Salesforce AI：为什么独立的AI平台比Einstein和AgentForce-Hybrid方法更好，击败了供应商锁！

独立AI平台在Salesforce中的战略重要性：爱因斯坦以外的分析

Salesforce显着地将其本土人工智能（AI）定位为其客户360平台不可或缺的一部分，并将其宣传为“ CRM的＃1 AI”。核心信息强调了AI功能的无缝集成，例如Einstein，AgentForce和现有Salesforce工作流程中更全面的AI云，以提高生产率和个性化客户体验。在熟悉的环境中进行简单实施和使用的承诺对许多公司具有吸引力。
但是，Salesforce客户越来越面临战略决策：您是否应该仅依靠Salesforce的本地KI套件，还是考虑集成更独立，更具专业的AI平台？ AI市场发展迅速，外部提供商是不断高度专业的模型和创新的解决方案，可能超出了多合一平台的技能。

本文分析了在Salesforce环境中使用独立AI平台的战略优势。他批判性地检查了本地Salesforce AI的技能和限制，阐明了整合路径和挑战，并解决了诸如灵活性，成本，数据保护和提供商依赖性等中心方面。目的是为决策建立一个有充分的基础，这是否比Salesforce拥有的解决方案的唯一使用更开放的AI策略可能更有利。

关键问题是权衡深度集成解决方案的便利性以及外部AI工具的潜在性能和专业化。尽管Salesforce强调了其集成AI的优势，但AI领域的高专业化和快速创新速度需要差异化的视图。与专注于特定领域的提供商相比，单个平台提供商可能不会在所有AI域中提供最高的性能。整合与“最好的”之间的这种张力构成了本报告中研究的战略考虑因素的核心。

适合：

• AI集成了所有公司的独立和跨数据源范围内的AI平台

了解Salesforce的本地KI套件（Einstein，Agentforce，AI Cloud）

Salesforce提供了广泛的AI功能，这些功能已深入整合到其各种云产品中，并以爱因斯坦，AgentForce和AI Cloud的品牌组合结合在一起。该套件旨在通过自动化，预测和个性化互动来优化日常业务流程。

云功能概述

• 销售云：核心功能包括根据毕业的可能性（爱因斯坦的潜在客户/机会得分），更精确的销售预测，更精确的销售预测，自动创建个性化销售电子邮件（销售电子邮件），销售谈判摘要（呼叫摘要）以及从电子邮件和日历（Einstein Activity Caption Caption）自动记录活动的自动创建。爱因斯坦·柯洛特（Einstein Copilot）还提供与上下文相关的销售过程中的动作和支持。
• 服务云：这里KI支持客户流程的自动分类（案例分类），建议合适的知识文章或预制的答案（文章/答复建议），创建完整案例（工作摘要）的摘要，并启用聊天机器人自动使用标准请求。
• 营销云：AI功能有助于营销内容的创建和自动关键字（内容生成/标记），评估联系人相互作用（参与评分）的可能性，优化运输时间以进行最大开放率（发送时间优化），并能够深入宣传活动和客户体验。
• Commerce Cloud：在这一领域，AI专注于个性化产品建议，搜索结果的优化以及对购买行为的见解，以增加转化。
• 完全/常规：爱因斯坦预测构建器之类的工具使管理员能够创建无代码的自定义预测模型。爱因斯坦发现有助于找到数据中的模式和见解。爱因斯坦的下一个最佳动作提供与上下文相关的行动建议。 AgentForce代表可以独立执行任务的自主AI代理。建筑商和副驾驶工作室迅速允许适应和创建AI控制的助手和提示。

适合：

• 离开美国云：主权SaaS在概述 +采取行动建议

基础建筑

Salesforce AI的功能基于两个基本列：数据云和爱因斯坦信任层。

数据云依赖性

Salesforce数据云是中央数据基础。它以360度的角度将来自各种来源的客户数据（Salesforce内部和外部）团结在一起。这些统一的数据是许多AI应用程序的基础，尤其是生成AI和个性化的基础。重要的是，即使没有将数据云用于数据统一，也必须某些生成AI功能和信任层的审计跟踪需要提供数据云。这会产生建筑依赖性，并可能导致额外的复杂性和潜在成本，尤其是如果公司已经建立了数据仓库或数据湖泊。因此，对数据云的需求可以增加总拥有成本（TCO），如果不经过仔细管理，则代表潜在的瓶颈。

爱因斯坦信任层

该安全框架旨在确保可信赖的生成AI使用。它包括几个组件：

• 安全数据查询：访问Salesforce数据以通过相关上下文丰富提示，从而考虑各自用户的访问权限。
• 防御迅速：系统指南旨在减少语音模型（LLM）的幻觉和有害支出。
• 数据掩盖：敏感数据（PII）或付款信息（PCI）等敏感数据在发送到外部LLM之前被掩盖。
• 毒性评估：对产生的答案进行检查并评估潜在有害内容。
• 零数据保留政策：Salesforce已与OpenAAI和Azure OpenAI等合作伙伴达成协议，该协议应确保这些第三方提供商不存储传输的公司数据，也不用于培训其模型。

然而，仔细观察体系结构，表明Salesforce用于其许多生成的AI功能，用于OpenAAI，Anthropic或Google等提供商的外部大型语言模型（LLMS）。这些模型通常是通过云服务（例如AW的威胁）集成的。爱因斯坦信任层充当安全的门户。这意味着Salesforce主要充当集成商和安全经纪人，而不仅仅是开发自己的基本生成模型。尽管这可以访问强大的模型，但它会创建依赖性并提出问题在多大程度上与通过其他平台直接使用这些模型在多大不同。因此，客户为集成，安全级别和嵌入工作流中的销售人员支付基于外部AI模型的工作流程。这加强了评估与这些外部模型或平台直接集成的论点。

公认的本地解决方案的优势

尽管提到了一些观点，但本地Salesforce Ki Suite提供了不可否认的优势：

• 无缝集成：AI函数被深深嵌入Salesforce用户界面和工作过程中，这可以平稳使用。
• 用户友好性和熟悉度：通常会很快找到现有的Salesforce用户和管理员，这会缩短培训期。低代码工具还允许非技术用户创建基于AI的体验。
• 现有CRM数据的使用：AI旨在直接与Salesforce中存储的客户数据直接配合，这可以简化数据处理。

AI 和 XR 3D 渲染机：Xpert.Digital 在综合服务包、研发 XR、PR 和 SEM 中提供五重专业知识 - 图片：Xpert.Digital

Xpert.Digital 对各个行业都有深入的了解。 这使我们能够制定量身定制的策略，专门针对您特定细分市场的要求和挑战。 通过不断分析市场趋势并跟踪行业发展，我们可以前瞻性地采取行动并提供创新的解决方案。 通过经验和知识的结合，我们创造附加值并为客户提供决定性的竞争优势。

更多相关信息请点击这里：

• 在一个软件包中使用 Xpert.Digital 的 5 倍专业知识 - 每月仅需 500 欧元起

Salesforce独立AI平台的论点

尽管Salesforce AI的本地集成提供了优势，但有几个重要的原因是认真考虑独立AI平台的整合。这些外部解决方案在灵活性，专业化，适应性和潜在的成本优势等领域中可以提高。

灵活性和模型专业化

AI市场的特征是高动态和专业化。独立的人工智能提供商通常专注于特定领域或技术，因此比Salesforce等一般平台可以在某些领域提供更多的进步或量身定制的解决方案。

访问“最好的”模型

外部提供商通常为自然语言处理（NLP），计算机视觉或特定于行业的分析等领域开发高度专业的算法。此类示例是专门的AI，用于法律文件，例如Aquant等法律文件或特定于行业的诊断工具。这样的专业模型可以超过Salesforce集成的更通用模型的性能。

更快的创新周期

专门的AI公司通常可以比Salesforce这样的大型平台提供商更快地开发和发布新的模型和功能，Salesforce的AI路线图势必更广泛。这使公司能够从最新的AI进度中更快地受益。

较大的模型

独立的平台或市场提供了更广泛的型号的访问权限，包括利基解决方案，开源选择或提供商的模型，这些型号是通过Salesforce的“带您自己的型号”（BYOM）功能直接获得的。

适合：

• 独立的AI平台作为欧洲公司的战略替代品

外部提供商的专业化与更广泛的Salesforce方法形成鲜明对比，该方法旨在在整个CRM套件中提供基本的AI功能。尽管这种“宽度”方法可确保在许多领域都可以使用AI，但这可以以深度为代价。对于这些特定任务，专门的欺诈指数或医学图像分析工具可能会超过CRM的一般综合模型。在专门的AI领域中有关键要求的公司可能会发现本地Salesforce-KI还不够。独立平台使得可以为各自任务选择最佳工具，而不是使用潜在的“足够”本机解决方案满足自己。

适应和控制

独立的AI平台通常可以在整个AI生命周期中提供更高水平的控制，从数据准备到模型实施和监视。

更深的模型鳍调整

外部平台通常是为机器学习工程师设计的，并对培训和模型进行微调提供了颗粒状的控制。这超出了Salesforce（例如爱因斯坦预测构建器）或Salesforce中进口模型（BYOM）的限制的更抽象的低代码工具的可能性。

算法选择和透明度

在选择特定算法时，用户具有更大的自由度，并且可能比通过Salesforce的抽象层获得有关模型功能（解释性，解释性）的透明度。尽管Salesforce提供了诸如模型检查员之类的工具，但外部MLOP工具通常更全面。

控制Ki-stack

在AWS或Google Cloud等平台上的整个AI管道（数据准备，培训，提供，监视）的管理提供了比对Salesforce托管环境的依赖更具控制权。

Salesforce适应限制

虽然Salesforce提供了低代码构建器以易于调整，但外部平台通常可以更深入，基于代码的调整。 Salesforce AI功能（例如复杂的要求或调整爱因斯坦活动捕获以及一般平台限制）也有特定的功能限制。

潜在的成本优势

AI解决方案的成本结构可能会有很大差异，并且纯粹比较许可费是不够的。

不同的定价模型

Salesforce经常为每个用户的AI功能许可，并且每月作为现有云许可证的附加功能。相反，独立AI平台的价格通常基于实际消费（计算时间，内存，API调用）。独立的AI提供商可以依次拥有自己的，可能更灵活的价格模型。 Salesforce中的BYOM选项可以降低爱因斯坦请求的成本，但是外部模型提供商的基本成本仍在继续产生。

总拥有成本（TCO）

全面的TCO分析至关重要。尽管Salesforce-KI的本地集成可以降低初始集成成本，但其他因素可以增加总成本：数据云许可证或使用的潜在必要性，相对较高的亲使用者成本添加成本以及为AI型号支付附加费的可能性，而AI型号则将更便宜。独立AI的TCO必须包括集成成本，但可以从较低的核心AI使用成本和现有云基础架构的使用中受益。 AgentForce也被描述为使用中的可能昂贵（每次对话$ 2）。

避免冗余

独立AI的使用可以使公司能够在其他云平台或其自己的数据基础架构中使用现有的投资，从而避免在Salesforce生态系统中冗余费用。

Salesforce本地Ki与独立AI：功能和灵活性的比较

Salesforce本地KI与独立AI：功能和灵活性的比较 - 图像：XPERT.Digital

Salesforce本地AI，例如爱因斯坦或代理商，以及经常使用专业或开放模型的独立AI平台在其功能和灵活性上有很大差异。尽管Salesforce Anitial AI专注于通用方法和CRM应用程序，但独立平台通常提供专业的模型和更广泛的选择，包括开源选项。 Salesforce最新模型的访问取决于发布周期和合作伙伴关系，而专业提供商可以更快地更新。关于微调，本地Salesforce模型通常受到限制和抽象，例如，诸如预测构建器之类的工具，而独立平台则对培训过程提供了更详细的控制。特定算法在Salesforce的选择受到限制，因为它们主要是预定的或与合作伙伴有关的，而独立平台则提供了更多的自由。基础架构在Salesforce也得到了完全管理，通常基于AWS或GCP，而独立平台则可以直接访问托管环境，无论是在您自己的云还是在本地中。 Salesforce的集成工作很低，因为解决方案是本地的，而外部平台需要更多的开发和配置工作。关于成本，Salesforce通常每月依靠基于用户的价格模型作为附加组件，而独立平台通常使用依赖消费的价格，例如基于计算性能或API呼叫或特定于提供商的模型。

集成导航：将独立AI与Salesforce连接

独立AI平台的决定需要仔细计划与现有Salesforce环境的集成。建立这种联系有不同的方法，每种联系都有自己的优势和挑战。

集成方法

AppExChange / AgentExchange

Salesforce AppExchange提供了各种第三方应用程序，包括经常提供预制集成的AI解决方案。 AgentExchange是一个较新的市场，针对合作伙伴的AI代理技能，主题和模板，旨在加速AI代理的提供。这通常是最简单的方法，但要求合适的合作伙伴提供解决方案。

API（REST/SOAP/BULK/Streaming）

直接使用Salesforce API可以启用量身定制的集成。开发人员可以在Salesforce中交换数据，触发流程或从外部AI模型中播放结果。复合API可以有效地捆绑多个操作。该方法提供了最大的灵活性，但需要大量的开发工作。

中间件平台（例如mulesoft）

Mulesoft（Salesforce自己的解决方案）等集成平台可以用作中介。他们承担了诸如数据转换，复杂工作流程的编排以及Salesforce和外部AI服务之间的连接性管理等任务。

云平台连接器（AWS/GCP）

大型云提供商越来越多地提供特定的服务，以促进与Salesforce集成。示例是用于安全网络连接的AWS私人连接，用于实时事件传输的AWS事件接力，AWS胶水Salesforce连接器或用于数据处理的SageMaker Data Wrangler Connector。 Google Vertex AI可以通过模型构建器集成到Salesforce数据云中。这些连接器可以简化集成，但结合到相应的云提供商的生态系统。

关于爱因斯坦工作室

如前所述，此功能可以通过模型构建器将外部托管模型集成到Salesforce环境。查询继续通过Salesforce基础架构进行，并使用信任层，这简化了集成，但也创造了一定的依赖关系。

适合：

• AI和机器学习在仓库物流中的整合 - 德国，欧盟，美国和日本的全球发展

频繁的整合挑战

外部系统与Salesforce的集成并不是一件容易的事，并且包含特定的挑战：

API限制

Salesforce限制了每个组织和期间的API呼叫数量（例如每天，同时）。经常同步或查询数据的数据密集型AI流程可以快速达到这些限制。这需要仔细的设计（例如节流，批处理处理，缓存），或者可以使高级销售Force版本或其他必要的API偶然性获得收购。特别是流动API的限制与实时应用程序有关。

数据同步

确保Salesforce和外部AI平台之间的数据一致性至关重要。挑战包括处理大数据量（LDV），实时和批处理更新之间的决策，延迟时间的管理以及避免数据不一致。零拷贝集成之类的方法旨在减少这些问题，可能并不总是适用。

数据映射和转换

必须协调不同的数据模型，格式和现场语义。这可能需要复杂的转换逻辑，以确保正确解释数据。
安全性和身份验证：访问数据的安全管理（API密钥，令牌），可靠身份验证方法的实现（例如OAuth 2.0，命名为信用），并确保安全数据传输（加密）至关重要。马尔康可以导致安全差距。

故障排除和数据一致性

集成必须抵抗错误（网络问题，系统故障，数据错误）。为了确保数据完整性并最大程度地减少下降时，需要进行记录，监视和自动重复尝试（重试逻辑）的鲁棒机制（重试逻辑）。

复杂性和维护

量身定制的集成需要持续维护和适应，尤其是在开发Salesforce或外部AI平台的情况下。这可以绑定资源并需要技术知识。

集成的复杂性代表了通常低估的成本因素。虽然独立的AI平台可能会提供较低的核成本或卓越的功能，但集成的成本和精力包括开发时间，潜在的中间软件许可证以及持续的维护 - 持续的维护量流入TCO计算中。 Salesforce的本地AI受益于预制整合。如果需要详尽的解决方案或更昂贵的许可证，API限制可以进一步增加复杂性和成本。因此，独立AI的决定必须考虑到组织的技术技能和资源来应对这种整合复杂性。计划不善的整合会破坏外部平台的优势。

成功的集成模式

尽管面临挑战，但仍有建立的模式和工具可以成功集成。案例研究表明，AWS SageMaker与Salesforce的成功联系，通常使用特定的AWS服务来优化性能和成本。与Google Vertex AI相似，尤其是通过模型构建器进行类似的集成。诸如Zapier之类的工具可用于更简单，无代码的集成，以在系统之间移动数据，例如在Google表和Vertex AI之间，作为Salesforce数据的代理。使用云本机连接器和服务（例如AWS胶水，EventBridge或私有连接）也可以大大简化和安全集成。

独立的AI平台：概述中的集成方法和挑战

独立的AI平台：概述图像的集成方法和挑战：XPERT.DIGITAL

独立的AI平台提供了广泛的集成方法，每种方法都带来了特定的优势和挑战。 AppExchange或AgensExchange应用程序可以轻松安装预制的应用程序或合作伙伴的组件，而开发工作很少，经常经过认证的质量。但是，适应性是有限的，并且对合作伙伴的报价和潜在成本有依赖性。直接的API集成，可以使用Salesforce API（例如剩下的肥皂，散装和流媒体）量身定制开发，可提供最大的灵活性和对数据流和逻辑的完全控制。但是，它需要高水平的开发，API限制的管理，彻底的安全测试和持续维护。 Mulesoft之类的中间件的使用通过连接，数据转换和编排简化了复杂的集成。它提供了中央管理和可重用性，但需要额外的许可成本和对平台的密集熟悉。诸如AWS或GCP之类的云连接器通过特定的部分低代码服务（例如胶水，事件继电器或私人连接）优化集成。这些对于各自的云生态系统都是强大，安全和完美的，但需要专门的配置并将用户绑定到提供商。使用BYOM通过Einstein Studio，可以轻松地将外部托管模型集成到Salesforce工作流程中，从而简化信任层并进行集成。但是，与直接使用，精细调整和对Salesforce平台的依赖相比，模型支持有限制。

所有公司图像的独立和跨数据源范围内的AI平台的集成：xpert.digital

Ki-Gamechanger：最灵活的AI平台销售解决方案，降低成本，提高决策并提高效率

独立的AI平台：集成所有相关的公司数据源

• 这个AI平台与所有特定数据源进行互动
  • 来自SAP，Microsoft，Jira，Confluence，Salesforce，Zoom，Dropbox和许多其他数据管理系统
• 快速AI集成：在数小时或数月内为公司量身定制的AI解决方案
• 灵活的基础架构：基于云或在您自己的数据中心（德国，欧洲，免费位置选择）的托管

• 最高数据安全：在律师事务所使用是安全的证据
• 在各种公司数据源中使用
• 选择您自己或各种AI模型（DE，欧盟，美国，CN）

我们的AI平台解决的挑战

• 常规AI解决方案缺乏准确性
• 数据保护和敏感数据的安全管理
• 个人AI开发的高成本和复杂性
• 缺乏合格的人工智能
• 将AI集成到现有的IT系统中

更多相关信息请点击这里：

• AI集成了所有公司的独立和跨数据源范围内的AI平台

关键考虑：独立AI的风险管理

对独立AI平台或反对独立AI平台的决定还必须包括仔细考虑潜在风险，尤其是在数据保护，提供商依赖性和数据主权领域。

隐私和安全

尽管Salesforce将爱因斯坦信任层定位为安全AI使用的保证，但与独立解决方案相比，必须更仔细地揭示其实际限制。

爱因斯坦信任层限制：

停用代理Force的数据掩盖：一个中心点是明确确定了代理Force工作流的数据掩盖被停用。原因是，据称，掩盖会影响结果的上下文准确性和相关性，例如，在寻找类似的帐户时，需要参考帐户的详细信息。这代表了数据保护的相当大风险，因为可能会将潜在敏感的客户数据发送给外部LLM，这在受监管的行业中尤其有问题，并且与“信任”的承诺相矛盾。
替代缓解措施（拟人化）：Salesforce计划提供替代人类模型，这些模型在“ Salesforce Trust trust的边界”（托管在AWS Bedrock上）中。尽管数据并未离开Salesforce Control Sphere，但数据掩蔽也仍然在此处停用。与功能性掩盖相比，该数据保护是否足够解决，这是值得怀疑的。
一般信任层功能：核心功能，例如在伴侣中零保留和毒性测试。但是，Agentforce的例外是一个重大限制。

独立平台的潜在优势：

专用数据居住选择：独立的云提供商或专业平台可能会对数据的存储和处理位置提供更多的颗粒状控制。这对于符合严格的区域数据保护法（例如GDPR或特定国家法规）可能是必要的，而该法律超出了Salesforce Hyperforce的一般保证。
替代安全体系结构：公司可以选择更好地匹配其特定安全要求的体系结构，例如通过专用加密，更严格的访问控制或数据绝缘机制。
直接提供者的责任：直接与AI提供商合作会产生更明确的责任来处理数据，而没有Salesforce作为中间实例。

信任层的营销承诺及其技术现实的差距，尤其是代理商的停用掩盖，对于风险评估至关重要。决策者不能仅仅依靠营销声明，而必须检查其应用程序的特定实现，并将其与独立平台的更一致或可配置的控件进行比较。

适合：

• 值得信赖的AI：欧洲的王牌和在人工智能中扮演领导角色的机会

数据保护与安全方面：爱因斯坦信任层与独立平台

数据保护与安全方面：爱因斯坦信任层与独立平台 - 图像：xpert.digital

数据保护和安全方面对于来自Salesforce和独立平台的爱因斯坦信任层至关重要。在数据掩蔽中，信任层为某些区域和语言提供了支持，但是在AgentForce的限制下，独立平台可以提供可配置和可自定义的规则以及支持的数据类型。对于基于代理的工作流程，信任层中的数据掩盖被停用，而使用独立平台，取决于实现，通常可以容忍绩效损失。第三方提供商之间的零数据保留是由合同协议（例如与OpenAAI）保证的；独立平台允许直接合同或托管自己的基础架构，以完全避免第三方。审计跟踪通过数据云记录在信任层中，包括有毒内容和掩盖，而独立平台通常提供详细的日志记录和监视功能，例如MLOPS工具。在检查数据居住地时，信任层取决于Hyperforce区域和配置，而独立平台通常允许更精细的数据中心区域选择。在Salesforce，托管选项范围从自我管理的托管提供商到BYOM选项的提供商，再到SF Gateway，包括AWS或GCP等合作伙伴的托管，尽管在SF地区也计划了人类。另一方面，独立平台可以在自己的云实例，本地或提供商云中托管。关于控件的粒度，信任层提供了可配置的选项，例如确定屏蔽规则，从而定义了基本体系结构；独立平台通常可以提供安全措施的更全面的可配置性。

避免供应商锁定

Salesforce Services的深层集成具有强烈依赖提供商的风险。

生态系统依赖的风险

仅在CRM和AI的Salesforce上降落会产生重大的依赖性。这可以削弱价格调整的谈判位置，并限制将来使用其他技术的灵活性。

战略多元化

独立AI平台的使用使技术堆栈多样化。公司可以使用市场上的创新，如有必要，更轻松地更改提供商。这获得了行动的战略能力。

Salesforce的“开放生态系统”悖论

Salesforce宣传开放的生态系统，例如通过BYOM，但是深层整合的实际现实通常会导致事实联系。即使使用BYOM，管理和规定也是通过Salesforce平台执行的，这使得很难更改。集成解决方案的便利性可能会导致“软锁定”，因为底层依赖性被遮盖，并且对不同的管理或部署策略的变化会导致摩擦损失。

更多相关信息请点击这里：

• 供应商锁定的危险：为什么公司应避免依赖关系

主权和便携性

控制自己的数据以及必要时迁移模型或数据的可能性是重要的战略方面。

爱因斯坦活动捕获的担忧（EAC）

一个特定的问题会影响EAC。记录的电子邮件和日历数据并未作为Salesforce中的标准活动记录保存，而是在AWS中保存。该数据的保留期限有限（6个月，最多24个月，带有付费许可证），并且在电动机停用时会丢失。这引发了有关数据主权，长期访问和备份选项的重大问题。在这种情况下，您没有完全拥有数据。

模型可移植性

使用Einstein预测构建器等Salesforce工具本地创建的模型与平台相关，并且不容易刻画。虽然可以导出基础数据，但训练有素的模型本身是不可传输的。相比之下，即使在外部平台（AWS，GCP等）上开发的模型即使与Salesforce暂时集成在一起也更便宜。

具有独立AI的数据可移植性

当使用外部AI平台时，核心数据处理和模型工件通常在Salesforce之外。如果与Salesforce或策略发生变化，这可能会提供更好的数据和模型可移植性。

决策者的战略建议

在Salesforce环境中选择正确的AI策略需要进行差异化评估，这超出了简单的功能比较。以下建议可以帮助决策者：

严重使用应用程序

默认情况下，请勿依靠本地Salesforce AI。基于以下方式单独检查每个AI应用程序

• 所需的专业化：该任务是否需要深层专业的AI技能（例如复杂的科学分析，利基领域的预测），这些技能可能会由专用平台更好地服务？
• 适应需求：需要多少控制模型，培训数据和算法？ Salesforce的抽象程度足够吗？
• 绩效要求：是否存在优化的外部基础设施可以更好地满足严格的延迟或吞吐量要求？
• 数据敏感性和合规性：该应用程序是否适用于高度敏感的数据，在高度敏感的数据中，信任层的限制（尤其是在Agentforce中缺乏掩盖）代表不可接受的风险？特定的数据居住要求是否更好地满足？

采用混合方法

考虑一种本地Salesforce-KI使用的策略，以实现其优势的简单，重集成的任务（例如，基本的潜在客户评分，销售云中的电子邮件设计）。同时，应集成高质量，专业或高度敏感用例的独立平台。

考虑整合成熟度

实际评估组织的技术资源和专业知识，以管理外部AI解决方案的集成和维护的复杂性。首先从良好支持的集成（例如AppExchange，已建立的云连接器）开始，然后再解决复杂的内部开发。

计算完整的TCO

进行彻底的TCO分析，以比较本机Salesforce Ki（许可，数据云，潜在功能限制）的总成本与独立AI（核心AI成本 +集成开发/维护 +中间件）的总成本。

TCO分析（总拥有成本）是一种评估与整个生命周期中技术收购和操作相关的总成本的方法，这不仅是收购成本，还持续运营成本，维护，培训，培训，升级等。

为什么外部AI平台可以更具成本效益：

• 规模效果：提供商向许多客户分配基础设施成本。
• 较低的投资：您自己的基础设施不需要结构。
• 更快的用途：更快的上市时间会降低间接成本。
• 维护和更新包括：没有自己的IT操作努力。
• 付款方式：适应需求的费用。

TCO分析通常表明，从长远来看，外部AI平台比他们自己的解决方案更便宜，更灵活。

优先考虑战略灵活性

权衡综合Salesforce生态系统的便利性与提供者依赖的长期战略风险（请参阅VB节）。从开始进入AI策略，安装可移植性注意事项。

请求透明度

要求所有提供商（包括销售部队和独立提供者）的清晰文档，以了解模型技能，限制，数据处理实践，安全措施和价格模型。仔细询问营销声明并将其与技术现实进行比较。

适合：

• 变更中的数据管理系统：公司在AI时代成功的策略

在Salesforce内开放AI策略的请求

该分析清楚地表明，唯一使用Salesforce本地KI套件提供了便利性和无缝集成到众所周知的CRM流程中，但不一定代表每个公司的最佳策略。对独立AI平台的战略考虑将开启显着优势：访问高度专业化和潜在的强大模型，更大的灵活性和对AI堆栈的控制，通过替代定价模型通过替代定价模型的可能成本效率以及现有基础架构的使用以及对提供者依赖性和数据主权的重要风险最小化。

爱因斯坦信任层的既定限制特别关键，即代理工作流的停用数据掩盖。这强调了超越营销承诺并仔细检查技术现实的需求，尤其是在处理敏感数据时。从爱因斯坦活性捕获的例子中可以明显看出，对数据可移植性的关注也警告，如果与专有内存和处理机制的键合成结合。

同时，不应低估Salesforce AI的作用。对于许多标准的CRM任务，它提供了一个有价值，整合的解决方案。爱因斯坦信任层是一个重要的治理和安全水平，尽管其局限性。低代码工具还可以使组织内的AI使用更广泛的民主化。

因此，对于许多公司来说，最有说服力的策略应该是一种开放的混合方法。这种策略将本地销售Force AI的优势用于日常的，集成的任务，但并没有回避将外部的，“最佳” AI解决方案集成到特定，高度要求或战略性至关重要的用例中。这需要从默认设置中偏离仅使用本机工具，而是基于严格的，基于应用程序的评估。

要求决策者仔细确定本地和独立AI解决方案的正确组合。该决定应基于特定的业务需求，现有的技术技能，风险和长期战略目标的风险，以便在不采取不必要的依赖性或风险的情况下利用AI在Salesforce生态系统中的全部潜力。

☑️ 为中小企业提供战略、咨询、规划和实施方面的支持

AI策略的创建或重组

☑️ 开拓业务发展

康拉德·德军总部

我很乐意担任您的个人顾问。

您可以通过填写下面的联系表与我联系，或者直接致电+49 89 89 674 804 （慕尼黑） 。

我很期待我们的联合项目。

Xpert.Digital 是一个专注于数字化、机械工程、物流/内部物流和光伏的工业中心。

凭借我们的360°业务发展解决方案，我们为知名企业提供从新业务到售后的支持。

市场情报、营销、营销自动化、内容开发、公关、邮件活动、个性化社交媒体和潜在客户培育是我们数字工具的一部分。

您可以通过以下网址了解更多信息： www.xpert.digital - www.xpert.solar - www.xpert.plus