Salesforce a présenté sa couche d’IA, surnommée Einstein, en 2016. Plus récemment, lors de l’événement Salesforce World Tour à New York en mai, l’entreprise n’a parlé que de l’IA générative et de Data Cloud, son lac de données interne. Aujourd’hui, il a annoncé la prochaine étape de ce voyage avec la sortie d’Einstein Studio et la possibilité d’apporter votre propre modèle (BYOM).
“Nous lançons” apportez votre propre modèle “, qui permet à nos clients d’apporter leurs données propriétaires dans Data Cloud pour construire et former leur modèle”, a déclaré à TechCrunch Rahul Auradkar, vice-président exécutif et directeur général des services de données unifiés et d’Einstein. Lorsque vous apportez votre modèle externe et que vous le mélangez avec les données Salesforce dans Data Cloud, Auradkar dit que c’est une combinaison puissante.
La solution est vraiment destinée aux personnes qui ont des équipes de données assez sophistiquées et qui ont construit des modèles dans d’autres endroits comme SageMaker. Ces entreprises veulent mettre ces modèles qu’elles ont déjà construits et dans lesquels elles ont fait un investissement important, pour travailler dans d’autres contextes. C’est ce qu’Einstein Studio leur permet de faire.
Einstein Studio est une console de gestion qui vit dans Data Cloud et permet aux clients d’importer un modèle existant sans ETL. Cela signifie que le client doit pouvoir importer les données sans avoir à passer par l’exercice pénible de l’extraction, de la transformation et du chargement. C’est un gros problème pour les équipes de données et devrait rendre la solution plus attrayante à cause de cela.
Pour commencer, il prendra en charge Amazon SageMaker prêt à l’emploi, mais Salesforce travaille également sur un pilote avec Google Vertex AI avec des plans en cours pour prendre en charge Databricks, Snowflake et d’autres sur la route.
Alors qu’Einstein est livré avec un certain nombre de modèles prédictifs tels que les clients les plus susceptibles de se désabonner, cette solution permet aux clients de concevoir des modèles prédictifs personnalisés pour prédire des éléments tels que les produits les plus susceptibles de nécessiter une maintenance ou de faire des recommandations de produits en fonction de l’intérêt d’un client.
Il peut également fonctionner avec des LLM pour générer du contenu, comme l’envoi d’un e-mail automatisé lorsque le produit est prêt pour la maintenance avant qu’il ne tombe en panne. Salesforce veut réduire les hallucinations, où le modèle invente des trucs quand il n’a pas de réponse définitive, en se connectant à une base de données graphique basée sur des données à l’intérieur de Salesforce. Ainsi, le LLM peut voir toutes les données relatives à un client particulier, donnant au modèle les informations dont il a besoin pour écrire un e-mail plus précis basé sur les informations du dossier client.
Une fois que vous avez importé le modèle, vous pouvez l’intégrer à des flux de travail dans Salesforce et générer des informations ou déclencher des actions telles que la création d’un e-mail, tout en tirant parti du travail déjà effectué par votre équipe de données.
Einstein Studio avec la possibilité de se connecter à Amazon SageMaker et d’apporter votre propre modèle est disponible en GA à partir d’aujourd’hui.
