SAP presenta sus modelos tabulares de base RPT 1.6 como alternativa a los LLM para predicciones empresariales
Hecho Qué ha ocurrido
Philipp Herzig, CTO de SAP, explica en una entrevista que la compañía ha desarrollado modelos tabulares de base (TFM), llamados RPT 1.6, como alternativa al uso de LLM para tareas de predicción con datos estructurados como flujo de caja, puntuación crediticia o mantenimiento predictivo. SAP afirma que estos modelos, entrenados con datos públicos y sintéticos y validados con datos reales de clientes, superan a líneas base de aprendizaje automático clásico en la mayoría de casos y a enfoques de AutoML entre el 70-80% de las veces, sin requerir entrenamiento específico por caso de uso. SAP reforzó esta línea con la adquisición de Prior Labs.
Resumen generado mediante IA a partir de Computerworld España. Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Señala una brecha real entre el entusiasmo por la IA generativa y su impacto en beneficios operativos (solo 6% de empresas según McKinsey), proponiendo que para tareas predictivas estructuradas los modelos tabulares pueden ser más eficientes que los LLM.
- Quién se ve afectado
- Equipos de finanzas, cadena de suministro, RRHH, banca y empresas usuarias de SAP que necesitan predicciones sobre series temporales o datos estructurados.
- Qué puede cambiar
- Las empresas podrían reducir el tiempo y coste de desarrollar modelos predictivos específicos, usando un modelo base generalista en lugar de entrenar modelos de machine learning a medida para cada caso.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Habrá que ver si SAP integra RPT 1.6 en productos comerciales concretos, qué adopción tiene frente a soluciones de AutoML establecidas, y si terceros validan de forma independiente las cifras de rendimiento mencionadas.
Recomendación Qué debería hacer una empresa
Las empresas que usan SAP y dependen de predicciones sobre datos tabulares (riesgo, demanda, liquidez) deberían evaluar pilotos con RPT 1.6 en los próximos 6-12 meses frente a sus soluciones actuales de ML clásico.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Fuente original: Computerworld España. La referencia es siempre el artículo original.
Ver fuente original ↗modelos tabulares de baseLLMAutoMLaprendizaje automático SAPPrior Labs modelos tabularesPhilipp Herzigpredicción empresarialRPT 1.6SAP
Tu opinión
0 comentarios
Relacionadas
Nvidia impulsa Halos, su sistema de seguridad para robots y vehículos autónomos
Nvidia desarrolla Halos, un sistema de seguridad 'full-stack' para IA física lanzado en 2025 para vehículos autónomos. En junio de 2026 la compañía lo amplió…
Por qué importaLa seguridad certificada puede ser el factor decisivo para que empresas adopten robots físicos en entornos compartidos con humanos, como fábricas o…
AWS lanza en vista previa un agente de IA para detectar y resolver problemas en entornos cloud
AWS ha anunciado AWS Well-Architected Agent, un servicio de IA agéntica en vista previa pública que detecta, prioriza y propone soluciones automatizables para…
Por qué importaAutomatiza tareas de gestión de infraestructura cloud que hoy requieren equipos de DevOps/SRE, reduciendo tiempo de detección y resolución de…
OpenAI lanza GPT-6 con interfaz visual interactiva Intelligent UI en ChatGPT
OpenAI ha actualizado ChatGPT con un nuevo modelo, GPT-6, junto a una interfaz denominada Intelligent UI. Esta interfaz permite que las respuestas incluyan…
Por qué importaCambia el formato de interacción con los asistentes de IA, pasando de texto plano a interfaces dinámicas que facilitan tareas como comparar datos o…
Microsoft presenta Surface Laptop Ultra y Surface RTX Dev Box para ejecutar IA local con Windows
Microsoft anunció el Surface Laptop Ultra, con GPU Nvidia RTX Spark, hasta 128 GB de memoria unificada y 1 petaflop de IA FP4, por 2.599 dólares. También…
Por qué importaMicrosoft busca trasladar capacidades de IA del centro de datos al dispositivo local, lo que podría reducir dependencia de la nube para tareas…