미세튜닝 없이 쓰는 기업 AI, SAP RPT-1 ‘표형’ 모델 공개

SAP RPT-1 한눈에: 미세튜닝 없는 기업용 표형 AI

SAP RPT-1은 기업 거래 데이터(엑셀 스프레드시트 등)로 사전 학습된 관계형 기초 모델로, 미세튜닝 없이도 예측 분석 등 핵심 업무를 바로 수행하도록 설계됐다. SAP AI 총괄 월터 선(Walter Sun)은 “언어 모델과 유사한 방식으로 쓰되, 회사별 세부 데이터 없이도 곧바로 가치를 낼 수 있게 했다”고 설명했다. 기업은 이 모델을 애플리케이션에 직접 연결해 초기 설정만으로 활용을 시작할 수 있으며, 축적된 사용 맥락에 따라 점진적으로 성능이 보강된다.

표형(관계형) 모델과 LLM의 차이

텍스트·코드에 학습된 LLM과 달리, SAP RPT-1 같은 표형 모델은 표 데이터에서 숫자와 셀 사이의 관계를 학습해 구조화되고 정밀한 응답을 제공한다. 모델은 의미 인식이 가능해 간단한 컨텍스트 엔지니어링만으로도 지시를 정교화할 수 있으며, 재무·엔터프라이즈 영역처럼 정답이 명확한 과제에서 강점을 보인다.

ConTextTab 기반 의미 인식 사전학습

SAP 연구진은 6월 공개한 논문에서 테이블 헤더, 컬럼 타입 등 의미 신호를 활용하는 ConTextTab 사전학습 기법을 제안했다. 이 접근은 데이터에 내재한 관계 구조를 모델 내부에 형성해, 정밀한 질의 응답과 예측을 돕는다. RPT 계열 모델은 해당 기법을 확장해 SAP 지식 그래프 등 구조화된 비즈니스 데이터를 학습하고, 사용 과정에서 추가 맥락을 흡수한다. 벤치마크에서는 TabPFN, TabIFL 등 유사 모델과 비교해 ‘경쟁력(competitive)’을 보였다고 밝혔다.

산업 특화 흐름과 예측 활용 사례

많은 기업이 GPT-5, Claude 같은 범용 LLM을 파인튜닝해 자사 질의에만 답하도록 만들지만, 최근에는 산업 특화 모델로 이동하는 흐름이 뚜렷하다. 월터 선은 과거의 좁고 고도화된 감성 분석 모델 경험을 예로 들며, LLM이 잘하지 못하는 예측 과제—예를 들어 고객이 식료품점을 언제 재방문할지—는 수치 분석과 행동 패턴 이해를 함께 요구한다고 설명했다. 이러한 시나리오에서 표형 모델은 데이터 신호를 정밀히 결합해 실무적 예측을 제공한다.

경쟁 대비 차별점과 생태계

엑셀과의 결합은 업계 전반에서 늘고 있다. Microsoft Copilot, Anthropic Claude(금융 특화 기능 포함), 중국 스타트업 Manus, 그리고 ChatGPT도 스프레드시트를 해석·시각화한다. 그러나 SAP는 단순히 표를 ‘읽는 것’을 넘어, SAP RPT-1이 기업별 추가 정보 투입을 최소화하고도 답을 도출한다는 점을 차별점으로 제시한다. 이는 표형 학습과 의미 인식 구조가 결합된 결과로, 도입 초기에 필요한 준비 작업을 줄여준다.

로드맵과 도입: SAP AI Foundation을 통한 제공

SAP RPT-1은 SAP의 첫 대규모 AI 제품군으로, SAP AI Foundation을 통해 2025년 4분기 일반 제공될 예정이다. 현재 모델은 사용 가능하며, 곧 오픈소스 최첨단 모델을 포함한 추가 모델이 뒤따를 계획이다. SAP는 또한 노코드 플레이그라운드를 제공해 빠른 실험을 지원하고, 기업은 애플리케이션에 곧바로 연결해 초기 가치 검증(POC)을 단기간에 수행할 수 있다.