反其道而行的SAP商业AI

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

  1. 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。

  1. 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。

  1. 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。

原文地址:https://community.sap.com/t5/technology-blogs-by-sap/leveraging-generative-ai-advancements-for-linked-business-data/ba-p/13721158

相关推荐
池央31 分钟前
AI性能极致体验:通过阿里云平台高效调用满血版DeepSeek-R1模型
人工智能·阿里云·云计算
我们的五年32 分钟前
DeepSeek 和 ChatGPT 在特定任务中的表现:逻辑推理与创意生成
人工智能·chatgpt·ai作画·deepseek
Yan-英杰33 分钟前
百度搜索和文心智能体接入DeepSeek满血版——AI搜索的新纪元
图像处理·人工智能·python·深度学习·deepseek
Fuweizn35 分钟前
富唯智能可重构柔性装配产线:以智能协同赋能制造业升级
人工智能·智能机器人·复合机器人
taoqick3 小时前
对PosWiseFFN的改进: MoE、PKM、UltraMem
人工智能·pytorch·深度学习
suibian52353 小时前
AI时代:前端开发的职业发展路径拓宽
前端·人工智能
预测模型的开发与应用研究4 小时前
数据分析的AI+流程(个人经验)
人工智能·数据挖掘·数据分析
源大模型4 小时前
OS-Genesis:基于逆向任务合成的 GUI 代理轨迹自动化生成
人工智能·gpt·智能体
PowerBI学谦5 小时前
Python in Excel高级分析:一键RFM分析
大数据·人工智能·pandas
运维开发王义杰6 小时前
AI: Unsloth + Llama 3 微调实践,基于Colab
人工智能·llama