SAP רוכשת את Prior Labs ומשקיעה מעל מיליארד אירו בבינה מלאכותית ארגונית לנתונים טבלאיים

SAP מעלה מדרגה באסטרטגיית ה-AI שלה: ענקית התוכנה הגרמנית הודיעה על הסכם לרכישת Prior Labs, מעבדת AI צעירה מפרייבורג המתמקדת ב-Tabular Foundation Models, ותשקיע יותר ממיליארד אירו בארבע השנים הקרובות כדי להפוך אותה למעבדת מחקר מובילה באירופה. לפי הודעת החברה ודיווחים בתקשורת הטכנולוגית, Prior Labs תמשיך לפעול כיחידה עצמאית, עם המותג הקיים, המטה בגרמניה, הפעילות בברלין ובניו יורק והמחויבות לקוד פתוח. זהו צעד חריג בהיקפו לא רק בגלל סכום ההשקעה, אלא גם בגלל גיל החברה: פחות משנתיים מההקמה, וכ-15 חודשים בלבד לאחר סבב pre-seed של 9 מיליון אירו. מבחינת SAP, מדובר בניסיון מובהק לבסס יתרון בקטגוריה שונה מהבאזז הרגיל סביב מודלי שפה: AI שמיועד לטבלאות, גיליונות, מערכות ERP ומאגרי נתונים עסקיים.

למה SAP שמה כסף גדול דווקא על AI טבלאי

בניגוד לרוב השיח הציבורי סביב AI, שמתמקד בצ'אטבוטים, יצירת תוכן וסוכנים אוטונומיים, עיקר המידע שמניע ארגונים אינו טקסט חופשי אלא נתונים מובנים: שורות, עמודות, חשבוניות, הזמנות, מלאי, הנהלת חשבונות, תמחור, נתוני ספקים ושרשראות אספקה. זה בדיוק המרחב שבו Prior Labs פועלת. החברה בנתה את TabPFN, משפחת מודלים שנועדה לנתח נתונים טבלאיים במהירות ובדיוק גבוה, ולעשות זאת עם פחות כוונון ידני ועם פחות תלות בתהליכי AutoML מסורבלים. SAP מצדה טוענת זה זמן שהיא זיהתה מוקדם יחסית שהזדמנות ה-AI הגדולה בארגון אינה מסתכמת ב-LLM קלאסי, אלא ביכולת להפעיל מודלים על מבני הנתונים האמיתיים שעליהם העסק מתנהל. ברקע נמצאת גם העבודה הפנימית של SAP על SAP-RPT-1, מודל ייעודי לנתונים יחסיים וטבלאיים, כך שהרכישה אינה סטייה מהאסטרטגיה אלא האצה שלה.

• Prior Labs תמשיך לפעול כיחידה עצמאית גם לאחר השלמת העסקה, בכפוף לאישורים רגולטוריים.
• SAP התחייבה להשקעה של יותר ממיליארד אירו בארבע שנים, מעבר למחיר הרכישה שלא פורסם.
• המיקוד הטכנולוגי הוא ב-Tabular Foundation Models לנתונים עסקיים מובנים.
• החיבור המתוכנן הוא ל-SAP AI Core, ל-SAP Business Data Cloud ולשכבת הסוכנים Joule.

מה בעצם בנתה Prior Labs

Prior Labs נוסדה בסוף 2024 בידי Frank Hutter, Noah Hollmann ו-Sauraj Gambhir, ובתוך זמן קצר הצליחה למשוך תשומת לב חריגה לקהילה שבדרך כלל פחות זוכה לכותרות: למידת מכונה על נתונים טבלאיים. החברה מתארת את TabPFN ככלי שמספק ביצועים מהירים במיוחד על טבלאות וגיליונות, תוך קיצור משמעותי של זמן הניסוי והאופטימיזציה שהיה נדרש בעבר כדי להגיע לרמת דיוק תחרותית. לפי SAP, הכלי הפתוח של Prior Labs הורד יותר מ-3 מיליון פעמים, והחברה מדגישה שהיא מתכוונת להמשיך לתמוך באסטרטגיית הקוד הפתוח גם לאחר הרכישה. מעבר למחקר, Prior Labs כבר הציגה שימושים בתחומים מוחשיים: פיננסים, בריאות, תחזוקה חזויה ותהליכי אשראי. עבור SAP, זהו שילוב אטרקטיבי במיוחד: לא רק חוקרים איכותיים, אלא גם טכנולוגיה שאפשר למפות יחסית מהר למקרי שימוש עסקיים, שבהם ערך כלכלי נמדד בדיוק, מהירות והפחתת חיכוך תפעולי.

העסקה בולטת גם בקנה מידה אירופי. באקוסיסטם שבו לא מעט חברות AI בוחרות לעבור מוקדם לארצות הברית, להישען על הון אמריקאי או להימכר בשלב יחסית מוקדם, SAP מנסה לנסח סיפור אחר: מעבדת frontier AI שנשארת אירופית באופי, בראשה צוות גרמני, עם מוקד בפלח שבו יש ליבשת יתרון יחסי תוכנה תעשייתית וארגונית. לפי דיווחים שונים, Prior Labs תשמור על המותג, על הישות המשפטית הנפרדת ועל מועצת הייעוץ המדעית שלה, שכוללת שמות בולטים כמו Yann LeCun ו-Bernhard Schölkopf. במילים אחרות, SAP אינה קונה רק מוצר או קוד, אלא מנסה לבנות מסגרת שתאפשר למחקר מהיר להמשיך להתקיים בתוך תאגיד גדול בלי להיחנק מהביורוקרטיה הרגילה של ארגון ציבורי.

לא רק רכישה: מה הקשר ל-Dremio, ל-Reltio ולשכבת הנתונים

כדי להבין את Prior Labs בתוך התמונה הרחבה יותר, צריך להסתכל על רצף המהלכים של SAP בחודשים האחרונים. לפי דיווחים בתעשייה, החברה הרחיבה במקביל גם את יכולות ניהול הנתונים והאינטגרציה שלה, בין היתר באמצעות עסקאות שקשורות ל-master data ולגישה לנתונים מבוזרים. ההיגיון פשוט: מודלים טובים לא פותרים לבדם את בעיית ה-AI הארגוני אם הנתונים מפוזרים, לא עקביים או קשים לגישה. לכן Prior Labs נכנסת למשבצת מאוד ברורה בתוך שרשרת הערך: לאחר שהנתונים אוחדו, אורגנו והונגשו, נדרש מנוע שיודע להפיק מהם תחזיות, סיווגים ותובנות על בסיס מבנים טבלאיים. עבור לקוחות SAP, ובעיקר ארגונים שכבר חיים בתוך ERP, CRM, פיננסים, לוגיסטיקה ומשאבי אנוש, זהו מסלול משכנע יותר מהבטחות כלליות על סוכנים חכמים. הוא נשען על המידע שכבר קיים אצלם, במקום להכריח אותם להמציא מחדש את התשתית.

• Reltio מוסיפה שכבת ניהול ואיחוד נתוני ליבה.
• Dremio מחזקת גישה לנתונים ולתשתיות lakehouse פתוחות.
• Prior Labs מוסיפה שכבת מודלים חזויים לנתונים טבלאיים.
• Joule ו-SAP AI Core אמורים לתרגם את כל זה לחוויית מוצר ולסוכנים עסקיים.

ההיבט הזה חשוב במיוחד משום שהוא מבדיל בין AI צרכני ל-AI ארגוני. בעולם הצרכני אפשר להסתפק בממשק שיחה ובמודל רב-תכליתי. בעולם הארגוני, מה שקובע הוא אמינות, עקיבות, שליטה בהרשאות, נגישות לנתונים נכונים ויכולת לעמוד בדרישות רגולציה ואבטחת מידע. מכאן גם החשיבות של השקעה במודלים טבלאיים: הם פוגשים ישירות את שפת הנתונים של הארגון. מבחינת ישראל, זו נקודה מעניינת במיוחד, משום שחברות רבות כאן מפינטק וביטוח ועד סייבר, קמעונאות, בריאות ותעשייה מתמודדות בדיוק עם אותה בעיה: הרבה מאוד נתונים מובנים, אבל פער בין אחסון הנתונים לבין היכולת להוציא מהם החלטות מבוססות בזמן אמת. אם SAP אכן תצליח להטמיע את Prior Labs עמוק בתוך המוצרים שלה, סביר להניח שגם שותפים, אינטגרטורים ולקוחות מקומיים ירגישו את השינוי מהר יחסית.

NemoClaw והמסר של SAP לגבי סוכני AI

החלק השני של הסיפור, שקיבל פחות תשומת לב מהעסקה עצמה אך עשוי להיות בעל חשיבות ארוכת טווח, נוגע למדיניות של SAP כלפי סוכני AI שמתחברים למערכותיה. לפי דיווח של TechCrunch, מחלקת הדוברות של SAP הפנתה למדיניות API מעודכנת שלפיה החברה אוסרת גישה של סוכני AI למוצריה דרך ה-API, למעט בארכיטקטורות מאושרות על ידי SAP. אחת הדוגמאות שעלו בהקשר הזה היא NemoClaw של Nvidia. מבחינת SAP, זהו ניסיון ברור לשרטט גבול: החברה רוצה ליהנות מהפוטנציאל של agents, אבל לא לפתוח את הדלת באופן חופשי לכל כלי אוטונומי שמבקש לפעול בתוך תהליכים עסקיים רגישים. זהו מסר שמתחבר היטב לעמדה של ספקיות תוכנה ארגונית רבות ב-2026: הסיכון אינו רק במודל עצמו, אלא גם ביכולת של agent לבצע פעולות, לקרוא נתונים, להזיז מידע בין מערכות ולטעות באופן אוטומטי ובקנה מידה.

NemoClaw, לפי התיעוד של Nvidia, היא שכבת קוד פתוח שנועדה להוסיף ל-OpenClaw מנגנוני אבטחה ופרטיות מבוססי מדיניות. התיעוד הרשמי מגדיר אותה כגרסת early preview שנמצאת עדיין בשלב alpha, ולכן אינה מיועדת לסביבות ייצור. בפועל, המשמעות היא ש-SAP מאותתת לשוק שהיא לא תאפשר לכל agent גנרי להתחבר באופן חופשי למוצרים הארגוניים שלה, אלא תעדיף סביבות שבהן אפשר לכפות הרשאות, לבודד ריצות, להגביל גישה לרשת ולשלוט באילו נתונים נשלחים ולאן. עבור לקוחות ארגוניים זו עמדה הגיונית למדי. עבור מפתחים וחברות צד שלישי, זו גם אזהרה: עידן ה-agentic AI בארגון לא יהיה פתוח לגמרי, אלא ינוהל דרך שכבות תאימות, אבטחה ואישור של הספק.

• שליטה בהרשאות גישה לנתונים ולפעולות עסקיות.
• בידוד סביבת הריצה של agent וצמצום סיכוני lateral movement.
• הגבלות על תעבורת רשת והוצאת נתונים החוצה.
• דרישה לארכיטקטורות מאושרות במקום פתיחות מלאה לכלי צד שלישי.

מה זה אומר לשוק האירופי, ולמה זה רלוונטי גם לישראל

ברמה התעשייתית הרחבה, העסקה מסמנת שינוי חשוב בשיחה על AI באירופה. במשך שנים, הטענה הרווחת הייתה שאירופה מצטיינת במחקר אך מתקשה לייצר חברות מוצר גדולות ומעבדות frontier עצמאיות. המהלך של SAP מנסה להציע תבנית אחרת: במקום לרדוף אחרי מודל שפה כללי נוסף, להשקיע מיליארדים בקטגוריה שמחוברת ישירות ליתרון ההיסטורי של אירופה תוכנה תעשייתית, ERP, דאטה ארגוני, תהליכים עסקיים ורגולציה. אם המודל הזה יעבוד, הוא עשוי להשפיע לא רק על SAP אלא גם על שחקניות כמו Siemens, Deutsche Telekom, Bosch וגל רחב יותר של חברות תוכנה ותעשייה שיחפשו בידול סביב AI מעשי ולא רק סביב מותגי מודלים. בישראל, שבה קיים שילוב חזק של מומחיות בדאטה, אנליטיקה, סייבר ו-vertical software, ההיגיון דומה מאוד: היתרון אינו בהכרח בבניית ה-LLM הכללי הבא, אלא בפתרון בעיות עומק סביב מידע עסקי רגיש ומובנה.

מנקודת מבט של לקוחות ישראליים, יש כאן שלוש השלכות מעשיות. ראשית, ייתכן שהיצע ה-AI של SAP יהפוך לפחות גנרי ויותר תפעולי, עם יכולות חיזוי וניתוח שמבוססות על הנתונים הקיימים ב-S/4HANA, בשרשרת האספקה, בפיננסים וב-CRM. שנית, מדיניות מחמירה יותר כלפי agents עשויה להשפיע על אינטגרציות של צד שלישי, במיוחד אצל ארגונים שמנסים לחבר במהירות כלי AI חדשים למערכות הליבה. ושלישית, העסקה עשויה להגביר את הלחץ התחרותי על שחקני Data+AI אחרים מספקיות ענן ועד חברות BI ו-ML Ops להציע תשובה ברורה יותר לשאלה כיצד מנתחים נתונים טבלאיים בקנה מידה ארגוני, בלי להתפשר על אבטחה, שליטה ועלות. עבור מנהלי טכנולוגיה, המסר הוא שלא מספיק לשאול איזה מודל שפה לבחור; צריך לשאול איזו ארכיטקטורת נתונים וממשל תאפשר בכלל להפיק ערך.

השורה התחתונה

הרכישה של Prior Labs וההשקעה האדירה שסביבה אינן עוד עסקת AI שנועדה לייצר כותרת. מדובר במהלך שמחדד את הכיוון האסטרטגי של SAP: פחות התלהבות מופשטת מ-AI כללי, ויותר בנייה שיטתית של שכבת מודלים, נתונים וממשל שמתאימה לעולם הארגוני. באותה נשימה, הקו התקיף יותר לגבי סוכני AI וגישה לממשקי API מראה ש-SAP אינה מוכנה לוותר על שליטה בתווך שבין המודל לבין הפעולה העסקית. אם Prior Labs תצליח לשמור על מהירות המחקר שלה בתוך SAP, ואם ההבטחה לשילוב בין קוד פתוח, נתונים ארגוניים ומסחור אכן תתממש, ייתכן שהמהלך הזה ייזכר כאחד הצעדים המשמעותיים ביותר שנעשו באירופה בתחום ה-AI היישומי. עבור השוק הישראלי, זו בעיקר תזכורת לכך שהקרב האמיתי אינו רק על המודל שמדבר הכי יפה, אלא על המערכת שיודעת לקבל החלטות טובות יותר מתוך הנתונים שכבר מנהלים את העסק.