In de wereld van artificiële intelligentie volgen nieuwigheden elkaar in snel tempo op en nu is er alweer een new kid in town: tabulaire AI. De technologie is een soort LLM, maar dan voor cijfers, wat ideaal is voor het verwerken van data en het genereren van rapporten.
We zijn ondertussen allemaal vertrouwd met Large Language Models (LLM’s) en het is indrukwekkend wat die allemaal kunnen, maar het is ook genoegzaam bekend dat ze vaak hopeloos onderuit gaan als ze moeten werken met cijfers. Tabulaire AI biedt daar nu een antwoord op. Het is een soort van LLM, maar in de plaats van op taal zijn de modellen getraind op cijfers. Daaruit is een soort generatieve AI ontstaan die gericht is op het genereren van databanken en spreadsheets.
Zelf kwamen we de term tabulaire AI voor het eerst tegen in een aankondiging van SAP dat in juli het bedrijf Prior Labs overgenomen heeft. Prior Labs blijkt een van de koplopers te zijn in tabulaire AI en hun ,nieuwste product – het TabPFN-3.5-model – wordt nu mee opgenomen in het aanbod van SAP. Het model is in staat om op basis van SAP data bepaalde business metrics te voorspellen zoals cashflow en betalingsachterstanden. Het model kan ook gebruikt worden om bijvoorbeeld te beoordelen bij welke klanten er een grote kans is om bijkomende producten te verkopen. De clue bij dit alles is dat het model in staat is om cijfers te begrijpen en daarop voort te bouwen, op dezelfde manier als een LLM dat doet met taal.
Hoe dat allemaal werkt, gaat ons petje te boven maar de manier waarop de modellen getraind worden, geeft wel een indicatie van wat er gebeurt. Van LLM’s weten we dat ze getraind worden op teksten, waarin bepaalde woorden – bijvoorbeeld namen van personen of plaatsen – zijn weggelaten die het model dan moet raden. Omdat de woorden die weggelaten worden, wel gekend zijn, kan het model feedback krijgen en zich op basis daarvan verbeteren.
Het trainen van tabulaire foundation models (TFM’s) gebeurt op een gelijkaardige manier maar dan met databanken en spreadsheets met cijfers. Zo leert het model om data aan te vullen en uiteindelijk ook te genereren.
Een groot verschil met machine learning is dat men bij die technologie veel aandacht moet besteden aan het opschonen van data alvorens een algoritme getraind kan worden. Daarom wordt altijd benadrukt dat machine learning pas zinvol is als ze aangestuurd wordt door iemand die de logica achter de cijfers begrijpt. Bij tabulaire AI ontstaat een model dat zelf de logica achter de cijfers leert kennen. Daardoor kan het model zelf ook zinvolle voorspellingen doen om ontbrekende data aan te vullen of anomalieën in data te corrigeren.
“Data uit de praktijk zijn zelden perfect. Datasets bevatten vaak complexe verbanden en uiteenlopende omstandigheden die traditionele machine learning lastig maken. TabPFN-3.5 is specifiek ontwikkeld voor deze uitdagingen. Het model biedt toonaangevende nauwkeurigheid en schaalbaarheid voor tabulaire data, met minder handmatig werk. Daarmee is het tot nu toe het meest effectieve tabulaire AI-model in de markt”, zegt Philipp Herzig, Chief Technology Officer van SAP hierover.
© Productivity.be, 16/09/2026