SAP amplia le capacità della propria piattaforma di intelligenza artificiale con TabPFN-3.5 Plus, nuovo modello fondazionale dedicato all’analisi dei dati tabulari. Sviluppato da Prior Labs, società acquisita da SAP nel luglio 2026, il modello è ora disponibile attraverso SAP AI Core e punta a produrre previsioni direttamente dai dati strutturati aziendali senza richiedere il tradizionale processo di addestramento e tuning.
L’obiettivo è affrontare una categoria di dati particolarmente importante nelle applicazioni enterprise. Informazioni relative a flussi di cassa, pagamenti, fornitori, clienti, vendite e supply chain sono infatti conservate prevalentemente in database e tabelle, un ambito nel quale i Large Language Model generalisti non sono necessariamente lo strumento più appropriato.
TabPFN-3.5 Plus e i modelli fondazionali tabulari
TabPFN-3.5 appartiene alla categoria dei Tabular Foundation Model (TFM), modelli progettati specificamente per elaborare dati strutturati. Il principio è differente rispetto agli LLM, ottimizzati principalmente per linguaggio naturale e conoscenza testuale.
Nel contesto aziendale, un TFM può essere utilizzato per elaborare dati storici e individuare relazioni utili a prevedere fenomeni come ritardi nei pagamenti, rischio dei fornitori, probabilità di abbandono dei clienti, opportunità di upselling o andamento dei flussi di cassa.
Uno degli elementi tecnicamente più interessanti di TabPFN-3.5 è l’impiego dell’in-context learning. Il modello può effettuare previsioni utilizzando direttamente i dati forniti nel contesto, evitando la costruzione e l’addestramento di un modello specifico per ogni singolo problema aziendale.
Previsioni senza training e tuning
Secondo SAP, TabPFN-3.5 permette di utilizzare i dati sostanzialmente nella forma in cui sono presenti nei sistemi aziendali. Il modello è progettato per gestire direttamente valori mancanti, tipi di dati misti e campi non uniformi, riducendo quindi il lavoro di preparazione normalmente necessario prima dell’applicazione degli algoritmi di machine learning.
TabPFN-3.5 può inoltre elaborare colonne contenenti migliaia di valori distinti, come codici prodotto o identificativi dei clienti. Si tratta di una caratteristica rilevante per i database enterprise, nei quali le variabili categoriche possono presentare cardinalità molto elevate.
L’approccio mira quindi a ridurre una delle componenti più onerose dei tradizionali progetti di machine learning: la pipeline composta da preparazione dei dati, selezione delle caratteristiche, scelta dell’algoritmo, training, ottimizzazione degli iperparametri e validazione.
Il risultato atteso è la possibilità di ottenere previsioni partendo dai dati aziendali etichettati nell’arco di pochi minuti, secondo quanto dichiarato da SAP.
TabPFN-3.5 Plus arriva in SAP AI Core
Per i clienti SAP, la versione TabPFN-3.5 Plus viene resa disponibile attraverso SAP AI Core, il componente della piattaforma SAP dedicato all’esecuzione e alla gestione dei workload di intelligenza artificiale.
L’integrazione consente alle aziende di applicare il modello ai dati presenti nei propri ambienti SAP e di incorporare le capacità predittive nelle applicazioni e nei processi aziendali.
SAP indica come possibili scenari l’analisi del rischio finanziario e dei fornitori, la previsione dei comportamenti dei clienti e l’identificazione di opportunità commerciali. L’interesse principale risiede però nella possibilità di applicare un modello general-purpose per dati tabulari a numerosi problemi differenti senza sviluppare ogni volta un modello predittivo dedicato.
Secondo i risultati riportati dall’azienda, TabPFN-3.5 Plus raggiunge livelli elevati di accuratezza e scalabilità nei benchmark esterni TabArena e BeyondArena, utilizzati per confrontare modelli destinati alla previsione su dati tabulari reali.
SAP punta sull’AI specializzata per i dati strutturati
L’arrivo di TabPFN-3.5 Plus deve essere letto anche nel quadro della strategia di SAP sui modelli AI specializzati per i dati enterprise.
«I dati del mondo reale sono raramente perfetti. I dataset contengono spesso relazioni complesse e condizioni variabili che rendono difficile il machine learning tradizionale. TabPFN-3.5 è stato costruito specificamente per queste sfide, offrendo precisione e scalabilità leader di settore per i dati tabulari con un minore sforzo manuale», ha dichiarato Philipp Herzig, Chief Technology Officer di SAP SE.
Herzig collega inoltre TabPFN-3.5 alla famiglia SAP-RPT, sottolineando l’obiettivo di ottenere previsioni dai dati aziendali etichettati senza dover effettuare un addestramento specifico per ciascun caso d’uso.
La direzione è quella di affiancare ai modelli linguistici una categoria di foundation model specializzati sui dati che costituiscono il nucleo dei sistemi gestionali aziendali.
L’acquisizione di Prior Labs
La tecnologia entra nel portafoglio SAP pochi mesi dopo l’acquisizione di Prior Labs, completata nel luglio 2026. La società è specializzata nello sviluppo di foundation model per dati tabulari e continuerà a operare come entità indipendente all’interno del gruppo.
SAP ha inoltre annunciato un impegno superiore a 1 miliardo di euro per sviluppare Prior Labs come laboratorio di ricerca sull’intelligenza artificiale dedicato ai dati strutturati.
L’investimento evidenzia un’area specifica della strategia AI di SAP: applicare modelli fondazionali non soltanto a documenti e linguaggio naturale, ma direttamente ai dati strutturati che alimentano applicazioni di finanza, procurement, risorse umane, supply chain e customer experience.
