داده‌های سازمانی شما احتمالاً برای هوش مصنوعی بی‌فایده‌اند و SAP میلیاردها یورو شرط‌بندی کرده است که می‌تواند این وضعیت را تغییر دهد. اگر فکر می‌کنید داشتن حجم عظیمی از داده‌ها به تنهایی کافی است، سخت در اشتباهید؛ چرا که بدون ساختار مناسب، این داده‌ها تنها «سروصدا» هستند.
به نقل از وب‌سایت the-decoder.com، این غول نرم‌افزاری در ۵ مه ۲۰۲۶ یک چرخش راهبردی گسترده را برای تبدیل خود به یک پلتفرم داده‌ی آماده برای هوش مصنوعی اعلام کرد. طبق این گزارش، SAP در حال تصاحب شرکت Dremio، ارائه‌دهنده لیک‌هوس داده باز (Open Data Lakehouse)، است و همچنین قرار است طی چهار سال آینده، ۱ میلیارد یورو در استارتاپ Prior Labs سرمایه‌گذاری کند.
این تهاجم استراتژیک بر دو ستون فنی استوار است:
- معماری داده باز: با ادغام Dremio، ابر داده‌های تجاری SAP از فرمت آپاچی आइसبرگ (Apache Iceberg) استفاده خواهد کرد. این یعنی مشتریان می‌توانند داده‌های SAP و غیر SAP را بدون درگیر شدن در سیلوهای اختصاصی و محدودکننده، با هم ترکیب کنند.
- مدل‌های بنیادی جدولی (Tabular Foundation Models): سرمایه‌گذاری در Prior Labs بر مدل‌هایی تمرکز دارد که به‌طور خاص برای داده‌های ساختاریافته سازمانی طراحی شده‌اند؛ رویکردی که به‌طور بنیادین با آموزش‌های متن‌محور در مدل‌های زبانی بزرگ (Large Language Models) متفاوت است.
در پوشش پیشین ما از استراتژی‌های داده‌محور، دیدیم که چگونه سیلوهای اطلاعاتی مانع از پیشرفت مدل‌های سازمانی می‌شوند. اکنون SAP با تکرار این مسیر، قصد دارد با خرید متخصص مدیریت داده Reltio و مشارکت راهبردی با Databricks در اوایل سال ۲۰۲۵، این گسست را پر کند.
به گزارش منابع داخلی، فیلیپ هرزیگ، مدیر ارشد فناوری (CTO) شرکت SAP، معتقد است این اقدامات برای انتقال مشتریان از داده‌های پراکنده به هوش مصنوعیِ مبتنی بر داده در یک پلتفرم باز، حیاتی هستند. در واقع SAP می‌خواهد با تصاحب زیرساختی که دانش واقعی شرکت‌ها در آن ذخیره شده، جایگاه خود را در رقابت هوش مصنوعی زاینده (Generative AI) تثبیت کند.
اما این تغییر معماری تنها نیمی از داستان است؛ رقابت SAP با غول‌های ابری در لایه‌ی زیرساختی، بازی را به جای دیگری می‌برد.
گام بعدی شما
- بررسی استانداردهای Apache Iceberg برای حذف وابستگی به یک تامین‌کننده خاص (Vendor Lock-in).
- مطالعه تفاوت عملکرد مدل‌های بنیادی جدولی در مقایسه با مدل‌های زبانی در تحلیل داده‌های مالی.
- بازنگری در معماری ذخیره‌سازی داده‌های سازمانی برای پذیرش جریان‌های کاری عامل‌محور (Agentic).
گفتگو