Large Tabular Models: почему LLM не справляются с табличными данными — и чем LTM лучше

Слепое пятно языковых моделей: структурированные данные

Большие языковые модели – сокращённо LLM – за последние годы продемонстрировали впечатляющие возможности. Они составляют договоры, решают математические задачи, генерируют программный код и резюмируют медицинскую литературу. Однако именно с задачей, которая на первый взгляд кажется тривиальной, они регулярно не справляются: с анализом структурированных, табличных данных.

При этом таблицы являются основой практически любого бизнеса. Журналы транзакций банков, маркетинговые показатели, результаты клинических исследований, списки складских запасов – всё это хранится в строках и столбцах. Тот, кто считает, что современная KI-система на базе чат-бота способна надёжно интерпретировать эти данные и делать на их основе обоснованные прогнозы, глубоко заблуждается. Именно здесь вступает в игру новый класс моделей: так называемые Large Tabular Models (LTMs).

Почему LLM и таблицы – плохое сочетание

Чтобы понять, почему LLM не справляются с табличными данными, необходимо рассмотреть их базовую архитектуру. Языковые модели обучены распознавать последовательные паттерны в текстах – они предсказывают следующий токен в цепочке символов. Язык по своей природе линеен: порядок слов принципиально определяет смысл предложения.

Табличные данные, напротив, являются непоследовательными. Можно переставить столбцы местами или изменить порядок строк, не меняя при этом фактического содержания данных. Это структурное свойство принципиально плохо совместимо с архитектурой трансформеров, на которой строятся все большие языковые модели. LLM, получившая незначительно отличающиеся входные данные, выдаёт незначительно отличающийся результат – это приемлемо при творческой генерации текста, но опасно при решении вопроса о том, следует ли классифицировать финансовую транзакцию как мошенническую или нет.

Дополнительную сложность создаёт высокая гетерогенность табличных наборов данных. Между биологическим исследовательским датасетом и финансовым датасетом практически нет структурного сходства – в отличие от естественного языка, который при всём своём многообразии остаётся семантически сопоставимым. Это делает крайне сложным обучение единой модели на широкой базе табличных данных.

Существующая альтернатива: деревья решений с градиентным бустингом

Те, кто до сих пор хотел применять машинное обучение к табличным данным, обращались к классическим алгоритмам – прежде всего к XGBoost и другим методам на основе Gradient-Boosted Decision Trees. Эти технологии используются уже более 15 лет, и компании по всему миру применяют их для построения прогностических моделей на структурированных данных.

Их ключевой недостаток: для каждого отдельного сценария использования команды специалистов по данным должны месяцами обучать, калибровать и оптимизировать такие модели. Это высокоспециализированные, трудоёмкие процессы – без той переносимости и масштабируемости, которую обеспечивают современные Foundation Models.

«Классические алгоритмы, такие как XGBoost, обладают высокой производительностью, но они не масштабируются так, как Foundation Models. Каждый новый сценарий использования требует построения новой модели – это требует значительных кадровых ресурсов и времени», – поясняет Dr. Maik Bunzel, основатель и генеральный директор mabucon.eu, который сопровождает компании при внедрении интеллектуальных KI-агентов и рабочих процессов автоматизации.

Что Large Tabular Models делают иначе

Американский ИИ-стартап Fundamental вывел на первый план новую категорию моделей со своей разработкой NEXUS в начале 2026 года. NEXUS создавалась как чистая Foundation Model для табличных данных — и её подход принципиально отличается от всех предыдущих решений.

Если LLMs моделируют последовательности токенов, то LTMs моделируют структуру табличных данных напрямую. Они обучаются одновременно:

• числовому значению записи
• тому, что это значение представляет по содержанию
• тому, как запись соотносится с другими столбцами и строками таблицы
• статистическим свойствам всего распределения данных

Такое контекстуальное понимание обеспечивает более точные умозаключения и прогнозы. LTM, обрабатывающая запись об остатке бананов на складе, понимает не просто число 500 — она понимает, что это количественный показатель, относящийся к товарной категории «свежая продукция», и как он статистически соотносится с другими записями таблицы.

Принципиально важна также свойство детерминизма: в отличие от LLMs, которые при незначительных изменениях входных данных выдают разные результаты, LTMs спроектированы для формирования стабильных и воспроизводимых прогнозов — это незаменимое качество для бизнес-критических решений, таких как выдача кредитов, обнаружение мошенничества или контроль качества.

Обучение на миллиардах таблиц — и проблема данных

Одна из главных трудностей при разработке LTMs — сбор обучающих данных. Естественный язык в огромных объёмах свободно доступен в интернете и структурно относительно однороден. Табличные данные, напротив, зачастую конфиденциальны, проприетарны и структурно чрезвычайно разнообразны.

По собственному заявлению Fundamental, NEXUS была предобучена на миллиардах таблиц — на основе комбинации лицензированных датасетов, открытых источников и специально разработанных техник аугментации данных. При этом компания особо подчёркивает, что данные клиентов не используются для обучения и не могут быть просмотрены сотрудниками Fundamental. NEXUS функционирует как Confidential Computing Platform, что особенно важно с точки зрения GDPR.

Именно эта архитектура защиты данных, по всей видимости, стала ключевым фактором того, что Amazon Web Services (AWS) интегрировали NEXUS в Amazon SageMaker в июне 2026 года — одну из наиболее широко используемых платформ для безопасного машинного обучения в корпоративном секторе. Эта интеграция открывает доступ к технологии LTM широкому кругу компаний.

Последствия для бизнеса: что LTMs означают на практике

Появление мощных Large Tabular Models имеет далеко идущие последствия для компаний, зависящих от решений на основе данных. До сих пор командам Data Science приходилось разрабатывать и поддерживать отдельную модель для каждого нового сценария применения. С Foundation Models для табличных данных эта базовая логика меняется: предобученную модель можно адаптировать к различным задачам прогнозирования с минимальными настройками.

Для рабочих процессов автоматизации на основе ИИ это означает квантовый скачок. Dr. Maik Bunzel, Gründer und Geschäftsführer von mabucon.eu, видит в этом развитии прямую значимость для автоматизации сложных бизнес-процессов: «Многие наши клиенты располагают огромными массивами структурированных данных — показателями продаж, складскими запасами, транзакциями клиентов. Если LTM оправдают возложенные на них ожидания, ИИ-агенты смогут наконец по-настоящему понимать эти данные и самостоятельно реагировать на них».

В частности, открываются следующие области применения:

• Автоматизированное обнаружение аномалий в финансовых транзакциях без ручной настройки модели
• Прогнозное планирование запасов в режиме реального времени, непосредственно на основе данных ERP
• Динамическое скоринг рисков в кредитной сфере и страховой отрасли
• Контроль качества в производстве на основе измерительных данных, получаемых с датчиков
• Predictive Maintenance, то есть предиктивное техническое обслуживание, без трудоёмких этапов разработки признаков

Перспективы: новая эра структурированных данных

Появление Large Tabular Models знаменует важный этап зрелости в ландшафте ИИ. Не случайно эта область долгое время оставалась в тени: структурированные данные менее эффектны, чем генерируемые изображения или ответы чат-ботов, однако они являются операционной основой практически каждого предприятия.

С появлением мощных и масштабируемых LTM закрывается технологический пробел, критически важный для практического применения ИИ в бизнесе. Интеграция в устоявшиеся платформы, такие как AWS SageMaker, существенно снижает порог входа. При этом другие поставщики также будут разрабатывать собственные LTM-решения — конкуренция, которая должна ускорить зрелость технологии.

Компаниям, всерьёз рассматривающим применение автономных ИИ-агентов, следует внимательно следить за развитием событий в этой области. Ведь только тогда, когда ИИ научится понимать не только текст, но и структурированные данные, на которых строятся бизнес-процессы, он сможет действительно самостоятельно и надёжно выполнять эти процессы — и тем самым в полной мере реализовать свой потенциал автоматизации.