Salesforce AI: Waarom onafhankelijke AI-platformen beter zijn dan Einstein en Agentforce – Een hybride aanpak voorkomt vendor lock-in!

Het strategische belang van onafhankelijke AI-platformen binnen Salesforce: een analyse die verder gaat dan Einstein

Salesforce positioneert zijn eigen kunstmatige intelligentie (AI) prominent als een integraal onderdeel van zijn Customer 360-platform en promoot het als de "#1 AI voor CRM". De kernboodschap benadrukt de naadloze integratie van AI-functionaliteiten zoals Einstein, Agentforce en de bredere AI Cloud in bestaande Salesforce-workflows om de productiviteit te verhogen en klantervaringen te personaliseren. Deze belofte van eenvoudige implementatie en gebruik in een vertrouwde omgeving spreekt veel bedrijven aan.
Salesforce-klanten staan ​​echter steeds vaker voor een strategische keuze: moeten ze volledig vertrouwen op de eigen AI-suite van Salesforce of overwegen om onafhankelijke, mogelijk meer gespecialiseerde AI-platforms te integreren? De AI-markt ontwikkelt zich snel, met externe leveranciers die continu zeer gespecialiseerde modellen en innovatieve oplossingen introduceren die de mogelijkheden van een alles-in-één platform kunnen overstijgen.

Dit artikel analyseert de strategische voordelen van het gebruik van onafhankelijke AI-platformen binnen de Salesforce-omgeving. Het onderzoekt kritisch de mogelijkheden en beperkingen van de native Salesforce AI, belicht integratiemogelijkheden en -uitdagingen en behandelt belangrijke aspecten zoals flexibiliteit, kosten, gegevensprivacy en vendor lock-in. Het doel is een solide basis te bieden voor de afweging of een meer open AI-strategie wellicht voordeliger is voor Salesforce-gebruikers dan uitsluitend te vertrouwen op de eigen oplossingen van Salesforce.

De kernvraag draait om de afweging tussen het gemak van een diep geïntegreerde oplossing en de potentiële kracht en specialisatie van externe AI-tools. Hoewel Salesforce de voordelen van zijn geïntegreerde AI benadrukt, vereist de hoge mate van specialisatie en het snelle tempo van innovatie op het gebied van AI een meer genuanceerde aanpak. Een enkele platformaanbieder kan mogelijk niet uitmuntend presteren op alle AI-domeinen, in tegenstelling tot aanbieders die zich op specifieke gebieden richten. Deze spanning tussen integratie en de beste oplossingen in hun soort vormt de kern van de strategische overwegingen die in dit rapport worden onderzocht.

Dit is hiermee gerelateerd:

• AI-integratie van een onafhankelijk en data-overkoepelend AI-platform voor alle zakelijke behoeften

Inzicht in de eigen AI-suite van Salesforce (Einstein, Agentforce, AI Cloud)

Salesforce biedt een breed scala aan AI-functionaliteiten die diep geïntegreerd zijn in de verschillende cloudproducten, gegroepeerd onder de merknamen Einstein, Agentforce en AI Cloud. Deze suite is erop gericht dagelijkse bedrijfsprocessen te optimaliseren door middel van automatisering, voorspellingen en gepersonaliseerde interacties.

Functioneel overzicht per cloud

• Sales Cloud: Kernfuncties omvatten het scoren van leads en kansen op basis van hun waarschijnlijkheid van een succesvolle afsluiting (Einstein Lead/Opportunity Scoring), nauwkeurigere omzetprognoses (Einstein Forecasting), het automatisch genereren van gepersonaliseerde verkoopmails (Sales Emails), samenvattingen van verkoopgesprekken (Call Summaries) en het automatisch vastleggen van activiteiten uit e-mails en agenda's (Einstein Activity Capture). De Einstein Copilot biedt bovendien contextbewuste acties en ondersteuning gedurende het gehele verkoopproces.
• Service Cloud: Hier ondersteunt AI de automatische classificatie van klantcases (Case Classification), het aanbevelen van geschikte kennisartikelen of kant-en-klare antwoorden (Article/Reply Recommendations), het maken van samenvattingen van afgeronde cases (Work Summaries) en het gebruik van chatbots om standaardverzoeken te automatiseren.
• Marketing Cloud: AI-functies helpen bij het creëren en automatisch taggen van marketingcontent (Contentgeneratie/Tagging), het inschatten van de kans op interactie met contacten (Engagement Scoring), het optimaliseren van verzendtijden voor maximale openingspercentages (Optimalisatie van verzendtijden) en het mogelijk maken van diepgaande personalisatie van campagnes en klantervaringen.
• Commerce Cloud: Op dit gebied richt AI zich op gepersonaliseerde productaanbevelingen, het optimaliseren van zoekresultaten en het bieden van inzichten in koopgedrag om de conversie te verhogen.
• Platformonafhankelijk/Algemeen: Tools zoals de Einstein Prediction Builder stellen beheerders in staat om aangepaste voorspellende modellen te creëren zonder code te schrijven. Einstein Discovery helpt bij het vinden van patronen en inzichten in data. Einstein Next Best Action biedt contextbewuste aanbevelingen. Agentforce vertegenwoordigt autonome AI-agenten die taken zelfstandig kunnen uitvoeren. Prompt Builder en Copilot Studio maken het mogelijk om AI-gestuurde assistenten en prompts aan te passen en te creëren.

Dit is hiermee gerelateerd:

• Weg uit de Amerikaanse cloud: een overzicht van soevereine SaaS-aanbiedingen + aanbevelingen voor actie

Onderliggende architectuur

De functionaliteit van Salesforce AI is gebaseerd op twee essentiële pijlers: de Data Cloud en de Einstein Trust Layer.

Data Cloud-afhankelijkheid

De Salesforce Data Cloud fungeert als een centrale datafundament. Het verenigt klantgegevens uit verschillende bronnen (zowel intern als extern aan Salesforce) in een 360-gradenbeeld. Deze geharmoniseerde data vormt de basis voor veel AI-toepassingen, met name generatieve AI en personalisatie. Belangrijk is dat bepaalde generatieve AI-functionaliteiten en het auditspoor van de Trust Layer de provisioning van de Data Cloud vereisen, zelfs als deze niet intensief wordt gebruikt voor dataharmonisatie. Dit creëert een architectonische afhankelijkheid en kan extra complexiteit en potentiële kosten met zich meebrengen, met name voor bedrijven die al beschikken over datawarehouses of datalakes. De noodzaak van de Data Cloud kan daarom de totale eigendomskosten (TCO) verhogen en vormt een potentieel knelpunt als deze niet zorgvuldig wordt beheerd.

Einstein-vertrouwenslaag

Dit beveiligingsraamwerk is ontworpen om het betrouwbare gebruik van generatieve AI te waarborgen. Het bestaat uit verschillende componenten:

• Beveiligde gegevensopvraging: Toegang tot Salesforce-gegevens om prompts te verrijken met relevante context, rekening houdend met de toegangsrechten van de betreffende gebruiker.
• Snelle verdediging: Het systeembeleid is bedoeld om hallucinaties en schadelijke output van taalmodellen (LLM's) te verminderen.
• Gegevensmaskering: Gevoelige gegevens, zoals persoonsgegevens of betaalgegevens, worden gemaskeerd voordat ze naar externe LLM's worden verzonden.
• Toxiciteitsbeoordeling: De gegenereerde reacties worden gecontroleerd en geëvalueerd op potentieel schadelijke inhoud.
• Beleid inzake nul-gegevensbewaring: Salesforce heeft overeenkomsten met partners zoals OpenAI en Azure OpenAI om ervoor te zorgen dat ingediende bedrijfsgegevens niet door deze externe providers worden opgeslagen en ook niet worden gebruikt om hun modellen te trainen.

Een nadere blik op de architectuur onthult dat Salesforce voor veel van zijn generatieve AI-functionaliteiten afhankelijk is van externe Large Language Models (LLM's) van aanbieders zoals OpenAI, Anthropic of Google. Deze modellen worden vaak geïntegreerd via cloudservices zoals AWS Bedrock, waarbij de Einstein Trust Layer fungeert als een beveiligde gateway. Dit betekent dat Salesforce voornamelijk optreedt als integrator en beveiligingsintermediair, in plaats van uitsluitend zijn eigen generatieve modellen te ontwikkelen. Hoewel dit toegang biedt tot krachtige modellen, creëert het afhankelijkheden en roept het de vraag op hoe de kern-AI-technologie verschilt van het rechtstreeks gebruiken van deze modellen via andere platforms. Klanten betalen Salesforce in feite voor de integratie, de beveiligingslaag en de inbedding in workflows die grotendeels gebaseerd zijn op extern beschikbare AI-modellen. Dit versterkt de argumenten voor het evalueren van directe integratie met deze externe modellen of platforms.

Erkende sterke punten van de native oplossing

Ondanks de genoemde punten biedt de native Salesforce AI-suite onmiskenbare voordelen:

• Naadloze integratie: De AI-functies zijn diep ingebed in de gebruikersinterface en workflows van Salesforce, waardoor een soepel gebruik mogelijk is.
• Gebruiksgemak en herkenbaarheid: bestaande Salesforce-gebruikers en -beheerders vinden doorgaans snel hun weg, wat de onboardingtijd verkort. Low-code tools stellen niet-technische gebruikers bovendien in staat om AI-gestuurde ervaringen te creëren.
• Gebruikmaken van bestaande CRM-gegevens: De AI is ontworpen om direct te werken met klantgegevens die in Salesforce zijn opgeslagen, wat de gegevensvoorbereiding kan vereenvoudigen.

Profiteer van de uitgebreide, vijfvoudige expertise van Xpert.Digital in een compleet servicepakket | R&D, XR, PR & Optimalisatie van digitale zichtbaarheid - Afbeelding: Xpert.Digital

Xpert.Digital beschikt over diepgaande kennis van diverse sectoren. Hierdoor kunnen we strategieën op maat ontwikkelen die precies aansluiten op de behoeften en uitdagingen van uw specifieke marktsegment. Door continu markttrends te analyseren en ontwikkelingen in de sector te volgen, kunnen we proactief handelen en innovatieve oplossingen bieden. De combinatie van ervaring en expertise genereert toegevoegde waarde en geeft onze klanten een doorslaggevend concurrentievoordeel.

Meer informatie vindt u hier:

• Profiteer van de 5 expertisegebieden van Xpert.Digital in één pakket – al vanaf €500 per maand

Argumenten voor onafhankelijke AI-platformen in Salesforce

Hoewel de native integratie van Salesforce AI voordelen biedt, zijn er diverse overtuigende redenen om de inzet van onafhankelijke AI-platformen serieus te overwegen. Deze externe oplossingen kunnen superieur zijn op gebieden zoals flexibiliteit, specialisatie, aanpasbaarheid en potentiële kostenvoordelen.

Flexibiliteit en modelspecialisatie

De AI-markt kenmerkt zich door een hoge dynamiek en specialisatie. Onafhankelijke AI-aanbieders richten zich vaak op specifieke domeinen of technologieën, waardoor ze geavanceerdere of meer op maat gemaakte oplossingen kunnen bieden op bepaalde gebieden dan een generalistisch platform zoals Salesforce.

Toegang tot de beste modellen in hun soort

Externe leveranciers ontwikkelen vaak zeer gespecialiseerde algoritmen voor gebieden zoals natuurlijke taalverwerking (NLP), computervisie of branchespecifieke analyses. Voorbeelden hiervan zijn gespecialiseerde AI voor juridische documenten zoals ContractPodAi of branchespecifieke diagnostische tools zoals Aquant. Dergelijke gespecialiseerde modellen kunnen betere prestaties leveren dan de meer algemene modellen die in Salesforce zijn ingebouwd.

Snellere innovatiecycli

Gespecialiseerde AI-bedrijven kunnen vaak sneller nieuwe modellen en functies ontwikkelen en uitbrengen dan een grote platformaanbieder zoals Salesforce, wiens AI-roadmap gekoppeld is aan bredere releasecycli. Hierdoor kunnen bedrijven sneller profiteren van de nieuwste AI-ontwikkelingen.

Grotere modelvariëteit

Onafhankelijke platforms of marktplaatsen bieden toegang tot een breder scala aan modellen, waaronder niche-oplossingen, open-source opties of modellen van leveranciers die niet rechtstreeks beschikbaar zijn via de "Bring Your Own Model" (BYOM)-functie van Salesforce.

Dit is hiermee gerelateerd:

• Onafhankelijke AI-platformen als strategisch alternatief voor Europese bedrijven

Deze specialisatie van externe leveranciers contrasteert met de bredere aanpak van Salesforce, die erop gericht is om basis-AI-functionaliteiten in de gehele CRM-suite te bieden. Hoewel deze brede aanpak ervoor zorgt dat AI op veel gebieden beschikbaar is, kan dit ten koste gaan van de diepgang. Een gespecialiseerde AI voor fraudedetectie of een tool voor medische beeldanalyse zal waarschijnlijk beter presteren dan een algemeen CRM-geïntegreerd model voor die specifieke taken. Organisaties met kritische eisen op het gebied van gespecialiseerde AI-domeinen zullen wellicht merken dat de native Salesforce AI tekortschiet. Onafhankelijke platforms stellen hen in staat om de beste tool voor de taak te selecteren, in plaats van genoegen te nemen met de mogelijk enige adequate native oplossing.

Aanpassing en controle

Onafhankelijke AI-platformen bieden vaak een hogere mate van controle over de gehele AI-levenscyclus, van datavoorbereiding tot modelimplementatie en monitoring.

Grondige fijnafstelling van het model

Externe platforms zijn vaak ontworpen voor machine learning-engineers en bieden gedetailleerde controle over het trainen en finetunen van modellen. Dit gaat verder dan de mogelijkheden van Salesforce's meer abstracte low-code tools zoals de Einstein Prediction Builder of de beperkingen van het finetunen van geïmporteerde modellen (BYOM) binnen Salesforce.

Algoritme selectie en transparantie

Gebruikers hebben meer vrijheid bij het selecteren van specifieke algoritmen en krijgen mogelijk meer inzicht in hoe de modellen functioneren (verklaarbaarheid) dan via de abstractielagen van Salesforce. Hoewel Salesforce tools zoals de Model Inspector aanbiedt, zijn externe MLOps-tools vaak uitgebreider.

Controle over de AI-stack

Het beheren van de volledige AI-pipeline (datavoorbereiding, training, implementatie, monitoring) op platforms zoals AWS of Google Cloud biedt meer controle dan vertrouwen op de beheerde omgeving van Salesforce.

Salesforce-aanpassingslimieten

Hoewel Salesforce een low-code builder biedt voor eenvoudige aanpassingen, bieden externe platforms vaak de mogelijkheid tot uitgebreidere, codegebaseerde aanpassingen. Daarnaast zijn er specifieke functionele beperkingen verbonden aan de AI-functies van Salesforce, zoals complexe vereisten of bij het aanpassen van Einstein Activity Capture, evenals algemene platformbeperkingen.

Potentiële kostenvoordelen

De kostenstructuren voor AI-oplossingen kunnen aanzienlijk variëren, en een simpele vergelijking van licentiekosten is vaak onvoldoende.

Verschillende prijsmodellen

Salesforce biedt zijn AI-functionaliteiten vaak aan per gebruiker per maand als een add-on voor bestaande cloudlicenties. De prijsstelling voor standalone AI-platforms is daarentegen vaak gebaseerd op het daadwerkelijke gebruik (rekentijd, geheugen, API-aanroepen). Standalone AI-aanbieders hanteren op hun beurt mogelijk hun eigen, wellicht flexibelere prijsmodellen. Hoewel de BYOM-optie in Salesforce de kosten van Einstein Requests kan verlagen, blijven de onderliggende kosten van de externe modelaanbieder van toepassing.

Totale eigendomskosten (TCO)

Een uitgebreide TCO-analyse is cruciaal. Hoewel native integratie van Salesforce AI de initiële integratiekosten kan verlagen, kunnen andere factoren de totale kosten verhogen: de mogelijke noodzaak voor Data Cloud-licenties of -gebruik, de relatief hoge kosten per gebruiker voor AI-add-ons en de mogelijkheid om een ​​premium te betalen voor AI-modellen die extern goedkoper beschikbaar zouden zijn. De TCO voor standalone AI moet de integratiekosten omvatten, maar kan profiteren van lagere gebruikskosten voor de kern-AI en het gebruik van de bestaande cloudinfrastructuur. Agentforce wordt ook beschreven als potentieel duur in gebruik ($2 per gesprek).

Het vermijden van redundantie

Het gebruik van onafhankelijke AI kan bedrijven in staat stellen bestaande investeringen in andere cloudplatformen of hun eigen data-infrastructuren te benutten, waardoor dubbele uitgaven binnen het Salesforce-ecosysteem worden vermeden.

Salesforce Native AI versus onafhankelijke AI: een vergelijking van functies en flexibiliteit

Salesforce Native AI versus onafhankelijke AI: een vergelijking van functies en flexibiliteit – Afbeelding: Xpert.Digital

De native AI-oplossingen van Salesforce, zoals Einstein of Agentforce, en onafhankelijke AI-platformen, die vaak gebruikmaken van gespecialiseerde of open source-modellen, verschillen aanzienlijk in hun functionaliteit en flexibiliteit. Salesforce's native AI richt zich op generalistische benaderingen en CRM-toepassingen, terwijl onafhankelijke platforms vaak gespecialiseerde modellen en een bredere selectie bieden, inclusief open source-opties. Toegang tot de nieuwste modellen bij Salesforce is afhankelijk van releasecycli en partnerschappen, terwijl gespecialiseerde aanbieders mogelijk snellere updates bieden. Wat betreft finetuning zijn native Salesforce-modellen vaak beperkt en abstract, bijvoorbeeld via tools zoals de Prediction Builder, terwijl onafhankelijke platforms meer gedetailleerde controle over het trainingsproces bieden. De keuze aan specifieke algoritmen is beperkt bij Salesforce, omdat deze meestal vooraf gedefinieerd zijn of via partners worden verkregen, terwijl onafhankelijke platforms in dit opzicht meer vrijheid bieden. Bovendien beheert Salesforce de infrastructuur volledig, vaak gebaseerd op AWS of GCP, terwijl onafhankelijke platforms directe toegang tot hostingomgevingen mogelijk maken, zowel in de eigen cloud van het bedrijf als on-premises. Integratie met Salesforce is eenvoudig omdat de oplossingen native geïntegreerd zijn, terwijl externe platforms meer ontwikkelings- en configuratiewerk vereisen. Wat de kosten betreft, hanteert Salesforce vaak een maandelijks prijsmodel op basis van het aantal gebruikers als een extra optie, terwijl onafhankelijke platformen vaak gebruikmaken van op verbruik gebaseerde prijsmodellen, bijvoorbeeld op basis van rekenkracht of API-aanroepen, of leverancierspecifieke modellen.

Integratienavigatie: Onafhankelijke AI verbinden met Salesforce

De keuze voor een onafhankelijk AI-platform vereist een zorgvuldige planning voor de integratie ervan in de bestaande Salesforce-omgeving. Er bestaan ​​verschillende methoden om deze koppeling tot stand te brengen, elk met zijn eigen voordelen en uitdagingen.

Integratiemethoden

AppExchange / AgentExchange

De Salesforce AppExchange biedt een breed scala aan applicaties van derden, waaronder AI-oplossingen, die vaak kant-en-klare integraties bieden. AgentExchange is een nieuwere marktplaats die specifiek gericht is op AI-agentvaardigheden, thema's en sjablonen van partners, met als doel de implementatie van AI-agents te versnellen. Dit is vaak de eenvoudigste aanpak, maar vereist wel een geschikte partner die een oplossing kan bieden.

API's (REST/SOAP/Bulk/Streaming)

Door de Salesforce API's direct te gebruiken, is integratie op maat mogelijk. Ontwikkelaars kunnen gegevens uitwisselen, processen in Salesforce activeren of resultaten van externe AI-modellen terugkoppelen. De Composite API kan helpen om meerdere bewerkingen efficiënt te bundelen. Deze methode biedt maximale flexibiliteit, maar vereist aanzienlijke ontwikkelingsinspanning.

Middlewareplatforms (bijv. MuleSoft)

Integratieplatforms zoals MuleSoft (de eigen oplossing van Salesforce) of andere platforms kunnen als tussenpersonen fungeren. Ze verzorgen taken zoals datatransformatie, het orkestreren van complexe workflows en het beheren van de connectiviteit tussen Salesforce en externe AI-services.

Cloudplatformconnectoren (AWS/GCP)

Grote cloudproviders bieden steeds vaker specifieke services aan om de integratie met Salesforce te vergemakkelijken. Voorbeelden hiervan zijn AWS Private Connect voor beveiligde netwerkverbindingen, AWS Event Relay voor realtime gebeurtenisoverdracht, de AWS Glue Salesforce Connector en de SageMaker Data Wrangler Connector voor gegevensvoorbereiding. Google Vertex AI kan via Model Builder in Salesforce Data Cloud worden geïntegreerd. Hoewel deze connectors de integratie kunnen vereenvoudigen, binden ze gebruikers wel aan het ecosysteem van hun respectievelijke cloudproviders.

BYOM via Einstein Studio

Zoals eerder vermeld, kunt u met deze functie extern gehoste modellen integreren in de Salesforce-omgeving via de Model Builder. Aanvragen worden nog steeds via de Salesforce-infrastructuur verwerkt en maken gebruik van de vertrouwenslaag, wat de integratie vereenvoudigt, maar ook een zekere afhankelijkheid creëert.

Dit is hiermee gerelateerd:

• Integratie van AI en machine learning in magazijnlogistiek – Wereldwijde ontwikkelingen in Duitsland, de EU, de VS en Japan

Gemeenschappelijke integratie-uitdagingen

Het integreren van externe systemen met Salesforce is geen eenvoudige taak en brengt specifieke uitdagingen met zich mee:

API-limieten

Salesforce beperkt het aantal API-aanroepen per organisatie en per tijdsperiode (bijv. dagelijks, gelijktijdig). Data-intensieve AI-processen die frequent gegevens synchroniseren of opvragen, kunnen deze limieten snel bereiken. Dit vereist een zorgvuldig ontwerp (bijv. throttling, batchverwerking, caching) of de aanschaf van hogere Salesforce-edities of extra API-quota. De limieten van de Streaming API zijn met name relevant voor realtime toepassingen.

Gegevenssynchronisatie

Het waarborgen van dataconsistentie tussen Salesforce en het externe AI-platform is cruciaal. Uitdagingen zijn onder andere het verwerken van grote hoeveelheden data (LDV), de keuze tussen realtime en batchupdates, het beheersen van latentie en het voorkomen van data-inconsistenties. Benaderingen zoals zero-copy-integraties zijn erop gericht deze problemen te verhelpen, maar zijn niet altijd toepasbaar.

Gegevensmapping en -transformatie

Verschillende datamodellen, -formaten en veldsemantiek moeten op elkaar worden afgestemd. Dit kan complexe transformatielogica vereisen om een ​​correcte interpretatie van de gegevens te garanderen.
Beveiliging en authenticatie: Veilig beheer van toegangsgegevens (API-sleutels, tokens), implementatie van robuuste authenticatiemethoden (bijv. OAuth 2.0, named credentials) en het waarborgen van veilige gegevensoverdracht (encryptie) zijn essentieel. Verkeerde configuraties kunnen leiden tot beveiligingslekken.

Foutafhandeling en gegevensconsistentie

Integraties moeten bestand zijn tegen fouten (netwerkproblemen, systeemstoringen, datafouten). Robuuste mechanismen voor logging, monitoring en automatische herhalingslogica zijn noodzakelijk om de data-integriteit te waarborgen en downtime te minimaliseren.

Complexiteit en onderhoud

Maatwerkintegraties vereisen continu onderhoud en aanpassingen, vooral naarmate Salesforce of het externe AI-platform zich verder ontwikkelt. Dit legt beslag op resources en vereist technische expertise.

De complexiteit van integratie is een vaak onderschatte kostenfactor. Hoewel op zichzelf staande AI-platformen lagere kernkosten of superieure functionaliteiten kunnen bieden, moeten de kosten en inspanningen van integratie – inclusief ontwikkeltijd, potentiële middlewarelicenties en doorlopend onderhoud – worden meegenomen in de berekening van de totale eigendomskosten (TCO). Salesforce's native AI profiteert van vooraf gebouwde integratiemogelijkheden. API-beperkingen kunnen de complexiteit en kosten verder verhogen als omslachtige oplossingen of duurdere licenties nodig zijn. Daarom moet bij de beslissing om een ​​op zichzelf staand AI-platform te gebruiken rekening worden gehouden met de technische mogelijkheden en middelen van de organisatie om deze integratiecomplexiteit te beheren. Een slecht geplande integratie kan de voordelen van het externe platform tenietdoen.

Succesvolle integratiepatronen

Ondanks de uitdagingen bestaan ​​er gevestigde patronen en tools voor succesvolle integraties. Casestudies tonen de succesvolle integratie van AWS SageMaker met Salesforce aan, waarbij vaak specifieke AWS-services worden gebruikt om de prestaties en kosten te optimaliseren. Vergelijkbare integraties zijn mogelijk met Google Vertex AI, met name via de Model Builder. Tools zoals Zapier kunnen worden gebruikt voor eenvoudigere, codevrije integraties om gegevens tussen systemen te verplaatsen, bijvoorbeeld tussen Google Sheets en Vertex AI als proxy voor Salesforce-gegevens. Het gebruik van cloud-native connectors en services zoals AWS Glue, EventBridge of Private Connect kan het integratieproces ook aanzienlijk vereenvoudigen en beveiligen.

Onafhankelijk AI-platform: integratiemethoden en -uitdagingen in één oogopslag

Onafhankelijk AI-platform: Integratiemethoden en -uitdagingen in één oogopslag – Afbeelding: Xpert.Digital

Het onafhankelijke AI-platform biedt diverse integratiemethoden, elk met zijn eigen specifieke voordelen en uitdagingen. AppExchange- of AgentExchange-apps maken de eenvoudige installatie van vooraf gebouwde applicaties of componenten van partners mogelijk met minimale ontwikkelingsinspanning en vaak gecertificeerde kwaliteit. De aanpasbaarheid is echter beperkt en er is een afhankelijkheid van het aanbod van partners en de bijbehorende potentiële kosten. Directe API-integratie, waarmee maatwerkontwikkeling mogelijk is met behulp van Salesforce API's zoals REST, SOAP, Bulk en Streaming, biedt maximale flexibiliteit en volledige controle over de dataflow en logica. Dit vereist echter aanzienlijke ontwikkelingsinspanning, beheer van API-limieten, grondige beveiligingsaudits en doorlopend onderhoud. Middleware zoals MuleSoft vereenvoudigt complexe integraties door middel van connectiviteit, datatransformatie en orchestratie. Het biedt gecentraliseerd beheer en herbruikbaarheid, maar brengt extra licentiekosten en uitgebreide platformtraining met zich mee. Cloudconnectoren zoals AWS of GCP optimaliseren integraties via specifieke, soms low-code, services zoals Glue, Event Relay of Private Connect. Deze zijn doorgaans krachtig, veilig en perfect afgestemd op hun respectievelijke cloud-ecosystemen, maar vereisen gespecialiseerde configuraties en binden de gebruiker aan de provider. Met BYOM via Einstein Studio kunnen extern gehoste modellen eenvoudig worden geïntegreerd in Salesforce-workflows, waarbij gebruik wordt gemaakt van de vertrouwenslaag en het integratieproces wordt vereenvoudigd. Er bestaan ​​echter beperkingen met betrekking tot modelondersteuning in vergelijking met direct gebruik, fijnafstemming en afhankelijkheid van het Salesforce-platform.

Integratie van een onafhankelijk en data-overkoepelend AI-platform voor alle zakelijke behoeften - Afbeelding: Xpert.Digital

Een gamechanger voor AI: het meest flexibele AI-platform - oplossingen op maat die kosten verlagen, uw besluitvorming verbeteren en de efficiëntie verhogen

Onafhankelijk AI-platform: integreert alle relevante bedrijfsgegevensbronnen

• Dit AI-platform communiceert met alle specifieke databronnen
  • Van SAP, Microsoft, Jira, Confluence, Salesforce, Zoom, Dropbox en vele andere systemen voor gegevensbeheer
• Snelle AI-integratie: op maat gemaakte AI-oplossingen voor bedrijven in uren of dagen, in plaats van maanden
• Flexibele infrastructuur: cloudgebaseerd of hosting in uw eigen datacenter (Duitsland, Europa, vrije locatiekeuze)

• Maximale gegevensbeveiliging: het gebruik ervan in advocatenkantoren is daar het onweerlegbare bewijs van
• Implementatie over een breed scala aan bedrijfsgegevensbronnen
• Keuze uit eigen of andere AI-modellen (DE, EU, VS, CN)

Uitdagingen die ons AI-platform oplost

• Onvoldoende geschiktheid van conventionele AI-oplossingen
• Gegevensbescherming en veilig beheer van gevoelige gegevens
• Hoge kosten en complexiteit van individuele AI-ontwikkeling
• Tekort aan gekwalificeerde AI-specialisten
• Integratie van AI in bestaande IT-systemen

Meer informatie vindt u hier:

• AI-integratie van een onafhankelijk en data-overkoepelend AI-platform voor alle zakelijke behoeften

Kritische aandachtspunten: Risicomanagement bij onafhankelijke AI

Bij de beslissing voor of tegen onafhankelijke AI-platformen moet ook een zorgvuldige beoordeling van potentiële risico's plaatsvinden, met name op het gebied van gegevensbescherming, afhankelijkheid van leveranciers en gegevenssoevereiniteit.

Gegevensbescherming en -beveiliging

Hoewel Salesforce de Einstein Trust Layer presenteert als een garantie voor veilig AI-gebruik, onthult een nadere inspectie praktische beperkingen die moeten worden afgewogen tegen onafhankelijke oplossingen.

Beperkingen van de Einstein Trust Layer:

Gegevensmaskering voor Agentforce uitgeschakeld: Een belangrijk punt is de expliciete verklaring dat gegevensmaskering is uitgeschakeld voor Agentforce-workflows. De rechtvaardiging hiervoor is dat maskering de contextuele nauwkeurigheid en relevantie van de resultaten zou aantasten, bijvoorbeeld bij het zoeken naar vergelijkbare accounts waarbij de gegevens van het referentieaccount nodig zijn. Dit vormt een aanzienlijk risico voor de privacy van gegevens, aangezien potentieel gevoelige klantgegevens ongemaskerd naar externe LLM's kunnen worden verzonden. Dit is met name problematisch in gereguleerde sectoren en druist in tegen de belofte van "vertrouwen".
Alternatieve oplossing (antropisch): Salesforce is van plan antropische modellen aan te bieden als alternatief, die draaien binnen een "Salesforce Trusted Boundary" (gehost op AWS Bedrock). Hoewel de gegevens met deze aanpak de controle van Salesforce niet verlaten, blijft gegevensmaskering uitgeschakeld. Het is de vraag of dit de privacyproblemen voldoende oplost in vergelijking met functionerende maskering.
Algemene functionaliteit van de vertrouwenslaag: Kernfuncties zoals zero-retention bij partners en toxiciteitscontroles blijven behouden. De uitzondering voor Agentforce is echter een aanzienlijke beperking.

Mogelijke voordelen van onafhankelijke platforms:

Specifieke opties voor dataopslaglocatie: Onafhankelijke cloudproviders of gespecialiseerde platforms bieden mogelijk meer gedetailleerde controle over waar data wordt opgeslagen en verwerkt. Dit kan nodig zijn om te voldoen aan strenge regionale wetgeving inzake gegevensbescherming (zoals de AVG of specifieke nationale regelgeving) die verder gaat dan de algemene waarborgen van Salesforce Hyperforce.
Alternatieve beveiligingsarchitecturen: Organisaties kunnen kiezen voor architecturen die beter aansluiten op hun specifieke beveiligingsvereisten, zoals specifieke encryptie, strengere toegangscontroles of mechanismen voor data-isolatie.
Directe verantwoordelijkheid van de leverancier: Door rechtstreeks met een AI-leverancier samen te werken, ontstaat er meer duidelijkheid over de verantwoordelijkheid voor de gegevensverwerking, zonder Salesforce als tussenpersoon.

De kloof tussen de marketingbelofte van de Trust Layer en de technische realiteit ervan, met name de uitgeschakelde maskering voor Agentforce, is cruciaal voor risicobeoordeling. Besluitvormers kunnen niet alleen afgaan op marketingclaims, maar moeten de specifieke implementatie voor hun gebruikssituaties onderzoeken en deze vergelijken met de mogelijk consistentere of configureerbare controles van onafhankelijke platforms.

Dit is hiermee gerelateerd:

• Betrouwbare AI: Europa's troefkaart en de kans om een ​​leidende rol te spelen in kunstmatige intelligentie

Aspecten van gegevensbescherming en -beveiliging: Einstein Trust Layer versus onafhankelijke platforms

Aspecten van gegevensbescherming en -beveiliging: Einstein Trust Layer versus onafhankelijke platforms – Afbeelding: Xpert.Digital

Gegevensprivacy en -beveiliging zijn van het grootste belang voor zowel Salesforce's Einstein Trust Layer als onafhankelijke platforms. Wat betreft datamasking biedt de Trust Layer ondersteuning voor specifieke regio's en talen, hoewel dit beperkingen kent voor Agentforce. Onafhankelijke platforms daarentegen bieden configureerbare en aanpasbare regels en ondersteunde gegevenstypen. Datamasking is uitgeschakeld voor agentgebaseerde workflows in de Trust Layer, terwijl dit bij onafhankelijke platforms vaak wel mogelijk is, afhankelijk van de implementatie, mits de prestatievermindering acceptabel is. Het is gegarandeerd dat er geen gegevens worden bewaard bij externe providers via contractuele overeenkomsten, zoals met OpenAI; onafhankelijke platforms maken directe contracten of hosting op de eigen infrastructuur van de klant mogelijk om derden volledig te vermijden. Auditlogboeken worden door de Data Cloud in de Trust Layer vastgelegd, inclusief toxische inhoud en masking, terwijl onafhankelijke platforms vaak gedetailleerde logboekregistratie- en monitoringmogelijkheden bieden, zoals MLOps-tools. Bij het beheren van de dataresidentie is de Trust Layer afhankelijk van de Hyperforce-regio en -provisioning, terwijl onafhankelijke platforms doorgaans een meer gedetailleerde selectie van datacenterregio's mogelijk maken. Salesforce biedt verschillende hostingopties, van hosting door de leverancier tot BYOM (Bring Your Own Host) via de SF Gateway met hosting bij partners zoals AWS of GCP. Anthropic is ook gepland voor de regio San Francisco. Onafhankelijke platformen bieden daarentegen de mogelijkheid tot hosting in een dedicated cloud-instance, on-premises of in de cloud van de leverancier. Wat betreft de granulariteit van de controles, biedt de Trust Layer configureerbare opties, zoals het definiëren van maskeerregels, terwijl de basisarchitectuur vastligt. Onafhankelijke platformen bieden vaak een uitgebreidere configureerbaarheid van de beveiligingsmaatregelen.

Vendor lock-in vermijden

De diepe integratie van Salesforce-services brengt het risico met zich mee van een sterke afhankelijkheid van de leverancier.

Risico van ecosysteemafhankelijkheid

Door volledig op Salesforce te vertrouwen voor CRM en AI ontstaat een aanzienlijke afhankelijkheid. Dit kan uw onderhandelingspositie bij prijsaanpassingen verzwakken en uw flexibiliteit beperken om in de toekomst andere technologieën te gebruiken.

Strategische diversificatie

Het gebruik van onafhankelijke AI-platformen zorgt voor meer diversiteit in de technologie-infrastructuur. Bedrijven kunnen profiteren van innovaties uit de hele markt en indien nodig gemakkelijker van leverancier wisselen. Dit behoudt hun strategische flexibiliteit.

De paradox van Salesforce's "open ecosysteem"

Hoewel Salesforce een open ecosysteem promoot, bijvoorbeeld via BYOM (Bring Your Own Machine), leidt de praktische realiteit van diepe integratie vaak tot een feitelijke afhankelijkheid. Zelfs met BYOM worden beheer en implementatie via het Salesforce-platform afgehandeld, waardoor overstappen lastig is. Het gemak van de geïntegreerde oplossing kan dus leiden tot een "zachte afhankelijkheid", omdat de onderliggende afhankelijkheden verborgen blijven en overstappen naar een andere beheer- of implementatiestrategie wrijving veroorzaakt.

Meer informatie vindt u hier:

• De gevaren van vendor lock-in: waarom bedrijven afhankelijkheden moeten vermijden

Gegevenssoevereiniteit en -overdraagbaarheid

Controle over de eigen data en de mogelijkheid om modellen of data naar behoefte te migreren, zijn belangrijke strategische aspecten.

Bezorgdheid over Einstein-activiteitsregistratie (EAC)

Een specifiek probleem betreft EAC. De vastgelegde e-mail- en agendagegevens worden niet als standaard activiteitsrecords in Salesforce opgeslagen, maar extern op AWS. Deze gegevens zijn onderworpen aan een beperkte bewaartermijn (standaard 6 maanden, tot 24 maanden met een betaalde licentie) en gaan verloren als EAC wordt gedeactiveerd. Dit roept belangrijke vragen op over gegevenssoevereiniteit, toegang op lange termijn en back-upmogelijkheden. In dit geval bent u niet volledig eigenaar van uw gegevens.

Modeloverdraagbaarheid

Modellen die rechtstreeks met Salesforce-tools zoals de Einstein Prediction Builder zijn ontwikkeld, zijn aan het platform gebonden en niet gemakkelijk overdraagbaar. Hoewel de onderliggende data geëxporteerd kunnen worden, is het getrainde model zelf niet overdraagbaar. Modellen die op externe platforms (AWS, GCP, enz.) zijn ontwikkeld, zijn daarentegen inherent beter overdraagbaar, zelfs als ze tijdelijk met Salesforce zijn geïntegreerd.

Dataportabiliteit in onafhankelijke AI

Bij het gebruik van externe AI-platformen blijven de kernprocessen voor gegevensverwerking en modelartefacten vaak buiten Salesforce. Dit biedt mogelijk een betere overdraagbaarheid van gegevens en modellen als de relatie met Salesforce of de strategie verandert.

Strategische aanbevelingen voor besluitvormers

Het kiezen van de juiste AI-strategie binnen Salesforce vereist een genuanceerde evaluatie die verder gaat dan een simpele vergelijking van functies. De volgende aanbevelingen kunnen besluitvormers hierbij helpen:

Gebruiksscenario's kritisch evalueren

Vertrouw niet standaard op de ingebouwde AI van Salesforce. Evalueer elk AI-gebruiksscenario afzonderlijk op basis van:

• Vereiste specialisatie: Vereist de taak diepgaande, gespecialiseerde AI-mogelijkheden (bijv. complexe wetenschappelijke analyses, voorspellingen voor specifieke sectoren) die waarschijnlijk beter tot hun recht komen op een speciaal daarvoor ontwikkeld platform?
• Aanpassingsbehoeften: Hoeveel controle over het model, de trainingsgegevens en de algoritmen is nodig? Is het abstractieniveau van Salesforce voldoende?
• Prestatie-eisen: Zijn er strikte eisen met betrekking tot latentie of doorvoer die mogelijk beter kunnen worden vervuld door geoptimaliseerde externe infrastructuur?
• Gevoeligheid en naleving van gegevens: Gaat het in dit gebruiksscenario om zeer gevoelige gegevens waarbij de beperkingen van de vertrouwenslaag (met name het ontbreken van maskering in Agentforce) onaanvaardbare risico's met zich meebrengen? Kunnen specifieke vereisten voor gegevensopslag beter extern worden nageleefd?

een hybride aanpak nastreven

Overweeg een strategie waarbij u gebruikmaakt van de native Salesforce AI voor eenvoudigere, sterk geïntegreerde taken waarin deze uitblinkt (bijvoorbeeld basisleadscoring, het opstellen van e-mails in Sales Cloud). Integreer tegelijkertijd onafhankelijke platforms voor waardevolle, gespecialiseerde of zeer gevoelige toepassingen.

Overweeg de gereedheid voor integratie

Beoordeel realistisch de technische middelen en expertise van de organisatie om de complexiteit van het integreren en onderhouden van externe AI-oplossingen aan te kunnen. Begin met goed ondersteunde integraties (bijv. AppExchange, gevestigde cloudconnectoren) voordat u zich waagt aan complexe interne ontwikkelingen.

Bereken de totale eigendomskosten (TCO)

Voer een grondige TCO-analyse uit die de totale kosten van native Salesforce AI (licenties, gebruik van de datacloud, mogelijke functionele beperkingen) vergelijkt met die van onafhankelijke AI (kosten voor de kern-AI + ontwikkeling/onderhoud van de integratie + middleware).

De Total Cost of Ownership (TCO)-analyse is een methode om de totale kosten te beoordelen die gepaard gaan met de aanschaf en het gebruik van een technologie gedurende de gehele levenscyclus. Dit omvat niet alleen de aanschafkosten, maar ook de lopende operationele kosten, onderhoud, training, upgrades, enzovoort.

Waarom externe AI-platformen kostenefficiënter kunnen zijn:

• Schaalvoordelen: Aanbieders verdelen de infrastructuurkosten over een groot aantal klanten.
• Lagere investering: U hoeft geen eigen infrastructuur aan te leggen.
• Snellere implementatie: Een snellere marktintroductie verlaagt de indirecte kosten.
• Onderhoud en updates inbegrepen: U hoeft zich nergens voor in te spannen wat betreft IT-beheer.
• Betalen per gebruik: de kosten passen zich aan de vraag aan.

Een TCO-analyse laat vaak zien dat externe AI-platformen op de lange termijn goedkoper en flexibeler zijn dan interne oplossingen.

Geef prioriteit aan strategische flexibiliteit

Weeg het gemak van het geïntegreerde Salesforce-ecosysteem af tegen de strategische risico's op lange termijn van vendor lock-in (zie paragraaf VB). Neem overwegingen met betrekking tot portabiliteit vanaf het begin mee in de AI-strategie.

Eis transparantie

Eis duidelijke documentatie van alle leveranciers (inclusief Salesforce en onafhankelijke aanbieders) met betrekking tot de mogelijkheden en beperkingen van het model, de gegevensverwerkingspraktijken, de beveiligingsmaatregelen en de prijsmodellen. Onderzoek marketingclaims kritisch en vergelijk ze met de technische realiteit.

Dit is hiermee gerelateerd:

• Datamanagementsystemen in transitie: strategieën voor zakelijk succes in het AI-tijdperk

Een pleidooi voor een open AI-strategie binnen Salesforce

De analyse laat duidelijk zien dat hoewel het uitsluitend vertrouwen op Salesforce's eigen AI-suite gemak en naadloze integratie met bestaande CRM-processen biedt, dit niet per se de optimale strategie is voor elk bedrijf. Strategisch overwegen van onafhankelijke AI-platformen biedt aanzienlijke voordelen: toegang tot zeer gespecialiseerde en potentieel krachtigere modellen, grotere flexibiliteit en controle over de AI-stack, potentiële kostenbesparingen door alternatieve prijsmodellen en het gebruik van bestaande infrastructuur, en cruciale risicobeperking met betrekking tot vendor lock-in en data-soevereiniteit.

De vastgestelde beperkingen van de Einstein Trust Layer zijn bijzonder kritisch, met name de uitgeschakelde datamasking voor Agentforce-workflows. Dit onderstreept de noodzaak om verder te kijken dan marketingbeloftes en de technische realiteit zorgvuldig te onderzoeken, vooral bij de verwerking van gevoelige gegevens. Zorgen over dataportabiliteit, zoals geïllustreerd door het voorbeeld van Einstein Activity Capture, dienen tevens als waarschuwing tegen overmatige afhankelijkheid van eigen opslag- en verwerkingsmechanismen.

Tegelijkertijd mag de rol van Salesforce AI niet worden onderschat. Het biedt een waardevolle, goed geïntegreerde oplossing voor veel standaard CRM-taken. Ondanks de beperkingen vormt de Einstein Trust Layer een belangrijke laag voor governance en beveiliging. Bovendien maken de low-code tools een bredere democratisering van de adoptie van AI binnen organisaties mogelijk.

De meest aantrekkelijke strategie voor veel bedrijven is waarschijnlijk een open, hybride aanpak. Zo'n strategie benut de sterke punten van de native Salesforce AI voor dagelijkse, geïntegreerde taken, maar schuwt ook niet de selectieve integratie van externe, toonaangevende AI-oplossingen voor specifieke, veeleisende of strategisch cruciale use cases. Dit vereist dat men afstapt van de standaardaanpak waarbij alleen native tools worden gebruikt en in plaats daarvan een grondige, op use cases gebaseerde evaluatie uitvoert.

Besluitvormers worden aangeraden om zorgvuldig de juiste mix van native en standalone AI-oplossingen te bepalen. Deze beslissing moet worden gebaseerd op specifieke bedrijfsvereisten, bestaande technische mogelijkheden, risicobereidheid en strategische langetermijndoelen, om het potentieel van AI binnen het Salesforce-ecosysteem volledig te benutten zonder onnodige afhankelijkheden of risico's te creëren.

☑️ Ondersteuning van het MKB op het gebied van strategie, advies, planning en implementatie

☑️ Opzetten of herzien van de AI-strategie

☑️ Pionier in bedrijfsontwikkeling

Konrad Wolfenstein

Ik sta graag tot uw beschikking als uw persoonlijke adviseur.

U kunt contact met mij opnemen door onderstaand contactformulier in te vullen of mij te bellen op +49 89 89 674 804 (München) .

Ik kijk uit naar ons gezamenlijke project.

Xpert.Digital is een platform voor de industrie, gericht op digitalisering, werktuigbouwkunde, logistiek/intralogistiek en fotovoltaïsche energie.

Met onze 360°-oplossing voor bedrijfsontwikkeling ondersteunen we gerenommeerde bedrijven van acquisitie tot aftersales.

Marktinformatie, social media marketing, marketingautomatisering, contentontwikkeling, PR, mailcampagnes, gepersonaliseerde social media en lead nurturing behoren tot onze digitale tools.

Meer informatie vindt u op: www.xpert.digital - www.xpert.solar - www.xpert.plus