Apportez votre propre IA en utilisant Amazon SageMaker avec Salesforce Data Cloud | Services Web Amazon

Cet article est co-écrit par Daryl Martis, directeur de produit, Salesforce Einstein AI.

Nous sommes heureux d'annoncer Amazon Sage Maker et l'intégration Salesforce Data Cloud. Grâce à cette capacité, les entreprises peuvent accéder à leurs données Salesforce en toute sécurité avec une approche zéro copie à l'aide de SageMaker et utiliser les outils SageMaker pour créer, former et déployer des modèles d'IA. Les points de terminaison d'inférence sont connectés à Data Cloud pour générer des prédictions en temps réel. En conséquence, les entreprises peuvent accélérer la mise sur le marché tout en préservant l'intégrité et la sécurité des données, et réduire la charge opérationnelle liée au déplacement des données d'un emplacement à un autre.

Présentation d'Einstein Studio sur le cloud de données

Data Cloud est une plateforme de données qui fournit aux entreprises des mises à jour en temps réel de leurs données clients à partir de n'importe quel point de contact. Avec Einstein Studio, une passerelle vers les outils d'IA sur la plate-forme de données, les administrateurs et les data scientists peuvent facilement créer des modèles en quelques clics ou à l'aide de code. L'expérience BYOM (apportez votre propre modèle) d'Einstein Studio offre la possibilité de connecter des modèles d'IA personnalisés ou génératifs à partir de plates-formes externes telles que SageMaker à Data Cloud. Les modèles personnalisés peuvent être formés à l'aide des données de Salesforce Data Cloud accessibles via le Gestionnaire de données Amazon SageMaker connecteur. Les entreprises peuvent agir sur leurs prédictions en intégrant de manière transparente des modèles personnalisés dans les flux de travail Salesforce, ce qui améliore l'efficacité, la prise de décision et les expériences personnalisées.

Avantages de l'intégration SageMaker et Data Cloud Einstein Studio

Voici comment l'utilisation de SageMaker avec Einstein Studio dans Salesforce Data Cloud peut aider les entreprises :

• Il offre la possibilité de connecter des modèles d'IA personnalisés et génératifs à Einstein Studio pour divers cas d'utilisation, tels que la conversion de prospects, la classification de cas et l'analyse des sentiments.
• Il élimine les tâches ETL (extraction, transformation et chargement) fastidieuses, coûteuses et sujettes aux erreurs. L'approche zéro copie des données réduit les frais généraux liés à la gestion des copies de données, réduit les coûts de stockage et améliore l'efficacité.
• Il donne accès à des données hautement organisées, harmonisées et en temps réel sur Customer 360. Cela conduit à des modèles experts qui fournissent des prédictions et des informations commerciales plus intelligentes.
• Il simplifie la consommation des résultats des processus métier et génère de la valeur sans latence. Par exemple, vous pouvez utiliser des flux de travail automatisés qui peuvent s'adapter en un instant en fonction de nouvelles données.
• Il facilite l'opérationnalisation des modèles et des inférences SageMaker dans Salesforce.

Voici un exemple d'opérationnalisation d'un modèle SageMaker à l'aide de Flux Salesforce.

Intégration SageMaker

SageMaker est un service entièrement géré pour préparer les données et créer, former et déployer des modèles d'apprentissage automatique (ML) pour tout cas d'utilisation avec une infrastructure, des outils et des flux de travail entièrement gérés.

Pour rationaliser l'intégration de SageMaker et Salesforce Data Cloud, nous introduisons deux nouvelles fonctionnalités dans SageMaker :

• Le connecteur SageMaker Data Wrangler Salesforce Data Cloud – Avec le nouveau connecteur SageMaker Data Wrangler Salesforce Data Cloud, les administrateurs peuvent préconfigurer les connexions à Salesforce pour permettre aux analystes de données et aux data scientists d'accéder rapidement aux données Salesforce en temps réel et de créer des fonctionnalités pour le ML. Cela permettra aux utilisateurs d'accéder à Salesforce Data Cloud en toute sécurité à l'aide d'OAuth. Vous pouvez visualiser, analyser et transformer des données de manière interactive à l'aide de la puissance de Spark sans écrire de code à l'aide des fonctionnalités de préparation de données visuelles low-code de Salesforce Data Wrangler. Vous pouvez également évoluer pour traiter de grands ensembles de données avec les tâches de traitement SageMaker, former automatiquement les modes ML à l'aide Pilote automatique Amazon SageMaker, et s'intègre à un pipeline d'inférence SageMaker pour déployer le même flux de données en production avec le point de terminaison d'inférence pour traiter les données en temps réel ou par lots pour l'inférence.

• Le modèle de projets SageMaker pour Salesforce – Nous avons lancé un Projets SageMaker modèle pour Salesforce que vous pouvez utiliser pour déployer des points de terminaison pour les modèles de langage traditionnels et étendus (LLM) et exposer automatiquement les points de terminaison SageMaker en tant qu'API. SageMaker Projects fournit un moyen simple de configurer et de standardiser l'environnement de développement pour les scientifiques des données et les ingénieurs ML afin de créer et de déployer des modèles ML sur SageMaker.

Devis partenaire

« Le partenariat entre Salesforce et AWS Sagemaker permettra aux clients de tirer parti de la puissance de l'IA (modèles génératifs et non génératifs) dans leurs sources de données, flux de travail et applications Salesforce pour offrir des expériences personnalisées et alimenter la génération, la synthèse et la question de nouveaux contenus. -expériences de type réponse. En combinant le meilleur des deux mondes, nous créons un nouveau paradigme pour l'innovation basée sur les données et la réussite client soutenue par l'IA. »

-Kaushal Kurapati, vice-président principal des produits, de l'IA et de la recherche chez Salesforce

Vue d'ensemble de la solution

La solution d'intégration BYOM fournit aux clients un connecteur Salesforce Data Cloud natif dans SageMaker Data Wrangler. Le connecteur SageMaker Data Wrangler vous permet d'accéder en toute sécurité aux objets Salesforce Data Cloud. Une fois les utilisateurs authentifiés, ils peuvent effectuer des tâches d'exploration de données, de préparation et d'ingénierie de fonctionnalités nécessaires au développement et à l'inférence de modèles via l'interface visuelle interactive SageMaker Data Wrangler. Les data scientists peuvent travailler dans Amazon SageMakerStudio Notebooks pour développer des modèles personnalisés, qui peuvent être traditionnels ou des LLM, et les rendre disponibles pour le déploiement en enregistrant le modèle dans le registre de modèles SageMaker. Lorsqu'un modèle est approuvé pour la production dans le registre, SageMaker Projects automatise le déploiement d'une API d'invocation qui peut être configurée en tant que cible dans Salesforce Einstein Studio et intégrée aux applications Salesforce Customer 360. Le schéma suivant illustre cette architecture

Conclusion

Dans cet article, nous avons partagé l'intégration SageMaker et Salesforce Einstein Studio BYOM, où vous pouvez utiliser des données dans Salesforce Data Cloud pour créer et former des LLM traditionnels et dans SageMaker. Vous pouvez utiliser SageMaker Data Wrangler pour préparer les données de Salesforce Data Cloud sans aucune copie. Nous avons également fourni une solution automatisée pour déployer les points de terminaison SageMaker en tant qu'API à l'aide d'un modèle de projets SageMaker pour Salesforce.

AWS et Salesforce sont ravis de s'associer pour offrir cette expérience à nos clients communs afin de les aider à piloter les processus métier en utilisant la puissance du ML et de l'intelligence artificielle.

Pour en savoir plus sur l'intégration Salesforce BYOM, reportez-vous à Apportez vos propres modèles d'IA avec Einstein Studio. Pour une mise en œuvre détaillée à l'aide d'un exemple de cas d'utilisation de recommandations de produits, reportez-vous à Utilisez l'intégration Amazon SageMaker et Salesforce Data Cloud pour alimenter vos applications Salesforce avec AI/ML.

---

À propos des auteurs

Daryl Martis est directeur de produit pour Einstein Studio chez Salesforce Data Cloud. Il a plus de 10 ans d'expérience dans la planification, la construction, le lancement et la gestion de solutions de classe mondiale pour les entreprises clientes, y compris les solutions d'IA/ML et de cloud. Il a précédemment travaillé dans le secteur des services financiers à New York.

Rachna Chadha est architecte principal de solutions AI/ML dans les comptes stratégiques chez AWS. Rachna est une optimiste qui croit que l'utilisation éthique et responsable de l'IA peut améliorer la société à l'avenir et apporter la prospérité économique et sociale. Dans ses temps libres, Rachna aime passer du temps avec sa famille, faire de la randonnée et écouter de la musique.

Ifé Stewart est architecte principal de solutions dans le segment ISV stratégique chez AWS. Elle a travaillé avec Salesforce Data Cloud au cours des 2 dernières années pour aider à créer des expériences client intégrées sur Salesforce et AWS. Ife a plus de 10 ans d'expérience dans la technologie. Elle défend la diversité et l'inclusion dans le domaine de la technologie.

Maninder (Mani) Kaur est le spécialiste principal de l'IA/ML pour les ISV stratégiques chez AWS. Avec son approche axée sur le client, Mani aide les clients stratégiques à façonner leur stratégie IA/ML, à alimenter l'innovation et à accélérer leur parcours IA/ML. Mani croit fermement en une IA éthique et responsable, et s'efforce de faire en sorte que les solutions d'IA de ses clients soient conformes à ces principes.

• Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
• PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
• PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
• PlatonESG. Automobile / VE, Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
• Décalages de bloc. Modernisation de la propriété des compensations environnementales. Accéder ici.
• La source: https://aws.amazon.com/blogs/machine-learning/bring-your-own-ai-using-amazon-sagemaker-with-salesforce-data-cloud/