ドイツのAIスタートアップPrior Labsが、設立からわずか18カ月でSAPに買収されることが2026年7月17日に発表された。買収額は10億ユーロ超で、SAPは今後4年間にわたり同社のインフラ整備・人材採用・長期研究に資金を投じる。Prior Labsは企業の構造化データ（表形式データ）に特化した「表形式基盤モデル（Tabular Foundation Model、TFM）」の先駆者で、支払い遅延予測や顧客離反予測、サプライヤーリスク評価、需要予測といった企業の予測業務を、データセットごとに個別学習することなく単一の事前学習済みモデルでこなせる技術を開発してきた。
表形式基盤モデルとは何か
生成AIの主戦場はテキストや画像を扱う大規模言語モデル（LLM）だが、企業の基幹業務を支えているデータの大半は、売上・在庫・顧客属性・センサーログといった表形式（テーブル型）の構造化データだ。従来、こうしたデータで予測モデルを作るには、案件ごとに個別の機械学習モデルを一から学習させる必要があった。
Prior Labsの中核技術TabPFNは、この前提を覆す。あらかじめ大量の合成データで事前学習された単一の基盤モデルが、追加学習なし、あるいは軽い適応だけで新しい表形式データに対して予測を行える。最新版「TabPFN-3-Thinking」は、表形式予測タスクにおいて業界最高水準・エンタープライズ級の性能を達成しているという。実際に鉄道車両大手Hitachiは車両故障の予兆検知に、金融機関TDは財務予測にこの技術を採用済みで、膵臓がん診断からワイルドファイア予測、次世代電池材料の探索まで、数百件の研究プロジェクトで応用されている。
SAPの狙いと独立性の維持
SAPのCTOであるPhilipp Herzig氏は、「エンタープライズAIで最も手つかずの機会はLLMではなく、世界中の企業を動かしている構造化データ向けのAIだった」という趣旨のコメントを出している。SAPはERPという形で世界中の企業データを扱ってきた立場を生かし、Prior Labsのモデルと自社の顧客基盤・データ環境を組み合わせることで、このカテゴリーで主導権を握る狙いだ。
一方でPrior Labsは買収後もブランド・経営陣・研究方針・既存顧客との関係を維持し、独立した研究機関として活動を続ける。研究成果の公開やモデルのオープンな提供も継続する方針で、SAPは資金と大規模データ環境の提供に徹する形だ。Yann LeCun氏やBernhard Schölkopf氏といった著名研究者が科学諮問委員会に名を連ねている点も、同社が単なる買収先ではなく独立した研究拠点として扱われていることを裏付けている。
実務への影響
日本でもSAP ERPを基幹システムとして使う企業は多く、需要予測・支払い遅延予測・サプライヤーリスク評価といった業務は経理・調達・生産管理の現場に直結する。表形式基盤モデルが実用段階に入れば、こうした予測業務を「データサイエンティストが個別にモデルを作る」ことから「基盤モデルに業務データを渡すだけ」に近づけていける可能性がある。IT部門にとっては、SAPの標準機能として将来この種のAIが組み込まれることを見越し、自社データの品質・構造化整備を今から進めておく価値がある。バラバラに個別最適なAIツールを導入するより、基幹システムのベンダーが用意する標準的な仕組みに乗る方が、長期的な運用コストは低く済むはずだ。
筆者の見解
今回の買収で興味深いのは、SAPが「LLMで何かをやる」ではなく、地味だが実務に直結する表形式データの予測AIに本気の投資をした点だ。派手なチャットボットや生成AIのデモよりも、経理や調達の現場で実際に数字を動かす技術に賭けるというのは、奇をてらわない王道の選択だと感じる。
生成AIの話題はどうしてもLLMやAIエージェントに集中しがちだが、企業の意思決定の大半は依然として表形式データの上で行われている。そこに特化した基盤モデルという発想は、地に足がついていて好感が持てる。買収後もPrior Labsの独立性を保ち、研究成果とモデルを引き続きオープンにする方針も、目先の囲い込みより長期的な技術力の蓄積を優先する姿勢として評価できる。
日本の企業にとっても、SAPという既に導入済みの基幹システムの延長線上でこの技術に触れられるようになるなら、新しいAI基盤を一から選定する負担なく実務に取り入れやすい。派手さより実利、という今回のSAPの判断は、今後のエンタープライズAIの一つの「王道」になっていくのではないかと見ている。
出典: この記事は SAP acquires Prior Labs just 18 months after launch in €1B+ deal の内容をもとに、筆者の見解を加えて独自に執筆したものです。