Google Research lanza TabFM, un modelo fundacional para datos tabulares con capacidad zero-shot

Google Research ha presentado TabFM, un modelo fundacional para datos tabulares. El modelo puede realizar clasificación y regresión zero-shot sin entrenarse para un dataset concreto, según informó el portal MarkTechPost el 1 de julio de 2026.

Cómo procesa TabFM las tablas

TabFM genera sus predicciones en una sola pasada hacia delante (forward pass) mediante in-context learning. El modelo se apoya «sobre la marcha» en los ejemplos incluidos en la propia consulta, sin un ciclo de entrenamiento separado para cada dataset.

• Formato: modelo fundacional para datos tabulares
• Capacidades: clasificación y regresión zero-shot
• Método: in-context learning, predicción en un único forward pass
• No requiere: entrenamiento por dataset, ajuste de hiperparámetros ni feature engineering manual
• Arquitectura: atención híbrida (hybrid-attention)

El nombre del modelo destaca su arquitectura de atención híbrida. Esta permite tener en cuenta a la vez las relaciones entre filas (objetos) y entre columnas (variables) de la tabla, algo que los transformers clásicos, diseñados para texto, no incorporan por defecto.

Por qué los datos tabulares son un problema aparte para la IA

La mayor parte de los datos corporativos no son texto ni imágenes, sino tablas: filas de clientes, transacciones e indicadores. Durante mucho tiempo, las mejores herramientas para este tipo de tareas han sido el gradient boosting y los modelos de ML clásicos como XGBoost y LightGBM. Son precisos, pero cada uno debe entrenarse y ajustarse de nuevo para cada dataset y cada tarea concreta, y cualquier cambio en el conjunto de variables implica un nuevo ciclo de preparación de datos.

La idea de un modelo fundacional para tablas es que un solo modelo sirva para muchas tareas: entrenar de antemano un gran modelo con multitud de tablas heterogéneas y después aplicarlo a datos nuevos sin reentrenarlo. Es algo análogo a cómo los modelos de lenguaje resuelven nuevas tareas de texto sin fine-tuning si se les pide de la forma adecuada. En los datos tabulares, este camino se consideró durante mucho tiempo difícil de alcanzar precisamente por la heterogeneidad de las tablas: cada una tiene su propio conjunto de columnas, tipos de datos y relaciones semánticas entre ellos. En el texto, en cambio, la gramática y el vocabulario son comunes a todos los documentos.

Qué significa para los científicos de datos

Si el enfoque zero-shot de TabFM resulta lo bastante preciso con datos corporativos reales, cambiará la economía de las tareas de ML habituales con tablas. En lugar del ciclo «recopilar el dataset → entrenar el modelo → ajustar hiperparámetros → desplegar», quedará un solo paso: introducir los datos en el modelo y obtener la predicción. Esto resulta especialmente valioso en tareas con datasets pequeños o que cambian rápido, donde no compensa entrenar un modelo específico.

Qué significa

Google Research vuelve a trasladar la lógica de los modelos fundacionales —«entrena una vez, aplica en todas partes»— del texto y las imágenes al terreno de los datos tabulares, que hasta ahora seguía siendo dominio del machine learning clásico. Si el enfoque se confirma en la práctica en una amplia gama de tareas, la competencia no solo enfrentará a los modelos fundacionales para tablas de distintas empresas, sino también a esta nueva clase de modelos con el gradient boosting de siempre, por ver cuál se convierte en la herramienta por defecto para las tareas de ML habituales con datos tabulares.