免费试用、AI Core与AI Launchpad的启用过程以及平台界面导览。最后，学员通过一个简单编排实验，把模型、业务数据和输出动作连接起来，理解智能应用从对话走向运行的基本路径。
五、面向真实业务设计副驾驶：
第四模块转向SAP S/4HANA中的实际场景，分析副驾驶可以介入哪些业务环节。课程强调以流程为中心进行设计，而不是简单给现有页面加一个聊天窗口；还要把系统给出的洞察转化为采购、财务、供应链等岗位可以执行的后续动作。
第五模块把视野扩展到SuccessFactors、Ariba及其他SAP应用，并讲解跨应用编排。比如，招聘人员可能同时需要人才数据、候选人沟通和入职流程的信息，采购场景也可能牵涉供应商表现、合同状态和审批记录。通过跨应用副驾驶故事板练习，学员能够梳理信息在多个系统之间如何流动。
六、编写可复用的企业提示词：
第六模块围绕提示词、基础RAG概念和提示工程展开。学员会学习如何交代角色、业务背景、任务目标、数据来源、约束条件和输出格式，避免只提出一个模糊问题。模板化提示则把一次性的提问转化为团队能够重复使用的工作方法。
课程还讲提示结果的评估与改进，包括怎样发现回答遗漏、引用失真、步骤缺失或格式不稳。实验任务是制作一套提示词手册，把常用问题、变量、异常情况和改进建议整理成可交接资产。
七、连接企业流程与BTP：
第七模块解释智能副驾驶如何接入SAP业务流程，并介绍BTP集成工具包、企业级数据检索以及基于SAP HANA的RAG实践。通过集成架构图，学员会看到身份认证、权限控制、API调用、事件触发、数据服务、任务编排和运行监控分别处于什么位置。
这一部分也会讨论Joule之外的副驾驶形态，说明智能能力如何嵌入现有企业应用。实验要求学员绘制一份集成架构蓝图，把前端交互、后台服务、数据来源和安全边界对应起来。
八、建立治理与安全意识：
第八模块讨论人工智能调用中的数据隐私和安全、AI Launchpad提供的治理能力，以及风险、偏差和合规问题。生成式人工智能越接近核心业务，错误答案、敏感数据泄露、权限越界和不当自动化就越值得警惕。
课程要求学员起草人工智能使用与治理指南，内容覆盖数据分级、访问控制、人工复核、日志记录、模型风险和禁止用途等实际问题。这部分能让技术设计更贴近企业真实的审批与合规要求。
九、综合项目与职业准备：
前八个模块都配有动手实验，课程随后提供实验解析和示范答案，帮助学员对照自己的思路查找遗漏。最终项目要求设计并推介一个自己的AI副驾驶解决方案，课程会介绍项目框架、参考场景、方案展示结构以及SAP AI相关岗位分工，还会讲解如何把项目经历写入简历和职业社交主页。
完成后，学员手里会形成流程机会图、简单编排方案、跨应用故事板、提示词手册、集成架构蓝图、治理指南和最终方案演示。这些成果能够支持一场更扎实的SAP AI方案讨论，也能成为顾问面试或项目汇报中的具体案例。学完这门课，你未必会立刻成为资深人工智能架构师，但会真正理解SAP AI各组件如何协同，并能围绕业务价值、数据基础、系统连接和风险控制提出清晰的问题。