リレーショナル・グラフ・トランスフォーマー（RGT）は、複雑な関係性を持つリレーショナルデータからの知見抽出において従来の機械学習を大きく上回る成果を上げています。RGTは、リレーショナルデータベースをグラフとして扱い、各テーブルやエンティティ間の構造を保ちながら学習を行います。これにより、精度向上、学習コスト削減、データ準備の省力化が実現され、顧客分析や不正検知など多様な業務に応用されています。Kumoは大規模データへのスケーリングや時間情報の活用、エッジの意味づけにも注力し、現実世界での高精度な予測を可能にしています。