{"id":1318,"date":"2026-01-14T14:50:26","date_gmt":"2026-01-14T17:50:26","guid":{"rendered":"https:\/\/www.tachyonix.io\/br\/?p=1318"},"modified":"2026-01-14T14:50:26","modified_gmt":"2026-01-14T17:50:26","slug":"um-novo-paradigma-para-ia-empresarial-aprendizado-contextual-para-dados-relacionais","status":"publish","type":"post","link":"https:\/\/www.tachyonix.io\/br\/um-novo-paradigma-para-ia-empresarial-aprendizado-contextual-para-dados-relacionais\/","title":{"rendered":"Um novo paradigma para IA empresarial: Aprendizado contextual para dados relacionais"},"content":{"rendered":"\n

As empresas dependem de dados estruturados. De livros cont\u00e1beis \u00e0 log\u00edstica da cadeia de suprimentos, tabelas e dados relacionais s\u00e3o a espinha dorsal da economia global. E, por anos, aplicamos intelig\u00eancia artificial (IA) a esses dados, mas com uma limita\u00e7\u00e3o fundamental: precis\u00e1vamos construir um modelo de IA personalizado para cada tarefa de previs\u00e3o.<\/p>\n\n\n\n

At\u00e9 agora, as organiza\u00e7\u00f5es precisavam de um modelo para prever a demanda; outro para prever atrasos nos pagamentos; um terceiro para identificar oportunidades de vendas; e assim por diante. Cada modelo exigia um investimento demorado e caro, com equipes dedicadas, longos ciclos de treinamento e manuten\u00e7\u00e3o constante. Essa abordagem fragmentada, embora poderosa isoladamente, criou um cen\u00e1rio de IA complexo e lento.<\/p>\n\n\n\n

E se pud\u00e9ssemos mudar isso? E se, em vez de uma enorme quantidade de modelos de IA especializados e espec\u00edficos, voc\u00ea tivesse um \u00fanico mecanismo de IA universal que pudesse entender seus dados de neg\u00f3cios relacionais e lidar com praticamente qualquer tarefa preditiva?<\/p>\n\n\n\n

Essa \u00e9 exatamente a lacuna que o SAP-RPT-1 preenche para os clientes e parceiros da SAP. Na SAP TechEd deste ano, lan\u00e7amos nosso modelo b\u00e1sico nativo para tabelas, pr\u00e9-treinado para entender seus dados de neg\u00f3cios baseados em tabelas de forma imediata, em uma ampla gama de tarefas preditivas, sem a necessidade de treinamento espec\u00edfico para cada tarefa ou ajustes finos. Ele foi projetado para elevar as previs\u00f5es nas empresas a um novo patamar. Vamos dar uma olhada mais de perto!<\/p>\n\n\n\n

Uma Mudan\u00e7a de Paradigma: Aprendizado Contextual para Dados Empresariais<\/strong><\/p>\n\n\n\n

O conceito de um modelo base, um modelo em larga escala pr\u00e9-treinado em enormes quantidades de dados, j\u00e1 transformou a maneira como interagimos com textos e imagens. Agora, trazemos esse mesmo paradigma para o dom\u00ednio \u00fanico dos dados empresariais relacionais.<\/p>\n\n\n\n

A abrevia\u00e7\u00e3o “rpt” em SAP-RPT-1 significa Relational Pretrained Transformer (Transformador Pr\u00e9-treinado Relacional). Este modelo \u00e9 uma evolu\u00e7\u00e3o natural da lideran\u00e7a de d\u00e9cadas da SAP na gest\u00e3o dos dados empresariais mais cr\u00edticos do mundo. Ele \u00e9 nativo de tabelas, o que significa que, desde sua concep\u00e7\u00e3o, foi projetado com uma profunda compreens\u00e3o dos relacionamentos, estruturas e sem\u00e2ntica inerentes aos dados empresariais tabulares.<\/p>\n\n\n\n

Mas seu verdadeiro poder reside em uma capacidade chamada aprendizado contextual.<\/p>\n\n\n\n

Imagine que voc\u00ea tem um novo consultor brilhante. Em vez de envi\u00e1-lo para um curso de treinamento de seis meses para cada novo projeto, voc\u00ea pode simplesmente sentar com ele, mostrar alguns exemplos do que precisa \u2013 \u201cAqui est\u00e3o alguns clientes que pagaram em dia e aqui est\u00e3o alguns que pagaram com atraso\u201d \u2013 e ele imediatamente reconhece o padr\u00e3o e consegue prever o resultado para os pr\u00f3ximos mil clientes.<\/p>\n\n\n\n

\u00c9 exatamente assim que o SAP-RPT-1 funciona. Ele n\u00e3o exige treinamento espec\u00edfico para a tarefa nem ajustes finos. Voc\u00ea fornece exemplos de linhas de tabela rotuladas da sua tarefa preditiva no contexto, e o modelo entrega uma previs\u00e3o altamente precisa instantaneamente. Um \u00fanico modelo, atendendo a uma enorme variedade de tarefas de previs\u00e3o corporativas, em finan\u00e7as, cadeia de suprimentos, RH e muito mais, simplesmente por visualizar exemplos de um dom\u00ednio diferente em seu contexto a cada vez.<\/p>\n\n\n\n

O Motor: Da Descoberta Cient\u00edfica \u00e0 Aplica\u00e7\u00e3o no Mundo Real<\/strong><\/p>\n\n\n\n

A ci\u00eancia por tr\u00e1s do SAP-RPT-1, desenvolvida por nossos pesquisadores de IA de classe mundial, foi recentemente publicada na confer\u00eancia NeurIPS deste ano, uma das mais prestigiadas confer\u00eancias de IA. A chave aqui \u00e9 o design nativo para tabelas. \u00c9 aqui que o SAP-RPT-1 inova: trata-se de uma arquitetura baseada em transformadores (lembra do T em RPT?), assim como os LLMs; mas enquanto os LLMs s\u00e3o otimizados para lidar com texto que vem em uma sequ\u00eancia linear, nosso modelo nativo para tabelas foi projetado para detectar conex\u00f5es e depend\u00eancias entre linhas e colunas em grandes tabelas corporativas, com processamento otimizado para a sem\u00e2ntica e os tipos de dados exclusivos encontrados em dados empresariais.<\/p>\n\n\n

\n
\"\"<\/figure>\n<\/div>\n\n\n

Figura 1: Diagrama esquem\u00e1tico de alto n\u00edvel da arquitetura do Transformer relacional pr\u00e9-treinado, incluindo incorpora\u00e7\u00f5es sem\u00e2nticas, esquema de aten\u00e7\u00e3o 2D nativo da tabela e cabe\u00e7alhos de classifica\u00e7\u00e3o\/regress\u00e3o para gera\u00e7\u00e3o de sa\u00edda.<\/em><\/p>\n\n\n\n

Se tudo isso ficou um pouco t\u00e9cnico demais para o seu gosto, o que importa \u00e9 que observamos um desempenho de ponta. Em benchmarks cient\u00edficos p\u00fablicos, a variante de c\u00f3digo aberto SAP-RPT-1-oss apresenta desempenho equivalente aos melhores sistemas de IA, mesmo quando estes foram cuidadosamente ajustados para cada tarefa individual. Os resultados s\u00e3o abordados com mais detalhes no artigo.<\/p>\n\n\n\n

Ainda mais impressionante, em problemas de benchmark espec\u00edficos da SAP que refletem a complexidade real dos neg\u00f3cios enfrentados por nossos clientes, as variantes do modelo comercial SAP-RPT-1 superam substancialmente os modelos espec\u00edficos para cada tarefa, como pode ser visto no seguinte benchmark:<\/p>\n\n\n

\n
\"\"<\/figure>\n<\/div>\n\n\n

Figura 2: Melhoria relativa (fator de redu\u00e7\u00e3o de erro) das previs\u00f5es de IA de SAP-RPT-1-large em rela\u00e7\u00e3o \u00e0s previs\u00f5es de IA restritas, por dom\u00ednio SAP.<\/em><\/p>\n\n\n\n

At\u00e9 duas vezes menos erros de previs\u00e3o do que modelos de IA otimizados e espec\u00edficos para tarefas \u2014 reduzindo custos subsequentes a cada previs\u00e3o incorreta. Al\u00e9m disso, oferece muito mais flexibilidade e zero esfor\u00e7o para re-treinar e atualizar o modelo. Simples assim!<\/p>\n\n\n\n

A quest\u00e3o crucial: SAP-RPT-1 vs. Modelos de Aprendizado de Lideran\u00e7a (LLMs) de \u00faltima gera\u00e7\u00e3o<\/strong><\/p>\n\n\n\n

Agora, a grande pergunta que voc\u00ea pode estar se fazendo \u00e9: por que n\u00e3o usar um LLM? Esses modelos s\u00e3o extremamente vers\u00e1teis, possuem conhecimento integrado e se tornam mais poderosos a cada nova vers\u00e3o. Ent\u00e3o, por que n\u00e3o fazer um pouco de engenharia r\u00e1pida e deixar que um LLM resolva a tarefa de previs\u00e3o da sua empresa?<\/p>\n\n\n\n

Embora geralmente n\u00e3o seja muito dif\u00edcil fazer um LLM resolver todos os tipos de tarefas preditivas empresariais (n\u00f3s testamos!), existem duas ressalvas:<\/p>\n\n\n\n

Os LLMs s\u00e3o flex\u00edveis, mas nem sempre t\u00e3o precisos.<\/strong><\/p>\n\n\n\n

Os LLMs precisam processar dados relacionais como strings de texto simples, que s\u00e3o muito mais propensas a erros e ineficazes em compara\u00e7\u00e3o com o processamento nativo de tabelas. Por um bom motivo, o processamento de dados tabulares e relacionais se manifestou \u2013 provavelmente nenhum ser humano pensaria que fazer um fechamento financeiro para uma corpora\u00e7\u00e3o multinacional em prosa seria uma boa ideia.<\/p>\n\n\n\n

Esse efeito tamb\u00e9m se mostra ao comparar o SAP-RPT-1 com os principais LLMs em tarefas de previs\u00e3o tabular do dom\u00ednio empresarial: descobrimos que a qualidade da previs\u00e3o do SAP-RPT-1 est\u00e1 substancialmente \u00e0 frente dos LLMs, com uma taxa de erro muito menor \u2013 veja a Figura 3 \u2013 e, por sua concep\u00e7\u00e3o, um risco muito menor de alucina\u00e7\u00f5es.<\/p>\n\n\n

\n
\"\"<\/figure>\n<\/div>\n\n\n

Figura 3: Melhoria relativa (fator de redu\u00e7\u00e3o de erro) do SAP-RPT-1-large em rela\u00e7\u00e3o \u00e0s previs\u00f5es LLM de \u00faltima gera\u00e7\u00e3o, por dom\u00ednio SAP<\/em><\/p>\n\n\n\n

Os modelos LLM n\u00e3o s\u00e3o r\u00e1pidos nem eficientes<\/strong><\/p>\n\n\n\n

Em compara\u00e7\u00e3o com os modelos LLM, que normalmente s\u00e3o muito maiores em tamanho e complexidade computacional devido \u00e0 sua versatilidade, o SAP-RPT-1 \u00e9 dramaticamente mais eficiente. Usar um modelo LLM para realizar a mesma tarefa de previs\u00e3o requer at\u00e9 100.000 vezes mais opera\u00e7\u00f5es de ponto flutuante (FLOPs) e leva at\u00e9 50 vezes mais tempo (apesar de ser executado em hardware substancialmente maior). Esse n\u00edvel de efici\u00eancia n\u00e3o apenas reduz os custos computacionais, mas tamb\u00e9m torna o SAP-RPT-1 ideal para cen\u00e1rios sens\u00edveis ao tempo e ambientes com grandes volumes de dados contextuais em escala.<\/p>\n\n\n\n

Por esses motivos, desenvolvemos o SAP-RPT-1 desde o in\u00edcio como um modelo nativo para tabelas. Acreditamos que ele inaugura um novo cap\u00edtulo na IA empresarial, ampliando as capacidades dos modelos de base para dados relacionais. Embora os modelos de linguagem natural de prop\u00f3sito geral exemplifiquem a maioria das capacidades vers\u00e1teis de processamento de linguagem natural, o SAP-RPT-1 se destaca no importante dom\u00ednio de previs\u00f5es em dados tabulares empresariais.<\/p>\n\n\n\n

O que isso significa para o seu neg\u00f3cio: Obtendo insights em minutos, n\u00e3o em meses<\/strong><\/p>\n\n\n\n

Ao migrar de um modelo fragmentado para um modelo universal, os benef\u00edcios s\u00e3o claros:<\/p>\n\n\n\n

Agilidade e velocidade radicais:<\/strong> Os clientes podem ir de uma nova pergunta de neg\u00f3cios a uma previs\u00e3o em tempo real em uma fra\u00e7\u00e3o do tempo. N\u00e3o h\u00e1 necessidade de iterar em tarefas de treinamento de modelos que levam horas, e as empresas podem se adaptar \u00e0s mudan\u00e7as do mercado com IA que aprende instantaneamente.<\/p>\n\n\n\n

Esfor\u00e7o operacional drasticamente reduzido:<\/strong> Em vez de criar, implantar e manter centenas de modelos separados, os clientes e parceiros se beneficiam de um \u00fanico modelo de base gerenciado centralmente e integrado ao ecossistema SAP em que confiam.<\/p>\n\n\n\n

Desempenho superior onde importa:<\/strong> Nossos clientes podem alcan\u00e7ar maior precis\u00e3o em seus pr\u00f3prios problemas de neg\u00f3cios complexos, levando a melhores decis\u00f5es e resultados.<\/p>\n\n\n\n

Democratiza\u00e7\u00e3o da IA:<\/strong> Especialistas e analistas de neg\u00f3cios s\u00e3o capacitados a gerar suas pr\u00f3prias previs\u00f5es sem a necessidade de conhecimento profundo em ci\u00eancia de dados. Os usu\u00e1rios se beneficiam de previs\u00f5es interativas em vez de semanas de engenharia de recursos e ciclos de desenvolvimento lentos.<\/p>\n\n\n\n

Considere as possibilidades:<\/p>\n\n\n\n

Finan\u00e7as:<\/strong> Um contador precisa atribuir centros de custo, contas do raz\u00e3o geral e c\u00f3digos fiscais \u00e0s faturas. Em vez de encomendar um novo projeto de IA, o contador pode simplesmente fornecer ao SAP-RPT-1 alguns exemplos do \u00faltimo trimestre, obtendo a previs\u00e3o em praticamente nenhum tempo.<\/p>\n\n\n\n

Cadeia de Suprimentos:<\/strong> Um gerente de log\u00edstica est\u00e1 enfrentando uma nova interrup\u00e7\u00e3o inesperada. Ele pode usar imediatamente o SAP-RPT-1 para prever quais remessas t\u00eam maior probabilidade de serem impactadas, usando dados em tempo real e alguns exemplos hist\u00f3ricos.<\/p>\n\n\n\n

Vendas:<\/strong> Um gerente de vendas deseja identificar quais leads t\u00eam maior probabilidade de convers\u00e3o com base em uma nova campanha de marketing e pode mapear a quest\u00e3o de neg\u00f3cios aos dados da empresa, fornecer exemplos de sucessos e fracassos anteriores ao SAP-RPT-1 e obter a resposta imediatamente.<\/p>\n\n\n\n

Isso representa uma mudan\u00e7a dos ciclos de desenvolvimento, muitas vezes de v\u00e1rios meses, para insights de neg\u00f3cios quase instant\u00e2neos.<\/p>\n\n\n\n

Veja voc\u00ea mesmo: O SAP-RPT Playground<\/strong><\/p>\n\n\n\n

A introdu\u00e7\u00e3o do SAP-RPT-1 marca um grande passo em nossa miss\u00e3o de incorporar IA poderosa e acess\u00edvel em toda a empresa. Representa um avan\u00e7o rumo a uma arquitetura de IA mais unificada e eficiente para aplica\u00e7\u00f5es de neg\u00f3cios. O SAP-RPT-1 est\u00e1 previsto para disponibilidade geral no hub de IA generativa da SAP AI Foundation no quarto trimestre de 2025. E, claro, aproveitaremos essa nova tecnologia para turbinar nossas pr\u00f3prias aplica\u00e7\u00f5es, oferecendo ainda mais valor e inova\u00e7\u00e3o aos nossos clientes.<\/p>\n\n\n\n

N\u00e3o consegue esperar? Experimente agora mesmo uma vers\u00e3o de pr\u00e9-visualiza\u00e7\u00e3o do SAP-RPT-1 gratuitamente \u2013 por meio da interface de usu\u00e1rio sem c\u00f3digo ou via API em https:\/\/rpt.cloud.sap\/<\/a>.<\/p>\n\n\n\n

N\u00e3o deixe de conferir tamb\u00e9m a variante de c\u00f3digo aberto SAP-RPT-1-oss, dispon\u00edvel no HuggingFace<\/a> e no GitHub<\/a>.<\/p>\n\n\n\n

Co-autoria: Dr. Janick Zaehringer-Frasch, Dr. Sam Thelin, Dr. Johannes H\u00f6hne, Dr. Markus Kohler, Oscar Cediel, Dr. Christiane Kubach, Dr. Johannes Hoffart, Mayank Shrivastava, Walter Sun, PhD, and Dr. Philipp Herzig.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

As empresas dependem de dados estruturados. De livros cont\u00e1beis \u00e0 log\u00edstica da cadeia de suprimentos, tabelas e dados relacionais s\u00e3o a espinha dorsal da economia global. E, por anos, aplicamos intelig\u00eancia artificial (IA) a esses dados, mas com uma limita\u00e7\u00e3o fundamental: precis\u00e1vamos construir um modelo de IA personalizado para cada tarefa de previs\u00e3o. At\u00e9 agora, […]<\/p>\n","protected":false},"author":1,"featured_media":1322,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-1318","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-sem-categoria"],"_links":{"self":[{"href":"https:\/\/www.tachyonix.io\/br\/wp-json\/wp\/v2\/posts\/1318","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.tachyonix.io\/br\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.tachyonix.io\/br\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.tachyonix.io\/br\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.tachyonix.io\/br\/wp-json\/wp\/v2\/comments?post=1318"}],"version-history":[{"count":2,"href":"https:\/\/www.tachyonix.io\/br\/wp-json\/wp\/v2\/posts\/1318\/revisions"}],"predecessor-version":[{"id":1325,"href":"https:\/\/www.tachyonix.io\/br\/wp-json\/wp\/v2\/posts\/1318\/revisions\/1325"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.tachyonix.io\/br\/wp-json\/wp\/v2\/media\/1322"}],"wp:attachment":[{"href":"https:\/\/www.tachyonix.io\/br\/wp-json\/wp\/v2\/media?parent=1318"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.tachyonix.io\/br\/wp-json\/wp\/v2\/categories?post=1318"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.tachyonix.io\/br\/wp-json\/wp\/v2\/tags?post=1318"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}