Cos'è un tabular foundation model e sostituisce XGBoost?

Un tabular foundation model è un modello pre-addestrato che fa previsioni su dati in tabella, righe e colonne, senza essere addestrato sui tuoi dati: gli passi il dataset e ti restituisce la previsione. Il meccanismo è lo stesso in-context learning degli LLM, cioè il modello impara il compito dagli esempi che gli dai al momento invece di aggiornare i propri pesi, ed è pre-addestrato su oltre cento milioni di dataset di previsione sintetici costruiti per somigliare ai compiti tabellari veri. Conta perché la maggior parte dei dati aziendali sta in tabelle, non in testo, e su quel terreno il deep learning ha perso per un decennio contro gli alberi con gradient boosting. È la prima famiglia di modelli che quel risultato lo mette in discussione, ed è anche un campo che si muove in fretta: lo stato dell'arte cambia nel giro di pochi mesi, quindi qualunque confronto letto oggi va ricontrollato prima di deciderci sopra.

Cosa dice la fonte, e su quali dimensioni

Il riferimento è TabPFN, presentato in un articolo su Nature (Hollmann et al., 2025), che riporta prestazioni superiori ai metodi precedenti su dataset fino a 10.000 righe e 500 colonne, con tempi di addestramento molto inferiori. Il limite dichiarato è quello: sui dataset piccoli il vantaggio c'è ed è ampio, sulle tabelle grandi il discorso cambia. Ed è il limite dichiarato a rendere il tema interessante per una PMI più di quanto sembri: i dataset da diecimila righe sono esattamente quelli che un'azienda media ha davvero, mentre i milioni di righe sono l'eccezione. Google ha rilasciato TabFM nel 2026 sulla stessa idea, e accanto ci sono TabICL e le versioni precedenti di TabPFN come alternative a pesi aperti utilizzabili commercialmente. Una cautela che i confronti di solito omettono: TabArena, il benchmark a cui si rimanda più spesso, ha fra gli autori ricercatori dello stesso gruppo che ha pubblicato TabPFN, quindi come misura indipendente va preso con prudenza.

Un esempio concreto

Un'azienda vuole stimare quali clienti non rinnoveranno il contratto e ha tremila righe storiche con quaranta colonne. La strada classica è mesi di feature engineering e taratura di un modello a gradient boosting, il territorio degli alberi di decisione. Con un modello tabellare si ottiene un riferimento credibile in poche righe di codice e in una giornata, il che non chiude il progetto ma risponde subito alla domanda che lo blocca: questo segnale esiste nei dati, sì o no. Anche quando poi si sceglie il boosting, aver saputo in un giorno che il segnale c'era cambia la conversazione.

Cosa manca ancora, e va detto

Non è un rimpiazzo, per tre ragioni. L'interpretabilità è più debole, e le probabilità che restituisce sono affidabili finché i tuoi dati somigliano a quelli sintetici su cui è stato addestrato: fuori da lì la fiducia dichiarata va verificata, e su una decisione che tocca persone servono entrambe le cose. L'inferenza costa di più, perché il tuo dataset viaggia insieme a ogni previsione, quindi la latenza non è garantita. E la licenza va letta: quella di TabFM è per uso non commerciale, quindi è uno strumento di esplorazione, non di produzione, mentre le alternative a pesi aperti hanno condizioni proprie.

Perché conta per chi decide

Il valore per chi decide non è sostituire un modello con un altro, è accorciare il tratto più costoso di un progetto di previsione, quello in cui si spendono settimane per scoprire che nei dati non c'è il segnale che si sperava. Un modello tabellare risponde a quella domanda in un giorno e a costo quasi nullo. Resta poi da fare il lavoro serio, con la stessa disciplina di valutazione di prima: un riferimento veloce non è un modello in produzione.