Celem SAP jest wyparcie bardziej ogólnych modeli dużych języków poprzez wypuszczenie własnego podstawowego modelu „tabelarycznego”, który według firmy zmniejszy wymagania szkoleniowe dla przedsiębiorstw.
Model o nazwie SAP RPT-1 jest modelem wstępnie wyszkolonym z wiedzą biznesową i korporacyjną. SAP nazywa to relacyjnym modelem podstawowym, co oznacza, że może dokonywać prognoz w oparciu o relacyjne bazy danych nawet bez dostrajania lub dodatkowego szkolenia.
Walter Sun, globalny szef AI w SAP, powiedział w wywiadzie dla VentureBeat, że wartość nowego modelu polega na jego zdolności do wykonywania różnych zadań biznesowych, takich jak analizy predykcyjne, od razu po wyjęciu z pudełka.
„Każdy zna modele językowe, a jest mnóstwo dobrych” – powiedział Sun. „Ale przeszkoliliśmy model na podstawie danych transakcji biznesowych, głównie arkuszy kalkulacyjnych Excela, dzięki czemu mamy model, który może przeprowadzać analizy predykcyjne, a jego zaletą jest to, że jest gotowy do użycia, co oznacza, że nie trzeba znać specyfiki firmy, aby wykonywać zadania analogiczne do modelu językowego”.
Firma Sun stwierdziła, że RPT-1 może od razu zbudować model biznesowy dla przedsiębiorstw w oparciu o wiedzę zdobytą na podstawie danych zgromadzonych przez dziesięciolecia doświadczeń firmy SAP. Organizacje mogą włączyć model bezpośrednio do aplikacji, nawet bez dodatkowego dostrajania.
RPT-1, pierwsza duża rodzina modeli sztucznej inteligencji firmy SAP, będzie ogólnie dostępna w „czwartym kwartale 2025 r.” i zostanie wdrożona za pośrednictwem SAP AI Foundation. Chociaż RPT-1 jest obecnie dostępny, firma twierdzi, że wkrótce dostępne będą dodatkowe modele, w tym najwyższej klasy model open source.
SAP udostępni także plac zabaw bez kodu, umożliwiający eksperymentowanie z modelem.
Modele tabelaryczne a LLM
Tabelaryczne lub relacyjne modele sztucznej inteligencji uczące się z arkuszy kalkulacyjnych, w przeciwieństwie do LLM, które uczą się z tekstu i kodu. RPT-1 nie tylko rozumie liczby i relacje między różnymi komórkami, ale może także zapewniać bardziej uporządkowane i precyzyjne odpowiedzi.
Kiedy przedsiębiorstwa decydują się na użycie RPT-1, mogą nadać modelowi większy kierunek poprzez odrobinę inżynierii kontekstowej, ponieważ model jest świadomy semantycznie i uczy się na podstawie sposobu, w jaki jest używany.
Badacze SAP jako pierwsi zaproponowali pomysł, że modele tabelaryczne mogą zarówno wykazywać świadomość semantyczną, jak i uczyć się na podstawie treści zapisanych na papierze opublikowany w czerwcu. Zaproponował, aby ConTextTab wprowadził kontekstowe szkolenie wstępne. Wykorzystuje sygnały semantyczne, takie jak nagłówki tabel lub typy kolumn, do kierowania uczeniem modelu, umożliwiając modelowi zbudowanie struktury relacyjnej z danymi. Dzięki tej architekturze model najlepiej sprawdza się w przypadku zadań wymagających precyzyjnych odpowiedzi, takich jak przypadki użycia w finansach lub biznesie.
Modele RPT opierają się na działaniu karty ConTextTab, która umożliwia uczenie się ustrukturyzowanych danych biznesowych, na przykład z Grafu wiedzy SAP, a następnie może dodać więcej kontekstu poprzez użycie.
Badacze firmy SAP przetestowali ConTextTab w testach porównawczych, stwierdzając, że jest on „konkurencyjny” w porównaniu z podobnymi modelami, takimi jak TabPFN i TabIFL.
Coraz więcej modeli branżowych
Wiele firm woli dostroić ogólne LLM, takie jak GPT-5 lub Claude, aby zasadniczo przekwalifikować model tak, aby odpowiadał tylko na pytania istotne dla ich działalności. Jednakże zwrot w stronę zaczęły się zakorzeniać modele specyficzne dla danej branży.
Sun powiedział, że jego doświadczenie w poprzedniej firmie, w której budował bardzo wąski, wysoce dostosowany model sztucznej inteligencji do analizy nastrojów, w dużej mierze wpłynęło na to, co wyróżnia RPT-1.
„To był bardzo dostosowany model, wąski model, który wymaga konkretnych informacji zwrotnych na temat niektórych produktów, ale nie był skalowalny” – powiedział Sun. „Kiedy pojawiły się LLM, ten jeden model mierzy nastroje. Są jednak przypadki użycia, w których możemy to zrobić, a LLM nie mogą”.
Powiedział, że te przypadki użycia obejmują prognozy, takie jak określenie, kiedy klient wróci do sklepu, co może obejmować analizę numeryczną wraz ze zrozumieniem nawyków zakupowych klienta. Jednak niektóre LLM zaczęły integrować się z arkuszami kalkulacyjnymi, a dostawcy modeli AI zachęcają użytkowników do przesyłania podobnych danych w celu poznania kontekstu. Microsoftu dodano nowe możliwości drugiego pilotaw tym umiejętność pracy w programie Excel. antropiczny zintegrował swojego Claude’a model w Excelu, uzupełniając jego Claude za usługi finansowe. Chiński startup Manus oferuje również narzędzie do wizualizacji danych który rozumie arkusze kalkulacyjne, a ChatGPT może tworzyć wykresy z załadowanych arkuszy kalkulacyjnych i innych źródeł danych.
SAP zauważył jednak, że to coś więcej niż tylko czytanie arkusza kalkulacyjnego; RPT-1 powinien wyróżniać się na tle konkurencji tym, że do udzielenia odpowiedzi wymaga mniej dodatkowych informacji o firmie.
