SAP ha incorporado TabPFN-3.5 Plus a SAP AI Core, su plataforma para desarrollar y ejecutar aplicaciones de inteligencia artificial. Se trata de un modelo especializado en datos tabulares que permite generar predicciones a partir de información empresarial estructurada sin que las organizaciones tengan que entrenarlo previamente con sus propios datos.
El modelo ha sido desarrollado por Prior Labs, compañía que SAP adquirió en julio de 2026. Su incorporación a SAP AI Core amplía las capacidades de la plataforma para trabajar con datos estructurados, un tipo de información habitual en los sistemas empresariales y que incluye registros relacionados con clientes, proveedores, productos, ventas o finanzas.
La principal particularidad de TabPFN-3.5 Plus es que puede realizar predicciones sin el proceso de entrenamiento específico que requieren habitualmente los modelos de aprendizaje automático. Esto significa que una empresa puede utilizar sus propios conjuntos de datos para obtener predicciones sin tener que desarrollar y entrenar previamente un modelo adaptado a cada caso.
Philipp Herzig, Chief Technology Officer de SAP SE, ha explicado que "los datos del mundo real rara vez son perfectos. Los conjuntos de datos suelen contener relaciones complejas y condiciones variables que dificultan el aprendizaje automático tradicional". Según el directivo, TabPFN-3.5 se ha desarrollado para trabajar con estas características de los datos empresariales.
Te puede interesar: Las empresas elevan el retorno de la IA impulsadas por la IA agéntica
SAP señala que el modelo puede gestionar información con valores ausentes, diferentes tipos de datos y campos inconsistentes sin necesidad de realizar un procesamiento previo. También puede trabajar con columnas que contienen miles de valores distintos, como códigos de producto o identificadores de clientes.
Esta capacidad está orientada a casos de uso relacionados con procesos empresariales. Entre los ejemplos citados por SAP se encuentran la previsión del flujo de caja, la predicción de retrasos en los pagos y la evaluación del riesgo asociado a proveedores. El modelo también puede utilizarse para identificar oportunidades de venta adicional y predecir el riesgo de abandono de clientes.
En estos escenarios, el interés para las empresas está en poder aplicar modelos predictivos sobre información que ya manejan en sus sistemas. La propuesta de SAP busca reducir parte del trabajo necesario para preparar los datos y adaptar un modelo antes de utilizarlo para una determinada predicción.
Herzig ha añadido que "con TabPFN-3.5 y la familia de modelos SAP-RPT, los clientes obtienen predicciones precisas a partir de datos empresariales etiquetados en minutos, sin necesidad de entrenamiento". SAP sitúa esta tecnología dentro de su estrategia para aplicar inteligencia artificial a datos estructurados y a procesos empresariales.
TabPFN-3.5 Plus utiliza aprendizaje en contexto para generar sus predicciones a partir de datos tabulares. SAP explica que este enfoque permite trabajar con diferentes tipos de información sin recurrir a la configuración mediante sucesivas pruebas que requieren otros modelos de aprendizaje automático.
La compañía también señala que el modelo ha sido evaluado mediante TabArena y BeyondArena, dos referencias utilizadas para analizar el rendimiento de modelos de predicción con datos reales. Estas evaluaciones forman parte de los argumentos empleados por SAP para describir las capacidades de la tecnología.
La llegada de TabPFN-3.5 Plus a SAP AI Core se produce después de la adquisición de Prior Labs por parte de SAP en julio de 2026. La operación permite integrar en el catálogo de SAP la tecnología desarrollada por esta compañía especializada en modelos para datos tabulares.
Con esta incorporación, SAP amplía su oferta de inteligencia artificial orientada a datos estructurados. El modelo queda disponible dentro de SAP AI Core para aplicaciones que necesiten realizar predicciones sobre información empresarial, desde variables financieras y pagos hasta comportamiento de clientes y gestión de proveedores.
