Salesforce AI: Зашто су независне AI платформе боље од Einstein-а и Agentforce-а – Хибридни приступ побеђује зависност од произвођача!

Стратешки значај независних AI платформи у Salesforce-у: Анализа изван Ајнштајна

Сејлсфорс истакнуто позиционира своју изворну вештачку интелигенцију (ВИ) као саставни део своје платформе Customer 360, промовишући је као „ВИ број 1 за CRM“. Основна порука наглашава беспрекорну интеграцију ВИ могућности попут Einstein-а, Agentforce-а и ширег ВИ облака у постојеће токове рада Сејлсфорса како би се повећала продуктивност и персонализовала искуства купаца. Ово обећање једноставне имплементације и коришћења у познатом окружењу одјекује код многих предузећа.
Међутим, Сејлсфорс купци се све више суочавају са стратешком одлуком: Да ли да се ослоне искључиво на Сејлсфорсов изворни ВИ пакет или да размотре интеграцију независних, потенцијално специјализованијих ВИ платформи? Тржиште ВИ се брзо развија, а независни добављачи континуирано уводе високо специјализоване моделе и иновативна решења која могу премашити могућности све-у-једном платформе.

Овај чланак анализира стратешке предности коришћења независних платформи за вештачку интелигенцију у оквиру Salesforce окружења. Критички испитује могућности и ограничења изворне Salesforce вештачке интелигенције, истиче путеве и изазове интеграције и бави се кључним аспектима као што су флексибилност, трошкови, приватност података и везаност за добављача. Циљ је да се обезбеди чврста основа за одлучивање да ли би отворенија стратегија вештачке интелигенције могла бити кориснија за кориснике Salesforce-а него ослањање искључиво на сопствена решења Salesforce-а.

Кључно питање се врти око компромиса између погодности дубоко интегрисаног решења и потенцијалне снаге и специјализације екстерних алата за вештачку интелигенцију. Иако Salesforce наглашава предности своје интегрисане вештачке интелигенције, висок степен специјализације и брз темпо иновација у области вештачке интелигенције захтевају нијансиранији приступ. Један добављач платформе можда неће бити у могућности да пружи изврсност у свим доменима вештачке интелигенције, у поређењу са добављачима који се фокусирају на одређене области. Ова тензија између интеграције и најбољих решења у класи чини срж стратешких разматрања истражених у овом извештају.

У вези са овим:

• Интеграција независне и међусобно повезане платформе за све пословне потребе засноване на вештачкој интелигенцији

Разумевање Salesforce-овог изворног AI пакета (Einstein, Agentforce, AI Cloud)

Salesforce нуди широк спектар вештачке интелигенције (AI) дубоко интегрисаних у своје различите cloud производе, груписане под брендовима Einstein, Agentforce и AI Cloud. Овај пакет има за циљ да оптимизује свакодневне пословне процесе кроз аутоматизацију, предвиђање и персонализоване интеракције.

Функционални преглед по облаку

• Sales Cloud: Основне функције укључују бодовање потенцијалних клијената и могућности на основу њихове вероватноће закључења (Einstein Lead/Opportunity Scoring), прецизније прогнозе прихода (Einstein Forecasting), аутоматско креирање персонализованих продајних имејлова (Sales Emails), резимее продајних позива (Call Summaries) и аутоматско снимање активности из имејлова и календара (Einstein Activity Capture). Einstein Copilot такође пружа контекстуалне акције и подршку током целог процеса продаје.
• Облак услуга: Овде вештачка интелигенција подржава аутоматску класификацију случајева купаца (Класификација случајева), препоручује одговарајуће чланке знања или унапред припремљене одговоре (Препоруке за чланке/одговоре), креира резимее завршених случајева (Резимеи рада) и омогућава коришћење четботова за аутоматизацију стандардних захтева.
• Маркетинг Клауд: Функције вештачке интелигенције помажу у креирању и аутоматском означавању маркетиншког садржаја (генерисање/означавање садржаја), процењују вероватноћу интеракције од стране контаката (бодовање ангажовања), оптимизују време слања за максималне стопе отварања (оптимизација времена слања) и омогућавају детаљну персонализацију кампања и корисничких искустава.
• Commerce Cloud: У овој области, вештачка интелигенција се фокусира на персонализоване препоруке производа, оптимизацију резултата претраге и пружање увида у понашање при куповини ради повећања конверзија.
• Вишеплатформски/Опште: Алати попут Einstein Prediction Builder-а омогућавају администраторима да креирају прилагођене предиктивне моделе без писања кода. Einstein Discovery помаже у проналажењу образаца и увида у подацима. Einstein Next Best Action пружа препоруке у зависности од контекста. Agentforce представља аутономне AI агенте који могу самостално да обављају задатке. Prompt Builder и Copilot Studio омогућавају прилагођавање и креирање AI асистената и упита.

У вези са овим:

• Изван америчког облака: Преглед суверених SaaS понуда + препоруке за акцију

Основна архитектура

Функционалност Salesforce AI-а заснива се на два основна стуба: облаку података и слоју поверења Ајнштајна.

Зависност од облака података

Salesforce Data Cloud делује као централна база података. Он обједињује податке о клијентима из различитих извора (и интерних и екстерних за Salesforce) у поглед од 360 степени. Ови хармонизовани подаци чине основу за многе вештачке интелигенције, посебно генеративну вештачку интелигенцију и персонализацију. Важно је напоменути да одређене могућности генеративне вештачке интелигенције и ревизијска трага слоја поверења захтевају обезбеђивање Data Cloud-а, чак и ако се он не користи интензивно за хармонизацију података. Ово ствара архитектонску зависност и може увести додатну сложеност и потенцијалне трошкове, посебно за компаније које већ имају успостављена складишта података или језера података. Потреба за Data Cloud-ом стога може повећати укупне трошкове власништва (TCO) и представља потенцијално уско грло ако се пажљиво не управља.

Ајнштајнов слој поверења

Овај безбедносни оквир је дизајниран да обезбеди поуздану употребу генеративне вештачке интелигенције. Састоји се од неколико компоненти:

• Безбедно упитевање података: Приступа Salesforce подацима како би обогатио упите релевантним контекстом, узимајући у обзир права приступа одговарајућег корисника.
• Брза одбрана: Системске политике су намењене смањењу халуцинација и штетних излаза из језичких модела (ЛЛМ).
• Маскирање података: Осетљиви подаци као што су лични подаци (PII) или подаци о плаћању (PCI) се маскирају пре него што се пошаљу спољним LLM-овима.
• Процена токсичности: Генерисани одговори се проверавају и процењују на потенцијално штетан садржај.
• Политика задржавања нултих података: Salesforce има споразуме са партнерима као што су OpenAI и Azure OpenAI како би се осигурало да достављени подаци компаније не буду сачувани од стране ових независних добављача нити ће бити коришћени за обучавање њихових модела.

Пажљивији поглед на архитектуру открива да се Salesforce ослања на екстерне моделе великих језика (LLM) од добављача као што су OpenAI, Anthropic или Google за многе своје генеративне вештачке интелигенције. Ови модели се често интегришу путем клауд сервиса као што је AWS Bedrock, при чему Einstein Trust Layer делује као безбедна капија. То значи да Salesforce првенствено делује као интегратор и посредник у безбедности, уместо да само развија сопствене основне генеративне моделе. Иако ово пружа приступ моћним моделима, ствара зависности и поставља питање како се основна вештачка интелигенција разликује од директног коришћења ових модела путем других платформи. Купци у суштини плаћају Salesforce-у за интеграцију, безбедносни слој и уграђивање у токове рада засноване на углавном екстерно доступним моделима вештачке интелигенције. Ово јача аргументе за процену директне интеграције са овим екстерним моделима или платформама.

Препознате предности нативног решења

Упркос поменутим тачкама, изворни пакет Salesforce AI нуди неоспорне предности:

• Беспрекорна интеграција: Функције вештачке интелигенције су дубоко уграђене у кориснички интерфејс и радне процесе Salesforce-а, омогућавајући глатко коришћење.
• Једноставност коришћења и познавање: Постојећи корисници и администратори Salesforce-а се обично брзо сналазе, што скраћује време увођења у рад. Алати са мало кода такође омогућавају корисницима који нису технички потковани да креирају искуства заснована на вештачкој интелигенцији.
• Коришћење постојећих CRM података: Вештачка интелигенција је дизајнирана да ради директно са подацима о купцима сачуваним у Salesforce-у, што може поједноставити припрему података.

Xpert.Digital поседује дубинско знање у различитим индустријама. То нам омогућава да развијемо прилагођене стратегије прецизно усклађене са захтевима и изазовима вашег специфичног тржишног сегмента. Континуираном анализом тржишних трендова и праћењем развоја у индустрији, можемо деловати проактивно и понудити иновативна решења. Комбинација искуства и стручности ствара додатну вредност и пружа нашим клијентима одлучујућу конкурентску предност.

Више информација овде:

• Искористите предности 5 области стручности компаније Xpert.Digital у једном пакету – већ од 500 евра месечно

Аргументи за независне AI платформе у Salesforce-у

Иако природна интеграција Salesforce AI-а нуди предности, постоји неколико убедљивих разлога да озбиљно размотрите укључивање независних AI платформи. Ова екстерна решења могу бити супериорна у областима као што су флексибилност, специјализација, прилагодљивост и потенцијалне трошковне предности.

Флексибилност и специјализација модела

Тржиште вештачке интелигенције карактерише велика динамика и специјализација. Независни добављачи вештачке интелигенције често се фокусирају на одређене домене или технологије, што им омогућава да понуде напреднија или прилагођенија решења у одређеним областима него што то може да уради генерализована платформа попут Salesforce-а.

Приступ најбољим моделима у својој класи

Спољни добављачи често развијају високо специјализоване алгоритме за области као што су обрада природног језика (NLP), рачунарски вид или аналитика специфична за индустрију. Примери укључују специјализовану вештачку интелигенцију за правне документе попут ContractPodAi или дијагностичке алате специфичне за индустрију попут Aquant. Такви специјализовани модели могу надмашити општије моделе уграђене у Salesforce.

Бржи иновациони циклуси

Компаније посвећене вештачкој интелигенцији често могу да развију и објаве нове моделе и функције брже од великог добављача платформи попут Salesforce-а, чији је план развоја вештачке интелигенције везан за шире циклусе објављивања. Ово омогућава компанијама да брже искористе најновија достигнућа у области вештачке интелигенције.

Већи избор модела

Независне платформе или тржишта нуде приступ ширем спектру модела, укључујући нишна решења, опције отвореног кода или моделе од добављача који нису директно доступни путем Salesforce-ове функције „Донеси свој модел“ (BYOM).

У вези са овим:

• Независне платформе за вештачку интелигенцију као стратешка алтернатива за европске компаније

Ова специјализација екстерних добављача је у супротности са ширим приступом компаније Salesforce, који има за циљ да обезбеди основне могућности вештачке интелигенције у целом свом CRM пакету. Иако овај широки приступ осигурава да је вештачка интелигенција доступна у многим областима, то може доћи на штету дубине. Специјализована вештачка интелигенција за откривање превара или алат за анализу медицинских слика вероватно ће надмашити општи CRM-интегрисани модел за те специфичне задатке. Организације са критичним захтевима у специјализованим доменима вештачке интелигенције могу открити да нативна Salesforce вештачка интелигенција није довољна. Независне платформе им омогућавају да изаберу најбољи алат за посао, уместо да се задовоље потенцијално јединим адекватним нативним решењем.

Адаптација и контрола

Независне платформе за вештачку интелигенцију често нуде виши ниво контроле над целим животним циклусом вештачке интелигенције, од припреме података до имплементације и праћења модела.

Детаљно фино подешавање модела

Спољне платформе су често дизајниране за инжењере машинског учења и нуде детаљну контролу над моделима обуке и финог подешавања. Ово превазилази могућности апстрактнијих алата Salesforce-а који захтевају мало кода, као што је Einstein Prediction Builder, или ограничења финог подешавања увезених модела (BYOM) унутар Salesforce-а.

Избор алгоритма и транспарентност

Корисници имају већу слободу у избору специфичних алгоритама и потенцијално добијају већу транспарентност у начину функционисања модела (објашњивост) него кроз слојеве апстракције Salesforce-а. Иако Salesforce нуди алате попут Model Inspector-а, екстерни MLOps алати су често свеобухватнији.

Контрола над вештачком интелигенцијом (AI)

Управљање целим AI процесом (припрема података, обука, имплементација, праћење) на платформама попут AWS-а или Google Cloud-а нуди већу контролу него ослањање на Salesforce-ово управљано окружење.

Ограничења прилагођавања Salesforce-а

Иако Salesforce нуди алатку за креирање садржаја са мало кода за лако прилагођавање, екстерне платформе често омогућавају дубље прилагођавање засновано на коду. Постоје и специфична функционална ограничења са Salesforce AI функцијама, као што су сложени захтеви или приликом прилагођавања Einstein Activity Capture-а, као и општа ограничења платформе.

Потенцијалне трошковне предности

Структуре трошкова за вештачку интелигенцију могу знатно да варирају, а једноставно поређење накнада за лиценцу често није довољно.

Различити модели цена

Сејлсфорс често лиценцира своје вештачке интелигенције по кориснику месечно као додатак постојећим лиценцама за облак. Насупрот томе, цене за самосталне вештачке интелигенције платформе често се заснивају на стварној употреби (време израчунавања, меморија, API позиви). Самостални добављачи вештачке интелигенције, заузврат, могу имати сопствене, потенцијално флексибилније моделе цена. Иако опција „BYOM“ у Сејлсфорсу може смањити трошкове Ајнштајнових захтева, основни трошкови екстерног добављача модела и даље важе.

Укупни трошкови власништва (TCO)

Свеобухватна анализа укупних трошкова власништва (TCO) је кључна. Иако природна интеграција Salesforce AI-а може смањити почетне трошкове интеграције, други фактори могу повећати укупне трошкове: потенцијална потреба за лиценцама или коришћењем Data Cloud-а, релативно високи трошкови по кориснику за AI додатке и могућност плаћања премије за AI моделе који би били јефтиније доступни екстерно. TCO за самостални AI мора да укључује трошкове интеграције, али може имати користи од нижих трошкова коришћења основне AI-а и коришћења постојеће cloud инфраструктуре. Agentforce се такође описује као потенцијално скуп за коришћење (2 долара по разговору).

Избегавање вишка запослених

Употреба независне вештачке интелигенције може омогућити компанијама да искористе постојећа улагања у друге облачне платформе или сопствене инфраструктуре података, чиме се избегавају сувишни трошкови унутар екосистема Salesforce-а.

Salesforce Native AI у односу на независну AI: Поређење карактеристика и флексибилности

Нативна вештачка интелигенција Salesforce-а, као што су Einstein или Agentforce, и независне платформе за вештачку интелигенцију, које често користе специјализоване или отворене моделе, значајно се разликују по својим карактеристикама и флексибилности. Док се нативна вештачка интелигенција Salesforce-а фокусира на опште приступе и CRM апликације, независне платформе често нуде специјализоване моделе и шири избор, укључујући опције отвореног кода. Приступ најновијим моделима са Salesforce-ом зависи од циклуса објављивања и партнерстава, док специјализовани добављачи потенцијално нуде бржа ажурирања. Што се тиче финог подешавања, изворни модели Salesforce-а су често ограничени и апстрактни, на пример, путем алата као што је Prediction Builder, док независне платформе нуде детаљнију контролу над процесом обуке. Избор специфичних алгоритама је ограничен са Salesforce-ом, јер су они обично унапред дефинисани или набављени преко партнера, док независне платформе нуде већу слободу у том погледу. Штавише, Salesforce у потпуности управља инфраструктуром, често заснованом на AWS или GCP, док независне платформе омогућавају директан приступ окружењима за хостовање, било у сопственом облаку компаније или локално. Напор интеграције са Salesforce-ом је низак јер су његова решења изворно интегрисана, док екстерне платформе захтевају више развојног и конфигурационог рада. Што се тиче трошкова, Salesforce често користи модел месечног одређивања цена заснован на корисницима као додатак, док независне платформе често користе цене засноване на потрошњи, као што је цена заснована на рачунарској снази или API позивима, или моделе специфичне за добављача.

Навигација интеграције: Повезивање независне вештачке интелигенције са Salesforce-ом

Избор независне AI платформе захтева пажљиво планирање њене интеграције у постојеће Salesforce окружење. Постоји неколико метода за успостављање ове везе, свака са својим предностима и изазовима.

Методе интеграције

AppExchange / AgentExchange

Salesforce AppExchange нуди широк спектар апликација трећих страна, укључујући решења за вештачку интелигенцију, која често пружају унапред изграђене интеграције. AgentExchange је новије тржиште посебно фокусирано на вештине, теме и шаблоне за вештачку интелигенцију агената од партнера, са циљем да убрза распоређивање вештачких агената. Ово је често најједноставнији приступ, али захтева одговарајућег партнера да понуди решење.

API-ји (REST/SOAP/Bulk/Streaming)

Директно коришћење Salesforce API-ја омогућава прилагођену интеграцију. Програмери могу размењивати податке, покретати процесе у Salesforce-у или враћати резултате из екстерних AI модела. Композитни API може помоћи у ефикасном обједињавању више операција. Ова метода нуди максималну флексибилност, али захтева значајан напор у развоју.

Мидлвер платформе (нпр. MuleSoft)

Интеграционе платформе попут MuleSoft-а (сопствено решење компаније Salesforce) или друге могу деловати као посредници. Оне се баве задацима као што су трансформација података, оркестрација сложених токова рада и управљање повезивањем између Salesforce-а и екстерних AI сервиса.

Конектори за облачне платформе (AWS/GCP)

Велики добављачи услуга у облаку све више нуде специфичне услуге како би олакшали интеграцију са Salesforce-ом. Примери укључују AWS Private Connect за безбедне мрежне везе, AWS Event Relay за пренос догађаја у реалном времену, AWS Glue Salesforce Connector и SageMaker Data Wrangler Connector за припрему података. Google Vertex AI се може интегрисати у Salesforce Data Cloud путем Model Builder-а. Иако ови конектори могу поједноставити интеграцију, они повезују кориснике са екосистемом њихових одговарајућих добављача услуга у облаку.

BYOM преко Ајнштајн студија

Као што је већ поменуто, ова функција вам омогућава да интегришете екстерно хостоване моделе у Salesforce окружење путем Model Builder-а. Захтеви се и даље усмеравају кроз Salesforce инфраструктуру и користе слој поверења, што поједностављује интеграцију, али и ствара одређену зависност.

У вези са овим:

• Интеграција вештачке интелигенције и машинског учења у складишној логистици – Глобални развој у Немачкој, ЕУ, САД и Јапану

Уобичајени изазови интеграције

Интеграција екстерних система са Salesforce-ом није тривијална и представља специфичне изазове:

Ограничења API-ја

Salesforce ограничава број API позива по организацији и временском периоду (нпр. дневно, истовремено). Процеси вештачке интелигенције који интензивно користе податке и често синхронизују или упитују податке могу брзо достићи ова ограничења. То захтева пажљив дизајн (нпр. ограничавање, групну обраду, кеширање) или може захтевати куповину већих Salesforce издања или додатних API квота. Ограничења Streaming API-ја су посебно релевантна за случајеве коришћења у реалном времену.

Синхронизација података

Обезбеђивање конзистентности података између Salesforce-а и екстерне AI платформе је кључно. Изазови укључују руковање великим количинама података (LDV), одлучивање између ажурирања у реалном времену и групних ажурирања, управљање латенцијом и избегавање недоследности података. Приступи попут интеграција нулте копије имају за циљ да ублаже ове проблеме, али можда нису увек применљиви.

Мапирање и трансформација података

Различити модели података, формати и семантика поља морају бити усклађени. Ово може захтевати сложену логику трансформације како би се осигурала исправна интерпретација података.
Безбедност и аутентификација: Безбедно управљање приступним акредитивима (API кључеви, токени), имплементација робусних метода аутентификације (нпр. OAuth 2.0, именовани акредитиви) и обезбеђивање безбедног преноса података (шифровање) су неопходни. Погрешне конфигурације могу довести до безбедносних рањивости.

Обрада грешака и конзистентност података

Интеграције морају бити отпорне на грешке (мрежне проблеме, системске кварове, грешке у подацима). Робусни механизми за евидентирање, праћење и логику аутоматског поновног покушаја су неопходни како би се осигурао интегритет података и минимизирало време застоја.

Сложеност и одржавање

Прилагођене интеграције захтевају континуирано одржавање и прилагођавања, посебно како се Salesforce или екстерна AI платформа развијају. Ово везује ресурсе и захтева техничку стручност.

Сложеност интеграције је често потцењени фактор трошкова. Иако самосталне AI платформе могу понудити ниже основне трошкове или супериорне функције, трошкови и труд интеграције – укључујући време развоја, потенцијалне лиценце посредничког софтвера и текуће одржавање – морају се узети у обзир при израчунавању укупних трошкова власништва (TCO). Salesforce-ова изворна AI користи предности унапред изграђене интеграције. API ограничења могу додатно повећати сложеност и трошкове ако су потребна гломазна заобилазна решења или скупље лиценце. Стога, одлука о коришћењу самосталне AI мора узети у обзир техничке могућности и ресурсе организације за управљање овом сложеношћу интеграције. Лоше испланирана интеграција може поништити предности екстерне платформе.

Успешни обрасци интеграције

Упркос изазовима, постоје успостављени обрасци и алати за успешне интеграције. Студије случаја показују успешну интеграцију AWS SageMaker-а са Salesforce-ом, често користећи специфичне AWS услуге за оптимизацију перформанси и трошкова. Сличне интеграције су могуће са Google Vertex AI, посебно путем Model Builder-а. Алати попут Zapier-а могу се користити за једноставније интеграције без кода за премештање података између система, као што је између Google Sheets-а и Vertex AI-а као замене за Salesforce податке. Коришћење cloud-native конектора и услуга попут AWS Glue-а, EventBridge-а или Private Connect-а такође може значајно поједноставити и осигурати процес интеграције.

Независна AI платформа: Методе интеграције и изазови на први поглед

Независна AI платформа нуди разне методе интеграције, свака са својим специфичним предностима и изазовима. AppExchange или AgentExchange апликације омогућавају једноставну инсталацију унапред направљених апликација или компоненти од партнера уз минималан напор у развоју и често сертификован квалитет. Међутим, прилагодљивост је ограничена и постоји зависност од понуда партнера и потенцијалних трошкова. Директна API интеграција, која омогућава прилагођени развој користећи Salesforce API-је као што су REST, SOAP, Bulk и Streaming, нуди максималну флексибилност и потпуну контролу над протоком података и логиком. Међутим, захтева значајан напор у развоју, управљање ограничењима API-ја, темељне безбедносне ревизије и континуирано одржавање. Коришћење middleware-а као што је MuleSoft поједностављује сложене интеграције кроз повезивање, трансформацију података и оркестрацију. Нуди централизовано управљање и поновну употребу, али захтева додатне трошкове лиценцирања и опсежну обуку за платформу. Cloud конектори попут AWS-а или GCP-а оптимизују интеграције кроз специфичне, понекад нискокодиране, услуге као што су Glue, Event Relay или Private Connect. Оне су обично моћне, безбедне и савршено прилагођене својим одговарајућим cloud екосистемима, али захтевају специјализоване конфигурације и везују корисника за провајдера. Са BYOM-ом преко Einstein Studio-а, екстерно хостовани модели могу се лако интегрисати у Salesforce токове рада, користећи слој поверења и поједностављујући процес интеграције. Међутим, постоје ограничења у погледу подршке за моделе у поређењу са директном употребом, финим подешавањем и зависношћу од Salesforce платформе.

AI мењач правила игре: Најфлексибилнија AI платформа - Решења по мери која смањују трошкове, побољшавају ваше одлуке и повећавају ефикасност

Независна AI платформа: Интегрише све релевантне изворе података компаније

• Ова AI платформа интерагује са свим специфичним изворима података
  • Од SAP-а, Microsoft-а, Jira-е, Confluence-а, Salesforce-а, Zoom-а, Dropbox-а и многих других система за управљање подацима
• Брза интеграција вештачке интелигенције: Прилагођена решења за вештачку интелигенцију за предузећа за сате или дане, уместо месеци
• Флексибилна инфраструктура: базирана на облаку или хостинг у вашем сопственом дата центру (Немачка, Европа, слободан избор локације)

• Максимална безбедност података: његова употреба у адвокатским канцеларијама је непобитан доказ
• Примена у широком спектру извора података предузећа
• Избор сопствених или различитих AI модела (Немачка, ЕУ, САД, Кина)

Изазови које наша вештачка интелигенција решава

• Недостатак компатибилности конвенционалних вештачких интелигенција
• Заштита података и безбедно управљање осетљивим подацима
• Високи трошкови и сложеност индивидуалног развоја вештачке интелигенције
• Недостатак квалификованих стручњака за вештачку интелигенцију
• Интеграција вештачке интелигенције у постојеће ИТ системе

Више информација овде:

• Интеграција независне и међусобно повезане платформе за све пословне потребе засноване на вештачкој интелигенцији

Критична разматрања: Управљање ризицима у независној вештачкој интелигенцији

Одлука за или против независних платформи за вештачку интелигенцију мора такође да укључује пажљиву процену потенцијалних ризика, посебно у областима заштите података, зависности од добављача и суверенитета података.

Заштита и безбедност података

Иако Salesforce позиционира Ајнштајнов слој поверења као гаранцију за безбедно коришћење вештачке интелигенције, детаљнији преглед открива практична ограничења која се морају упоредити са независним решењима.

Ограничења Ајнштајновог слоја поверења:

Онемогућено маскирање података за Agentforce: Кључна тачка је експлицитна изјава да је маскирање података онемогућено за Agentforce токове рада. Дато образложење је да би маскирање нарушило контекстуалну тачност и релевантност резултата, на пример, приликом претраживања сличних налога где су потребни детаљи референтног налога. Ово представља значајан ризик по приватност података, јер би потенцијално осетљиви подаци о клијентима могли бити послати немаскирани спољним LLM-овима, што је посебно проблематично у регулисаним индустријама и противречи обећању „поверења“.
Алтернативно ублажавање (Anthropic): Salesforce планира да понуди Anthropic моделе као алтернативу, који раде унутар „Salesforce поуздане границе“ (хостоване на AWS Bedrock-у). Иако подаци не напуштају контролну сферу Salesforce-а овим приступом, маскирање података остаје онемогућено. Питање је да ли ово адекватно решава проблеме приватности података у поређењу са функционисањем маскирања.
Општа функционалност слоја поверења: Основне функције као што су нулто задржавање код партнера и провере токсичности остају на снази. Међутим, изузетак за Agentforce представља значајно ограничење.

Потенцијалне предности независних платформи:

Опције наменског смештаја података: Независни добављачи услуга у облаку или специјализоване платформе могу понудити детаљнију контролу над тим где се подаци чувају и обрађују. Ово може бити неопходно да би се поштовали строги регионални закони о приватности података (као што је GDPR или специфични национални прописи) који превазилазе општа уверења Salesforce Hyperforce-а.
Алтернативне безбедносне архитектуре: Организације могу да изаберу архитектуре које боље одговарају њиховим специфичним безбедносним захтевима, као што су наменско шифровање, строже контроле приступа или механизми за изолацију података.
Директна одговорност добављача: Директна сарадња са добављачем вештачке интелигенције ствара јаснију одговорност за руковање подацима, без Salesforce-а као посредника.

Разлика између маркетиншког обећања слоја поверења и његове техничке реалности, посебно онемогућеног маскирања за Agentforce, кључна је за процену ризика. Доносиоци одлука не могу се ослањати искључиво на маркетиншке тврдње, већ морају испитати конкретну имплементацију за своје случајеве употребе и упоредити је са потенцијално доследнијим или конфигурабилнијим контролама независних платформи.

У вези са овим:

• Поуздана вештачка интелигенција: Европски адут и шанса да преузме водећу улогу у вештачкој интелигенцији

Заштита података и безбедносни аспекти: Ајнштајнов слој поверења наспрам независних платформи

Приватност и безбедност података су од највеће важности и за Salesforce-ов Ainstein Trust Layer и за независне платформе. Што се тиче маскирања података, Trust Layer нуди подршку за одређене регионе и језике, мада са ограничењима за Agentforce. Независне платформе, с друге стране, могу да обезбеде конфигурабилна и прилагодљива правила и подржане типове података. Маскирање података је онемогућено за токове рада засноване на агентима у Trust Layer-у, док је то често могуће са независним платформама, у зависности од имплементације, ако је деградација перформанси прихватљива. Нулта задржавања података са добављачима трећих страна је обезбеђена кроз уговорне споразуме, као што је са OpenAI; независне платформе омогућавају директне уговоре или хостовање на сопственој инфраструктури клијента како би се потпуно избегле треће стране. Трагови ревизије се бележе у Trust Layer-у од стране Data Cloud-а, укључујући токсични садржај и маскирање, док независне платформе често нуде детаљне могућности евидентирања и праћења као што су MLOps алати. Приликом контроле боравка података, Trust Layer зависи од Hyperforce региона и обезбеђивања, док независне платформе обично омогућавају прецизнији избор региона дата центра. Salesforce-ове опције хостинга крећу се од хостинга којим управљају произвођачи до BYOM (Bring Your Own Host) путем SF Gateway-а са хостингом код партнера као што су AWS или GCP, а Anthropic је такође планиран за подручје SF-а. Независне платформе, с друге стране, омогућавају хостинг у наменској cloud инстанци, локално или у cloud-у произвођача. Што се тиче грануларности контрола, Trust Layer нуди конфигурабилне опције, као што је дефинисање правила маскирања, док је основна архитектура фиксна; независне платформе често могу пружити свеобухватнију конфигурацију безбедносних мера.

Избегавање везаности за добављача

Дубока интеграција Salesforce услуга носи ризик јаке зависности од провајдера.

Ризик од зависности од екосистема

Ослањање искључиво на Salesforce за CRM и вештачку интелигенцију ствара значајну зависност. Ово може ослабити вашу преговарачку позицију када је у питању прилагођавање цена и ограничити вашу флексибилност у коришћењу других технологија у будућности.

Стратешка диверзификација

Коришћење независних платформи за вештачку интелигенцију диверзификује технолошки стек. Компаније могу да искористе иновације са целог тржишта и лакше промене добављаче ако је потребно. Ово одржава њихову стратешку флексибилност.

Парадокс „отвореног екосистема“ компаније Salesforce

Иако Salesforce промовише отворени екосистем, на пример кроз BYOM (Bring Your Own Machine - Донеси своју машину), практична реалност дубоке интеграције често доводи до де факто закључавања. Чак и са BYOM-ом, управљање и имплементација се обављају преко Salesforce платформе, што отежава прелазак. Погодност интегрисаног решења стога може довести до „меке закључаности“, јер су основне зависности прикривене, а прелазак на другу стратегију управљања или имплементације изазива трење.

Више информација овде:

• Опасности од зависности од добављача: Зашто би компаније требало да избегавају зависности

Суверенитет и преносивост података

Контрола над сопственим подацима и могућност миграције модела или података по потреби су важни стратешки аспекти.

Забринутости у вези са снимањем активности Ајнштајна (EAC)

Један специфичан проблем тиче се EAC-а. Прикупљени подаци е-поште и календара се не чувају као стандардни записи активности у Salesforce-у, већ екстерно на AWS-у. Ови подаци подлежу ограниченом периоду чувања (6 месеци подразумевано, до 24 месеца уз плаћену лиценцу) и губе се ако се EAC деактивира. Ово покреће значајна питања у вези са суверенитетом података, дугорочним приступом и опцијама резервне копије. У овом случају, не поседујете у потпуности своје податке.

Преносивост модела

Модели изграђени изворно помоћу Salesforce алата као што је Einstein Prediction Builder су везани за платформу и нису лако преносиви. Иако се основни подаци могу извести, сам обучени модел није преносив. Насупрот томе, модели развијени на екстерним платформама (AWS, GCP, итд.) су инхерентно преносивији, чак и ако су привремено интегрисани са Salesforce-ом.

Преносивост података у независној вештачкој интелигенцији

Када се користе екстерне платформе за вештачку интелигенцију, обрада основних података и артефакти модела често остају ван Salesforce-а. Ово потенцијално нуди бољу преносивост података и модела ако се однос са Salesforce-ом или стратегија промене.

Стратешке препоруке за доносиоце одлука

Избор праве стратегије вештачке интелигенције у контексту Salesforce-а захтева нијансирану процену која иде даље од једноставног поређења карактеристика. Следеће препоруке могу помоћи доносиоцима одлука:

Критички процените случајеве употребе

Не ослањајте се подразумевано на изворну Salesforce вештачку интелигенцију. Процените сваки случај употребе вештачке интелигенције појединачно на основу:

• Потребна специјализација: Да ли задатак захтева дубоке, специјализоване могућности вештачке интелигенције (нпр. сложена научна анализа, предвиђања за нишне индустрије) које ће вероватно боље бити послужене наменском платформом?
• Потребе за адаптацијом: Колико је контроле над моделом, подацима за обуку и алгоритмима потребно? Да ли је ниво апстракције компаније Salesforce довољан?
• Захтеви за перформансе: Да ли постоје строги захтеви за латенцијом или пропусним опсегом који би се могли боље испунити оптимизованом екстерном инфраструктуром?
• Осетљивост података и усклађеност: Да ли случај употребе укључује веома осетљиве податке где ограничења слоја поверења (посебно недостатак маскирања у Agentforce-у) представљају неприхватљиве ризике? Да ли се специфични захтеви за резиденцију података боље испуњавају екстерно?

да се примени хибридни приступ

Размотрите стратегију која користи изворну Salesforce вештачку интелигенцију за једноставније, високо интегрисане задатке где се истиче (нпр. основно бодовање потенцијалних клијената, писање имејлова у Sales Cloud-у). Истовремено, интегришите независне платформе за случајеве употребе високе вредности, специјализоване или веома осетљиве.

Размотрите спремност за интеграцију

Реалистично процените техничке ресурсе и знање организације како бисте се носили са сложеношћу интеграције и одржавања екстерних вештачке интелигенције. Почните са добро подржаним интеграцијама (нпр. AppExchange, успостављени cloud конектори) пре него што се упустите у сложене интерне развојне активности.

Израчунајте комплетан TCO

Спроведите детаљну анализу TCO која упоређује укупне трошкове изворне Salesforce вештачке интелигенције (лиценце, коришћење облака података, потенцијална функционална ограничења) са трошковима независне вештачке интелигенције (основни трошкови вештачке интелигенције + развој/одржавање интеграције + посреднички софтвер).

Анализа укупних трошкова власништва (TCO) је метода за процену укупних трошкова повезаних са стицањем и радом технологије током целог њеног животног циклуса – укључујући не само трошкове набавке, већ и текуће оперативне трошкове, одржавање, обуку, надоградње итд.

Зашто екстерне платформе за вештачку интелигенцију могу бити исплативије:

• Економија обима: Провајдери распоређују трошкове инфраструктуре на више купаца.
• Мања инвестиција: Нема потребе за изградњом сопствене инфраструктуре.
• Брже имплементирање: Брже време пласмана на тржиште смањује индиректне трошкове.
• Одржавање и ажурирања укључени: Није потребан никакав напор са ваше стране за ИТ операције.
• Плаћање по употреби: Трошкови се прилагођавају потражњи.

Анализа TCO често показује да су екстерне AI платформе јефтиније и флексибилније на дужи рок од интерних решења.

Дајте приоритет стратешкој флексибилности

Одмерите погодност интегрисаног Salesforce екосистема у односу на дугорочне стратешке ризике везаности за добављача (видети одељак VB). Укључите разматрања преносивости у стратегију вештачке интелигенције од самог почетка.

Транспарентност потражње

Захтевајте јасну документацију од свих добављача (укључујући Salesforce и независне добављаче) у вези са могућностима модела, ограничењима, праксама обраде података, безбедносним мерама и моделима одређивања цена. Критички испитајте маркетиншке тврдње и упоредите их са техничком реалношћу.

У вези са овим:

• Системи за управљање подацима у транзицији: Стратегије за пословни успех у доба вештачке интелигенције

Апел за отворену стратегију вештачке интелигенције у оквиру Salesforce-а

Анализа јасно показује да, иако ослањање искључиво на Salesforce-ов изворни пакет вештачке интелигенције нуди практичност и беспрекорну интеграцију са постојећим CRM процесима, то није нужно оптимална стратегија за сваку компанију. Стратешко разматрање независних платформи за вештачку интелигенцију нуди значајне предности: приступ високо специјализованим и потенцијално моћнијим моделима, већу флексибилност и контролу над платформом за вештачку интелигенцију, потенцијалне трошковне ефикасности кроз алтернативне моделе цена и коришћење постојеће инфраструктуре, као и кључно ублажавање ризика у вези са везаношћу за добављача и суверенитетом података.

Идентификована ограничења Ајнштајновог слоја поверења су посебно критична, посебно онемогућено маскирање података за токове рада Агентфорса. Ово наглашава потребу да се гледа даље од маркетиншких обећања и пажљиво испита техничка реалност, посебно приликом обраде осетљивих података. Забринутост у вези са преносивошћу података, као што је илустровано примером Ајнштајн активности снимања, такође служи као упозорење против прекомерног ослањања на власничке механизме складиштења и обраде.

Истовремено, не треба потцењивати улогу Salesforce AI-а. Он нуди вредно, добро интегрисано решење за многе стандардне CRM задатке. Упркос својим ограничењима, Einstein Trust Layer представља важан слој управљања и безбедности. Штавише, алати са ниским кодом омогућавају ширу демократизацију усвајања AI-а унутар организација.

Најпривлачнија стратегија за многе компаније вероватно ће бити отворени, хибридни приступ. Таква стратегија користи предности изворне Salesforce вештачке интелигенције за свакодневне, интегрисане задатке, али не избегава селективну интеграцију екстерних, најбољих вештачких интелигенцијских решења за специфичне, веома захтевне или стратешки критичне случајеве употребе. Ово захтева удаљавање од подразумеваног приступа коришћења само изворних алата и уместо тога спровођење ригорозне евалуације засноване на случају употребе.

Доносиоци одлука се позивају да пажљиво одреде праву комбинацију нативних и самосталних вештачке интелигенције. Ова одлука треба да буде вођена специфичним пословним захтевима, постојећим техничким могућностима, толеранцијом на ризик и дугорочним стратешким циљевима како би се у потпуности искористио потенцијал вештачке интелигенције унутар екосистема Salesforce-а без стварања непотребних зависности или ризика.

☑️ Подршка малим и средњим предузећима у стратегији, консултацијама, планирању и имплементацији

☑️ Креирање или преусмеравање стратегије вештачке интелигенције

☑️ Пионирски развој пословања

 

Било би ми драго да вам будем лични саветник.

Можете ме контактирати попуњавањем контакт форме испод или ме једноставно позовите на +49 7348 4088 965 .

Радујем се нашем заједничком пројекту.

 

 

Xpert.Digital је центар за индустрију фокусиран на дигитализацију, машинство, логистику/интралогистику и фотонапонске системе.

Са нашим решењем за развој пословања од 360°, пружамо подршку реномираним компанијама, од нових пословања до постпродајних услуга.

Тржишна интелигенција, маркетиншки маркетинг, маркетиншка аутоматизација, развој садржаја, односи с јавношћу, мејлинг кампање, персонализоване друштвене мреже и неговање потенцијалних клијената су део наших дигиталних алата.

Више информација можете пронаћи на: www.xpert.digital - www.xpert.solar - www.xpert.plus