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