SAPが表形式データAIのPrior Labs買収へ

2026年5月17日

企業AIの主戦場が「文章」から「表」へ動き出した

生成AIというと、文章作成やチャットボット、コード生成を思い浮かべる人が多いはずです。けれど、企業の現場で本当に眠っている価値は、メール本文よりも、ERPやCRM、会計、購買、在庫、請求、販売実績などの表形式データにあります。

SAPが表形式データAIに強いPrior Labsの買収に合意したニュースは、まさにこの流れを象徴しています。SAP公式発表によると、同社はPrior Labsを取得し、今後4年で10億ユーロ超を投じて、欧州発のフロンティアAIラボとして拡張する計画です。詳細はSAP公式ニュースでも確認できます。

今回のポイントは、単なるAIスタートアップ買収ではありません。LLMが得意とする「言葉」ではなく、企業の意思決定を支える「行と列」にAIを深く入り込ませる動きです。支払い遅延の予測、サプライヤーリスクの検知、アップセル機会の発見など、業務に直結するAI活用が一気に現実味を帯びてきました。

Prior Labsは何を持っている会社なのか

Prior Labsは、Tabular Foundation Modelsと呼ばれる分野に特化したAI研究開発企業です。表形式データ、つまりスプレッドシートやデータベースのような行と列で構成されたデータから、予測や分類、異常検知を行うモデルを手がけています。

検索結果でも確認できる通り、同社のTabPFNはオープンソースツールとして300万回以上ダウンロードされており、TabPFN-2.6は表形式基盤モデルのベンチマークで高い性能を示していると報じられています。日本語ではInvesting.comの記事が、取引の概要やSAPの投資方針を伝えています。

面白いのは、Prior Labsが「企業データにAIを当てる」ためのかなり実務寄りなピースを持っている点です。文章AIのように自然な会話ができることよりも、少ないデータから精度よく予測すること、欠損やノイズを含むテーブルを扱うこと、業務データに潜むパターンを見つけることに価値があります。

Tabular Foundation Modelsとは何が新しいのか

Tabular Foundation Modelsは、ざっくり言えば表データ向けの基盤モデルです。LLMが大量の文章を学習して言語のパターンを捉えるように、TFMはさまざまな表形式データの構造や統計的な関係性を学び、未知のテーブルにも対応しようとします。

従来、企業が予測モデルを作るには、データサイエンティストが特徴量を設計し、モデルを選び、学習し、検証する工程が必要でした。もちろん今後も専門家の役割は残りますが、TFMが進化すると、こうした作業の一部を短縮できる可能性があります。

少ないデータでも予測しやすい
テーブルごとの前処理負担を減らせる
業務担当者がAI予測を使いやすくなる
エージェントが判断材料として構造化データを扱いやすくなる

LLMは文章の理解や要約には強い一方で、数値の一貫性や統計的な予測では注意が必要です。だからこそSAPは、言語AIだけでなく、表形式データに特化したAIを押さえにいったと見てよいでしょう。

SAPが狙うのは、業務プロセスに埋め込まれた予測AI

SAPの強みは、世界中の大企業の業務プロセスに深く入り込んでいることです。会計、購買、サプライチェーン、人事、販売など、重要な業務データがSAP製品上で日々生まれています。そこにTFMを組み込めば、AIは単なる相談相手ではなく、業務判断の伴走者になります。

たとえば、請求データと支払い履歴をもとに「この顧客は支払いが遅れそうだ」と早めに警告する。調達履歴や納期遅延、地域リスクから「このサプライヤーは次の四半期に注意が必要」と知らせる。販売実績や契約更新履歴から「この顧客にはアップセル余地がある」と提案する。こうした使い方は、現場にとってかなり実感しやすいAIです。

SAPは以前からBusiness AIやAIアシスタントのJouleを推進しており、SAPの生成AIページでも、JouleやAIエージェント、Knowledge Graphを軸にした構想が示されています。Prior Labsの技術は、この構想に「予測する力」を足す存在になりそうです。

Business Data CloudとAI Coreにどう効いてくるか

今回の買収で注目したいのは、Prior Labsの技術がSAP AI CoreやSAP Business Data Cloudを含むポートフォリオへ統合される計画だと報じられている点です。つまり、単独のAIツールとして売るよりも、SAPのデータ基盤やアプリケーションの中に自然に組み込まれていく可能性が高いということです。

企業にとってこれは重要です。AI活用でよくある失敗は、PoC用のデータを別環境に移し、現場プロセスと切り離されたまま終わってしまうことです。SAPの業務データ基盤にTFMが入るなら、日々のワークフローの中で予測が出て、そのまま担当者やAIエージェントがアクションにつなげる流れを作りやすくなります。

もちろん、実際の価値は統合の深さ次第です。データ権限、監査ログ、説明可能性、モデル管理、国や業界ごとの規制対応まで含めて整備されて初めて、エンタープライズAIとして使えるものになります。SAPがPrior Labsを独立部門として運営しつつ研究力を維持する方針を示している点は、スピードと信頼性の両立を狙った判断に見えます。

導入企業が今から準備すべきこと

このニュースを見て、すぐに「自社でもPrior LabsのAIを使えるのか」と考えるのは少し早いかもしれません。買収は規制当局の承認が必要で、完了時期は2026年第2四半期または第3四半期の見込みと報じられています。買収金額は非公開です。

ただし、SAPユーザー企業が今から準備できることはあります。TFMのようなAIは、データがきれいで、業務意味が整理されていて、予測したい問いが明確なほど効果を出しやすくなります。

支払い遅延、需要予測、解約予兆など、予測したい業務課題を洗い出す
ERPやCRM上の項目定義、欠損、重複、更新頻度を確認する
AIの予測結果を誰が見て、どの業務アクションにつなげるか決める
個人情報、機密情報、監査要件をデータガバナンスとして整理する

AIは魔法の箱ではありません。特に企業データAIでは、モデルの性能以上に「良い問い」と「使われる導線」が成果を左右します。今回の買収をきっかけに、自社の表形式データがどれだけ活用可能な状態かを点検しておく価値は大きいです。

LLMだけでは届きにくかった領域をどう埋めるか

ここ数年、生成AIの中心はLLMでした。社内文書検索、議事録要約、問い合わせ対応、コード生成など、文章ベースの業務では大きな効果が出ています。一方で、売上予測や与信判断、在庫最適化のような数値と統計が絡む領域では、LLM単体に頼るのは危うい場面があります。

Prior LabsのようなTFMは、そのギャップを埋める技術です。LLMが人間との自然な対話を担い、TFMが構造化データから予測を出し、Knowledge Graphが業務文脈を補い、エージェントが実行へつなぐ。企業AIの本命は、このような複数モデルの組み合わせになっていくはずです。

競争環境も激しくなります。Microsoft、Salesforce、Oracle、ServiceNowなども企業データとAIエージェントの統合を進めています。SAPが今回の買収で示したのは、業務アプリの表データをAI時代の中核資産に変えるという意思表示です。これは、エンタープライズAIの勝ち筋が「どのLLMを使うか」だけでは決まらないことを示しています。