Проблема: LLM плохо работают с корпоративными данными
Большинство компаний, внедряющих ИИ, сталкиваются с одним и тем же барьером: языковые модели хорошо генерируют текст, но слабо справляются с задачами, где данные хранятся в таблицах, реляционных базах и ERP-системах. Финансовое прогнозирование, анализ закупок, HR-аналитика — всё это работает со структурированными данными, а не с неструктурированным текстом.
Именно здесь кроется разрыв между хайпом вокруг генеративного ИИ и реальной корпоративной применимостью.
Решение: табличные базовые модели и стратегическая покупка
SAP сделала ставку на принципиально иной подход. Компания объявила о поглощении немецкого стартапа Prior Labs и планах инвестировать €1 млрд (около $1,16 млрд) в течение четырёх лет в развитие команды как специализированной ИИ-лаборатории.
Prior Labs разрабатывает табличные базовые модели (TFM) — класс ИИ, обученный работать именно со структурированными данными. В отличие от LLM, такие модели оптимизированы для предсказаний на основе строк и столбцов: именно в таком формате хранится подавляющая часть корпоративной информации.
Параллельно SAP закрыла доступ к своим продуктам через API для неавторизованных ИИ-агентов. Разрешённые архитектуры — собственные агенты Joule и партнёрский NemoClaw от Nvidia. Это не случайное техническое решение, а стратегия контроля над тем, какой ИИ получает доступ к корпоративным данным.
Результат: новый стандарт корпоративного ИИ
Для крупного бизнеса это сигнал: вендоры корпоративного ПО будут формировать экосистемы с закрытым доступом. Агентные решения, не входящие в «белый список», окажутся заблокированы на уровне API. Выбирая инструменты автоматизации сегодня, стоит учитывать, насколько они совместимы с долгосрочной политикой ваших ключевых вендоров.
Для среднего бизнеса открывается другая возможность: специализированные ИИ-инструменты для работы со структурированными данными становятся всё более доступными. Автоматизация финансовой аналитики, прогнозирования спроса и HR-процессов перестаёт быть прерогативой только корпораций с бюджетами SAP.
Для команд автоматизации ключевой вывод — следить за архитектурой доступа к данным при выборе агентных решений. Интеграции через неофициальные точки входа становятся нестабильным фундаментом.
Структурированные данные — это следующий фронт корпоративного ИИ. И крупнейшие игроки уже делают ставки.