Bawa AI Anda sendiri menggunakan Amazon SageMaker dengan Salesforce Data Cloud | Layanan Web Amazon

Postingan ini ditulis bersama oleh Daryl Martis, Direktur Produk, Salesforce Einstein AI.

Kami sangat senang untuk mengumumkannya Amazon SageMaker dan integrasi Salesforce Data Cloud. Dengan kemampuan ini, bisnis dapat mengakses data Salesforce mereka secara aman dengan pendekatan zero-copy menggunakan SageMaker dan menggunakan alat SageMaker untuk membangun, melatih, dan menerapkan model AI. Titik akhir inferensi terhubung dengan Data Cloud untuk mendorong prediksi secara real-time. Hasilnya, bisnis dapat mempercepat waktu pemasaran dengan tetap menjaga integritas dan keamanan data, serta mengurangi beban operasional dalam memindahkan data dari satu lokasi ke lokasi lain.

Memperkenalkan Einstein Studio di Data Cloud

Data Cloud adalah platform data yang menyediakan pembaruan data pelanggan secara real-time bagi bisnis dari titik kontak mana pun. Dengan Einstein Studio, pintu gerbang ke alat AI pada platform data, admin dan data scientist dapat dengan mudah membuat model hanya dengan beberapa klik atau menggunakan kode. Pengalaman membawa model Anda sendiri (BYOM) dari Einstein Studio memberikan kemampuan untuk menghubungkan model AI kustom atau generatif dari platform eksternal seperti SageMaker ke Data Cloud. Model khusus dapat dilatih menggunakan data dari Salesforce Data Cloud yang diakses melalui Pengatur Data Amazon SageMaker penyambung. Bisnis dapat bertindak berdasarkan prediksi mereka dengan mengintegrasikan model khusus ke dalam alur kerja Salesforce secara lancar, sehingga menghasilkan peningkatan efisiensi, pengambilan keputusan, dan pengalaman yang dipersonalisasi.

Manfaat integrasi SageMaker dan Data Cloud Einstein Studio

Berikut cara penggunaan SageMaker dengan Einstein Studio di Salesforce Data Cloud dapat membantu bisnis:

• Ini memberikan kemampuan untuk menghubungkan model AI khusus dan generatif ke Einstein Studio untuk berbagai kasus penggunaan, seperti konversi prospek, klasifikasi kasus, dan analisis sentimen.
• Ini menghilangkan pekerjaan ETL (ekstrak, transformasi, dan muat) yang membosankan, mahal, dan rawan kesalahan. Pendekatan zero-copy terhadap data mengurangi biaya overhead untuk mengelola salinan data, mengurangi biaya penyimpanan, dan meningkatkan efisiensi.
• Ini memberikan akses ke data yang sangat terkurasi, selaras, dan real-time di seluruh Customer 360. Hal ini menghasilkan model pakar yang memberikan prediksi dan wawasan bisnis yang lebih cerdas.
• Ini menyederhanakan konsumsi hasil dari proses bisnis dan mendorong nilai tanpa latensi. Misalnya, Anda dapat menggunakan alur kerja otomatis yang dapat beradaptasi secara instan berdasarkan data baru.
• Ini memfasilitasi operasionalisasi model dan kesimpulan SageMaker di Salesforce.

Berikut ini adalah contoh cara mengoperasionalkan model SageMaker menggunakan Aliran tenaga penjualan.

Integrasi SageMaker

SageMaker adalah layanan terkelola sepenuhnya untuk menyiapkan data dan membangun, melatih, serta menerapkan model pembelajaran mesin (ML) untuk setiap kasus penggunaan dengan infrastruktur, alat, dan alur kerja yang terkelola sepenuhnya.

Untuk menyederhanakan integrasi SageMaker dan Salesforce Data Cloud, kami memperkenalkan dua kemampuan baru di SageMaker:

• Konektor SageMaker Data Wrangler Salesforce Data Cloud – Dengan konektor SageMaker Data Wrangler Salesforce Data Cloud yang baru diluncurkan, admin dapat melakukan prakonfigurasi koneksi ke Salesforce untuk memungkinkan analis data dan ilmuwan data mengakses data Salesforce dengan cepat secara real-time dan membuat fitur untuk ML. Ini akan memungkinkan pengguna mengakses Salesforce Data Cloud dengan aman menggunakan OAuth. Anda dapat memvisualisasikan, menganalisis, dan mengubah data secara interaktif menggunakan kekuatan Spark tanpa menulis kode apa pun menggunakan fitur persiapan data visual berkode rendah dari Salesforce Data Wrangler. Anda juga dapat menskalakan untuk memproses kumpulan data besar dengan tugas Pemrosesan SageMaker, melatih mode ML secara otomatis menggunakan Autopilot Amazon SageMaker, dan berintegrasi dengan alur inferensi SageMaker untuk menyebarkan aliran data yang sama ke produksi dengan titik akhir inferensi untuk memproses data secara real-time atau dalam batch untuk inferensi.

• Templat Proyek SageMaker untuk Salesforce – Kami meluncurkan a Proyek SageMaker templat untuk Salesforce yang dapat Anda gunakan untuk menyebarkan titik akhir untuk model bahasa tradisional dan besar (LLM) dan mengekspos titik akhir SageMaker sebagai API secara otomatis. Proyek SageMaker memberikan cara mudah untuk menyiapkan dan menstandardisasi lingkungan pengembangan bagi ilmuwan data dan teknisi ML untuk membangun dan menerapkan model ML di SageMaker.

Kutipan Mitra

“Kemitraan antara Salesforce dan AWS Sagemaker akan memberdayakan pelanggan untuk memanfaatkan kekuatan AI (baik model generatif maupun non-generatif) di seluruh sumber data, alur kerja, dan aplikasi Salesforce mereka untuk memberikan pengalaman yang dipersonalisasi dan mendukung pembuatan konten baru, ringkasan, dan pertanyaan. -pengalaman jenis jawaban. Dengan menggabungkan yang terbaik dari kedua dunia, kami menciptakan paradigma baru untuk inovasi berbasis data dan kesuksesan pelanggan yang didukung oleh AI.”

-Kaushal Kurapati, Wakil Presiden Senior Produk, AI, dan Pencarian Salesforce

Ikhtisar solusi

Solusi integrasi BYOM memberi pelanggan konektor Salesforce Data Cloud asli di SageMaker Data Wrangler. Konektor SageMaker Data Wrangler memungkinkan Anda mengakses objek Salesforce Data Cloud dengan aman. Setelah pengguna diautentikasi, mereka dapat melakukan eksplorasi data, persiapan, dan tugas rekayasa fitur yang diperlukan untuk pengembangan model dan inferensi melalui antarmuka visual interaktif SageMaker Data Wrangler. Ilmuwan data dapat bekerja di dalamnya Studio Amazon SageMaker notebook untuk mengembangkan model kustom, yang bisa berupa model tradisional atau LLM, dan membuatnya tersedia untuk penerapan dengan mendaftarkan model di SageMaker Model Registry. Ketika model disetujui untuk produksi di registri, Proyek SageMaker akan mengotomatiskan penerapan API pemanggilan yang dapat dikonfigurasi sebagai target di Salesforce Einstein Studio dan terintegrasi dengan aplikasi Salesforce Customer 360. Diagram berikut menggambarkan arsitektur ini

Kesimpulan

Dalam postingan ini, kami membagikan integrasi SageMaker dan Salesforce Einstein Studio BYOM, tempat Anda dapat menggunakan data di Salesforce Data Cloud untuk membangun dan melatih tradisional dan LLM di SageMaker. Anda dapat menggunakan SageMaker Data Wrangler untuk menyiapkan data dari Salesforce Data Cloud tanpa salinan. Kami juga menyediakan solusi otomatis untuk menerapkan titik akhir SageMaker sebagai API menggunakan templat Proyek SageMaker untuk Salesforce.

AWS dan Salesforce sangat antusias untuk bermitra bersama guna menghadirkan pengalaman ini kepada pelanggan bersama kami guna membantu mereka mendorong proses bisnis menggunakan kekuatan ML dan kecerdasan buatan.

Untuk mempelajari lebih lanjut tentang integrasi Salesforce BYOM, lihat Hadirkan model AI Anda sendiri dengan Einstein Studio. Untuk implementasi mendetail menggunakan contoh kasus penggunaan rekomendasi produk, lihat Gunakan integrasi Amazon SageMaker dan Salesforce Data Cloud untuk mendukung Aplikasi Salesforce Anda dengan AI/ML.

---

Tentang Penulis

Daryl Martis adalah Direktur Produk Einstein Studio di Salesforce Data Cloud. Dia memiliki pengalaman lebih dari 10 tahun dalam merencanakan, membangun, meluncurkan, dan mengelola solusi kelas dunia untuk pelanggan perusahaan termasuk solusi AI/ML dan cloud. Dia sebelumnya bekerja di industri jasa keuangan di New York City.

Rakhna Chadha adalah Arsitek Solusi Utama AI/ML di Akun Strategis di AWS. Rachna adalah seorang optimis yang percaya bahwa penggunaan AI yang etis dan bertanggung jawab dapat meningkatkan masyarakat di masa depan dan membawa kemakmuran ekonomi dan sosial. Di waktu luangnya, Rachna suka menghabiskan waktu bersama keluarganya, mendaki gunung, dan mendengarkan musik.

Ife Stewart adalah Arsitek Solusi Utama di segmen ISV Strategis di AWS. Dia telah terlibat dengan Salesforce Data Cloud selama 2 tahun terakhir untuk membantu membangun pengalaman pelanggan terintegrasi di seluruh Salesforce dan AWS. Ife memiliki pengalaman lebih dari 10 tahun di bidang teknologi. Dia adalah pendukung keberagaman dan inklusi di bidang teknologi.

Maninder (Mani) Kaur adalah pimpinan Spesialis AI/ML untuk ISV Strategis di AWS. Dengan pendekatan yang mengutamakan pelanggan, Mani membantu pelanggan strategis membentuk strategi AI/ML mereka, mendorong inovasi, dan mempercepat perjalanan AI/ML mereka. Mani sangat percaya pada AI yang beretika dan bertanggung jawab, dan berupaya memastikan bahwa solusi AI pelanggannya selaras dengan prinsip-prinsip ini.

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
• PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
• PlatoESG. Otomotif / EV, Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
• BlockOffset. Modernisasi Kepemilikan Offset Lingkungan. Akses Di Sini.
• Sumber: https://aws.amazon.com/blogs/machine-learning/bring-your-own-ai-using-amazon-sagemaker-with-salesforce-data-cloud/