Por: Gino Marín
Publicado el: 28 de agosto de 2026
Colaboración Académica para la Universidad CENFOTEC
Un modelo que predice sobre tablas sin entrenarse suena a fin de una era. La realidad es más útil y menos dramática.
Imaginate que trabajás con datos y se te va la mitad del día en lo mismo. Limpiás una tabla, elegís qué columnas importan, probás cien configuraciones de un modelo hasta que una anda, y al mes siguiente arrancás de cero con otra tabla distinta. Ese fue el trabajo con datos tabulares durante toda la vida.
El 30 de junio de 2026, Google Research publicó algo que promete saltarse esa rutina. Se llama TabFM. Le mostrás una tabla que nunca vio y te completa la columna que falta sin entrenar nada.
Suena a magia. En parte lo es. Pero conviene entender qué clase de magia, porque el titular esconde una letra chica que importa.
Un examen a libro abierto
La forma más simple de entender TabFM es pensar en un examen a libro abierto. El modelo no se estudió tu tabla de memoria la noche anterior. La mira en el momento, junto con las filas que ya tienen respuesta, y completa las que faltan de un solo tirón.
Cómo aprendió a leer tablas así es lo llamativo. Google no lo entrenó con planillas reales, sino con cientos de millones de tablas artificiales, generadas a propósito. La razón es práctica: las tablas reales de calidad son escasas y suelen estar llenas de información sensible, así que fabricar tablas de mentira resultó ser la única manera de conseguir la variedad necesaria.
Esto rompe una regla que aguantó veinte años. Sobre datos estructurados, las redes neuronales casi siempre perdían contra los métodos clásicos de árboles, como el famoso XGBoost. Eran la excepción testaruda en plena revolución de la inteligencia artificial: deep learning ganaba con imágenes, con texto y con audio, pero sobre una planilla común se quedaba corto.
TabFM es el intento más serio de dar vuelta esa excepción. Y Google planea meterlo dentro de BigQuery, para que puedas pedirle una predicción con una sola instrucción de SQL, sin montar ningún pipeline.
Pero hay un problema
Que un modelo prediga sin entrenarse y le gane a un XGBoost bien afinado es un resultado fuerte. El detalle es que ese resultado salió en un banco de pruebas, y un banco de pruebas no es tu tabla.
Dos días después del lanzamiento, un investigador independiente puso a TabFM a correr en tres máquinas y a competir contra rivales bien preparados, no contra versiones flojas. Confirmó que el modelo es muy bueno en tablas chicas y medianas. También encontró que parte de la afinación de los rivales estaba mal hecha, y hasta descubrió una falla técnica real que Google terminó corrigiendo con su ayuda.
Y después están los límites que el propio modelo declara. Sirve para problemas de hasta diez categorías distintas. Anda bien hasta unas quinientas columnas. Y consume más memoria cuanto más grande es la tabla, porque necesita mirarla entera de una vez.
La lectura honesta, entonces, es más precisa que el titular. TabFM no borra el trabajo con datos tabulares. Borra una parte específica y cara de ese trabajo: la de limpiar variables, buscar la configuración justa del modelo y reentrenar desde cero con cada tabla nueva. Lo demás sigue siendo tuyo. La calidad de los datos, los cambios con el tiempo, los casos que no entran en el molde.
No es «el modelo grande gana»
Acá conviene abrir un poco el foco, porque TabFM no es la única forma de atacar el problema. Es la ruta del especialista: una herramienta diseñada a medida para tablas.
Existe la ruta opuesta, la del generalista. Modelos de lenguaje enormes como LLaMA 4, de Meta, que sirven para casi todo, también se pueden adaptar a las tablas. El truco es traducir cada fila a una frase y dejar que el modelo la lea como si fuera texto. Cuando la tabla está llena de significado, con nombres de columnas y campos escritos en palabras, ese conocimiento del mundo ayuda de verdad.
Pero cuando la tabla es pura predicción con números, usar un modelo gigante de propósito general es la herramienta equivocada. Es caro, es lento, y para colmo tenés que mandarle tus datos. Ahí gana la herramienta dedicada. No hay un ganador único: hay problemas con formas distintas, y cada forma pide su herramienta.
El motor que aprende a razonar
Hay una tercera novedad que va por otro carril, y también conviene nombrarla. Se trata del reinforcement learning, la técnica con la que se entrena a un modelo premiando lo que hace bien y penalizando lo que hace mal.
Durante un tiempo se usó sobre todo para volver más educados y útiles a los asistentes de conversación. Pero apareció un giro. En lugar de premiar lo que le gustaría a una persona, se empezó a premiar lo que es verificablemente correcto: un cálculo que da bien, un programa que compila, una respuesta que pasa el test.
Con esa idea, el modelo DeepSeek-R1, publicado en la revista Nature en 2025, mostró algo notable: se puede enseñar a un modelo a razonar sin darle un solo ejemplo humano de razonamiento, solo dejándolo practicar y corregirse. Y esa misma técnica hoy se está usando para que los modelos no solo piensen, sino que actúen, que usen herramientas y resuelvan tareas largas.
El hilo que une las tres cosas no es el tamaño de los modelos. Es que las buenas ideas se mudan de un dominio a otro. El aprendizaje en el momento pasó de los modelos de lenguaje a las tablas. El aprendizaje por premios pasó del buen comportamiento al razonamiento y de ahí a la acción.
Entonces, ¿jubilamos a XGBoost?
La respuesta corta: no. La respuesta larga: depende de para qué lo tenías.
Si lo usabas para levantar rápido un modelo decente sobre una tabla nueva, TabFM te va a ahorrar horas y probablemente lo haga mejor. Si lo usabas para exprimir el último punto de precisión sobre datos enormes, con muchas categorías y bien conocidos, XGBoost sigue en la cancha.
Lo que conviene abandonar no es una herramienta, es la costumbre de buscar la bala de plata. Como escribió Fred Brooks, el ingeniero que dirigió el desarrollo del sistema operativo del IBM System/360, no hay balas de plata en el software: ningún invento único resuelve todos los problemas de golpe. TabFM no es la excepción. Es una muy buena herramienta nueva para una parte del trabajo. Saber cuál es esa parte vale más que el titular.
Referencias
– Weihao Kong, Abhimanyu Das y el equipo de Google Research, «Introducing TabFM: A Zero-Shot Foundation Model for Tabular Data», Google Research Blog, 30 de junio de 2026. https://research.google/blog/introducing-tabfm-a-zero-shot-foundation-model-for-tabular-data/
– Ficha del modelo TabFM, Hugging Face. https://huggingface.co/google/tabfm-1.0.0-pytorch
– Evaluación independiente de devYRPauli, «tabfm-evaluation», GitHub. https://github.com/devYRPauli/tabfm-evaluation
– Noah Hollmann, Frank Hutter y coautores, «Accurate predictions on small data with a tabular foundation model», Nature 637, 319–326, 2025. https://www.nature.com/articles/s41586-024-08328-6
– Equipo de Meta AI, «The Llama 4 herd: The beginning of a new era of natively multimodal AI innovation», 2025. https://ai.meta.com/blog/llama-4-multimodal-intelligence/
– DeepSeek-AI, «DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning», Nature, 2025. https://www.nature.com/articles/s41586-025-09422-z
– Frederick P. Brooks Jr., «No Silver Bullet: Essence and Accident in Software Engineering», IEEE Computer, 1987.
