SAP представляет RPT-1 для корпоративной аналитики
SAP намерена вытеснить более универсальные большие языковые модели с помощью выпуска собственной базовой «табличной» модели, которая, по заявлению компании, позволит сократить требования к обучению для предприятий.
Модель, получившая название SAP RPT-1, представляет собой предварительно обученную модель со встроенными знаниями о бизнесе и корпоративной среде. SAP называет ее реляционной базовой моделью (Relational Foundation Model), что означает ее способность делать прогнозы на основе реляционных баз данных даже без тонкой настройки (fine-tuning) или дополнительного обучения.
Уолтер Сун (Walter Sun), глобальный директор SAP по искусственному интеллекту, рассказал в интервью VentureBeat, что ценность новой модели заключается в ее способности сразу из коробки выполнять различные корпоративные задачи, такие как прогнозная аналитика.
«Все знают о языковых моделях, и есть множество хороших вариантов, которые уже существуют, — отметил Сун. — Но мы обучили модель на данных о бизнес-транзакциях, по сути, на электронных таблицах Excel, и в результате получили модель, способную выполнять прогнозную аналитику. Ее ценность в том, что она работает из коробки: вам не нужны специфические данные компании для выполнения задач, аналогичных тем, что решает языковая модель».
По словам Суна, RPT-1 способна практически сразу выстраивать бизнес-модель для предприятий на основе знаний, полученных из многолетних массивов данных SAP. Организации могут интегрировать модель напрямую в приложения, даже без дополнительной тонкой настройки.
RPT-1, первое крупное семейство ИИ-моделей от SAP, станет общедоступным в «четвертом квартале 2025 года» и будет развернуто через платформу SAP AI Foundation. Хотя RPT-1 доступна уже сейчас, компания заявила, что в скором времени появятся и другие модели, в том числе передовая модель с открытым исходным кодом.
SAP также выпустит среду без написания кода (no-code playground) для экспериментов с моделью.
Табличные модели против больших языковых моделей (LLM)
Табличные или реляционные ИИ-модели обучаются на электронных таблицах в отличие от LLM, которые учатся на текстах и коде. RPT-1 не только понимает цифры и связи между различными ячейками, но также способна выдавать более структурированные и точные ответы.
Когда предприятия принимают решение использовать RPT-1, они могут точнее направить работу модели с помощью элементарной контекстной инженерии (context engineering), поскольку модель обладает семантическим восприятием и учится в процессе использования.
Исследователи из SAP впервые выдвинули идею о том, что табличные модели способны одновременно демонстрировать семантическое понимание и обучаться на контенте, в статье, опубликованной в июне. В ней была предложена концепция ConTextTab, представляющая контекстно-зависимое предварительное обучение. Она использует семантические сигналы, такие как заголовки таблиц или типы столбцов, для направления обучения модели, позволяя ей выстраивать реляционную структуру данных. Именно эта архитектура делает модель наиболее эффективной для задач, требующих точных ответов, например, в финансовых или корпоративных сценариях использования.
Модели RPT опираются на наработки ConTextTab, которые позволяют модели усваивать структурированные бизнес-данные (например, из графа знаний SAP), а затем наращивать контекст в процессе эксплуатации.
Исследователи SAP протестировали ConTextTab на бенчмарках и заявили, что она «конкурентоспособна» по сравнению с аналогичными моделями, такими как TabPFN и TabIFL.
Отраслевые модели продолжают набирать популярность
Многие предприятия предпочитают дорабатывать (fine-tune) универсальные LLM, такие как GPT-5 или Claude, фактически переобучая модель отвечать только на вопросы, имеющие отношение к их бизнесу. Тем не менее, наметился сдвиг в сторону отраслевых моделей.
Сун рассказал, что его опыт работы в предыдущей компании, где он создавал весьма узкоспециализированную и кастомизированную ИИ-модель для анализа тональности текста (sentiment analysis), во многом определил отличительные особенности RPT-1.
«Это была очень специфическая, узкая модель, которая учитывала конкретные отзывы о конкретных продуктах, но она не масштабировалась, — пояснил Сун. — Когда появились LLM, одна эта модель стала измерять тональность. Но существуют такие сценарии использования, с которыми LLM справиться не могут».
По его словам, к таким задачам относятся предсказания — например, определение момента, когда покупатель вернется в продуктовый магазин, что может потребовать как числового анализа, так и понимания покупательских привычек. Тем не менее, некоторые LLM начали интегрироваться в электронные таблицы, а разработчики ИИ-моделей поощряют пользователей загружать аналогичные данные для обучения контексту. Корпорация Microsoft добавила в Copilot новые функции, включая возможность работы в Excel. Компания Anthropic интегрировала свою модель Claude с Excel, дополнив свой сервис Claude for Finance. Китайский стартап Manus также предлагает инструмент визуализации данных, который понимает электронные таблицы, а ChatGPT умеет создавать графики на основе загруженных таблиц и других источников данных.
Тем не менее, в SAP отметили, что речь идет о гораздо большем, чем просто чтение электронной таблицы: RPT-1 должна выделяться среди конкурентов благодаря тому, что ей требуется меньше дополнительных вводных данных о бизнесе для формирования ответов.
