Traiga su propia IA usando Amazon SageMaker con Salesforce Data Cloud | Servicios web de Amazon

Esta publicación es coautora de Daryl Martis, Director de Producto, Salesforce Einstein AI.

Estamos emocionados de anunciar Amazon SageMaker y la integración de Salesforce Data Cloud. Con esta capacidad, las empresas pueden acceder a sus datos de Salesforce de forma segura con un enfoque de copia cero utilizando SageMaker y utilizar las herramientas de SageMaker para crear, entrenar e implementar modelos de IA. Los puntos finales de inferencia están conectados con Data Cloud para generar predicciones en tiempo real. Como resultado, las empresas pueden acelerar el tiempo de comercialización mientras mantienen la integridad y seguridad de los datos, y reducen la carga operativa de mover datos de una ubicación a otra.

Presentación de Einstein Studio en la nube de datos

Data Cloud es una plataforma de datos que proporciona a las empresas actualizaciones en tiempo real de los datos de sus clientes desde cualquier punto de contacto. Con Einstein Studio, una puerta de entrada a las herramientas de IA en la plataforma de datos, los administradores y los científicos de datos pueden crear modelos sin esfuerzo con unos pocos clics o usando código. La experiencia de traer su propio modelo (BYOM) de Einstein Studio brinda la capacidad de conectar modelos de IA personalizados o generativos desde plataformas externas como SageMaker a Data Cloud. Los modelos personalizados se pueden entrenar utilizando datos de Salesforce Data Cloud a los que se accede a través del Wrangler de datos de Amazon SageMaker conector Las empresas pueden actuar sobre sus predicciones integrando sin problemas modelos personalizados en los flujos de trabajo de Salesforce, lo que lleva a una mejor eficiencia, toma de decisiones y experiencias personalizadas.

Beneficios de la integración de SageMaker y Data Cloud Einstein Studio

Así es como el uso de SageMaker con Einstein Studio en Salesforce Data Cloud puede ayudar a las empresas:

• Brinda la capacidad de conectar modelos de IA generativos y personalizados a Einstein Studio para varios casos de uso, como conversión de clientes potenciales, clasificación de casos y análisis de sentimientos.
• Elimina trabajos ETL (extracción, transformación y carga) tediosos, costosos y propensos a errores. El enfoque de copia cero de los datos reduce la sobrecarga para administrar las copias de datos, reduce los costos de almacenamiento y mejora la eficiencia.
• Brinda acceso a datos altamente seleccionados, armonizados y en tiempo real en Customer 360. Esto conduce a modelos expertos que brindan predicciones más inteligentes e información empresarial.
• Simplifica el consumo de resultados de los procesos comerciales y genera valor sin latencia. Por ejemplo, puede usar flujos de trabajo automatizados que pueden adaptarse en un instante en función de nuevos datos.
• Facilita la operacionalización de modelos e inferencias de SageMaker en Salesforce.

El siguiente es un ejemplo de cómo hacer operativo un modelo de SageMaker usando Flujo de fuerza de ventas.

Integración de SageMaker

SageMaker es un servicio completamente administrado para preparar datos y crear, entrenar e implementar modelos de aprendizaje automático (ML) para cualquier caso de uso con infraestructura, herramientas y flujos de trabajo completamente administrados.

Para agilizar la integración de SageMaker y Salesforce Data Cloud, presentamos dos nuevas funciones en SageMaker:

• El conector de nube de datos de Salesforce Data Wrangler de SageMaker – Con el conector SageMaker Data Wrangler Salesforce Data Cloud recientemente lanzado, los administradores pueden preconfigurar las conexiones a Salesforce para permitir que los analistas de datos y los científicos de datos accedan rápidamente a los datos de Salesforce en tiempo real y creen funciones para ML. Esto permitirá a los usuarios acceder a Salesforce Data Cloud de forma segura mediante OAuth. Puede visualizar, analizar y transformar datos de forma interactiva utilizando el poder de Spark sin escribir ningún código utilizando las funciones de preparación de datos visuales de código bajo de Salesforce Data Wrangler. También puede escalar para procesar grandes conjuntos de datos con trabajos de procesamiento de SageMaker, entrenar modos ML automáticamente usando Piloto automático Amazon SageMakere integre con una canalización de inferencia de SageMaker para implementar el mismo flujo de datos en producción con el extremo de inferencia para procesar datos en tiempo real o por lotes para la inferencia.

• La plantilla Proyectos de SageMaker para Salesforce – Lanzamos un Proyectos de SageMaker plantilla para Salesforce que puede usar para implementar terminales para modelos de lenguaje extenso y tradicionales (LLM) y exponer terminales de SageMaker como una API automáticamente. SageMaker Projects proporciona una forma sencilla de configurar y estandarizar el entorno de desarrollo para que los científicos de datos y los ingenieros de ML creen e implementen modelos de ML en SageMaker.

Cotización de socio

“La asociación entre Salesforce y AWS Sagemaker permitirá a los clientes aprovechar el poder de la IA (tanto modelos generativos como no generativos) en sus fuentes de datos, flujos de trabajo y aplicaciones de Salesforce para brindar experiencias personalizadas y potenciar la generación de nuevos contenidos, resúmenes y preguntas. -respuesta tipo experiencias. Al combinar lo mejor de ambos mundos, estamos creando un nuevo paradigma para la innovación basada en datos y el éxito del cliente respaldado por IA”.

-Kaushal Kurapati, vicepresidente sénior de productos, IA y búsqueda de Salesforce

Resumen de la solución

La solución de integración BYOM proporciona a los clientes un conector nativo de Salesforce Data Cloud en SageMaker Data Wrangler. El conector de SageMaker Data Wrangler le permite acceder de forma segura a los objetos de Salesforce Data Cloud. Una vez que los usuarios se autentican, pueden realizar la exploración de datos, la preparación y las tareas de ingeniería de funciones necesarias para el desarrollo y la inferencia de modelos a través de la interfaz visual interactiva de SageMaker Data Wrangler. Los científicos de datos pueden trabajar dentro Estudio Amazon SageMaker notebooks para desarrollar modelos personalizados, que pueden ser tradicionales o LLM, y ponerlos a disposición para su implementación registrando el modelo en el Registro de modelos de SageMaker. Cuando se aprueba un modelo para producción en el registro, SageMaker Projects automatizará la implementación de una API de invocación que se puede configurar como destino en Salesforce Einstein Studio e integrarse con las aplicaciones de Salesforce Customer 360. El siguiente diagrama ilustra esta arquitectura.

Conclusión

En esta publicación, compartimos la integración BYOM de SageMaker y Salesforce Einstein Studio, donde puede usar datos en Salesforce Data Cloud para crear y capacitar a LLM tradicionales y en SageMaker. Puede utilizar SageMaker Data Wrangler para preparar datos de Salesforce Data Cloud sin copia. También brindamos una solución automatizada para implementar los extremos de SageMaker como una API utilizando una plantilla de Proyectos de SageMaker para Salesforce.

AWS y Salesforce están entusiasmados de asociarse para brindar esta experiencia a nuestros clientes conjuntos para ayudarlos a impulsar los procesos comerciales utilizando el poder de ML y la inteligencia artificial.

Para obtener más información sobre la integración BYOM de Salesforce, consulte Traiga sus propios modelos de IA con Einstein Studio. Para obtener una implementación detallada utilizando el caso de uso de ejemplo de recomendaciones de productos, consulte Utilice la integración de Amazon SageMaker y Salesforce Data Cloud para potenciar sus aplicaciones de Salesforce con IA/ML.

---

Acerca de los autores

daryl martis es el Director de Producto de Einstein Studio en Salesforce Data Cloud. Tiene más de 10 años de experiencia en la planificación, creación, lanzamiento y gestión de soluciones de clase mundial para clientes empresariales, incluidas soluciones de inteligencia artificial y aprendizaje automático y en la nube. Anteriormente trabajó en la industria de servicios financieros en la ciudad de Nueva York.

Rachna chadha es Principal Solutions Architect AI/ML en Cuentas Estratégicas en AWS. Rachna es una optimista que cree que el uso ético y responsable de la IA puede mejorar la sociedad en el futuro y traer prosperidad económica y social. En su tiempo libre, a Rachna le gusta pasar tiempo con su familia, hacer caminatas y escuchar música.

ife stewart es Arquitecto Principal de Soluciones en el segmento de ISV Estratégicos en AWS. Ha estado comprometida con Salesforce Data Cloud durante los últimos 2 años para ayudar a crear experiencias de clientes integradas en Salesforce y AWS. Ife tiene más de 10 años de experiencia en tecnología. Es una defensora de la diversidad y la inclusión en el campo de la tecnología.

Maninder (Mani) Kaur es el líder especialista en IA/ML para ISV estratégicos en AWS. Con su enfoque centrado en el cliente, Mani ayuda a los clientes estratégicos a dar forma a su estrategia de IA/ML, impulsar la innovación y acelerar su proceso de IA/ML. Mani cree firmemente en la IA ética y responsable, y se esfuerza por garantizar que las soluciones de IA de sus clientes se alineen con estos principios.

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
• PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
• PlatoESG. Automoción / vehículos eléctricos, Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
• Desplazamientos de bloque. Modernización de la propiedad de compensaciones ambientales. Accede Aquí.
• Fuente: https://aws.amazon.com/blogs/machine-learning/bring-your-own-ai-using-amazon-sagemaker-with-salesforce-data-cloud/