SAP ha anunciado un acuerdo definitivo para adquirir Prior Labs, la startup alemana especializada en modelos fundacionales para datos tabulares. La operación, pendiente todavía de aprobación regulatoria, busca reforzar una línea de Inteligencia Artificial que puede tener mucho más impacto empresarial del que suena a primera vista: modelos capaces de entender tablas, números, estadísticas y datos estructurados, justo el tipo de información que sostiene la mayoría de procesos de negocio.

La compañía alemana no ha revelado el precio de compra, pero sí ha anunciado una inversión de más de 1.000 millones de euros durante los próximos cuatro años para convertir Prior Labs en un laboratorio europeo de IA de referencia mundial. Según SAP, Prior Labs seguirá operando como entidad independiente, con su propia marca, equipo de investigación y compromiso con el código abierto.

Por qué SAP mira más allá de los grandes modelos de lenguaje

La compra tiene una lectura muy clara: SAP quiere diferenciarse en el terreno donde más datos empresariales acumula. Los grandes modelos de lenguaje han demostrado una enorme capacidad para trabajar con texto, generar respuestas, resumir documentos o asistir en tareas conversacionales. Pero no siempre son igual de fiables cuando deben razonar sobre hojas de cálculo, históricos financieros, tablas de proveedores, previsiones de cobro, riesgos de impago, inventarios o patrones de abandono de clientes.

Ahí entran los Tabular Foundation Models, o TFMs. A diferencia de un LLM generalista, un TFM está diseñado específicamente para trabajar con datos estructurados. Su objetivo no es redactar mejor, sino predecir mejor. SAP menciona casos como retrasos de pago, riesgos de proveedores, oportunidades de venta adicional o probabilidad de fuga de clientes. Es decir, problemas cotidianos de finanzas, compras, ventas, cadena de suministro y operaciones.

La operación encaja con el lanzamiento previo de SAP-RPT-1, el modelo de SAP orientado a predicciones sobre datos empresariales. Con Prior Labs, la compañía intenta acelerar esa línea y sumar a su ecosistema uno de los equipos más reconocidos en IA tabular. Su apuesta es que la próxima gran ventaja competitiva en IA empresarial no estará solo en el asistente conversacional, sino en la capacidad de anticipar qué ocurrirá dentro del negocio usando datos propios.

Para SAP, esto tiene sentido estratégico. Sus clientes ya gestionan información crítica en sistemas de ERP, finanzas, compras, recursos humanos, supply chain y experiencia de cliente. Si la compañía consigue aplicar TFMs sobre esos datos de forma segura, gobernada y conectada a sus productos, puede convertir la IA predictiva en una función nativa de sus aplicaciones, no en una capa externa añadida después.

Prior Labs, TabPFN y el atractivo de los datos estructurados

Prior Labs, con sede en Friburgo y oficinas en Berlín y Nueva York, fue fundada por Frank Hutter, Noah Hollmann y Sauraj Gambhir. La empresa se ha hecho conocida por TabPFN, una familia de modelos fundacionales para datos tabulares que ha logrado una fuerte adopción en la comunidad técnica. SAP afirma que TabPFN supera los tres millones de descargas y que mantendrá el apoyo a su estrategia open source.

El interés científico por TabPFN no es menor. Un artículo publicado en Nature presentó TabPFN como un modelo fundacional para datos tabulares pequeños y medianos, capaz de realizar aprendizaje supervisado en datasets de hasta 10.000 muestras y 500 características con rendimiento destacado frente a métodos tradicionales en ese contexto.

La diferencia frente al enfoque clásico de machine learning es relevante. Muchas empresas siguen usando pipelines con herramientas como XGBoost, LightGBM, CatBoost o AutoML para resolver predicciones tabulares. Ese proceso puede requerir preparación de datos, selección de variables, entrenamiento, ajuste de hiperparámetros, validación y despliegue. Prior Labs promete reducir parte de esa complejidad mediante modelos que pueden adaptarse a un nuevo conjunto de datos en contexto, sin entrenamiento específico prolongado para cada caso.

SAP cita TabPFN-2.6 como modelo líder en TabArena y asegura que puede igualar la precisión de un pipeline AutoML de cuatro horas de forma instantánea, con menos complejidad. Esa afirmación debe leerse dentro del marco del anuncio corporativo y tendrá que validarse caso por caso en entornos reales, pero apunta a una dirección importante: llevar capacidades avanzadas de predicción a usuarios de negocio que no son científicos de datos.

Con una interfaz conversacional por encima, un usuario podría preguntar por escenarios, seleccionar datasets, comparar hipótesis o ejecutar simulaciones sin construir manualmente todo el pipeline. La promesa es acercar el análisis predictivo a perfiles de finanzas, ventas, operaciones o compras, siempre que los datos estén bien gobernados y las predicciones sean explicables.

Europa gana un laboratorio de IA empresarial

SAP plantea la operación también como una apuesta europea. La creación de un laboratorio de IA de frontera centrado en datos estructurados empresariales puede reforzar una posición que Europa necesita: no competir solo en chatbots generalistas, sino en IA aplicada a procesos industriales, administrativos y corporativos donde sus empresas tienen conocimiento, clientes y datos de alto valor.

El consejo científico de Prior Labs contará con figuras como Yann LeCun, premio Turing y presidente ejecutivo de Advanced Machine Intelligence, y Bernhard Schölkopf, director del Max Planck Institute for Intelligent Systems y presidente de ELLIS. La presencia de ambos refuerza el perfil investigador del proyecto y ayuda a situarlo en la conversación internacional sobre modelos fundacionales especializados.

SAP quiere conectar esa investigación con su plataforma. Tras el cierre de la operación, la compañía prevé llevar las capacidades de Prior Labs a SAP AI Core, SAP Business Data Cloud y la capa agéntica de Joule. Este punto es importante porque el valor comercial no estará solo en tener mejores modelos, sino en integrarlos dentro de flujos empresariales ya existentes.

Un ejemplo práctico: una empresa podría usar datos históricos de pedidos, facturas, comportamiento de clientes y stock para anticipar retrasos, riesgos o necesidades de compra. Un agente de IA podría después recomendar acciones, generar alertas o iniciar flujos dentro del ERP. El TFM aportaría la parte predictiva; Joule y las aplicaciones SAP aportarían la interfaz y la ejecución.

La operación también refuerza la idea de que la IA empresarial será cada vez más multimodelo. Los LLM seguirán siendo útiles para lenguaje, razonamiento general y conversación. Pero las empresas necesitarán modelos especializados para tablas, series temporales, imágenes, documentos, código o procesos concretos. SAP quiere colocarse en ese punto, donde los modelos no solo hablan bien, sino que predicen y actúan sobre datos reales de negocio.

Un mercado aún joven, pero con mucho valor potencial

La categoría de modelos fundacionales tabulares todavía está en una fase temprana. Hay promesas importantes, pero también retos. Los datos empresariales suelen estar incompletos, mal etiquetados, repartidos entre sistemas y sujetos a normas de privacidad. Además, en sectores regulados no basta con acertar: hay que explicar por qué se toma una decisión, documentar el proceso y garantizar que el modelo no introduce sesgos o errores operativos.

SAP habla de ir más allá de la correlación para avanzar hacia la causalidad. Es una ambición relevante. Predecir que un cliente puede abandonar es útil; entender qué factores causan ese riesgo y qué acción puede reducirlo es mucho más valioso. En finanzas, compras o cadena de suministro, esa diferencia puede separar una alerta interesante de una decisión de negocio realmente aplicable.

La compra de Prior Labs no resolverá de golpe todos esos retos. La transacción aún debe cerrarse, previsiblemente en el segundo o tercer trimestre de 2026, y después llegará la integración técnica y comercial. SAP tendrá que demostrar que puede llevar estos modelos a producción en clientes grandes, con seguridad, cumplimiento normativo, escalabilidad y una experiencia de uso clara.

Aun así, el movimiento es significativo. Mientras buena parte del mercado sigue centrado en modelos conversacionales, SAP está apostando por una zona menos vistosa pero más cercana al corazón de la empresa: los datos estructurados. En ERP, finanzas, compras, logística y ventas, las tablas son la realidad diaria. Si la IA aprende a entenderlas mejor, el impacto puede ser mucho más profundo que un asistente que redacta correos más rápido.

La adquisición de Prior Labs muestra hacia dónde puede ir la siguiente fase de la IA empresarial: modelos más especializados, conectados a datos propios, integrados en procesos y capaces de ofrecer predicciones accionables. Para SAP, no es solo una compra tecnológica. Es una forma de defender su posición en el software empresarial cuando la IA empieza a decidir qué plataformas tendrán el control del dato, del contexto y de la acción.

Preguntas frecuentes

¿Qué ha anunciado SAP?
SAP ha firmado un acuerdo definitivo para adquirir Prior Labs, una startup alemana especializada en modelos fundacionales para datos tabulares. La operación está pendiente de aprobación regulatoria.

¿Qué son los modelos fundacionales tabulares?
Son modelos de Inteligencia Artificial diseñados para trabajar con datos estructurados en tablas, como ventas, pagos, inventarios, riesgos, clientes o proveedores. Su objetivo principal es hacer predicciones sobre datos empresariales.

¿Cuánto invertirá SAP en Prior Labs?
SAP ha anunciado que invertirá más de 1.000 millones de euros durante los próximos cuatro años para escalar Prior Labs como laboratorio europeo de IA de frontera.

¿Qué pasará con TabPFN y el código abierto?
SAP afirma que Prior Labs seguirá operando como entidad independiente y que mantendrá su compromiso con la estrategia open source de TabPFN.

vía: news.sap