Salesforce AI: Dlaczego niezależne platformy AI są lepsze niż Einstein i Agentforce – hybrydowe podejście pozwala pokonać uzależnienie od dostawcy!

Strategiczne znaczenie niezależnych platform AI w Salesforce: analiza wykraczająca poza Einsteina

Salesforce kładzie duży nacisk na swoją natywną sztuczną inteligencję (AI) jako integralną część platformy Customer 360, promując ją jako „AI nr 1 dla CRM”. Kluczowy przekaz podkreśla płynną integrację możliwości AI, takich jak Einstein, Agentforce i szerszy obszar AI Cloud, z istniejącymi procesami pracy Salesforce, w celu zwiększenia produktywności i personalizacji obsługi klienta. Ta obietnica łatwej implementacji i użytkowania w znanym środowisku znajduje oddźwięk wśród wielu firm.
Jednak klienci Salesforce coraz częściej stają przed strategiczną decyzją: czy polegać wyłącznie na natywnym pakiecie AI Salesforce, czy rozważyć integrację niezależnych, potencjalnie bardziej wyspecjalizowanych platform AI? Rynek AI dynamicznie się rozwija, a zewnętrzni dostawcy stale wprowadzają wysoce wyspecjalizowane modele i innowacyjne rozwiązania, które mogą przekraczać możliwości platformy typu „wszystko w jednym”.

W tym artykule analizowane są strategiczne korzyści wynikające z wykorzystania niezależnych platform sztucznej inteligencji (AI) w środowisku Salesforce. Krytycznie analizuje on możliwości i ograniczenia natywnej sztucznej inteligencji Salesforce, wskazuje ścieżki integracji i wyzwania z nią związane oraz omawia kluczowe aspekty, takie jak elastyczność, koszty, prywatność danych i uzależnienie od dostawcy. Celem jest stworzenie solidnej podstawy do podjęcia decyzji, czy bardziej otwarta strategia AI może być korzystniejsza dla użytkowników Salesforce niż poleganie wyłącznie na własnych rozwiązaniach Salesforce.

Kluczowe pytanie dotyczy kompromisu między wygodą głęboko zintegrowanego rozwiązania a potencjalną mocą i specjalizacją zewnętrznych narzędzi AI. Chociaż Salesforce podkreśla korzyści płynące ze swojej zintegrowanej AI, wysoki stopień specjalizacji i szybkie tempo innowacji w dziedzinie AI wymagają bardziej zniuansowanego podejścia. Pojedynczy dostawca platformy może nie być w stanie zapewnić doskonałości we wszystkich domenach AI w porównaniu z dostawcami koncentrującymi się na określonych obszarach. To napięcie między integracją a najlepszymi w swojej klasie rozwiązaniami stanowi sedno rozważań strategicznych omówionych w niniejszym raporcie.

W związku z tym:

• Integracja sztucznej inteligencji z niezależną platformą AI obsługującą wiele źródeł danych, zaspokajającą wszystkie potrzeby biznesowe

Zrozumienie natywnego pakietu AI firmy Salesforce (Einstein, Agentforce, AI Cloud)

Salesforce oferuje szeroki wachlarz możliwości sztucznej inteligencji (AI), głęboko zintegrowanych z różnymi produktami chmurowymi, zgrupowanymi pod markami Einstein, Agentforce i AI Cloud. Ten pakiet ma na celu optymalizację codziennych procesów biznesowych poprzez automatyzację, predykcję i spersonalizowane interakcje.

Przegląd funkcjonalny według chmury

• Sales Cloud: Podstawowe funkcje obejmują punktację leadów i szans sprzedaży na podstawie prawdopodobieństwa ich sfinalizowania (Einstein Lead/Opportunity Scoring), dokładniejsze prognozy przychodów (Einstein Forecasting), automatyczne tworzenie spersonalizowanych e-maili sprzedażowych (Sales Emails), podsumowania rozmów handlowych (Call Summaries) oraz automatyczne rejestrowanie aktywności z wiadomości e-mail i kalendarzy (Einstein Activity Capture). Einstein Copilot zapewnia również działania zależne od kontekstu i wsparcie w całym procesie sprzedaży.
• Service Cloud: w tym przypadku sztuczna inteligencja obsługuje automatyczną klasyfikację spraw klientów (klasyfikacja spraw), rekomenduje odpowiednie artykuły wiedzy lub gotowe odpowiedzi (rekomendacje artykułów/odpowiedzi), tworzy podsumowania zakończonych spraw (podsumowania prac) i umożliwia wykorzystanie chatbotów do automatyzacji standardowych żądań.
• Marketing Cloud: funkcje sztucznej inteligencji pomagają w tworzeniu i automatycznym tagowaniu treści marketingowych (Generowanie treści/Tagowanie), oceniają prawdopodobieństwo interakcji ze strony kontaktów (Ocena zaangażowania), optymalizują czas wysyłania w celu uzyskania maksymalnego wskaźnika otwarć (Optymalizacja czasu wysyłania) oraz umożliwiają dogłębną personalizację kampanii i doświadczeń klientów.
• Commerce Cloud: W tym obszarze sztuczna inteligencja koncentruje się na spersonalizowanych rekomendacjach produktów, optymalizacji wyników wyszukiwania i dostarczaniu informacji na temat zachowań zakupowych w celu zwiększenia konwersji.
• Wieloplatformowość/ogólne: Narzędzia takie jak Einstein Prediction Builder umożliwiają administratorom tworzenie niestandardowych modeli predykcyjnych bez pisania kodu. Einstein Discovery pomaga w wyszukiwaniu wzorców i wyciąganiu wniosków z danych. Einstein Next Best Action zapewnia rekomendacje uwzględniające kontekst. Agentforce to autonomiczni agenci AI, którzy mogą samodzielnie wykonywać zadania. Prompt Builder i Copilot Studio umożliwiają personalizację i tworzenie asystentów i podpowiedzi opartych na sztucznej inteligencji.

W związku z tym:

• Poza chmurą amerykańską: przegląd suwerennych ofert SaaS + rekomendacje działań

Podstawowa architektura

Funkcjonalność Salesforce AI opiera się na dwóch podstawowych filarach: chmurze danych i warstwie zaufania Einstein.

Zależność od chmury danych

Chmura danych Salesforce pełni funkcję centralnej bazy danych. Ujednolica dane klientów z różnych źródeł (zarówno wewnętrznych, jak i zewnętrznych w stosunku do Salesforce) w 360-stopniowym widoku. Te zharmonizowane dane stanowią podstawę wielu aplikacji AI, zwłaszcza generatywnej AI i personalizacji. Co ważne, niektóre funkcje generatywnej AI oraz ścieżka audytu warstwy zaufania wymagają wdrożenia chmury danych, nawet jeśli nie jest ona intensywnie wykorzystywana do harmonizacji danych. Tworzy to zależność architektoniczną i może wprowadzać dodatkową złożoność oraz potencjalne koszty, szczególnie dla firm, które posiadają już ugruntowane magazyny danych lub jeziora danych. Potrzeba chmury danych może zatem zwiększyć całkowity koszt posiadania (TCO) i stanowić potencjalne wąskie gardło, jeśli nie będzie odpowiednio zarządzana.

Warstwa zaufania Einsteina

Ta struktura bezpieczeństwa ma na celu zapewnienie niezawodnego korzystania z generatywnej sztucznej inteligencji. Składa się z kilku komponentów:

• Bezpieczne wyszukiwanie danych: Uzyskuje dostęp do danych Salesforce w celu wzbogacenia monitów o odpowiedni kontekst, biorąc pod uwagę uprawnienia dostępu danego użytkownika.
• Szybka obrona: Zasady systemu mają na celu ograniczenie halucynacji i szkodliwych wyników modeli językowych (LLM).
• Maskowanie danych: Dane wrażliwe, takie jak dane osobowe (PII) lub dane dotyczące płatności (PCI) są maskowane przed wysłaniem do zewnętrznych LLM.
• Ocena toksyczności: Wygenerowane odpowiedzi są sprawdzane i oceniane pod kątem potencjalnie szkodliwych treści.
• Polityka zerowego przechowywania danych: Salesforce zawarł umowy z partnerami, takimi jak OpenAI i Azure OpenAI, aby zagwarantować, że przesłane dane firmy nie będą przechowywane przez tych zewnętrznych dostawców ani wykorzystywane do trenowania ich modeli.

Bliższe przyjrzenie się architekturze ujawnia, że ​​Salesforce opiera się na zewnętrznych modelach LLM (Large Language Models) od dostawców takich jak OpenAI, Anthropic czy Google w zakresie wielu swoich generatywnych możliwości AI. Modele te są często integrowane za pośrednictwem usług chmurowych, takich jak AWS Bedrock, a warstwa zaufania Einsteina pełni funkcję bezpiecznej bramy. Oznacza to, że Salesforce działa przede wszystkim jako integrator i pośrednik bezpieczeństwa, a nie wyłącznie rozwija własne, podstawowe modele generatywne. Chociaż zapewnia to dostęp do zaawansowanych modeli, tworzy zależności i rodzi pytanie, czym podstawowa technologia AI różni się od bezpośredniego korzystania z tych modeli za pośrednictwem innych platform. Klienci płacą Salesforce za integrację, warstwę bezpieczeństwa i osadzanie w przepływach pracy opartych w dużej mierze na zewnętrznych modelach AI. To wzmacnia argument za oceną bezpośredniej integracji z tymi zewnętrznymi modelami lub platformami.

Uznane mocne strony rozwiązania natywnego

Pomimo wymienionych punktów, natywny pakiet Salesforce AI oferuje niezaprzeczalne korzyści:

• Bezproblemowa integracja: funkcje sztucznej inteligencji są głęboko osadzone w interfejsie użytkownika i przepływach pracy Salesforce, umożliwiając płynne korzystanie z nich.
• Łatwość obsługi i znajomość: Obecni użytkownicy i administratorzy Salesforce zazwyczaj szybko się z nim zapoznają, co skraca czas wdrożenia. Narzędzia low-code umożliwiają również użytkownikom bez wiedzy technicznej tworzenie rozwiązań opartych na sztucznej inteligencji.
• Wykorzystanie istniejących danych CRM: Sztuczna inteligencja została zaprojektowana tak, aby pracować bezpośrednio z danymi klientów przechowywanymi w Salesforce, co może uprościć przygotowywanie danych.

Skorzystaj z bogatej, pięciokrotnej wiedzy specjalistycznej Xpert.Digital w ramach kompleksowego pakietu usług | Badania i rozwój, XR, PR i optymalizacja widoczności cyfrowej — Zdjęcie: Xpert.Digital

Xpert.Digital posiada dogłębną wiedzę z różnych branż. Pozwala nam to opracowywać strategie dopasowane do indywidualnych potrzeb i wyzwań konkretnego segmentu rynku. Dzięki ciągłej analizie trendów rynkowych i monitorowaniu rozwoju branży, możemy działać proaktywnie i oferować innowacyjne rozwiązania. Połączenie doświadczenia i wiedzy specjalistycznej generuje wartość dodaną i zapewnia naszym klientom zdecydowaną przewagę konkurencyjną.

Więcej informacji tutaj:

• Skorzystaj z pakietu obejmującego 5 obszarów specjalizacji Xpert.Digital – już od 500 € miesięcznie

Argumenty za niezależnymi platformami AI w Salesforce

Chociaż natywna integracja Salesforce AI oferuje korzyści, istnieje kilka przekonujących powodów, dla których warto poważnie rozważyć wdrożenie niezależnych platform AI. Te zewnętrzne rozwiązania mogą okazać się lepsze w takich obszarach jak elastyczność, specjalizacja, adaptowalność i potencjalne korzyści kosztowe.

Elastyczność i specjalizacja modeli

Rynek sztucznej inteligencji (AI) charakteryzuje się dużą dynamiką i specjalizacją. Niezależni dostawcy rozwiązań AI często koncentrują się na konkretnych domenach lub technologiach, co pozwala im oferować bardziej zaawansowane lub dostosowane rozwiązania w określonych obszarach niż platforma ogólna, taka jak Salesforce.

Dostęp do najlepszych w swojej klasie modeli

Zewnętrzni dostawcy często opracowują wysoce wyspecjalizowane algorytmy dla takich obszarów jak przetwarzanie języka naturalnego (NLP), rozpoznawanie obrazów czy analityka branżowa. Przykładami są wyspecjalizowana sztuczna inteligencja dla dokumentów prawnych, taka jak ContractPodAi, lub branżowe narzędzia diagnostyczne, takie jak Aquant. Takie wyspecjalizowane modele mogą przewyższać bardziej ogólne modele wbudowane w Salesforce.

Szybsze cykle innowacji

Firmy specjalizujące się w sztucznej inteligencji (AI) często mogą opracowywać i wprowadzać na rynek nowe modele i funkcje szybciej niż duży dostawca platformy, taki jak Salesforce, którego plan rozwoju AI jest powiązany z szerszymi cyklami wydawniczymi. Pozwala to firmom szybciej korzystać z najnowszych osiągnięć w dziedzinie AI.

Większa różnorodność modeli

Niezależne platformy lub rynki oferują dostęp do szerszej gamy modeli, w tym rozwiązań niszowych, opcji open source lub modeli od dostawców, którzy nie są bezpośrednio dostępni za pośrednictwem funkcji „Bring Your Own Model” (BYOM) platformy Salesforce.

W związku z tym:

• Niezależne platformy AI jako strategiczna alternatywa dla europejskich firm

Ta specjalizacja zewnętrznych dostawców kontrastuje z szerszym podejściem Salesforce, które ma na celu zapewnienie podstawowych funkcji AI w całym pakiecie CRM. Chociaż to szerokie podejście zapewnia dostępność AI w wielu obszarach, może to wiązać się z ograniczeniem głębi. Specjalistyczna sztuczna inteligencja do wykrywania oszustw lub narzędzie do analizy obrazów medycznych prawdopodobnie przewyższą ogólny model zintegrowany z CRM w tych konkretnych zadaniach. Organizacje z krytycznymi wymaganiami w zakresie wyspecjalizowanych domen AI mogą stwierdzić, że natywna sztuczna inteligencja Salesforce nie spełnia ich oczekiwań. Niezależne platformy pozwalają im wybrać najlepsze narzędzie do danego zadania, zamiast zadowalać się potencjalnie jedynym odpowiednim rozwiązaniem natywnym.

Adaptacja i kontrola

Niezależne platformy AI często oferują wyższy poziom kontroli nad całym cyklem życia AI — od przygotowywania danych po wdrażanie modelu i monitorowanie.

Dogłębne dostrajanie modelu

Platformy zewnętrzne są często projektowane dla inżynierów uczenia maszynowego i oferują szczegółową kontrolę nad modelami treningowymi i dostrajania. Wykracza to poza możliwości bardziej abstrakcyjnych narzędzi low-code Salesforce, takich jak Einstein Prediction Builder, czy ograniczenia dostrajania importowanych modeli (BYOM) w Salesforce.

Wybór algorytmu i przejrzystość

Użytkownicy mają większą swobodę w wyborze konkretnych algorytmów i potencjalnie większą przejrzystość działania modeli (możliwość ich wyjaśnienia) niż warstwy abstrakcji Salesforce. Chociaż Salesforce oferuje narzędzia takie jak Model Inspector, zewnętrzne narzędzia MLOps są często bardziej kompleksowe.

Kontrola nad stosem AI

Zarządzanie całym procesem sztucznej inteligencji (przygotowanie danych, szkolenie, wdrażanie, monitorowanie) na platformach takich jak AWS lub Google Cloud zapewnia większą kontrolę niż w przypadku korzystania ze środowiska zarządzanego Salesforce.

Limity dostosowywania Salesforce

Chociaż Salesforce oferuje kreator low-code, który ułatwia personalizację, platformy zewnętrzne często umożliwiają bardziej szczegółową personalizację opartą na kodzie. Istnieją również specyficzne ograniczenia funkcjonalne funkcji Salesforce AI, takie jak złożone wymagania lub dostosowywanie funkcji Einstein Activity Capture, a także ogólne ograniczenia platformy.

Potencjalne korzyści kosztowe

Koszty rozwiązań z zakresu sztucznej inteligencji mogą się znacznie różnić, a proste porównanie opłat licencyjnych często okazuje się niewystarczające.

Różne modele cenowe

Salesforce często udziela licencji na swoje możliwości AI na użytkownika miesięcznie, jako dodatek do istniejących licencji chmurowych. Natomiast ceny samodzielnych platform AI często zależą od rzeczywistego wykorzystania (czasu obliczeniowego, pamięci, wywołań API). Samodzielni dostawcy AI mogą z kolei stosować własne, potencjalnie bardziej elastyczne modele cenowe. Chociaż opcja BYOM w Salesforce może obniżyć koszt żądań Einstein, koszty bazowe zewnętrznego dostawcy modelu nadal obowiązują.

Całkowity koszt posiadania (TCO)

Kompleksowa analiza całkowitego kosztu posiadania (TCO) jest kluczowa. Chociaż natywna integracja Salesforce AI może obniżyć początkowe koszty integracji, inne czynniki mogą zwiększyć całkowity koszt: potencjalna potrzeba licencji lub użytkowania Data Cloud, stosunkowo wysokie koszty dodatków AI przypadające na użytkownika oraz możliwość płacenia premii za modele AI, które byłyby tańsze w przypadku rozwiązań zewnętrznych. Całkowity koszt posiadania (TCO) autonomicznej AI musi uwzględniać koszty integracji, ale może skorzystać z niższych kosztów użytkowania podstawowej AI i wykorzystania istniejącej infrastruktury chmurowej. Agentforce jest również opisywany jako potencjalnie drogi w użyciu (2 dolary za rozmowę).

Unikanie redundancji

Zastosowanie niezależnej sztucznej inteligencji może umożliwić firmom wykorzystanie istniejących inwestycji w inne platformy chmurowe lub własną infrastrukturę danych, unikając w ten sposób zbędnych wydatków w ekosystemie Salesforce.

Salesforce Native AI kontra niezależna AI: Porównanie funkcji i elastyczności

Salesforce Native AI kontra niezależna AI: Porównanie funkcji i elastyczności – Zdjęcie: Xpert.Digital

Natywna sztuczna inteligencja Salesforce, taka jak Einstein czy Agentforce, oraz niezależne platformy sztucznej inteligencji, które często wykorzystują specjalistyczne lub otwarte modele, różnią się znacząco pod względem funkcji i elastyczności. Podczas gdy natywna sztuczna inteligencja Salesforce koncentruje się na podejściach ogólnych i aplikacjach CRM, platformy niezależne często oferują modele specjalistyczne i szerszy wybór, w tym opcje open source. Dostęp do najnowszych modeli w Salesforce zależy od cykli wydań i partnerstw, podczas gdy wyspecjalizowani dostawcy potencjalnie oferują szybsze aktualizacje. Jeśli chodzi o dostrajanie, natywne modele Salesforce są często ograniczone i abstrakcyjne, na przykład za pośrednictwem narzędzi takich jak Prediction Builder, podczas gdy platformy niezależne oferują bardziej szczegółową kontrolę nad procesem uczenia. Wybór konkretnych algorytmów jest ograniczony w Salesforce, ponieważ są one zazwyczaj predefiniowane lub pozyskiwane od partnerów, podczas gdy platformy niezależne oferują większą swobodę w tym zakresie. Co więcej, Salesforce w pełni zarządza infrastrukturą, często opartą na AWS lub GCP, podczas gdy platformy niezależne umożliwiają bezpośredni dostęp do środowisk hostingowych, zarówno w chmurze firmy, jak i lokalnie. Nakład pracy na integrację z Salesforce jest niewielki, ponieważ jego rozwiązania są natywnie zintegrowane, podczas gdy platformy zewnętrzne wymagają więcej prac programistycznych i konfiguracyjnych. Jeśli chodzi o koszty, Salesforce często stosuje dodatkowy, miesięczny model cenowy oparty na liczbie użytkowników, podczas gdy niezależne platformy często stosują ceny uzależnione od zużycia, np. na podstawie mocy obliczeniowej lub wywołań API, bądź modele specyficzne dla dostawcy.

Nawigacja integracji: łączenie niezależnej sztucznej inteligencji z Salesforce

Wybór niezależnej platformy AI wymaga starannego zaplanowania jej integracji z istniejącym środowiskiem Salesforce. Istnieje kilka metod nawiązania tego połączenia, z których każda ma swoje zalety i wyzwania.

Metody integracji

Wymiana aplikacji / wymiana agentów

Salesforce AppExchange oferuje szeroką gamę aplikacji firm trzecich, w tym rozwiązania AI, które często oferują gotowe integracje. AgentExchange to nowsza platforma, która koncentruje się na umiejętnościach agentów AI, motywach i szablonach od partnerów, a jej celem jest przyspieszenie wdrażania agentów AI. Często jest to najprostsze podejście, ale wymaga odpowiedniego partnera, który zaoferuje rozwiązanie.

Interfejsy API (REST/SOAP/Masowe/Streaming)

Bezpośrednie korzystanie z interfejsów API Salesforce umożliwia spersonalizowaną integrację. Programiści mogą wymieniać się danymi, uruchamiać procesy w Salesforce lub przesyłać wyniki z zewnętrznych modeli AI. Interfejs API Composite pozwala efektywnie łączyć wiele operacji. Ta metoda oferuje maksymalną elastyczność, ale wymaga znacznego nakładu pracy programistycznej.

Platformy oprogramowania pośredniczącego (np. MuleSoft)

Platformy integracyjne, takie jak MuleSoft (własne rozwiązanie Salesforce) lub inne, mogą pełnić rolę pośredników. Zajmują się one takimi zadaniami, jak transformacja danych, koordynacja złożonych przepływów pracy oraz zarządzanie łącznością między Salesforce a zewnętrznymi usługami AI.

Łączniki platformy chmurowej (AWS/GCP)

Duzi dostawcy usług w chmurze coraz częściej oferują specjalistyczne usługi ułatwiające integrację z Salesforce. Przykładami są AWS Private Connect do bezpiecznych połączeń sieciowych, AWS Event Relay do transmisji zdarzeń w czasie rzeczywistym, AWS Glue Salesforce Connector oraz SageMaker Data Wrangler Connector do przygotowywania danych. Google Vertex AI można zintegrować z Salesforce Data Cloud za pomocą Model Builder. Chociaż te łączniki upraszczają integrację, wiążą użytkowników z ekosystemem odpowiednich dostawców usług w chmurze.

BYOM za pośrednictwem Einstein Studio

Jak wspomniano wcześniej, ta funkcja umożliwia integrację modeli hostowanych zewnętrznie ze środowiskiem Salesforce za pośrednictwem Kreatora Modeli. Żądania nadal są kierowane przez infrastrukturę Salesforce i korzystają z warstwy zaufania, co upraszcza integrację, ale jednocześnie tworzy pewną zależność.

W związku z tym:

• Integracja sztucznej inteligencji i uczenia maszynowego w logistyce magazynowej – globalne trendy w Niemczech, UE, USA i Japonii

Typowe wyzwania integracyjne

Integracja systemów zewnętrznych z Salesforce nie jest trywialna i wiąże się z konkretnymi wyzwaniami:

Limity API

Salesforce ogranicza liczbę wywołań API na organizację i okres (np. codziennie, jednocześnie). Procesy AI intensywnie wykorzystujące dane, które często synchronizują lub przeszukują dane, mogą szybko osiągnąć te limity. Wymaga to starannego projektowania (np. ograniczania przepustowości, przetwarzania wsadowego, buforowania) lub zakupu wyższych edycji Salesforce lub dodatkowych limitów API. Limity API strumieniowego są szczególnie istotne w przypadku zastosowań w czasie rzeczywistym.

Synchronizacja danych

Zapewnienie spójności danych między Salesforce a zewnętrzną platformą AI jest kluczowe. Wyzwania obejmują obsługę dużych wolumenów danych (LDV), decydowanie o tym, czy aktualizacje będą realizowane w czasie rzeczywistym, czy w partiach, zarządzanie opóźnieniami oraz unikanie niespójności danych. Podejścia takie jak integracje typu „zero-copy” mają na celu złagodzenie tych problemów, ale nie zawsze są możliwe do zastosowania.

Mapowanie i transformacja danych

Różne modele danych, formaty i semantyka pól muszą być ze sobą spójne. Może to wymagać złożonej logiki transformacji, aby zapewnić poprawną interpretację danych.
Bezpieczeństwo i uwierzytelnianie: Bezpieczne zarządzanie danymi uwierzytelniającymi (klucze API, tokeny), wdrożenie solidnych metod uwierzytelniania (np. OAuth 2.0, nazwane dane uwierzytelniające) oraz zapewnienie bezpiecznej transmisji danych (szyfrowanie) są niezbędne. Błędy w konfiguracji mogą prowadzić do luk w zabezpieczeniach.

Obsługa błędów i spójność danych

Integracje muszą być odporne na błędy (problemy z siecią, awarie systemu, błędy danych). Solidne mechanizmy rejestrowania, monitorowania i logika automatycznego ponawiania prób są niezbędne do zapewnienia integralności danych i minimalizacji przestojów.

Złożoność i konserwacja

Niestandardowe integracje wymagają ciągłej konserwacji i modyfikacji, zwłaszcza w miarę rozwoju Salesforce lub zewnętrznej platformy AI. To angażuje zasoby i wymaga specjalistycznej wiedzy technicznej.

Złożoność integracji jest często niedocenianym czynnikiem kosztowym. Chociaż samodzielne platformy AI mogą oferować niższe koszty podstawowe lub lepsze funkcje, koszty i nakład pracy związany z integracją – w tym czas rozwoju, potencjalne licencje na oprogramowanie pośredniczące i bieżące utrzymanie – muszą zostać uwzględnione w kalkulacji całkowitego kosztu posiadania (TCO). Natywna sztuczna inteligencja Salesforce korzysta z gotowych integracji. Ograniczenia API mogą dodatkowo zwiększyć złożoność i koszty, jeśli wymagane są uciążliwe obejścia lub droższe licencje. Dlatego decyzja o zastosowaniu samodzielnej AI musi uwzględniać możliwości techniczne i zasoby organizacji w zakresie zarządzania tą złożonością integracji. Źle zaplanowana integracja może zniweczyć korzyści płynące z platformy zewnętrznej.

Udane wzorce integracji

Pomimo wyzwań, istnieją ugruntowane wzorce i narzędzia umożliwiające udaną integrację. Studia przypadków pokazują udaną integrację AWS SageMaker z Salesforce, często wykorzystującą określone usługi AWS w celu optymalizacji wydajności i kosztów. Podobne integracje są możliwe z Google Vertex AI, szczególnie za pośrednictwem Model Builder. Narzędzia takie jak Zapier umożliwiają prostszą, bezkodową integrację i przesyłanie danych między systemami, na przykład między Arkuszami Google a Vertex AI jako serwerem proxy dla danych Salesforce. Wykorzystanie natywnych dla chmury konektorów i usług, takich jak AWS Glue, EventBridge czy Private Connect, może również znacznie uprościć i zabezpieczyć proces integracji.

Niezależna platforma AI: Metody integracji i wyzwania w skrócie

Niezależna platforma AI: Metody integracji i wyzwania w skrócie – Zdjęcie: Xpert.Digital

Niezależna platforma AI oferuje różnorodne metody integracji, z których każda ma swoje specyficzne zalety i wyzwania. Aplikacje AppExchange lub AgentExchange umożliwiają łatwą instalację gotowych aplikacji lub komponentów od partnerów przy minimalnym nakładzie pracy programistycznej i często o certyfikowanej jakości. Jednak możliwości personalizacji są ograniczone, a ponadto istnieje zależność od ofert partnerów i potencjalnych kosztów. Bezpośrednia integracja API, która umożliwia niestandardowe tworzenie aplikacji z wykorzystaniem interfejsów API Salesforce, takich jak REST, SOAP, Bulk i Streaming, oferuje maksymalną elastyczność i pełną kontrolę nad przepływem danych i logiką. Wymaga jednak znacznego nakładu pracy programistycznej, zarządzania limitami API, dokładnych audytów bezpieczeństwa i bieżącej konserwacji. Korzystanie z oprogramowania pośredniczącego, takiego jak MuleSoft, upraszcza złożone integracje poprzez łączność, transformację danych i orkiestrację. Oferuje scentralizowane zarządzanie i możliwość ponownego wykorzystania, ale wymaga dodatkowych kosztów licencji i kompleksowego szkolenia z zakresu obsługi platformy. Konektory chmurowe, takie jak AWS lub GCP, optymalizują integracje za pośrednictwem określonych usług, czasami low-code, takich jak Glue, Event Relay lub Private Connect. Są one zazwyczaj wydajne, bezpieczne i idealnie dopasowane do odpowiednich ekosystemów chmurowych, ale wymagają specjalistycznej konfiguracji i wiążą użytkownika z dostawcą. Dzięki BYOM za pośrednictwem Einstein Studio, modele hostowane zewnętrznie można łatwo zintegrować z przepływami pracy Salesforce, wykorzystując warstwę zaufania i upraszczając proces integracji. Istnieją jednak ograniczenia dotyczące obsługi modeli w porównaniu z bezpośrednim użyciem, dostrajaniem i zależnością od platformy Salesforce.

Integracja niezależnej platformy AI obsługującej wiele źródeł danych, spełniającej wszystkie potrzeby biznesowe – Zdjęcie: Xpert.Digital

Przełomowa technologia AI: najbardziej elastyczna platforma AI — rozwiązania szyte na miarę, które obniżają koszty, usprawniają podejmowanie decyzji i zwiększają wydajność

Niezależna platforma AI: integruje wszystkie istotne źródła danych firmy

• Ta platforma AI współpracuje ze wszystkimi określonymi źródłami danych
  • Z SAP, Microsoft, Jira, Confluence, Salesforce, Zoom, Dropbox i wielu innych systemów zarządzania danymi
• Szybka integracja sztucznej inteligencji: rozwiązania AI szyte na miarę dla firm w ciągu kilku godzin lub dni, a nie miesięcy
• Elastyczna infrastruktura: oparta na chmurze lub hosting we własnym centrum danych (Niemcy, Europa, swobodny wybór lokalizacji)

• Maksymalne bezpieczeństwo danych: jego stosowanie w kancelariach prawnych jest tego niezbitym dowodem
• Wdrażanie w szerokiej gamie źródeł danych przedsiębiorstwa
• Wybór własnych lub różnych modeli AI (DE, EU, USA, CN)

Wyzwania, które rozwiązuje nasza platforma AI

• Brak dopasowania konwencjonalnych rozwiązań AI
• Ochrona danych i bezpieczne zarządzanie poufnymi danymi
• Wysokie koszty i złożoność indywidualnego rozwoju sztucznej inteligencji
• Niedobór wykwalifikowanych specjalistów ds. sztucznej inteligencji
• Integracja sztucznej inteligencji z istniejącymi systemami informatycznymi

Więcej informacji tutaj:

• Integracja sztucznej inteligencji z niezależną platformą AI obsługującą wiele źródeł danych, zaspokajającą wszystkie potrzeby biznesowe

Krytyczne rozważania: Zarządzanie ryzykiem w niezależnej sztucznej inteligencji

Decyzja o tym, czy stworzyć niezależne platformy AI, czy też nie, musi również uwzględniać staranną ocenę potencjalnych zagrożeń, zwłaszcza w obszarach ochrony danych, zależności od dostawców i suwerenności danych.

Ochrona i bezpieczeństwo danych

Chociaż firma Salesforce pozycjonuje Einstein Trust Layer jako gwarancję bezpiecznego korzystania ze sztucznej inteligencji, bliższa analiza ujawnia praktyczne ograniczenia, które należy rozważyć w kontekście niezależnych rozwiązań.

Ograniczenia warstwy zaufania Einsteina:

Wyłączenie maskowania danych w Agentforce: Kluczowym punktem jest wyraźne stwierdzenie, że maskowanie danych jest wyłączone dla przepływów pracy Agentforce. Podano uzasadnienie, że maskowanie mogłoby negatywnie wpłynąć na dokładność kontekstową i trafność wyników, na przykład podczas wyszukiwania podobnych kont, gdzie potrzebne są dane konta referencyjnego. Stanowi to poważne ryzyko dla prywatności danych, ponieważ potencjalnie wrażliwe dane klientów mogłyby zostać przesłane bez maskowania do zewnętrznych systemów LLM, co jest szczególnie problematyczne w branżach regulowanych i stoi w sprzeczności z obietnicą „zaufania”.
Alternatywne rozwiązanie (Anthropic): Salesforce planuje oferować modele Anthropic jako alternatywę, działające w ramach „Zaufanej Granicy Salesforce” (hostowanej na AWS Bedrock). Chociaż dane nie opuszczają strefy kontroli Salesforce dzięki temu podejściu, maskowanie danych pozostaje wyłączone. Wątpliwe jest, czy takie podejście odpowiednio rozwiązuje problemy związane z prywatnością danych w porównaniu z maskowaniem funkcjonalnym.
Ogólna funkcjonalność warstwy zaufania: Podstawowe funkcje, takie jak brak retencji danych u partnerów i kontrola toksyczności, pozostają w mocy. Wyjątek dla Agentforce stanowi jednak istotne ograniczenie.

Potencjalne zalety niezależnych platform:

Dedykowane opcje przechowywania danych: Niezależni dostawcy usług w chmurze lub wyspecjalizowane platformy mogą oferować bardziej szczegółową kontrolę nad miejscem przechowywania i przetwarzania danych. Może to być konieczne w celu przestrzegania surowych regionalnych przepisów o ochronie danych (takich jak RODO lub przepisy krajowe), które wykraczają poza ogólne gwarancje Salesforce Hyperforce.
Alternatywne architektury bezpieczeństwa: Organizacje mogą wybrać architektury lepiej odpowiadające ich specyficznym wymaganiom bezpieczeństwa, takie jak dedykowane szyfrowanie, bardziej rygorystyczne kontrole dostępu lub mechanizmy izolacji danych.
Bezpośrednia odpowiedzialność dostawcy: Współpraca bezpośrednio z dostawcą sztucznej inteligencji zapewnia jaśniejszy podział odpowiedzialności za przetwarzanie danych, bez pośrednictwa Salesforce.

Różnica między obietnicą marketingową warstwy zaufania a jej techniczną rzeczywistością, zwłaszcza w przypadku wyłączonego maskowania w przypadku Agentforce, ma kluczowe znaczenie dla oceny ryzyka. Decydenci nie mogą polegać wyłącznie na zapewnieniach marketingowych, lecz muszą przeanalizować konkretne wdrożenie w swoich przypadkach użycia i porównać je z potencjalnie bardziej spójnymi lub konfigurowalnymi mechanizmami kontroli niezależnych platform.

W związku z tym:

• Godna zaufania sztuczna inteligencja: atut Europy i szansa na objęcie wiodącej roli w dziedzinie sztucznej inteligencji

Aspekty ochrony i bezpieczeństwa danych: Einstein Trust Layer kontra niezależne platformy

Aspekty ochrony i bezpieczeństwa danych: Einstein Trust Layer kontra niezależne platformy – Zdjęcie: Xpert.Digital

Prywatność i bezpieczeństwo danych są priorytetem zarówno dla warstwy zaufania Einstein firmy Salesforce, jak i dla platform niezależnych. Jeśli chodzi o maskowanie danych, warstwa zaufania oferuje wsparcie dla określonych regionów i języków, choć z ograniczeniami dla platformy Agentforce. Platformy niezależne mogą natomiast zapewniać konfigurowalne i dostosowywalne reguły oraz obsługiwane typy danych. Maskowanie danych jest wyłączone dla przepływów pracy opartych na agentach w warstwie zaufania, podczas gdy w przypadku platform niezależnych jest często możliwe, w zależności od implementacji, jeśli spadek wydajności jest akceptowalny. Zerowe retencje danych u dostawców zewnętrznych są gwarantowane poprzez umowy, takie jak z OpenAI; platformy niezależne pozwalają na bezpośrednie umowy lub hosting na własnej infrastrukturze klienta, aby całkowicie uniknąć korzystania z usług podmiotów trzecich. Ślady audytu są rejestrowane w warstwie zaufania przez chmurę danych, w tym toksyczne treści i maskowanie, podczas gdy platformy niezależne często oferują szczegółowe funkcje rejestrowania i monitorowania, takie jak narzędzia MLOps. Kontrolując rezydencję danych, warstwa zaufania zależy od regionu Hyperforce i provisioningu, podczas gdy platformy niezależne zazwyczaj umożliwiają bardziej szczegółowy wybór regionów centrów danych. Opcje hostingu Salesforce obejmują hosting zarządzany przez dostawcę oraz model BYOM (Bring Your Own Host) za pośrednictwem bramy SF, z hostingiem u partnerów takich jak AWS lub GCP, a Anthropic jest również planowany dla obszaru SF. Platformy niezależne umożliwiają natomiast hosting w dedykowanej instancji chmurowej, lokalnie lub w chmurze dostawcy. Jeśli chodzi o szczegółowość kontroli, warstwa zaufania oferuje konfigurowalne opcje, takie jak definiowanie reguł maskowania, podczas gdy podstawowa architektura jest stała; platformy niezależne często zapewniają bardziej kompleksową konfigurowalność zabezpieczeń.

Unikanie uzależnienia od dostawcy

Głęboka integracja usług Salesforce niesie ze sobą ryzyko silnej zależności od dostawcy.

Ryzyko zależności ekosystemowej

Poleganie wyłącznie na Salesforce w zakresie CRM i sztucznej inteligencji tworzy znaczną zależność. Może to osłabić pozycję negocjacyjną w zakresie korekt cen i ograniczyć elastyczność w korzystaniu z innych technologii w przyszłości.

Strategiczna dywersyfikacja

Korzystanie z niezależnych platform AI dywersyfikuje stos technologiczny. Firmy mogą korzystać z innowacji z całego rynku i w razie potrzeby łatwiej zmieniać dostawców. Dzięki temu zachowują strategiczną elastyczność.

Paradoks „otwartego ekosystemu” firmy Salesforce

Chociaż Salesforce promuje otwarty ekosystem, na przykład poprzez model BYOM (Bring Your Own Machine), praktyczna rzeczywistość głębokiej integracji często prowadzi do faktycznego uzależnienia od jednego systemu. Nawet w modelu BYOM zarządzanie i wdrażanie są obsługiwane za pośrednictwem platformy Salesforce, co utrudnia przełączanie. Wygoda zintegrowanego rozwiązania może zatem prowadzić do „miękkiego uzależnienia od jednego systemu”, ponieważ podstawowe zależności są niejasne, a przejście na inną strategię zarządzania lub wdrażania powoduje tarcia.

Więcej informacji tutaj:

• Niebezpieczeństwa związane z uzależnieniem od dostawcy: dlaczego firmy powinny unikać zależności

Suwerenność i przenośność danych

Kontrola nad własnymi danymi i możliwość migrowania modeli lub danych w razie potrzeby stanowią ważne aspekty strategiczne.

Obawy dotyczące Einstein Activity Capture (EAC)

Jeden konkretny problem dotyczy EAC. Przechwycone dane e-mail i kalendarza nie są przechowywane jako standardowe rekordy aktywności w Salesforce, lecz zewnętrznie w AWS. Dane te podlegają ograniczonemu okresowi przechowywania (domyślnie 6 miesięcy, do 24 miesięcy z płatną licencją) i zostają utracone po dezaktywacji EAC. Rodzi to istotne pytania dotyczące suwerenności danych, długoterminowego dostępu i opcji tworzenia kopii zapasowych. W takim przypadku nie jesteś w pełni właścicielem swoich danych.

Przenośność modelu

Modele tworzone natywnie za pomocą narzędzi Salesforce, takich jak Einstein Prediction Builder, są powiązane z platformą i niełatwo je przenosić. Chociaż dane bazowe można wyeksportować, sam wytrenowany model nie jest przenośny. Natomiast modele tworzone na platformach zewnętrznych (AWS, GCP itp.) są z natury bardziej przenośne, nawet jeśli są tymczasowo zintegrowane z Salesforce.

Przenośność danych w niezależnej sztucznej inteligencji

Podczas korzystania z zewnętrznych platform AI, podstawowe przetwarzanie danych i artefakty modeli często pozostają poza Salesforce. Potencjalnie zapewnia to lepszą przenośność danych i modeli w przypadku zmiany relacji z Salesforce lub strategii.

Strategiczne rekomendacje dla decydentów

Wybór właściwej strategii AI w kontekście Salesforce wymaga dogłębnej analizy, wykraczającej poza proste porównanie funkcji. Poniższe rekomendacje mogą pomóc decydentom:

Krytycznie oceń przypadki użycia

Nie polegaj domyślnie na natywnej sztucznej inteligencji Salesforce. Oceń każdy przypadek użycia sztucznej inteligencji indywidualnie, biorąc pod uwagę:

• Wymagana specjalizacja: Czy zadanie wymaga zaawansowanych, specjalistycznych możliwości sztucznej inteligencji (np. złożonej analizy naukowej, prognozowania niszowych branż), które prawdopodobnie lepiej obsłuży dedykowana platforma?
• Potrzeby adaptacyjne: Jaki stopień kontroli nad modelem, danymi szkoleniowymi i algorytmami jest konieczny? Czy poziom abstrakcji Salesforce jest wystarczający?
• Wymagania dotyczące wydajności: Czy istnieją rygorystyczne wymagania dotyczące opóźnień i przepustowości, które można lepiej spełnić, stosując zoptymalizowaną infrastrukturę zewnętrzną?
• Wrażliwość i zgodność danych: Czy przypadek użycia obejmuje wysoce wrażliwe dane, w przypadku których ograniczenia warstwy zaufania (zwłaszcza brak maskowania w Agentforce) stwarzają niedopuszczalne ryzyko? Czy konkretne wymagania dotyczące rezydencji danych lepiej spełnić zewnętrznie?

stosować podejście hybrydowe

Rozważ strategię wykorzystującą natywną sztuczną inteligencję Salesforce do prostszych, wysoce zintegrowanych zadań, w których sprawdza się ona znakomicie (np. podstawowa ocena leadów, tworzenie e-maili w Sales Cloud). Jednocześnie zintegruj niezależne platformy w przypadku zastosowań o wysokiej wartości, specjalistycznych lub wrażliwych.

Weź pod uwagę gotowość do integracji

Realistycznie oceń zasoby techniczne i wiedzę specjalistyczną organizacji, aby sprostać złożoności integracji i utrzymania zewnętrznych rozwiązań AI. Zacznij od dobrze obsługiwanych integracji (np. AppExchange, ugruntowanych konektorów chmurowych), zanim zajmiesz się złożonymi projektami wewnętrznymi.

Oblicz całkowity koszt posiadania

Przeprowadź szczegółową analizę całkowitego kosztu posiadania (TCO), która porównuje całkowity koszt natywnej sztucznej inteligencji Salesforce (licencje, wykorzystanie chmury danych, potencjalne ograniczenia funkcjonalne) z kosztami niezależnej sztucznej inteligencji (koszty podstawowej sztucznej inteligencji + koszty rozwoju/utrzymania integracji + oprogramowanie pośredniczące).

Analiza całkowitego kosztu posiadania (TCO) to metoda oceny całkowitych kosztów związanych z nabyciem i eksploatacją technologii przez cały cykl jej życia – obejmujących nie tylko koszty nabycia, ale także bieżące koszty operacyjne, konserwację, szkolenia, modernizacje itp.

Dlaczego zewnętrzne platformy AI mogą być bardziej opłacalne:

• Efekt skali: Dostawcy rozkładają koszty infrastruktury na wielu klientów.
• Niższe koszty inwestycji: Nie ma potrzeby budowania własnej infrastruktury.
• Szybsze wdrożenie: Krótszy czas wprowadzania produktu na rynek obniża koszty pośrednie.
• W cenie konserwacja i aktualizacje: Nie wymagamy od Ciebie żadnego wysiłku w zakresie operacji informatycznych.
• Płacisz za zużycie: koszty dostosowują się do popytu.

Analiza całkowitego kosztu posiadania (TCO) często pokazuje, że zewnętrzne platformy AI są tańsze i bardziej elastyczne w dłuższej perspektywie niż rozwiązania wewnętrzne.

Priorytetem jest elastyczność strategiczna

Porównaj wygodę zintegrowanego ekosystemu Salesforce z długoterminowym ryzykiem strategicznym związanym z uzależnieniem od jednego dostawcy (patrz sekcja VB). Uwzględnij kwestie przenośności w strategii AI od samego początku.

Żądaj przejrzystości

Żądaj od wszystkich dostawców (w tym Salesforce i niezależnych) jasnej dokumentacji dotyczącej możliwości modelu, ograniczeń, praktyk przetwarzania danych, środków bezpieczeństwa i modeli cenowych. Krytycznie analizuj twierdzenia marketingowe i porównuj je z rzeczywistością techniczną.

W związku z tym:

• Systemy zarządzania danymi w okresie przejściowym: strategie zapewniające sukces biznesowy w erze sztucznej inteligencji

Apel o otwartą strategię sztucznej inteligencji w Salesforce

Analiza wyraźnie pokazuje, że o ile korzystanie wyłącznie z natywnego pakietu AI Salesforce oferuje wygodę i bezproblemową integrację z istniejącymi procesami CRM, o tyle niekoniecznie jest to optymalna strategia dla każdej firmy. Strategiczne rozważenie niezależnych platform AI oferuje znaczące korzyści: dostęp do wysoce wyspecjalizowanych i potencjalnie bardziej wydajnych modeli, większą elastyczność i kontrolę nad pakietem AI, potencjalną oszczędność kosztów dzięki alternatywnym modelom cenowym i wykorzystaniu istniejącej infrastruktury, a także kluczowe ograniczenie ryzyka związanego z uzależnieniem od dostawcy i suwerennością danych.

Zidentyfikowane ograniczenia warstwy zaufania Einstein Trust Layer są szczególnie krytyczne, zwłaszcza wyłączone maskowanie danych w przepływach pracy Agentforce. Podkreśla to potrzebę wyjścia poza obietnice marketingowe i dokładnego zbadania realiów technicznych, zwłaszcza w przypadku przetwarzania danych wrażliwych. Obawy dotyczące przenośności danych, ilustrowane przykładem Einstein Activity Capture, stanowią również ostrzeżenie przed nadmiernym poleganiem na zastrzeżonych mechanizmach przechowywania i przetwarzania.

Jednocześnie nie należy lekceważyć roli Salesforce AI. Oferuje on cenne, dobrze zintegrowane rozwiązanie dla wielu standardowych zadań CRM. Pomimo swoich ograniczeń, warstwa zaufania Einstein stanowi ważną warstwę zarządzania i bezpieczeństwa. Co więcej, narzędzia low-code umożliwiają szerszą demokratyzację wdrażania sztucznej inteligencji w organizacjach.

Najbardziej przekonującą strategią dla wielu firm będzie prawdopodobnie otwarte, hybrydowe podejście. Taka strategia wykorzystuje mocne strony natywnej sztucznej inteligencji Salesforce do codziennych, zintegrowanych zadań, ale nie stroni od selektywnej integracji zewnętrznych, najlepszych w swojej klasie rozwiązań AI w konkretnych, wysoce wymagających lub strategicznie krytycznych przypadkach użycia. Wymaga to odejścia od domyślnego podejścia polegającego na korzystaniu wyłącznie z narzędzi natywnych i przeprowadzenia rygorystycznej oceny opartej na przypadkach użycia.

Decydenci są zachęcani do starannego określenia właściwej kombinacji natywnych i autonomicznych rozwiązań AI. Decyzja ta powinna być podyktowana konkretnymi wymaganiami biznesowymi, istniejącymi możliwościami technicznymi, tolerancją ryzyka oraz długoterminowymi celami strategicznymi, aby w pełni wykorzystać potencjał AI w ekosystemie Salesforce, bez tworzenia niepotrzebnych zależności i ryzyka.

☑️ Wsparcie dla MŚP w zakresie strategii, doradztwa, planowania i wdrażania

☑️ Tworzenie lub reorganizacja strategii AI

☑️ Rozwój pionierskiego biznesu

Konrad Wolfenstein

Chętnie będę pełnić rolę Twojego osobistego doradcy.

Można się ze mną skontaktować, wypełniając formularz kontaktowy poniżej lub po prostu dzwoniąc pod numer +49 7348 4088 965 (Monachium) .

Nie mogę się doczekać naszego wspólnego projektu.

Xpert.Digital to centrum przemysłowe skupiające się na cyfryzacji, inżynierii mechanicznej, logistyce/intralogistyce i fotowoltaice.

Dzięki naszemu rozwiązaniu 360° Business Development wspieramy renomowane firmy od pozyskiwania nowych klientów po obsługę posprzedażową.

Nasze narzędzia cyfrowe obejmują analizę rynku, smarketing, automatyzację marketingu, tworzenie treści, PR, kampanie mailingowe, spersonalizowane media społecznościowe i pielęgnowanie potencjalnych klientów.

Więcej informacji znajdziesz na stronach: www.xpert.digital - www.xpert.solar - www.xpert.plus