Salesforce AI: Чому незалежні платформи штучного інтелекту кращі за Einstein та Agentforce – Гібридний підхід перемагає прив'язку до постачальника!

Стратегічне значення незалежних платформ штучного інтелекту в Salesforce: аналіз, що виходить за рамки Ейнштейна

Salesforce чітко позиціонує свій власний штучний інтелект (ШІ) як невід'ємну частину своєї платформи Customer 360, рекламуючи його як «ШІ №1 для CRM». Основне повідомлення підкреслює безперешкодну інтеграцію можливостей ШІ, таких як Einstein, Agentforce та ширшого AI Cloud, в існуючі робочі процеси Salesforce для підвищення продуктивності та персоналізації взаємодії з клієнтами. Ця обіцянка легкого впровадження та використання в знайомому середовищі знаходить відгук у багатьох компаній.
Однак клієнти Salesforce все частіше стикаються зі стратегічним рішенням: чи варто їм покладатися виключно на власний пакет ШІ Salesforce, чи розглянути інтеграцію незалежних, потенційно більш спеціалізованих платформ ШІ? Ринок ШІ швидко розвивається, і сторонні постачальники постійно впроваджують вузькоспеціалізовані моделі та інноваційні рішення, які можуть перевищувати можливості універсальної платформи.

У цій статті аналізуються стратегічні переваги використання незалежних платформ штучного інтелекту в середовищі Salesforce. У ній критично розглядаються можливості та обмеження власного штучного інтелекту Salesforce, висвітлюються шляхи та проблеми інтеграції, а також розглядаються ключові аспекти, такі як гнучкість, вартість, конфіденційність даних та прив'язка до постачальника. Мета полягає в тому, щоб забезпечити міцну основу для вирішення питання про те, чи може більш відкрита стратегія штучного інтелекту бути більш корисною для користувачів Salesforce, ніж покладатися виключно на власні рішення Salesforce.

Основне питання полягає в компромісі між зручністю глибоко інтегрованого рішення та потенційною потужністю й спеціалізацією зовнішніх інструментів штучного інтелекту. Хоча Salesforce наголошує на перевагах свого інтегрованого ШІ, високий ступінь спеціалізації та швидкі темпи інновацій у сфері ШІ вимагають більш нюансованого підходу. Єдиний постачальник платформи може бути не в змозі забезпечити високу якість у всіх сферах ШІ порівняно з постачальниками, які зосереджуються на певних галузях. Ця суперечність між інтеграцією та найкращими у своєму класі рішеннями є основою стратегічних міркувань, що розглядаються в цьому звіті.

Підходить для цього:

• Інтеграція AI незалежної та перехресної платформи AI для всіх питань компанії

Розуміння вбудованого пакету штучного інтелекту Salesforce (Einstein, Agentforce, AI Cloud)

Salesforce пропонує широкий спектр можливостей штучного інтелекту, глибоко інтегрованих у різні хмарні продукти Salesforce, згруповані під брендами Einstein, Agentforce та AI Cloud. Цей пакет спрямований на оптимізацію повсякденних бізнес-процесів за допомогою автоматизації, прогнозування та персоналізованої взаємодії.

Огляд функціональності за хмарою

• Хмара продажів: Основні функції включають оцінку потенційних клієнтів та можливостей на основі їхньої ймовірності закриття (оцінка потенційних клієнтів/можливостей за методом Einstein), точніші прогнози доходів (прогнозування Einstein), автоматичне створення персоналізованих електронних листів з продажу (електронні листи з продажу), зведення дзвінків з продажу (зведення дзвінків) та автоматичний збір даних про активність з електронних листів та календарів (захоплення активності Einstein). Einstein Copilot також надає контекстно-залежні дії та підтримку протягом усього процесу продажу.
• Хмара послуг: Тут штучний інтелект підтримує автоматичну класифікацію звернень клієнтів (Класифікація звернень), рекомендує відповідні статті знань або готові відповіді (Рекомендації щодо статей/відповідей), створює зведення завершених звернень (Зведення робіт) та дозволяє використовувати чат-ботів для автоматизації стандартних запитів.
• Хмарний маркетинг: Функції штучного інтелекту допомагають створювати та автоматично позначати маркетинговий контент (генерація/позначення контенту), оцінювати ймовірність взаємодії з контактами (оцінка залученості), оптимізувати час надсилання для максимального відкриття (оптимізація часу надсилання) та забезпечувати глибоку персоналізацію кампаній та взаємодії з клієнтами.
• Commerce Cloud: У цій галузі штучний інтелект зосереджується на персоналізованих рекомендаціях щодо продуктів, оптимізації результатів пошуку та наданні інформації про поведінку покупців для збільшення конверсій.
• Міжплатформність/Загальне: Такі інструменти, як Einstein Prediction Builder, дозволяють адміністраторам створювати власні прогностичні моделі без написання коду. Einstein Discovery допомагає знаходити закономірності та аналітичні висновки в даних. Einstein Next Best Action надає контекстно-залежні рекомендації. Agentforce представляє автономних агентів на основі штучного інтелекту, які можуть виконувати завдання самостійно. Prompt Builder та Copilot Studio дозволяють налаштовувати та створювати помічників і підказки на базі штучного інтелекту.

Підходить для цього:

• Вийдіть із хмари США: Суверенні SaaS пропонує за оглядом + рекомендації щодо дії

Базова архітектура

Функціональність Salesforce AI базується на двох основних принципах: хмарі даних та рівні довіри Ейнштейна.

Залежність від хмари даних

Хмара даних Salesforce діє як центральна база даних. Вона об'єднує дані клієнтів з різних джерел (як внутрішніх, так і зовнішніх по відношенню до Salesforce) у всеохоплююче уявлення на 360 градусів. Ці гармонізовані дані формують основу для багатьох застосувань штучного інтелекту, особливо генеративного штучного інтелекту та персоналізації. Важливо, що певні можливості генеративного штучного інтелекту та журнал аудиту рівня довіри вимагають забезпечення хмари даних, навіть якщо вона не використовується активно для гармонізації даних. Це створює архітектурну залежність і може призвести до додаткової складності та потенційних витрат, особливо для компаній, які вже мають створені сховища даних або озера даних. Тому потреба в хмарі даних може збільшити загальну вартість володіння (TCO) і стати потенційним вузьким місцем, якщо нею не керувати ретельно.

Довірчий шар Ейнштейна

Ця система безпеки розроблена для забезпечення надійного використання генеративного штучного інтелекту. Вона складається з кількох компонентів:

• Безпечний запит даних: отримує доступ до даних Salesforce для збагачення запитів відповідним контекстом, враховуючи права доступу відповідного користувача.
• Швидкий захист: Системні політики призначені для зменшення галюцинацій та шкідливого виводу мовних моделей (LLM).
• Маскування даних: Конфіденційні дані, такі як персональна ідентифікаційна інформація (PII) або платіжна інформація (PCI), маскуються перед надсиланням до зовнішніх LLM.
• Оцінка токсичності: Згенеровані відповіді перевіряються та оцінюються на наявність потенційно шкідливого вмісту.
• Політика нульового зберігання даних: Salesforce має угоди з такими партнерами, як OpenAI та Azure OpenAI, щоб гарантувати, що надані дані компанії не зберігатимуться цими сторонніми постачальниками та не використовуватимуться для навчання їхніх моделей.

Детальніше вивчення архітектури показує, що Salesforce покладається на зовнішні моделі великих мов (LLM) від таких постачальників, як OpenAI, Anthropic або Google, для багатьох своїх генеративних можливостей ШІ. Ці моделі часто інтегруються через хмарні сервіси, такі як AWS Bedrock, де рівень довіри Ейнштейна діє як безпечний шлюз. Це означає, що Salesforce в першу чергу діє як інтегратор і посередник безпеки, а не виключно як розробник власних основних генеративних моделей. Хоча це забезпечує доступ до потужних моделей, це створює залежності та ставить питання про те, чим основна технологія ШІ відрізняється від безпосереднього використання цих моделей через інші платформи. Клієнти, по суті, платять Salesforce за інтеграцію, рівень безпеки та вбудовування в робочі процеси на основі переважно зовнішньо доступних моделей ШІ. Це підсилює аргументи на користь оцінки прямої інтеграції з цими зовнішніми моделями або платформами.

Визнані сильні сторони нативного рішення

Незважаючи на згадані моменти, власний пакет Salesforce AI пропонує незаперечні переваги:

• Безшовна інтеграція: Функції штучного інтелекту глибоко вбудовані в інтерфейс користувача та робочі процеси Salesforce, що забезпечує безперебійне використання.
• Простота використання та знайомство: Існуючі користувачі та адміністратори Salesforce зазвичай швидко орієнтуються в системі, що скорочує час адаптації. Інструменти з низьким рівнем коду також дозволяють користувачам без технічних знань створювати інтерфейси на базі штучного інтелекту.
• Використання існуючих даних CRM: Штучний інтелект розроблений для безпосередньої роботи з даними клієнтів, що зберігаються в Salesforce, що може спростити підготовку даних.

Скористайтеся перевагами великого, п'ятикратного досвіду Xpert.Digital у комплексному пакеті послуг | Дослідження та розробки, XR, PR та оптимізація цифрової видимості - Зображення: Xpert.Digital

Xpert.digital має глибокі знання в різних галузях. Це дозволяє нам розробити кравці, розроблені стратегії, пристосовані до вимог та проблем вашого конкретного сегменту ринку. Постійно аналізуючи тенденції на ринку та здійснюючи розвиток галузі, ми можемо діяти з передбаченням та пропонувати інноваційні рішення. З поєднанням досвіду та знань ми створюємо додаткову цінність та надаємо своїм клієнтам вирішальну конкурентну перевагу.

Детальніше про це тут:

• Використовуйте 5 -разову компетентність xpert.digital в одній упаковці - від 500 € на місяць

Аргументи на користь незалежних платформ штучного інтелекту в Salesforce

Хоча нативна інтеграція Salesforce AI пропонує переваги, існує кілька вагомих причин серйозно розглянути можливість інтеграції незалежних платформ штучного інтелекту. Ці зовнішні рішення можуть бути кращими в таких сферах, як гнучкість, спеціалізація, адаптивність та потенційні економічні переваги.

Гнучкість та спеціалізація моделі

Ринок штучного інтелекту характеризується високою динамічністю та спеціалізацією. Незалежні постачальники ШІ часто зосереджуються на певних областях або технологіях, що дозволяє їм пропонувати більш просунуті або індивідуальні рішення в певних сферах, ніж універсальні платформи, такі як Salesforce.

Доступ до найкращих у своєму класі моделей

Зовнішні постачальники часто розробляють вузькоспеціалізовані алгоритми для таких галузей, як обробка природної мови (NLP), комп'ютерний зір або галузева аналітика. Прикладами є спеціалізований штучний інтелект для юридичних документів, як-от ContractPodAi, або галузеві діагностичні інструменти, такі як Aquant. Такі спеціалізовані моделі можуть перевершити більш загальні моделі, вбудовані в Salesforce.

Швидші інноваційні цикли

Спеціалізовані компанії, що займаються штучним інтелектом, часто можуть розробляти та випускати нові моделі та функції швидше, ніж великий постачальник платформ, такий як Salesforce, чий план розвитку ШІ пов'язаний із ширшими циклами випуску. Це дозволяє компаніям швидше отримувати вигоду від останніх досягнень ШІ.

Більший вибір моделей

Незалежні платформи або торговельні майданчики пропонують доступ до ширшого спектру моделей, включаючи нішеві рішення, варіанти з відкритим кодом або моделі від постачальників, які безпосередньо недоступні через функцію Salesforce «Принеси свою власну модель» (BYOM).

Підходить для цього:

• Незалежні платформи AI як стратегічна альтернатива для європейських компаній

Така спеціалізація зовнішніх постачальників контрастує з ширшим підходом Salesforce, який має на меті забезпечити базові можливості штучного інтелекту в усьому своєму пакеті CRM. Хоча такий широкий підхід забезпечує доступність штучного інтелекту в багатьох сферах, він може здійснюватися за рахунок глибини. Спеціалізований штучний інтелект для виявлення шахрайства або інструмент аналізу медичних зображень, ймовірно, перевершить загальну модель, інтегровану в CRM, для цих конкретних завдань. Організації з критичними вимогами у спеціалізованих сферах штучного інтелекту можуть виявити, що власний штучний інтелект Salesforce не відповідає очікуванням. Незалежні платформи дозволяють їм вибрати найкращий інструмент для роботи, а не задовольнятися потенційно єдиним адекватним власним рішенням.

Адаптація та контроль

Незалежні платформи штучного інтелекту часто пропонують вищий рівень контролю над усім життєвим циклом штучного інтелекту, від підготовки даних до впровадження та моніторингу моделі.

Поглиблене точне налаштування моделі

Зовнішні платформи часто розроблені для інженерів машинного навчання та пропонують детальний контроль над навчанням та налаштуванням моделей. Це виходить за межі можливостей більш абстрактних low-code інструментів Salesforce, таких як Einstein Prediction Builder, або обмежень точного налаштування імпортованих моделей (BYOM) у Salesforce.

Вибір алгоритму та прозорість

Користувачі мають більше свободи у виборі конкретних алгоритмів і потенційно отримують більшу прозорість щодо функціонування моделей (зрозумілість), ніж через шари абстракції Salesforce. Хоча Salesforce пропонує такі інструменти, як Model Inspector, зовнішні інструменти MLOps часто є більш комплексними.

Контроль над стеком штучного інтелекту

Управління всім конвеєром штучного інтелекту (підготовка даних, навчання, розгортання, моніторинг) на таких платформах, як AWS або Google Cloud, пропонує більше контролю, ніж покладання на кероване середовище Salesforce.

Обмеження налаштування Salesforce

Хоча Salesforce пропонує конструктор коду з низьким рівнем коду для легкого налаштування, зовнішні платформи часто дозволяють глибше налаштування на основі коду. Існують також певні функціональні обмеження функцій штучного інтелекту Salesforce, такі як складні вимоги або налаштування Einstein Activity Capture, а також загальні обмеження платформи.

Потенційні переваги у вартості

Структури витрат на рішення на основі штучного інтелекту можуть значно відрізнятися, і простого порівняння ліцензійних зборів часто недостатньо.

Різні моделі ціноутворення

Salesforce часто ліцензує свої можливості штучного інтелекту на одного користувача на місяць як доповнення до існуючих хмарних ліцензій. Натомість, ціноутворення на окремі платформи штучного інтелекту часто базується на фактичному використанні (час обчислення, пам'ять, виклики API). Окремі постачальники штучного інтелекту, у свою чергу, можуть мати власні, потенційно гнучкіші моделі ціноутворення. Хоча опція BYOM у Salesforce може зменшити вартість запитів Einstein, базові витрати зовнішнього постачальника моделі все ще застосовуються.

Загальна вартість володіння (TCO)

Комплексний аналіз сукупної вартості володіння (TCO) є надзвичайно важливим. Хоча нативна інтеграція Salesforce AI може зменшити початкові витрати на інтеграцію, інші фактори можуть збільшити загальну вартість: потенційна потреба в ліцензіях Data Cloud або використанні, відносно високі витрати на доповнення до ШІ для кожного користувача та можливість сплатити преміум-вартість за моделі ШІ, які можна було б отримати дешевше ззовні. Загальна вартість володіння (TCO) для автономного ШІ повинна включати витрати на інтеграцію, але може виграти від нижчих витрат на використання основного ШІ та використання існуючої хмарної інфраструктури. Agentforce також описується як потенційно дорогий у використанні (2 долари за розмову).

Уникнення надмірності

Використання незалежного штучного інтелекту може дозволити компаніям використовувати існуючі інвестиції в інші хмарні платформи або власні інфраструктури даних, тим самим уникаючи зайвих витрат в екосистемі Salesforce.

Нативний штучний інтелект Salesforce проти незалежного штучного інтелекту: порівняння функцій та гнучкості

Нативний штучний інтелект Salesforce проти незалежного штучного інтелекту: порівняння функцій та гнучкості – зображення: Xpert.Digital

Нативний штучний інтелект Salesforce, такий як Einstein або Agentforce, та незалежні платформи штучного інтелекту, які часто використовують спеціалізовані або відкриті моделі, суттєво відрізняються своїми функціями та гнучкістю. У той час як нативний штучний інтелект Salesforce зосереджений на універсальних підходах та CRM-додатках, незалежні платформи часто пропонують спеціалізовані моделі та ширший вибір, включаючи варіанти з відкритим кодом. Доступ до найновіших моделей за допомогою Salesforce залежить від циклів випуску та партнерств, тоді як спеціалізовані постачальники потенційно пропонують швидші оновлення. Щодо тонкого налаштування, нативні моделі Salesforce часто обмежені та абстрактні, наприклад, через такі інструменти, як Prediction Builder, тоді як незалежні платформи пропонують більш детальний контроль над процесом навчання. Вибір конкретних алгоритмів обмежений у Salesforce, оскільки вони зазвичай попередньо визначені або отримані від партнерів, тоді як незалежні платформи пропонують більше свободи в цьому відношенні. Крім того, Salesforce повністю керує інфраструктурою, часто на основі AWS або GCP, тоді як незалежні платформи дозволяють прямий доступ до середовищ хостингу, чи то у власній хмарі компанії, чи локально. Зусилля з інтеграції з Salesforce низькі, оскільки її рішення інтегровані нативно, тоді як зовнішні платформи вимагають більше роботи з розробки та налаштування. Щодо витрат, Salesforce часто використовує модель щомісячного ціноутворення на основі користувачів як додатковий елемент, тоді як незалежні платформи часто використовують ціноутворення на основі споживання, наприклад, на основі обчислювальної потужності чи викликів API, або моделі, специфічні для певних постачальників.

Навігація по інтеграції: Підключення незалежного штучного інтелекту до Salesforce

Вибір незалежної платформи штучного інтелекту вимагає ретельного планування її інтеграції в існуюче середовище Salesforce. Існує кілька методів встановлення цього зв'язку, кожен з яких має свої переваги та труднощі.

Методи інтеграції

AppExchange / AgentExchange

Salesforce AppExchange пропонує широкий вибір сторонніх програм, включаючи рішення на основі штучного інтелекту, які часто пропонують попередньо вбудовані інтеграції. AgentExchange – це новіший торговий майданчик, спеціально орієнтований на навички, теми та шаблони агентів на основі штучного інтелекту від партнерів, спрямований на пришвидшення розгортання агентів на основі штучного інтелекту. Це часто найпростіший підхід, але вимагає відповідного партнера, який запропонує рішення.

API (REST/SOAP/масові дані/потокова передача)

Безпосереднє використання API Salesforce дозволяє налаштовувати інтеграцію. Розробники можуть обмінюватися даними, запускати процеси в Salesforce або надавати результати із зовнішніх моделей штучного інтелекту. Композитний API може допомогти ефективно об'єднати кілька операцій. Цей метод пропонує максимальну гнучкість, але вимагає значних зусиль розробника.

Платформи проміжного програмного забезпечення (наприклад, MuleSoft)

Інтеграційні платформи, такі як MuleSoft (власне рішення Salesforce) або інші, можуть виступати посередниками. Вони обробляють такі завдання, як перетворення даних, оркестрація складних робочих процесів та управління зв'язком між Salesforce та зовнішніми сервісами штучного інтелекту.

Конектори хмарних платформ (AWS/GCP)

Великі хмарні провайдери все частіше пропонують спеціальні послуги для полегшення інтеграції з Salesforce. Прикладами є AWS Private Connect для безпечних мережевих з’єднань, AWS Event Relay для передачі подій у режимі реального часу, AWS Glue Salesforce Connector та SageMaker Data Wrangler Connector для підготовки даних. Google Vertex AI можна інтегрувати в Salesforce Data Cloud за допомогою Model Builder. Хоча ці конектори можуть спростити інтеграцію, вони пов’язують користувачів з екосистемою відповідних хмарних провайдерів.

BYOM через Einstein Studio

Як згадувалося раніше, ця функція дозволяє інтегрувати зовнішні моделі в середовище Salesforce через Конструктор моделей. Запити все ще проходять через інфраструктуру Salesforce та використовують рівень довіри, що спрощує інтеграцію, але також створює певну залежність.

Підходить для цього:

• Інтеграція ШІ та машинного навчання в складській логістиці - глобальні розробки в Німеччині, ЄС, США та Японії

Поширені проблеми інтеграції

Інтеграція зовнішніх систем із Salesforce — непростий процес, який створює певні труднощі:

Обмеження API

Salesforce обмежує кількість викликів API для кожної організації та періоду часу (наприклад, щодня, одночасно). Процеси штучного інтелекту, що потребують багато даних та часто синхронізують або запитують дані, можуть швидко досягти цих обмежень. Це вимагає ретельного проектування (наприклад, дроселювання, пакетна обробка, кешування) або може вимагати придбання вищих версій Salesforce чи додаткових квот API. Обмеження потокового API особливо актуальні для випадків використання в режимі реального часу.

Синхронізація даних

Забезпечення узгодженості даних між Salesforce та зовнішньою платформою штучного інтелекту є критично важливим. Проблеми включають обробку великих обсягів даних (LDV), вибір між оновленнями в режимі реального часу та пакетними оновленнями, управління затримкою та уникнення невідповідностей даних. Такі підходи, як інтеграція з нульовим копіюванням, спрямовані на зменшення цих проблем, але не завжди можуть бути застосовними.

Картування та трансформація даних

Різні моделі даних, формати та семантика полів повинні бути узгоджені. Це може вимагати складної логіки перетворення для забезпечення правильної інтерпретації даних.
Безпека та автентифікація: Безпечне керування обліковими даними доступу (ключі API, токени), впровадження надійних методів автентифікації (наприклад, OAuth 2.0, іменовані облікові дані) та забезпечення безпечної передачі даних (шифрування) є важливими. Неправильні конфігурації можуть призвести до вразливостей безпеки.

Обробка помилок та узгодженість даних

Інтеграції повинні бути стійкими до помилок (мережевих проблем, системних збоїв, помилок даних). Надійні механізми реєстрації, моніторингу та логіки автоматичного повтору необхідні для забезпечення цілісності даних та мінімізації часу простою.

Складність та обслуговування

Користувацькі інтеграції вимагають постійного обслуговування та налаштування, особливо в міру розвитку Salesforce або зовнішньої платформи штучного інтелекту. Це зв'язує ресурси та вимагає технічної експертизи.

Складність інтеграції часто є недооціненим фактором витрат. Хоча автономні платформи штучного інтелекту можуть пропонувати нижчі основні витрати або кращі функції, витрати та зусилля, пов'язані з інтеграцією, включаючи час розробки, потенційні ліцензії на проміжне програмне забезпечення та постійне обслуговування, повинні бути враховані при розрахунку загальної вартості володіння (TCO). Вбудований штучний інтелект Salesforce має переваги попередньо вбудованої інтеграції. Обмеження API можуть ще більше збільшити складність та витрати, якщо потрібні громіздкі обхідні шляхи або дорожчі ліцензії. Тому рішення про використання автономного штучного інтелекту має враховувати технічні можливості та ресурси організації для управління цією складністю інтеграції. Погано спланована інтеграція може звести нанівець переваги зовнішньої платформи.

Успішні моделі інтеграції

Незважаючи на труднощі, існують усталені шаблони та інструменти для успішної інтеграції. Тематичні дослідження демонструють успішну інтеграцію AWS SageMaker із Salesforce, часто використовуючи конкретні сервіси AWS для оптимізації продуктивності та витрат. Подібні інтеграції можливі з Google Vertex AI, зокрема через Model Builder. Такі інструменти, як Zapier, можна використовувати для простішої інтеграції без коду для переміщення даних між системами, наприклад, між Google Sheets та Vertex AI як проксі-сервер для даних Salesforce. Використання хмарних конекторів та сервісів, таких як AWS Glue, EventBridge або Private Connect, також може значно спростити та захистити процес інтеграції.

Незалежна платформа штучного інтелекту: методи та проблеми інтеграції з першого погляду

Незалежна платформа штучного інтелекту: методи та проблеми інтеграції з першого погляду – Зображення: Xpert.Digital

Незалежна платформа штучного інтелекту пропонує різноманітні методи інтеграції, кожен з яких має свої специфічні переваги та проблеми. Програми AppExchange або AgentExchange дозволяють легко встановлювати попередньо створені програми або компоненти від партнерів з мінімальними зусиллями розробки та часто сертифікованою якістю. Однак можливості налаштування обмежені, і існує залежність від пропозицій партнерів та потенційних витрат. Пряма інтеграція API, яка дозволяє розробляти на замовлення з використанням API Salesforce, таких як REST, SOAP, Bulk та Streaming, пропонує максимальну гнучкість та повний контроль над потоком даних та логікою. Однак це вимагає значних зусиль розробки, управління обмеженнями API, ретельних аудитів безпеки та постійного обслуговування. Використання проміжного програмного забезпечення, такого як MuleSoft, спрощує складні інтеграції завдяки підключенню, перетворенню даних та оркестрації. Воно пропонує централізоване управління та можливість повторного використання, але вимагає додаткових витрат на ліцензування та ретельного навчання платформі. Хмарні конектори, такі як AWS або GCP, оптимізують інтеграції за допомогою спеціальних, іноді низькокодових, сервісів, таких як Glue, Event Relay або Private Connect. Вони зазвичай потужні, безпечні та ідеально підходять для відповідних хмарних екосистем, але вимагають спеціалізованих конфігурацій та прив'язують користувача до постачальника. Завдяки BYOM через Einstein Studio, зовнішні моделі можна легко інтегрувати в робочі процеси Salesforce, використовуючи рівень довіри та спрощуючи процес інтеграції. Однак існують обмеження щодо підтримки моделей порівняно з прямим використанням, тонким налаштуванням та залежністю від платформи Salesforce.

Інтеграція незалежної та перехресної платформи AI-джерела для всіх матчів компанії: xpert.digital

Ki-Gamechanger: Найбільш гнучкі рішення AI-таїлові рішення, що зменшують витрати, покращують свої рішення та підвищують ефективність

Незалежна платформа AI: інтегрує всі відповідні джерела даних компанії

• Ця платформа AI взаємодіє з усіма конкретними джерелами даних
  • Від SAP, Microsoft, Jira, Confluence, Salesforce, Zoom, Dropbox та багатьох інших систем управління даними
• Швидка інтеграція AI: індивідуальні рішення AI для компаній у години чи дні замість місяців
• Гнучка інфраструктура: хмарна або хостинг у власному центрі обробки даних (Німеччина, Європа, вільний вибір місця розташування)

• Найвища безпека даних: Використання в юридичних фірмах - це безпечні докази
• Використовуйте в широкому спектрі джерел даних компанії
• Вибір власних або різних моделей AI (DE, EU, США, CN)

Виклики, які вирішує наша платформа AI

• Відсутність точності звичайних рішень AI
• Захист даних та безпечне управління конфіденційними даними
• Високі витрати та складність індивідуального розвитку ШІ
• Відсутність кваліфікованого ШІ
• Інтеграція ШІ в існуючі ІТ -системи

Детальніше про це тут:

• Інтеграція AI незалежної та перехресної платформи AI для всіх питань компанії

Критичні міркування: Управління ризиками в незалежному штучному інтелекті

Рішення за чи проти незалежних платформ штучного інтелекту також повинно включати ретельну оцінку потенційних ризиків, особливо у сферах захисту даних, залежності від постачальників та суверенітету даних.

Захист даних та безпека

Хоча Salesforce позиціонує рівень довіри Ейнштейна як гарантію безпечного використання штучного інтелекту, детальніше вивчення виявляє практичні обмеження, які необхідно зважити на противагу незалежним рішенням.

Обмеження рівня довіри Ейнштейна:

Вимкнення маскування даних для Agentforce: Ключовим моментом є чітке твердження про те, що маскування даних вимкнено для робочих процесів Agentforce. Наведене обґрунтування полягає в тому, що маскування погіршить контекстуальну точність та релевантність результатів, наприклад, під час пошуку схожих облікових записів, де потрібні дані контрольного облікового запису. Це створює значний ризик для конфіденційності даних, оскільки потенційно конфіденційні дані клієнтів можуть бути надіслані без маскування до зовнішніх LLM, що є особливо проблематичним у регульованих галузях та суперечить обіцянці «довіри».
Альтернативне пом’якшення (Anthropic): Salesforce планує запропонувати моделі Anthropic як альтернативу, що працюють у межах «довіреної межі Salesforce» (розміщеної на AWS Bedrock). Хоча дані не залишають сферу контролю Salesforce за такого підходу, маскування даних залишається вимкненим. Сумнівно, чи це адекватно вирішує проблеми конфіденційності даних порівняно з функціонуючим маскуванням.
Загальна функціональність рівня довіри: Основні функції, такі як нульове утримання з партнерами та перевірки на токсичність, залишаються в силі. Однак виняток для Agentforce є суттєвим обмеженням.

Потенційні переваги незалежних платформ:

Виділені варіанти зберігання даних: Незалежні хмарні провайдери або спеціалізовані платформи можуть пропонувати більш детальний контроль над місцем зберігання та обробки даних. Це може бути необхідно для дотримання суворих регіональних законів про конфіденційність даних (таких як GDPR або конкретні національні правила), які виходять за рамки загальних гарантій Salesforce Hyperforce.
Альтернативні архітектури безпеки: Організації можуть вибирати архітектури, які краще відповідають їхнім конкретним вимогам безпеки, таким як спеціалізоване шифрування, суворіший контроль доступу або механізми ізоляції даних.
Пряма відповідальність постачальника: Безпосередня робота з постачальником штучного інтелекту створює чіткішу відповідальність за обробку даних без Salesforce як посередника.

Розрив між маркетинговою обіцянкою Trust Layer та його технічною реальністю, зокрема відключенням маскування для Agentforce, має вирішальне значення для оцінки ризиків. Особи, що приймають рішення, не можуть покладатися виключно на маркетингові заяви, а повинні вивчити конкретну реалізацію для своїх випадків використання та порівняти її з потенційно більш послідовними або налаштовуваними елементами керування незалежних платформ.

Підходить для цього:

• Довірливий AI: Трампа Європи та шанс взяти на себе провідну роль у штучному інтелекті

Аспекти захисту та безпеки даних: рівень довіри Ейнштейна проти незалежних платформ

Аспекти захисту та безпеки даних: рівень довіри Ейнштейна проти незалежних платформ – Зображення: Xpert.Digital

Конфіденційність та безпека даних є надзвичайно важливими як для рівня довіри Einstein Trust Layer від Salesforce, так і для незалежних платформ. Щодо маскування даних, рівень довіри пропонує підтримку певних регіонів та мов, хоча з обмеженнями для Agentforce. З іншого боку, незалежні платформи можуть надавати налаштовувані та настроювані правила та підтримувані типи даних. Маскування даних вимкнено для робочих процесів на основі агентів на рівні довіри, тоді як це часто можливо з незалежними платформами, залежно від реалізації, якщо зниження продуктивності є прийнятним. Нульове зберігання даних зі сторонніми постачальниками забезпечується за допомогою договірних угод, таких як з OpenAI; незалежні платформи дозволяють прямі контракти або розміщення на власній інфраструктурі клієнта, щоб повністю уникнути третіх сторін. Журнали аудиту реєструються на рівні довіри хмарою даних, включаючи токсичний контент та маскування, тоді як незалежні платформи часто пропонують детальні можливості реєстрації та моніторингу, такі як інструменти MLOps. Під час контролю місця проживання даних рівень довіри залежить від регіону Hyperforce та забезпечення ресурсами, тоді як незалежні платформи зазвичай дозволяють більш детальний вибір регіонів центру обробки даних. Варіанти хостингу Salesforce варіюються від хостингу під управлінням постачальника до BYOM (Bring Your Own Host) через SF Gateway з хостингом у таких партнерів, як AWS або GCP, а Anthropic також планується для регіону SF. Незалежні платформи, з іншого боку, дозволяють розміщувати сервери у виділеному хмарному екземплярі, локально або в хмарі постачальника. Що стосується деталізації контролю, рівень довіри пропонує налаштовувані параметри, такі як визначення правил маскування, тоді як базова архітектура є фіксованою; незалежні платформи часто можуть забезпечити більш повну налаштування заходів безпеки.

Уникнення прив'язки до постачальника

Глибока інтеграція сервісів Salesforce несе ризик сильної залежності від постачальника.

Ризик залежності від екосистеми

Покладання виключно на Salesforce для CRM та ШІ створює значну залежність. Це може послабити вашу переговорну позицію, коли справа доходить до коригування цін, та обмежити вашу гнучкість у використанні інших технологій у майбутньому.

Стратегічна диверсифікація

Використання незалежних платформ штучного інтелекту диверсифікує технологічний стек. Компанії можуть використовувати інновації з усього ринку та легше змінювати постачальників за потреби. Це зберігає їхню стратегічну гнучкість.

Парадокс «Відкритої екосистеми» Salesforce

Хоча Salesforce просуває відкриту екосистему, наприклад, через BYOM (Bring Your Own Machine – Принеси власну машину), практична реальність глибокої інтеграції часто призводить до фактичної прив'язки. Навіть за допомогою BYOM управління та розгортання здійснюється через платформу Salesforce, що ускладнює перехід. Зручність інтегрованого рішення може призвести до «м'якої прив'язки», оскільки базові залежності приховуються, а перехід на іншу стратегію управління чи розгортання створює труднощі.

Детальніше про це тут:

• Небезпека блокування постачальника: чому компанії повинні уникати залежностей

Суверенітет та портативність даних

Контроль над власними даними та можливість мігрувати моделі або дані за потреби є важливими стратегічними аспектами.

Занепокоєння щодо захоплення активності Ейнштейна (EAC)

Одна конкретна проблема стосується EAC. Зафіксовані дані електронної пошти та календаря зберігаються не як стандартні записи про діяльність у Salesforce, а зовні на AWS. Ці дані зберігаються обмежений термін (6 місяців за замовчуванням, до 24 місяців з платною ліцензією) та втрачаються, якщо EAC деактивовано. Це викликає значні питання щодо суверенітету даних, довгострокового доступу та варіантів резервного копіювання. У цьому випадку ви не є повним власником своїх даних.

Портативність моделі

Моделі, побудовані за допомогою інструментів Salesforce, таких як Einstein Prediction Builder, прив'язані до платформи та нелегко переносяться. Хоча базові дані можна експортувати, сама навчена модель не підлягає перенесенню. Натомість моделі, розроблені на зовнішніх платформах (AWS, GCP тощо), за своєю суттю більш портативні, навіть якщо вони тимчасово інтегровані з Salesforce.

Переносність даних у незалежному штучному інтелекті

Під час використання зовнішніх платформ штучного інтелекту, основна обробка даних та артефакти моделі часто залишаються поза межами Salesforce. Це потенційно забезпечує кращу портативність даних і моделей, якщо зміниться взаємодія з Salesforce або стратегія.

Стратегічні рекомендації для осіб, що приймають рішення

Вибір правильної стратегії штучного інтелекту в контексті Salesforce вимагає детальної оцінки, яка виходить за рамки простого порівняння функцій. Наступні рекомендації можуть допомогти особам, які приймають рішення:

Критично оцінюйте варіанти використання

Не покладайтеся на власний штучний інтелект Salesforce за замовчуванням. Оцінюйте кожен варіант використання штучного інтелекту окремо на основі:

• Необхідна спеціалізація: Чи вимагає завдання глибоких, спеціалізованих можливостей штучного інтелекту (наприклад, складний науковий аналіз, прогнозування нішевої галузі), які, ймовірно, краще задовольнить спеціалізована платформа?
• Потреби в адаптації: Який рівень контролю над моделлю, навчальними даними та алгоритмами необхідний? Чи достатній рівень абстракції Salesforce?
• Вимоги до продуктивності: Чи існують суворі вимоги до затримки або пропускної здатності, які можна було б краще задовольнити за допомогою оптимізованої зовнішньої інфраструктури?
• Чутливість даних та відповідність вимогам: Чи стосується варіант використання високочутливих даних, де обмеження рівня довіри (особливо відсутність маскування в Agentforce) створюють неприйнятні ризики? Чи краще дотримуватися специфічних вимог щодо місця проживання даних ззовні?

застосовувати гібридний підхід

Розгляньте стратегію, яка використовує вбудований штучний інтелект Salesforce для виконання простих, високоінтегрованих завдань, де він досягає успіху (наприклад, базова оцінка лідів, написання електронних листів у Sales Cloud). Одночасно інтегруйте незалежні платформи для високоцінних, спеціалізованих або дуже конфіденційних випадків використання.

Врахуйте готовність до інтеграції

Реалістично оцініть технічні ресурси та ноу-хау організації для вирішення складних завдань інтеграції та підтримки зовнішніх рішень на основі штучного інтелекту. Почніть з добре підтримуваних інтеграцій (наприклад, AppExchange, налагоджені хмарні конектори), перш ніж братися за складні внутрішні розробки.

Розрахуйте повну вартість володіння капіталом

Проведіть ретельний аналіз сукупної вартості володіння капіталом (TCO), який порівнює загальну вартість використання власного штучного інтелекту Salesforce (ліцензії, використання хмарних даних, потенційні функціональні обмеження) з вартістю незалежного штучного інтелекту (витрати на основні засоби штучного інтелекту + розробка/підтримка інтеграції + проміжне програмне забезпечення).

Аналіз загальної вартості володіння (TCO) – це метод оцінки загальних витрат, пов’язаних із придбанням та експлуатацією технології протягом усього її життєвого циклу, включаючи не лише витрати на придбання, але й поточні експлуатаційні витрати, технічне обслуговування, навчання, модернізацію тощо.

Чому зовнішні платформи штучного інтелекту можуть бути більш економічно ефективними:

• Економія масштабу: Постачальники розподіляють витрати на інфраструктуру між багатьма клієнтами.
• Менші інвестиції: Немає потреби будувати власну інфраструктуру.
• Швидше розгортання: Швидший вихід на ринок зменшує непрямі витрати.
• Технічне обслуговування та оновлення включені: Вам не потрібно нічого робити для ІТ-операцій.
• Оплата за використанням: Витрати коригуються відповідно до попиту.

Аналіз сукупної вартості володіння (TCO) часто показує, що зовнішні платформи штучного інтелекту є дешевшими та гнучкішими в довгостроковій перспективі, ніж власні рішення.

Пріоритет стратегічної гнучкості

Зважте зручність інтегрованої екосистеми Salesforce порівняно з довгостроковими стратегічними ризиками прив'язки до постачальника (див. розділ VB). Враховуйте портативність у стратегії ШІ з самого початку.

Прозорість попиту

Вимагайте чіткої документації від усіх постачальників (включаючи Salesforce та незалежних провайдерів) щодо можливостей моделі, обмежень, методів обробки даних, заходів безпеки та моделей ціноутворення. Критично вивчіть маркетингові заяви та порівняйте їх з технічними реаліями.

Підходить для цього:

• Системи управління даними в змінах: стратегії успіху компанії в епоху ШІ

Заклик до відкритої стратегії штучного інтелекту в Salesforce

Аналіз чітко показує, що хоча покладання виключно на власний пакет штучного інтелекту Salesforce пропонує зручність та безперешкодну інтеграцію з існуючими процесами CRM, це не обов'язково є оптимальною стратегією для кожної компанії. Стратегічний розгляд незалежних платформ штучного інтелекту пропонує значні переваги: ​​доступ до вузькоспеціалізованих та потенційно потужніших моделей, більшу гнучкість та контроль над стеком штучного інтелекту, потенційну економічну ефективність завдяки альтернативним моделям ціноутворення та використанню існуючої інфраструктури, а також вирішальне зниження ризиків щодо прив'язки до постачальника та суверенітету даних.

Виявлені обмеження рівня довіри Einstein є особливо критичними, особливо вимкнене маскування даних для робочих процесів Agentforce. Це підкреслює необхідність виходити за рамки маркетингових обіцянок і ретельно вивчати технічні реалії, особливо під час обробки конфіденційних даних. Занепокоєння щодо переносимості даних, як показано на прикладі Einstein Activity Capture, також слугують застереженням проти надмірної залежності від власних механізмів зберігання та обробки.

Водночас не слід недооцінювати роль штучного інтелекту Salesforce. Він пропонує цінне, добре інтегроване рішення для багатьох стандартних завдань CRM. Незважаючи на свої обмеження, рівень довіри Ейнштейна є важливим рівнем управління та безпеки. Крім того, інструменти з низьким кодом забезпечують ширшу демократизацію впровадження штучного інтелекту в організаціях.

Найбільш переконливою стратегією для багатьох компаній, ймовірно, буде відкритий гібридний підхід. Така стратегія використовує сильні сторони нативного штучного інтелекту Salesforce для повсякденних, інтегрованих завдань, але не цурається вибіркової інтеграції зовнішніх, найкращих у своєму класі рішень на основі штучного інтелекту для конкретних, вимогливих або стратегічно важливих випадків використання. Це вимагає відмови від стандартного підходу використання лише нативних інструментів і натомість проведення ретельної оцінки на основі випадків використання.

Керівникам, які приймають рішення, рекомендується ретельно визначити правильне поєднання нативних та автономних рішень на основі штучного інтелекту. Це рішення має керуватися конкретними бізнес-вимогами, існуючими технічними можливостями, толерантністю до ризику та довгостроковими стратегічними цілями, щоб повністю використовувати потенціал штучного інтелекту в екосистемі Salesforce, не створюючи зайвих залежностей чи ризиків.

☑ Підтримка МСП у стратегії, порадах, плануванні та впровадженні

☑ Створення або перестановка стратегії AI

☑ Піонерський розвиток бізнесу

Konrad Wolfenstein

Я радий допомогти вам як особистого консультанта.

Ви можете зв’язатися зі мною, заповнивши контактну форму нижче або просто зателефонуйте мені за номером +49 89 674 804 (Мюнхен) .

Я з нетерпінням чекаю нашого спільного проекту.

Xpert.digital - це центр для промисловості з фокусом, оцифруванням, машинобудуванням, логістикою/внутрішньологічною та фотоелектричною.

За допомогою нашого рішення щодо розвитку бізнесу на 360 ° ми підтримуємо відомі компанії від нового бізнесу до після продажу.

Ринкова розвідка, маха, автоматизація маркетингу, розвиток контенту, PR, поштові кампанії, персоналізовані соціальні медіа та виховання свинцю є частиною наших цифрових інструментів.

Ви можете знайти більше на: www.xpert.digital - www.xpert.solar - www.xpert.plus