SAP, yapılandırılmış iş verilerini tahmine dayalı ve eyleme dönüştürülebilir bilgilere dönüştürmek için Prior Labs'ı satın alma kararını duyurdu.
Bu satın alma, SAP'ye Prior Labs'in tablo temel modelleri (TFM'ler), işlemler, müşteri kayıtları ve operasyonel ölçümler gibi iş verileri için özel olarak tasarlanmış yapay zeka modelleri konusundaki derin uzmanlığına erişim olanağı sağlıyor.
SAP, TFM'leri yapay zeka ve veri yığınına entegre ederek, yapısal veriler üzerinde eğitilen temel modellerin büyük dil modellerini tamamlayabileceğinin ilk kanıtı olan SAP-RPT-1 ile önceki çalışmasını geliştirebilecek.
Philipp Herzig, SAP'nin CTO'su, bu satın almanın SAP'nin tablo tabanlı model endüstrisinde küresel rekabet avantajını nasıl sağlayacağını açıkladı.
“Başlangıçta SAP, iş yapay zekasında kullanılmayan en büyük fırsatın büyük dil modelleri olmadığını fark etti; yapay zeka, dünya çapındaki işletmelere güç veren yapılandırılmış veriler için tasarlandı” diyor.
“Kurumsal verilere olan inancımızı kanıtlamak için SAP-RPT-1'i geliştirdik. Prior Labs, kamuya açık kıyaslamalara dayalı sektör lideri bir TFM ve kategorinin önde gelen araştırma ekiplerinden birini oluşturdu.
“Çığır açan modelleme çalışmalarını iş verileri ve müşteri erişimiyle birleştirerek bu kategoriye dünya çapında liderlik etmeyi hedefliyoruz.”
Kurumsal Yapay Zekanın Neden Yüksek Lisans'tan Daha Fazlasına İhtiyacı Var?
Bir kuruluştaki çoğu veri çıktısı, doğal dil yerine tablolarda bulunur ve LLM'ler konuşma deneyimleri, özetler ve içerik oluşturma için etkili olsa da, bu modeller genellikle yapılandırılmış iş veri kümelerindeki karmaşık ilişkileri anlamak için optimize edilmez.
TFM'lere doğru ilerleyerek bu modeller, iş verilerinin satır ve sütunlarındaki kalıpları, korelasyonları ve tahmin sinyallerini tanıyacak şekilde tasarlanmıştır.
Gerçek zamanlı tahminler veya önerilerde bulunmak için yapılandırılmış geçmiş verileri kullanabilir ve genellikle geleneksel makine öğrenimi modellerine göre daha az göreve özel eğitim gerektirir.
Buna, bir müşterinin azalan sipariş sıklığı, çözülmemiş hizmet sorunları, ödeme gecikmeleri ve birden fazla sistemdeki ürün kullanım eğilimleri nedeniyle ayrılma ihtimalinin olup olmadığının anlaşılması da dahildir.
Sonuç olarak TFM'ler, bu çözümlerin genellikle operasyonel karar alma yerine kullanıcı etkileşimine odaklandığı ve ne olacağını veya hangi eylemlerin yapılması gerektiğini her zaman tahmin edemediği genel üretken yapay zeka pilot uygulamalarının sınırlamalarını ele alıyor.
TFM'ler, tahmine dayalı zekayı doğrudan iş akışlarında etkinleştirerek, yüksek riskli hesapları belirleyerek, kalıpların neden ortaya çıktığını ortaya çıkararak ve elde tutma oranını artırma olasılığı en yüksek olan müdahaleye karar vererek bu açığı kapatmaya yardımcı olabilir.
Bunlar aynı zamanda eksik olan veya birden fazla sisteme yayılmış iş veri kümelerini daha verimli bir şekilde işlemek, uygulama süresini azaltmak ve tahmine dayalı yapay zekayı tüm iş ekipleri için daha erişilebilir hale getirmek üzere tasarlanmıştır.
SAP'nin TFM stratejisini ölçeklendirme
SAP, TFM yaklaşımını zaten SAP-RPT-1 ile başlattığı için bu satın alma, SAP'nin kendisini bu alandaki lider araştırma ekiplerinden biri olarak konumlandırmasına, kanıtlanmış, son teknoloji ürünü bir modele erişmesine ve gerçek dünyadaki iş uygulamalarına daha hızlı geçiş yapmasına olanak tanıyacak.
SAP, şirketi tamamen bünyesine katmak yerine Prior Labs'ı bağımsız bir araştırma birimi olarak tutmayı ve önümüzdeki dört yıl içinde onu Avrupa'da küresel bir yapay zeka laboratuvarına dönüştürmek için 1 milyar Euro'dan fazla yatırım yapmayı planlıyor.
Prior Labs modelleri, satın alındıktan sonra SAP'nin yapay zekasına ve veri yığınına entegre edilecek ve SAP Business Data Cloud, SAP AI Core ve Joule aracılı yapay zeka katmanı gibi sistemlerle etkileşime girecek.
SAP kurumsal müşterileri için bu, tahminleri gerçekleştirmek, senaryoları analiz etmek ve her kullanım durumu için veri bilimi uzmanlığına veya modelin yeniden eğitimine ihtiyaç duymadan doğrudan yapılandırılmış verilerinden öngörüler oluşturmak için doğal dil arayüzlerini kullanmalarına olanak tanıyacak.
Bu, SAP'nin iş kararlarını mümkün kılan temel modellere sahip olarak kurumsal yapay zeka stratejisini farklılaştırmasına olanak tanır–iş verilerini geniş ölçekte tahmine dayalı, açıklanabilir ve eyleme dönüştürülebilir bilgilere dönüştürmek amacıyla.
Önceki Laboratuvarlar kimlerdir?
Prior Labs, yapılandırılmış iş verilerini analiz etmek ve bunlardan tahminler oluşturmak için özel olarak tasarlanmış temel tablo modelleri oluşturmaya odaklanan, araştırma odaklı bir yapay zeka şirketidir.
Alman yapay zeka girişimi, temel modellerin yalnızca metin veya görseller yerine elektronik tablolar, veritabanları ve iş kayıtları gibi yapılandırılmış verilerle yerel olarak çalışmasını sağlamak amacıyla 2024 yılında kuruldu.
Prior Labs'ın CEO'su Frank Hutter, bu satın almanın şirkete araştırmasını hızlandırmak ve TFM'lerini geniş çapta dağıtmak için gereken ölçeği, kaynakları ve iş verilerini nasıl sağladığını vurguluyor.
“Geçtiğimiz 18 ay boyunca Prior Labs inanılmaz bir ekip kurarak tablo temel modellerinin hızını artırdı” dedi.
“SAP ailesine katılarak bu kategoriyi güçlendirecek kaynaklara, veri ortamına ve müşteri erişimine sahip olduk.”
Müşteri deneyimi için tahmine dayalı yapay zeka
SAP'nin Prior Labs'ı satın alması, müşteri davranışını aktif olarak tahmin edebilen ve operasyonel verilere dayalı eylemler önerebilen yapay zekaya doğru kayıyor.
SAP, TFM'leri CX ekosistemine getirerek tahmine dayalı ve veriye dayalı müşteri uygulamalarının, geleneksel kurallara dayalı otomasyonla her zaman görülemeyen veri modellerini bulmasına ve sinyalleri tanımlamasına olanak tanır.
Satıcı, TFM'leri SAP Customer Experience'a girerek, müşteri kaybı tahmini, bir sonraki en iyi eylem önerileri ve müşteri risk tespiti gibi konuları ele alabilir.
Müşteri hizmetleri, hizmet seviyeleri aşılmadan önce hangi vakaların artma ihtimalinin bulunduğunu belirleyerek TFM'lerden yararlanabilir.
Pazarlama açısından bu modeller, hangi müşterilerin dönüşüm gerçekleştirme olasılığının yüksek olduğunu, hangi kanalların etkileşimi artırdığını ve hangi tekliflerin gereksiz indirimler olmadan marj yarattığını belirleyerek segmentasyonu ve kampanya etkinliğini de geliştirebilir.
Ticarette bu aynı zamanda satın alma amacını, sepet davranışını veya getiri riskini tahmin etmeye de yardımcı olabilir.
Ek olarak bu, SAP Joule aracılığıyla konuşma yapay zekasını bu modellerden tahmine dayalı zeka ile birleştirerek SAP'nin CX platformunu rakiplerinden ayırmasına da yardımcı olur; burada LLM'ler kullanıcıların soru sormasına ve doğal olarak sistemlerle etkileşime girmesine yardımcı olurken TFM'ler temel iş mantığını sağlar.
CX liderleri için bu, yapay zekanın müşteriyi elde tutmayı, sadakati, müşteri yaşam boyu değerini ve proaktif hizmet sonuçlarını iyileştirmeyle giderek daha fazla ilgilenmesi anlamına geliyor.
Bir yanıt yazın