Salesforce AI: Mengapa platform AI independen lebih baik daripada Einstein dan Agentforce – Pendekatan hibrida mengalahkan ketergantungan pada satu vendor!

Pentingnya strategis platform AI independen di Salesforce: Analisis di luar Einstein

Salesforce secara menonjol memposisikan kecerdasan buatan (AI) bawaannya sebagai bagian integral dari platform Customer 360-nya, mempromosikannya sebagai "AI #1 untuk CRM." Pesan intinya menekankan integrasi yang mulus dari kemampuan AI seperti Einstein, Agentforce, dan AI Cloud yang lebih luas ke dalam alur kerja Salesforce yang ada untuk meningkatkan produktivitas dan mempersonalisasi pengalaman pelanggan. Janji implementasi dan penggunaan yang mudah dalam lingkungan yang familiar ini sesuai dengan banyak bisnis.
Namun, pelanggan Salesforce semakin dihadapkan pada keputusan strategis: Haruskah mereka hanya mengandalkan rangkaian AI bawaan Salesforce atau mempertimbangkan untuk mengintegrasikan platform AI independen yang berpotensi lebih khusus? Pasar AI berkembang pesat, dengan vendor pihak ketiga terus memperkenalkan model yang sangat khusus dan solusi inovatif yang mungkin melampaui kemampuan platform all-in-one.

Artikel ini menganalisis keunggulan strategis penggunaan platform AI independen dalam lingkungan Salesforce. Artikel ini secara kritis mengkaji kemampuan dan keterbatasan AI bawaan Salesforce, menyoroti jalur dan tantangan integrasi, serta membahas aspek-aspek penting seperti fleksibilitas, biaya, privasi data, dan ketergantungan pada vendor tertentu. Tujuannya adalah untuk memberikan dasar yang kuat dalam memutuskan apakah strategi AI yang lebih terbuka mungkin lebih bermanfaat bagi pengguna Salesforce daripada hanya mengandalkan solusi milik Salesforce sendiri.

Inti permasalahannya berkisar pada pertimbangan antara kenyamanan solusi yang terintegrasi secara mendalam dan potensi kekuatan serta spesialisasi alat AI eksternal. Meskipun Salesforce menekankan manfaat AI terintegrasinya, tingkat spesialisasi yang tinggi dan laju inovasi yang cepat di bidang AI memerlukan pendekatan yang lebih bernuansa. Penyedia platform tunggal mungkin tidak mampu memberikan keunggulan di semua domain AI, dibandingkan dengan penyedia yang fokus pada area spesifik. Ketegangan antara integrasi dan solusi terbaik di kelasnya inilah yang menjadi inti pertimbangan strategis yang dieksplorasi dalam laporan ini.

Berkaitan dengan ini:

• Integrasi AI dari platform AI independen dan lintas sumber data untuk semua kebutuhan bisnis

Memahami rangkaian AI bawaan Salesforce (Einstein, Agentforce, AI Cloud)

Salesforce menawarkan berbagai kemampuan AI yang terintegrasi secara mendalam ke dalam berbagai produk cloud-nya, yang dikelompokkan di bawah merek Einstein, Agentforce, dan AI Cloud. Rangkaian ini bertujuan untuk mengoptimalkan proses bisnis sehari-hari melalui otomatisasi, prediksi, dan interaksi yang dipersonalisasi.

Gambaran umum fungsi berdasarkan cloud

• Sales Cloud: Fitur inti mencakup pemberian skor pada prospek dan peluang berdasarkan kemungkinan keberhasilannya (Einstein Lead/Opportunity Scoring), perkiraan pendapatan yang lebih akurat (Einstein Forecasting), pembuatan email penjualan yang dipersonalisasi secara otomatis (Sales Emails), ringkasan panggilan penjualan (Call Summaries), dan pengambilan aktivitas otomatis dari email dan kalender (Einstein Activity Capture). Einstein Copilot juga menyediakan tindakan dan dukungan yang peka terhadap konteks di seluruh proses penjualan.
• Service Cloud: Di sini, AI mendukung klasifikasi otomatis kasus pelanggan (Klasifikasi Kasus), merekomendasikan artikel pengetahuan yang sesuai atau jawaban yang sudah jadi (Rekomendasi Artikel/Balasan), membuat ringkasan kasus yang telah selesai (Ringkasan Pekerjaan), dan memungkinkan penggunaan chatbot untuk mengotomatiskan permintaan standar.
• Marketing Cloud: Fitur AI membantu dalam pembuatan dan penandaan otomatis konten pemasaran (Pembuatan/Penandaan Konten), menilai kemungkinan interaksi dari kontak (Penilaian Keterlibatan), mengoptimalkan waktu pengiriman untuk tingkat pembukaan maksimum (Optimasi Waktu Pengiriman), dan memungkinkan personalisasi mendalam pada kampanye dan pengalaman pelanggan.
• Commerce Cloud: Di area ini, AI berfokus pada rekomendasi produk yang dipersonalisasi, mengoptimalkan hasil pencarian, dan memberikan wawasan tentang perilaku pembelian untuk meningkatkan konversi.
• Lintas platform/Umum: Alat seperti Einstein Prediction Builder memungkinkan administrator untuk membuat model prediksi khusus tanpa menulis kode. Einstein Discovery membantu menemukan pola dan wawasan dalam data. Einstein Next Best Action memberikan rekomendasi yang peka terhadap konteks. Agentforce mewakili agen AI otonom yang dapat melakukan tugas secara mandiri. Prompt Builder dan Copilot Studio memungkinkan penyesuaian dan pembuatan asisten dan perintah berbasis AI.

Berkaitan dengan ini:

• Keluar dari cloud AS: Gambaran umum penawaran SaaS berdaulat + rekomendasi untuk tindakan

Arsitektur yang mendasarinya

Fungsionalitas Salesforce AI didasarkan pada dua pilar penting: Data Cloud dan Einstein Trust Layer.

Ketergantungan pada Data Cloud

Salesforce Data Cloud bertindak sebagai fondasi data pusat. Ia menyatukan data pelanggan dari berbagai sumber (baik internal maupun eksternal Salesforce) ke dalam tampilan 360 derajat. Data yang terharmonisasi ini menjadi dasar bagi banyak aplikasi AI, terutama AI generatif dan personalisasi. Yang penting, kemampuan AI generatif tertentu dan jejak audit Trust Layer memerlukan penyediaan Data Cloud, bahkan jika tidak banyak digunakan untuk harmonisasi data. Hal ini menciptakan ketergantungan arsitektur dan dapat menimbulkan kompleksitas tambahan serta potensi biaya, terutama bagi perusahaan yang sudah memiliki gudang data atau danau data yang mapan. Oleh karena itu, kebutuhan akan Data Cloud dapat meningkatkan total biaya kepemilikan (TCO) dan merupakan potensi hambatan jika tidak dikelola dengan cermat.

Lapisan Kepercayaan Einstein

Kerangka keamanan ini dirancang untuk memastikan penggunaan AI generatif yang dapat dipercaya. Kerangka ini terdiri dari beberapa komponen:

• Pengambilan data yang aman: Mengakses data Salesforce untuk memperkaya perintah dengan konteks yang relevan, dengan mempertimbangkan hak akses pengguna yang bersangkutan.
• Pertahanan Cepat: Kebijakan sistem dimaksudkan untuk mengurangi halusinasi dan keluaran berbahaya dari Model Bahasa (LLM).
• Penyamaran data: Data sensitif seperti informasi identitas pribadi (PII) atau informasi pembayaran (PCI) disamarkan sebelum dikirim ke LLM eksternal.
• Penilaian toksisitas: Respons yang dihasilkan diperiksa dan dievaluasi untuk mengetahui potensi konten yang berbahaya.
• Kebijakan Tanpa Penyimpanan Data: Salesforce memiliki perjanjian dengan mitra seperti OpenAI dan Azure OpenAI untuk memastikan bahwa data perusahaan yang dikirimkan tidak disimpan oleh penyedia pihak ketiga ini maupun digunakan untuk melatih model mereka.

Jika diteliti lebih lanjut, arsitektur Salesforce menunjukkan bahwa mereka bergantung pada Large Language Models (LLM) eksternal dari penyedia seperti OpenAI, Anthropic, atau Google untuk sebagian besar kemampuan AI generatifnya. Model-model ini sering diintegrasikan melalui layanan cloud seperti AWS Bedrock, dengan Einstein Trust Layer bertindak sebagai gerbang keamanan. Ini berarti Salesforce terutama bertindak sebagai integrator dan perantara keamanan, bukan semata-mata mengembangkan model generatif intinya sendiri. Meskipun ini memberikan akses ke model-model yang canggih, hal ini menciptakan ketergantungan dan menimbulkan pertanyaan tentang bagaimana teknologi AI inti berbeda dari penggunaan langsung model-model ini melalui platform lain. Pelanggan pada dasarnya membayar Salesforce untuk integrasi, lapisan keamanan, dan penyematan dalam alur kerja berdasarkan model AI yang sebagian besar tersedia secara eksternal. Hal ini memperkuat alasan untuk mengevaluasi integrasi langsung dengan model atau platform eksternal ini.

Keunggulan yang diakui dari solusi asli

Terlepas dari poin-poin yang disebutkan, rangkaian AI bawaan Salesforce menawarkan keunggulan yang tak terbantahkan:

• Integrasi tanpa cela: Fitur AI tertanam secara mendalam dalam antarmuka pengguna dan alur kerja Salesforce, sehingga memungkinkan penggunaan yang lancar.
• Kemudahan penggunaan dan familiaritas: Pengguna dan administrator Salesforce yang sudah ada biasanya dapat dengan cepat memahami cara kerjanya, yang mengurangi waktu orientasi. Alat low-code juga memungkinkan pengguna non-teknis untuk menciptakan pengalaman berbasis AI.
• Memanfaatkan data CRM yang sudah ada: AI dirancang untuk bekerja langsung dengan data pelanggan yang tersimpan di Salesforce, yang dapat menyederhanakan persiapan data.

Xpert.Digital memiliki pengetahuan mendalam di berbagai industri. Hal ini memungkinkan kami untuk mengembangkan strategi yang disesuaikan secara tepat dan selaras dengan kebutuhan serta tantangan segmen pasar spesifik Anda. Dengan terus menganalisis tren pasar dan memantau perkembangan industri, kami dapat bertindak proaktif dan menawarkan solusi inovatif. Kombinasi pengalaman dan keahlian menghasilkan nilai tambah dan memberikan keunggulan kompetitif yang menentukan bagi klien kami.

Informasi selengkapnya di sini:

• Dapatkan manfaat dari 5 bidang keahlian Xpert.Digital dalam satu paket – mulai dari hanya €500/bulan

Argumen untuk platform AI independen di Salesforce

Meskipun integrasi asli Salesforce AI menawarkan beberapa keunggulan, ada beberapa alasan kuat untuk mempertimbangkan dengan serius penggunaan platform AI independen. Solusi eksternal ini dapat lebih unggul dalam hal fleksibilitas, spesialisasi, kemampuan beradaptasi, dan potensi keuntungan biaya.

Fleksibilitas dan spesialisasi model

Pasar AI dicirikan oleh dinamisme dan spesialisasi yang tinggi. Penyedia AI independen seringkali fokus pada domain atau teknologi tertentu, sehingga memungkinkan mereka untuk menawarkan solusi yang lebih canggih atau disesuaikan di area tertentu dibandingkan platform generalis seperti Salesforce.

Akses ke model-model terbaik di kelasnya

Vendor eksternal sering mengembangkan algoritma yang sangat khusus untuk bidang-bidang seperti pemrosesan bahasa alami (NLP), visi komputer, atau analitik khusus industri. Contohnya termasuk AI khusus untuk dokumen hukum seperti ContractPodAi atau alat diagnostik khusus industri seperti Aquant. Model khusus tersebut dapat mengungguli model yang lebih umum yang terintegrasi dalam Salesforce.

Siklus inovasi yang lebih cepat

Perusahaan yang berfokus pada AI seringkali dapat mengembangkan dan merilis model dan fitur baru lebih cepat daripada penyedia platform besar seperti Salesforce, yang peta jalan AI-nya terikat pada siklus rilis yang lebih luas. Hal ini memungkinkan perusahaan untuk mendapatkan manfaat lebih cepat dari kemajuan AI terbaru.

Variasi model yang lebih banyak

Platform atau pasar independen menawarkan akses ke berbagai model yang lebih luas, termasuk solusi khusus, opsi sumber terbuka, atau model dari vendor yang tidak tersedia secara langsung melalui fitur "Bring Your Own Model" (BYOM) milik Salesforce.

Berkaitan dengan ini:

• Platform AI independen sebagai alternatif strategis bagi perusahaan-perusahaan Eropa

Spesialisasi penyedia eksternal ini kontras dengan pendekatan Salesforce yang lebih luas, yang bertujuan untuk menyediakan kemampuan AI dasar di seluruh rangkaian CRM-nya. Meskipun pendekatan luas ini memastikan AI tersedia di banyak area, hal ini dapat mengorbankan kedalaman. AI deteksi penipuan khusus atau alat analisis gambar medis kemungkinan akan mengungguli model terintegrasi CRM umum untuk tugas-tugas spesifik tersebut. Organisasi dengan persyaratan kritis di domain AI khusus mungkin menemukan bahwa AI bawaan Salesforce tidak memadai. Platform independen memungkinkan mereka untuk memilih alat terbaik untuk pekerjaan tersebut, daripada hanya menggunakan solusi bawaan yang mungkin satu-satunya yang memadai.

Adaptasi dan kontrol

Platform AI independen seringkali menawarkan tingkat kontrol yang lebih tinggi atas seluruh siklus hidup AI, mulai dari persiapan data hingga implementasi dan pemantauan model.

Penyempurnaan model secara mendalam

Platform eksternal sering dirancang untuk para insinyur pembelajaran mesin dan menawarkan kontrol yang lebih rinci atas pelatihan dan penyempurnaan model. Hal ini melampaui kemampuan alat low-code Salesforce yang lebih abstrak seperti Einstein Prediction Builder atau keterbatasan penyempurnaan model yang diimpor (BYOM) di dalam Salesforce.

Pemilihan algoritma dan transparansi

Pengguna memiliki lebih banyak kebebasan dalam memilih algoritma spesifik dan berpotensi mendapatkan lebih banyak transparansi tentang bagaimana model berfungsi (kemampuan menjelaskan) daripada melalui lapisan abstraksi Salesforce. Meskipun Salesforce menawarkan alat seperti Model Inspector, alat MLOps eksternal seringkali lebih komprehensif.

Kontrol atas tumpukan AI

Mengelola seluruh alur kerja AI (persiapan data, pelatihan, penerapan, pemantauan) pada platform seperti AWS atau Google Cloud menawarkan kontrol yang lebih besar daripada mengandalkan lingkungan terkelola dari Salesforce.

Batasan kustomisasi Salesforce

Meskipun Salesforce menawarkan low-code builder untuk kustomisasi yang mudah, platform eksternal seringkali memungkinkan kustomisasi yang lebih mendalam berbasis kode. Terdapat juga keterbatasan fungsional khusus pada fitur AI Salesforce, seperti persyaratan yang kompleks atau saat menyesuaikan Einstein Activity Capture, serta keterbatasan platform secara umum.

Potensi keuntungan biaya

Struktur biaya untuk solusi AI dapat sangat bervariasi, dan perbandingan sederhana biaya lisensi seringkali tidak cukup.

Model penetapan harga yang berbeda

Salesforce sering kali memberikan lisensi kemampuan AI-nya per pengguna per bulan sebagai tambahan pada lisensi cloud yang sudah ada. Sebaliknya, harga untuk platform AI mandiri sering kali didasarkan pada penggunaan aktual (waktu komputasi, memori, panggilan API). Penyedia AI mandiri, pada gilirannya, mungkin memiliki model penetapan harga mereka sendiri yang berpotensi lebih fleksibel. Meskipun opsi BYOM di Salesforce dapat mengurangi biaya Einstein Requests, biaya dasar penyedia model eksternal tetap berlaku.

Total Biaya Kepemilikan (TCO)

Analisis TCO (Total Cost of Ownership) yang komprehensif sangat penting. Meskipun integrasi native Salesforce AI dapat mengurangi biaya integrasi awal, faktor lain dapat meningkatkan biaya keseluruhan: potensi kebutuhan lisensi atau penggunaan Data Cloud, biaya per pengguna yang relatif tinggi untuk add-on AI, dan kemungkinan membayar premi untuk model AI yang akan tersedia lebih murah secara eksternal. TCO untuk AI mandiri harus mencakup biaya integrasi tetapi dapat memperoleh manfaat dari biaya penggunaan AI inti yang lebih rendah dan penggunaan infrastruktur cloud yang ada. Agentforce juga digambarkan berpotensi mahal untuk digunakan ($2 per percakapan).

Menghindari redundansi

Penggunaan AI independen dapat memungkinkan perusahaan untuk memanfaatkan investasi yang sudah ada di platform cloud lain atau infrastruktur data mereka sendiri, sehingga menghindari pengeluaran yang berlebihan dalam ekosistem Salesforce.

AI bawaan Salesforce vs. AI independen: Perbandingan fitur dan fleksibilitas

AI bawaan Salesforce, seperti Einstein atau Agentforce, dan platform AI independen, yang sering menggunakan model khusus atau open source, berbeda secara signifikan dalam fitur dan fleksibilitasnya. Sementara AI bawaan Salesforce berfokus pada pendekatan generalis dan aplikasi CRM, platform independen sering menawarkan model khusus dan pilihan yang lebih luas, termasuk opsi open source. Akses ke model terbaru dengan Salesforce bergantung pada siklus rilis dan kemitraan, sedangkan penyedia khusus berpotensi menawarkan pembaruan yang lebih cepat. Mengenai penyempurnaan, model bawaan Salesforce seringkali terbatas dan abstrak, misalnya, melalui alat seperti Prediction Builder, sedangkan platform independen menawarkan kontrol yang lebih terperinci atas proses pelatihan. Pilihan algoritma spesifik dibatasi dengan Salesforce, karena biasanya sudah ditentukan sebelumnya atau diperoleh melalui mitra, sementara platform independen menawarkan lebih banyak kebebasan dalam hal ini. Selain itu, Salesforce sepenuhnya mengelola infrastruktur, seringkali berbasis AWS atau GCP, sedangkan platform independen memungkinkan akses langsung ke lingkungan hosting, baik di cloud milik perusahaan sendiri maupun di lokasi perusahaan. Upaya integrasi dengan Salesforce rendah karena solusinya terintegrasi secara bawaan, sementara platform eksternal membutuhkan lebih banyak pekerjaan pengembangan dan konfigurasi. Terkait biaya, Salesforce sering menggunakan model harga bulanan berbasis pengguna sebagai tambahan, sementara platform independen sering menggunakan harga berbasis konsumsi, seperti berdasarkan daya komputasi atau panggilan API, atau model khusus vendor.

Navigasi integrasi: Menghubungkan AI independen dengan Salesforce

Memilih platform AI independen memerlukan perencanaan yang cermat untuk integrasinya ke dalam lingkungan Salesforce yang sudah ada. Terdapat beberapa metode untuk membangun koneksi ini, masing-masing dengan kelebihan dan tantangannya sendiri.

Metode integrasi

AppExchange / AgentExchange

Salesforce AppExchange menawarkan berbagai macam aplikasi pihak ketiga, termasuk solusi AI, yang sering kali menyediakan integrasi yang sudah jadi. AgentExchange adalah pasar yang lebih baru yang secara khusus berfokus pada keterampilan, tema, dan templat agen AI dari mitra, yang bertujuan untuk mempercepat penerapan agen AI. Ini seringkali merupakan pendekatan yang paling sederhana tetapi membutuhkan mitra yang sesuai untuk menawarkan solusi.

API (REST/SOAP/Bulk/Streaming)

Penggunaan API Salesforce secara langsung memungkinkan integrasi yang disesuaikan. Pengembang dapat bertukar data, memicu proses di Salesforce, atau memberikan umpan balik hasil dari model AI eksternal. API Komposit dapat membantu menggabungkan beberapa operasi secara efisien. Metode ini menawarkan fleksibilitas maksimal tetapi membutuhkan upaya pengembangan yang signifikan.

Platform middleware (misalnya MuleSoft)

Platform integrasi seperti MuleSoft (solusi milik Salesforce sendiri) atau platform lainnya dapat bertindak sebagai perantara. Mereka menangani tugas-tugas seperti transformasi data, orkestrasi alur kerja yang kompleks, dan pengelolaan konektivitas antara Salesforce dan layanan AI eksternal.

Konektor platform cloud (AWS/GCP)

Penyedia layanan cloud besar semakin banyak menawarkan layanan khusus untuk memfasilitasi integrasi dengan Salesforce. Contohnya termasuk AWS Private Connect untuk koneksi jaringan yang aman, AWS Event Relay untuk transmisi peristiwa secara real-time, AWS Glue Salesforce Connector, dan SageMaker Data Wrangler Connector untuk persiapan data. Google Vertex AI dapat diintegrasikan ke dalam Salesforce Data Cloud melalui Model Builder. Meskipun konektor-konektor ini dapat menyederhanakan integrasi, konektor-konektor tersebut mengikat pengguna pada ekosistem penyedia layanan cloud masing-masing.

BYOM melalui Einstein Studio

Seperti yang telah disebutkan sebelumnya, fitur ini memungkinkan Anda untuk mengintegrasikan model yang dihosting secara eksternal ke dalam lingkungan Salesforce melalui Model Builder. Permintaan masih dialihkan melalui infrastruktur Salesforce dan menggunakan lapisan kepercayaan, yang menyederhanakan integrasi tetapi juga menciptakan ketergantungan tertentu.

Berkaitan dengan ini:

• Integrasi AI dan pembelajaran mesin dalam logistik pergudangan – Perkembangan global di Jerman, Uni Eropa, AS, dan Jepang

Tantangan integrasi umum

Mengintegrasikan sistem eksternal dengan Salesforce bukanlah hal yang mudah dan menghadirkan tantangan khusus:

Batasan API

Salesforce membatasi jumlah panggilan API per organisasi dan periode waktu (misalnya, harian, bersamaan). Proses AI yang intensif data yang sering melakukan sinkronisasi atau kueri data dapat dengan cepat mencapai batasan ini. Hal ini memerlukan desain yang cermat (misalnya, pembatasan, pemrosesan batch, caching) atau mungkin memerlukan pembelian edisi Salesforce yang lebih tinggi atau kuota API tambahan. Batasan API Streaming sangat relevan untuk kasus penggunaan waktu nyata.

Sinkronisasi data

Memastikan konsistensi data antara Salesforce dan platform AI eksternal sangat penting. Tantangannya meliputi penanganan volume data besar (LDV), pengambilan keputusan antara pembaruan waktu nyata dan pembaruan batch, pengelolaan latensi, dan menghindari inkonsistensi data. Pendekatan seperti integrasi tanpa penyalinan (zero-copy integration) bertujuan untuk mengurangi masalah ini, tetapi mungkin tidak selalu dapat diterapkan.

Pemetaan dan transformasi data

Model data, format, dan semantik bidang yang berbeda harus diselaraskan. Hal ini dapat memerlukan logika transformasi yang kompleks untuk memastikan interpretasi data yang benar.
Keamanan dan otentikasi: Manajemen kredensial akses yang aman (kunci API, token), implementasi metode otentikasi yang kuat (misalnya, OAuth 2.0, kredensial bernama), dan memastikan transmisi data yang aman (enkripsi) sangat penting. Kesalahan konfigurasi dapat menyebabkan kerentanan keamanan.

Penanganan kesalahan dan konsistensi data

Integrasi harus tahan terhadap kesalahan (masalah jaringan, kegagalan sistem, kesalahan data). Mekanisme yang kuat untuk pencatatan, pemantauan, dan logika percobaan ulang otomatis diperlukan untuk memastikan integritas data dan meminimalkan waktu henti.

Kompleksitas dan pemeliharaan

Integrasi khusus memerlukan pemeliharaan dan penyesuaian terus-menerus, terutama seiring dengan perkembangan Salesforce atau platform AI eksternal. Hal ini menyita sumber daya dan membutuhkan keahlian teknis.

Kompleksitas integrasi seringkali menjadi faktor biaya yang diremehkan. Meskipun platform AI mandiri mungkin menawarkan biaya inti yang lebih rendah atau fitur yang lebih unggul, biaya dan upaya integrasi—termasuk waktu pengembangan, potensi lisensi middleware, dan pemeliharaan berkelanjutan—harus diperhitungkan dalam perhitungan total biaya kepemilikan (TCO). AI bawaan Salesforce diuntungkan oleh integrasi yang sudah ada. Keterbatasan API dapat semakin meningkatkan kompleksitas dan biaya jika diperlukan solusi sementara yang rumit atau lisensi yang lebih mahal. Oleh karena itu, keputusan untuk menggunakan AI mandiri harus mempertimbangkan kemampuan dan sumber daya teknis organisasi untuk mengelola kompleksitas integrasi ini. Integrasi yang direncanakan dengan buruk dapat meniadakan manfaat dari platform eksternal.

Pola integrasi yang sukses

Terlepas dari tantangan yang ada, pola dan alat yang sudah mapan telah tersedia untuk integrasi yang sukses. Studi kasus menunjukkan keberhasilan integrasi AWS SageMaker dengan Salesforce, yang sering kali memanfaatkan layanan AWS tertentu untuk mengoptimalkan kinerja dan biaya. Integrasi serupa dimungkinkan dengan Google Vertex AI, khususnya melalui Model Builder. Alat seperti Zapier dapat digunakan untuk integrasi yang lebih sederhana dan tanpa kode untuk memindahkan data antar sistem, seperti antara Google Sheets dan Vertex AI sebagai proksi untuk data Salesforce. Pemanfaatan konektor dan layanan cloud-native seperti AWS Glue, EventBridge, atau Private Connect juga dapat secara signifikan menyederhanakan dan mengamankan proses integrasi.

Platform AI independen: Metode dan tantangan integrasi secara sekilas

Platform AI independen menawarkan berbagai metode integrasi, masing-masing dengan keunggulan dan tantangan spesifiknya sendiri. Aplikasi AppExchange atau AgentExchange memungkinkan instalasi aplikasi atau komponen yang sudah jadi dari mitra dengan mudah, dengan upaya pengembangan minimal dan seringkali kualitas yang tersertifikasi. Namun, kustomisasi terbatas, dan ada ketergantungan pada penawaran mitra dan potensi biaya. Integrasi API langsung, yang memungkinkan pengembangan khusus menggunakan API Salesforce seperti REST, SOAP, Bulk, dan Streaming, menawarkan fleksibilitas maksimal dan kendali penuh atas aliran data dan logika. Namun, hal ini membutuhkan upaya pengembangan yang signifikan, manajemen batasan API, audit keamanan yang menyeluruh, dan pemeliharaan berkelanjutan. Menggunakan middleware seperti MuleSoft menyederhanakan integrasi kompleks melalui konektivitas, transformasi data, dan orkestrasi. Ini menawarkan manajemen terpusat dan penggunaan kembali tetapi membutuhkan biaya lisensi tambahan dan pelatihan platform yang ekstensif. Konektor cloud seperti AWS atau GCP mengoptimalkan integrasi melalui layanan khusus, terkadang low-code, seperti Glue, Event Relay, atau Private Connect. Ini biasanya kuat, aman, dan sangat cocok untuk ekosistem cloud masing-masing, tetapi membutuhkan konfigurasi khusus dan mengikat pengguna ke penyedia. Dengan BYOM melalui Einstein Studio, model yang dihosting secara eksternal dapat dengan mudah diintegrasikan ke dalam alur kerja Salesforce, memanfaatkan lapisan kepercayaan dan menyederhanakan proses integrasi. Namun, terdapat keterbatasan terkait dukungan model dibandingkan dengan penggunaan langsung, penyesuaian, dan ketergantungan pada platform Salesforce.

Pengubah Permainan AI: Platform AI paling fleksibel - Solusi yang dirancang khusus untuk mengurangi biaya, meningkatkan pengambilan keputusan, dan meningkatkan efisiensi

Platform AI independen: Mengintegrasikan semua sumber data perusahaan yang relevan

• Platform AI ini berinteraksi dengan semua sumber data spesifik
  • Dari SAP, Microsoft, Jira, Confluence, Salesforce, Zoom, Dropbox, dan banyak sistem manajemen data lainnya
• Integrasi AI yang cepat: Solusi AI yang dirancang khusus untuk bisnis dalam hitungan jam atau hari, bukan bulan
• Infrastruktur fleksibel: Berbasis cloud atau hosting di pusat data Anda sendiri (Jerman, Eropa, pilihan lokasi bebas)

• Keamanan data maksimal: penggunaannya di firma hukum adalah bukti yang tak terbantahkan
• Penerapan di berbagai sumber data perusahaan
• Pilihan model AI sendiri atau berbeda (DE, EU, USA, CN)

Tantangan yang dipecahkan oleh platform AI kami

• Ketidaksesuaian solusi AI konvensional
• Perlindungan data dan pengelolaan data sensitif yang aman
• Biaya dan kompleksitas pengembangan AI individual yang tinggi
• Kekurangan spesialis AI yang berkualitas
• Integrasi AI ke dalam sistem TI yang sudah ada

Informasi selengkapnya di sini:

• Integrasi AI dari platform AI independen dan lintas sumber data untuk semua kebutuhan bisnis

Pertimbangan penting: Manajemen risiko dalam AI independen

Keputusan untuk mendukung atau menentang platform AI independen juga harus mencakup penilaian yang cermat terhadap potensi risiko, khususnya di bidang perlindungan data, ketergantungan pada vendor, dan kedaulatan data.

Perlindungan dan keamanan data

Meskipun Salesforce memposisikan Einstein Trust Layer sebagai jaminan penggunaan AI yang aman, pemeriksaan lebih lanjut mengungkapkan keterbatasan praktis yang harus dipertimbangkan terhadap solusi independen.

Keterbatasan Einstein Trust Layer:

Penyamaran Data yang Dinonaktifkan untuk Agentforce: Poin penting adalah pernyataan eksplisit bahwa penyamaran data dinonaktifkan untuk alur kerja Agentforce. Alasan yang diberikan adalah bahwa penyamaran akan mengganggu akurasi kontekstual dan relevansi hasil, misalnya, saat mencari akun serupa di mana detail akun referensi diperlukan. Hal ini menimbulkan risiko privasi data yang signifikan, karena data pelanggan yang berpotensi sensitif dapat dikirim tanpa disamarkan ke LLM eksternal, yang sangat bermasalah di industri yang diatur dan bertentangan dengan janji "kepercayaan".
Mitigasi Alternatif (Anthropic): Salesforce berencana untuk menawarkan model Anthropic sebagai alternatif, yang berjalan dalam "Batas Tepercaya Salesforce" (dihosting di AWS Bedrock). Meskipun data tidak meninggalkan lingkup kendali Salesforce dengan pendekatan ini, penyamaran data tetap dinonaktifkan. Patut dipertanyakan apakah ini cukup mengatasi masalah privasi data dibandingkan dengan penyamaran yang berfungsi.
Fungsionalitas Lapisan Kepercayaan Umum: Fitur inti seperti retensi nol dengan mitra dan pemeriksaan toksisitas tetap ada. Namun, pengecualian untuk Agentforce merupakan keterbatasan yang signifikan.

Keunggulan potensial dari platform independen:

Opsi residensi data khusus: Penyedia cloud independen atau platform khusus dapat menawarkan kontrol yang lebih terperinci atas tempat data disimpan dan diproses. Hal ini mungkin diperlukan untuk mematuhi undang-undang privasi data regional yang ketat (seperti GDPR atau peraturan nasional tertentu) yang melampaui jaminan umum dari Salesforce Hyperforce.
Arsitektur keamanan alternatif: Organisasi dapat memilih arsitektur yang lebih sesuai dengan persyaratan keamanan spesifik mereka, seperti enkripsi khusus, kontrol akses yang lebih ketat, atau mekanisme isolasi data.
Akuntabilitas vendor langsung: Bekerja langsung dengan vendor AI menciptakan akuntabilitas yang lebih jelas untuk penanganan data, tanpa Salesforce sebagai perantara.

Kesenjangan antara janji pemasaran Trust Layer dan realitas teknisnya, khususnya penonaktifan masking untuk Agentforce, sangat penting untuk penilaian risiko. Pengambil keputusan tidak dapat hanya mengandalkan klaim pemasaran tetapi harus memeriksa implementasi spesifik untuk kasus penggunaan mereka dan membandingkannya dengan kontrol yang berpotensi lebih konsisten atau dapat dikonfigurasi dari platform independen.

Berkaitan dengan ini:

• AI yang Terpercaya: Kartu truf Eropa dan kesempatan untuk mengambil peran utama dalam kecerdasan buatan

Aspek perlindungan dan keamanan data: Einstein Trust Layer vs. platform independen

Privasi dan keamanan data sangat penting bagi Salesforce Einstein Trust Layer dan platform independen. Mengenai masking data, Trust Layer menawarkan dukungan untuk wilayah dan bahasa tertentu, meskipun dengan keterbatasan untuk Agentforce. Platform independen, di sisi lain, dapat menyediakan aturan yang dapat dikonfigurasi dan disesuaikan serta tipe data yang didukung. Masking data dinonaktifkan untuk alur kerja berbasis agen di Trust Layer, sementara seringkali dimungkinkan dengan platform independen, tergantung pada implementasinya, jika penurunan kinerja dapat diterima. Retensi data nol dengan penyedia pihak ketiga dipastikan melalui perjanjian kontraktual, seperti dengan OpenAI; platform independen memungkinkan kontrak langsung atau hosting pada infrastruktur pelanggan sendiri untuk sepenuhnya menghindari pihak ketiga. Jejak audit dicatat di Trust Layer oleh Data Cloud, termasuk konten berbahaya dan masking, sementara platform independen sering menawarkan kemampuan pencatatan dan pemantauan yang lebih detail seperti alat MLOps. Saat mengontrol residensi data, Trust Layer bergantung pada wilayah dan penyediaan Hyperforce, sedangkan platform independen biasanya memungkinkan pemilihan wilayah pusat data yang lebih terperinci. Opsi hosting Salesforce berkisar dari hosting yang dikelola vendor hingga BYOM (Bring Your Own Host) melalui SF Gateway dengan hosting pada mitra seperti AWS atau GCP, dengan Anthropic juga direncanakan untuk area SF. Platform independen, di sisi lain, memungkinkan hosting dalam instance cloud khusus, on-premises, atau di cloud vendor. Mengenai granularitas kontrol, Trust Layer menawarkan opsi yang dapat dikonfigurasi, seperti mendefinisikan aturan masking, sementara arsitektur dasarnya tetap; platform independen seringkali dapat memberikan konfigurasi langkah-langkah keamanan yang lebih komprehensif.

Menghindari Ketergantungan pada Vendor

Integrasi mendalam layanan Salesforce membawa risiko ketergantungan yang kuat pada penyedia layanan tersebut.

Risiko ketergantungan ekosistem

Mengandalkan sepenuhnya pada Salesforce untuk CRM dan AI menciptakan ketergantungan yang signifikan. Hal ini dapat melemahkan posisi tawar Anda dalam hal penyesuaian harga dan membatasi fleksibilitas Anda untuk menggunakan teknologi lain di masa mendatang.

Diversifikasi strategis

Penggunaan platform AI independen mendiversifikasi tumpukan teknologi. Perusahaan dapat memanfaatkan inovasi dari seluruh pasar dan lebih mudah beralih penyedia jika diperlukan. Hal ini mempertahankan fleksibilitas strategis mereka.

Paradoks “Ekosistem Terbuka” Salesforce

Meskipun Salesforce mempromosikan ekosistem terbuka, misalnya melalui BYOM (Bring Your Own Machine), realitas praktis dari integrasi yang mendalam seringkali menyebabkan ketergantungan yang tidak perlu. Bahkan dengan BYOM, manajemen dan penerapan ditangani melalui platform Salesforce, sehingga peralihan menjadi sulit. Kemudahan solusi terintegrasi dapat menyebabkan "ketergantungan lunak," karena ketergantungan yang mendasarinya menjadi kabur, dan beralih ke strategi manajemen atau penerapan yang berbeda menyebabkan hambatan.

Informasi selengkapnya di sini:

• Bahaya ketergantungan pada satu vendor: Mengapa perusahaan harus menghindari ketergantungan

Kedaulatan dan portabilitas data

Kontrol atas data sendiri dan kemampuan untuk memigrasikan model atau data sesuai kebutuhan merupakan aspek strategis yang penting.

Kekhawatiran terkait Einstein Activity Capture (EAC)

Salah satu masalah spesifik berkaitan dengan EAC. Data email dan kalender yang dikumpulkan tidak disimpan sebagai catatan aktivitas standar di Salesforce, tetapi secara eksternal di AWS. Data ini tunduk pada periode retensi terbatas (6 bulan secara default, hingga 24 bulan dengan lisensi berbayar) dan akan hilang jika EAC dinonaktifkan. Hal ini menimbulkan pertanyaan signifikan mengenai kedaulatan data, akses jangka panjang, dan opsi pencadangan. Dalam hal ini, Anda tidak sepenuhnya memiliki data Anda.

Portabilitas model

Model yang dibangun secara native dengan alat Salesforce seperti Einstein Prediction Builder terikat pada platform dan tidak mudah dipindahkan. Meskipun data dasarnya dapat diekspor, model yang telah dilatih itu sendiri tidak dapat ditransfer. Sebaliknya, model yang dikembangkan pada platform eksternal (AWS, GCP, dll.) secara inheren lebih portabel, bahkan jika model tersebut diintegrasikan sementara dengan Salesforce.

Portabilitas data dalam AI independen

Saat menggunakan platform AI eksternal, pemrosesan data inti dan artefak model seringkali tetap berada di luar Salesforce. Hal ini berpotensi menawarkan portabilitas data dan model yang lebih baik jika hubungan dengan Salesforce atau strategi berubah.

Rekomendasi strategis untuk para pengambil keputusan

Memilih strategi AI yang tepat dalam konteks Salesforce memerlukan evaluasi yang mendalam yang melampaui sekadar perbandingan fitur. Rekomendasi berikut dapat membantu para pengambil keputusan:

Evaluasi kasus penggunaan secara kritis

Jangan mengandalkan AI bawaan Salesforce secara otomatis. Evaluasi setiap kasus penggunaan AI secara individual berdasarkan:

• Spesialisasi yang dibutuhkan: Apakah tugas tersebut memerlukan kemampuan AI yang mendalam dan khusus (misalnya, analisis ilmiah yang kompleks, prediksi industri khusus) yang kemungkinan besar akan lebih baik dilayani oleh platform khusus?
• Kebutuhan adaptasi: Seberapa besar kendali atas model, data pelatihan, dan algoritma yang diperlukan? Apakah tingkat abstraksi Salesforce sudah memadai?
• Persyaratan kinerja: Apakah ada persyaratan latensi atau throughput yang ketat yang mungkin lebih baik dipenuhi oleh infrastruktur eksternal yang dioptimalkan?
• Sensitivitas dan kepatuhan data: Apakah kasus penggunaan melibatkan data yang sangat sensitif di mana keterbatasan lapisan kepercayaan (terutama kurangnya penyamaran di Agentforce) menimbulkan risiko yang tidak dapat diterima? Apakah persyaratan residensi data tertentu lebih baik dipenuhi secara eksternal?

untuk menerapkan pendekatan hibrida

Pertimbangkan strategi yang memanfaatkan AI bawaan Salesforce untuk tugas-tugas yang lebih sederhana dan terintegrasi tinggi di mana AI tersebut unggul (misalnya, penilaian prospek dasar, penyusunan draf email di Sales Cloud). Secara bersamaan, integrasikan platform independen untuk kasus penggunaan bernilai tinggi, khusus, atau sangat sensitif.

Pertimbangkan kesiapan integrasi

Lakukan penilaian realistis terhadap sumber daya teknis dan keahlian organisasi untuk menangani kompleksitas integrasi dan pemeliharaan solusi AI eksternal. Mulailah dengan integrasi yang didukung dengan baik (misalnya, AppExchange, konektor cloud yang sudah mapan) sebelum menangani pengembangan internal yang kompleks.

Hitung TCO lengkapnya

Lakukan analisis TCO (Total Cost of Ownership) menyeluruh yang membandingkan total biaya AI bawaan Salesforce (lisensi, penggunaan cloud data, potensi keterbatasan fungsional) dengan biaya AI independen (biaya inti AI + pengembangan/pemeliharaan integrasi + middleware).

Analisis Total Cost of Ownership (TCO) adalah metode untuk menilai total biaya yang terkait dengan perolehan dan pengoperasian suatu teknologi sepanjang siklus hidupnya – termasuk tidak hanya biaya akuisisi, tetapi juga biaya operasional berkelanjutan, pemeliharaan, pelatihan, peningkatan, dan lain sebagainya.

Mengapa platform AI eksternal bisa lebih hemat biaya:

• Skala ekonomi: Penyedia layanan membagi biaya infrastruktur ke banyak pelanggan.
• Investasi lebih rendah: Tidak perlu membangun infrastruktur sendiri.
• Penyebaran yang lebih cepat: Waktu peluncuran produk yang lebih cepat mengurangi biaya tidak langsung.
• Termasuk pemeliharaan & pembaruan: Anda tidak perlu melakukan upaya apa pun terkait operasional TI.
• Bayar sesuai penggunaan: Biaya disesuaikan dengan permintaan.

Analisis TCO (Total Cost of Ownership) sering menunjukkan bahwa platform AI eksternal lebih murah dan lebih fleksibel dalam jangka panjang dibandingkan solusi internal.

Prioritaskan fleksibilitas strategis

Pertimbangkan kemudahan ekosistem Salesforce yang terintegrasi dibandingkan dengan risiko strategis jangka panjang dari ketergantungan pada satu vendor (lihat bagian VB). Sertakan pertimbangan portabilitas ke dalam strategi AI sejak awal.

Tuntut transparansi

Mintalah dokumentasi yang jelas dari semua vendor (termasuk Salesforce dan penyedia independen) mengenai kemampuan model, keterbatasan, praktik pemrosesan data, langkah-langkah keamanan, dan model penetapan harga. Periksa secara kritis klaim pemasaran dan bandingkan dengan realitas teknis.

Berkaitan dengan ini:

• Sistem Manajemen Data dalam Masa Transisi: Strategi untuk Kesuksesan Bisnis di Era AI

Permohonan untuk strategi AI terbuka di dalam Salesforce

Analisis ini jelas menunjukkan bahwa meskipun mengandalkan sepenuhnya pada rangkaian AI bawaan Salesforce menawarkan kemudahan dan integrasi yang mulus dengan proses CRM yang ada, hal itu belum tentu merupakan strategi optimal untuk setiap perusahaan. Mempertimbangkan platform AI independen secara strategis menawarkan keuntungan signifikan: akses ke model yang sangat khusus dan berpotensi lebih canggih, fleksibilitas dan kontrol yang lebih besar atas tumpukan AI, potensi efisiensi biaya melalui model penetapan harga alternatif dan penggunaan infrastruktur yang ada, serta mitigasi risiko penting terkait ketergantungan pada vendor dan kedaulatan data.

Keterbatasan yang teridentifikasi pada Einstein Trust Layer sangat penting, terutama penonaktifan masking data untuk alur kerja Agentforce. Hal ini menggarisbawahi perlunya melihat melampaui janji pemasaran dan memeriksa dengan cermat realitas teknis, khususnya saat memproses data sensitif. Kekhawatiran mengenai portabilitas data, seperti yang diilustrasikan oleh contoh Einstein Activity Capture, juga berfungsi sebagai peringatan terhadap ketergantungan berlebihan pada mekanisme penyimpanan dan pemrosesan milik perusahaan.

Pada saat yang sama, peran Salesforce AI tidak boleh diremehkan. Ia menawarkan solusi yang berharga dan terintegrasi dengan baik untuk banyak tugas CRM standar. Terlepas dari keterbatasannya, Einstein Trust Layer mewakili lapisan tata kelola dan keamanan yang penting. Lebih lanjut, alat low-code memungkinkan demokratisasi adopsi AI yang lebih luas di dalam organisasi.

Strategi yang paling menarik bagi banyak perusahaan kemungkinan besar adalah pendekatan hibrida yang terbuka. Strategi seperti itu memanfaatkan kekuatan AI bawaan Salesforce untuk tugas-tugas terintegrasi sehari-hari, tetapi tidak ragu untuk secara selektif mengintegrasikan solusi AI eksternal terbaik untuk kasus penggunaan spesifik, sangat menuntut, atau strategis. Hal ini membutuhkan peralihan dari pendekatan standar yang hanya menggunakan alat bawaan dan sebagai gantinya melakukan evaluasi yang ketat berdasarkan kasus penggunaan.

Para pengambil keputusan didesak untuk dengan cermat menentukan perpaduan yang tepat antara solusi AI bawaan dan solusi AI mandiri. Keputusan ini harus dipandu oleh persyaratan bisnis spesifik, kemampuan teknis yang ada, toleransi risiko, dan tujuan strategis jangka panjang untuk sepenuhnya memanfaatkan potensi AI dalam ekosistem Salesforce tanpa menciptakan ketergantungan atau risiko yang tidak perlu.

☑️ Dukungan UKM dalam strategi, konsultasi, perencanaan, dan implementasi

☑️ Pembuatan atau penyesuaian kembali strategi AI

☑️ Pengembangan Bisnis Perintis

 

Saya akan dengan senang hati menjadi penasihat pribadi Anda.

Anda dapat menghubungi saya dengan mengisi formulir kontak di bawah ini atau cukup hubungi saya di +49 7348 4088 965 .

Saya sangat menantikan proyek bersama kita.

 

 

Xpert.Digital adalah pusat bagi industri yang berfokus pada digitalisasi, teknik mesin, logistik/intralogistik, dan fotovoltaik.

Dengan solusi Pengembangan Bisnis 360° kami, kami mendukung perusahaan-perusahaan ternama mulai dari bisnis baru hingga layanan purna jual.

Intelijen pasar, smarketing, otomatisasi pemasaran, pengembangan konten, PR, kampanye email, media sosial yang dipersonalisasi, dan pembinaan prospek adalah bagian dari alat digital kami.

Anda dapat menemukan informasi lebih lanjut di: www.xpert.digital - www.xpert.solar - www.xpert.plus