最近SAP的首席AI官Dr. Philipp Herzig发了一则领英动态,介绍SAP在生成式AI领域的最新进展,特别是如何利用这些技术改进企业数据处理。与ChatGPT等大语言模型(LLM)主要处理非结构化文本和图像不同,SAP正在开发一个专为处理结构化业务数据的基础模型。LLM在处理表格数据时常表现不佳,而SAP的模型则专注于企业资源规划(ERP)和其他数据库中的结构化数据。通过预训练和细微调整,SAP的模型在预测和分类任务中优于传统的狭义AI模型。这一模型能够快速适应不同的业务场景,降低了实施和维护成本,提高了数据处理的效率和准确性。
与ChatGPT等大语言模型的区别
- 数据类型:
LLM:主要处理非结构化数据,如文本和图像。
SAP模型:专注于结构化数据,如ERP系统中的表格数据。
- 性能差异:
LLM:在处理结构化数据时表现不佳,预测准确性较低,容易产生幻觉。
SAP模型:在特定任务中经过细微调整后,预测准确性优于狭义AI模型。
- 适应性:
LLM:需要大量的文本数据进行预训练,并且在处理新的结构化数据任务时效果有限。
SAP模型:通过预训练和轻量化调整,可以快速适应新的业务场景,甚至在数据有限的情况下也能提供高质量的预测。
具体的例子如下
ERP数据处理:
SAP的模型通过处理ERP系统中的结构化数据,如财务数据和库存管理数据,提供准确的预测和分类。举例来说,在创建复杂的业务对象时,SAP的模型可以通过AI辅助用户进行高效创建,减少了人为错误和时间成本。
隐私保护:
SAP模型在数据隐私和安全性方面也具有优势。它通过固定的输入输出模式,确保了数据仅在特定客户范围内使用,并采用差分隐私和联邦学习等技术,进一步保障数据的安全。
通过这些技术和方法,SAP的生成式AI模型不仅弥补了LLM在处理结构化数据上的不足,还为企业提供了更高效、更安全的数据处理解决方案。这种创新将进一步推动企业智能化转型,提高业务运营的效率和准确性。