Porta la tua intelligenza artificiale utilizzando Amazon SageMaker con Salesforce Data Cloud | Servizi Web Amazon

Questo post è stato scritto in collaborazione con Daryl Martis, Direttore del prodotto, Salesforce Einstein AI.

Siamo entusiasti di annunciare Amazon Sage Maker e l'integrazione di Salesforce Data Cloud. Con questa funzionalità, le aziende possono accedere ai propri dati Salesforce in modo sicuro con un approccio zero-copy utilizzando SageMaker e utilizzare gli strumenti SageMaker per creare, addestrare e distribuire modelli di intelligenza artificiale. Gli endpoint di inferenza sono collegati a Data Cloud per generare previsioni in tempo reale. Di conseguenza, le aziende possono accelerare il time-to-market mantenendo l’integrità e la sicurezza dei dati e riducendo il carico operativo derivante dallo spostamento dei dati da una posizione all’altra.

Presentazione di Einstein Studio su Data Cloud

Data Cloud è una piattaforma dati che fornisce alle aziende aggiornamenti in tempo reale dei dati dei propri clienti da qualsiasi punto di contatto. Con Einstein Studio, un gateway per gli strumenti di intelligenza artificiale sulla piattaforma dati, gli amministratori e i data scientist possono creare facilmente modelli con pochi clic o utilizzando il codice. L'esperienza Bring Your Own Model (BYOM) di Einstein Studio offre la possibilità di connettere modelli IA personalizzati o generativi da piattaforme esterne come SageMaker a Data Cloud. È possibile addestrare i modelli personalizzati utilizzando i dati di Salesforce Data Cloud a cui si accede tramite Gestore di dati di Amazon SageMaker connettore. Le aziende possono agire in base alle proprie previsioni integrando perfettamente modelli personalizzati nei flussi di lavoro Salesforce, portando a una migliore efficienza, processo decisionale ed esperienze personalizzate.

Vantaggi dell'integrazione di SageMaker e Data Cloud Einstein Studio

Ecco come l'utilizzo di SageMaker con Einstein Studio in Salesforce Data Cloud può aiutare le aziende:

• Offre la possibilità di connettere modelli di intelligenza artificiale generativi e personalizzati a Einstein Studio per vari casi d'uso, come conversione dei lead, classificazione dei casi e analisi del sentiment.
• Elimina i processi ETL (estrazione, trasformazione e caricamento) noiosi, costosi e soggetti a errori. L'approccio zero-copy ai dati riduce il sovraccarico per la gestione delle copie dei dati, riduce i costi di storage e migliora l'efficienza.
• Fornisce l'accesso a dati altamente curati, armonizzati e in tempo reale in Customer 360. Ciò porta a modelli esperti che forniscono previsioni e approfondimenti aziendali più intelligenti.
• Semplifica il consumo dei risultati dei processi aziendali e genera valore senza latenza. Ad esempio, puoi utilizzare flussi di lavoro automatizzati in grado di adattarsi in un istante in base ai nuovi dati.
• Facilita l'operatività dei modelli e delle inferenze SageMaker in Salesforce.

Di seguito è riportato un esempio di come rendere operativo un modello SageMaker utilizzando Flusso Salesforce.

Integrazione di SageMaker

SageMaker è un servizio completamente gestito per preparare dati e creare, addestrare e distribuire modelli di machine learning (ML) per qualsiasi caso d'uso con infrastruttura, strumenti e flussi di lavoro completamente gestiti.

Per semplificare l'integrazione di SageMaker e Salesforce Data Cloud, stiamo introducendo due nuove funzionalità in SageMaker:

• Il connettore SageMaker Data Wrangler Salesforce Data Cloud – Con il connettore SageMaker Data Wrangler Salesforce Data Cloud appena lanciato, gli amministratori possono preconfigurare le connessioni a Salesforce per consentire ad analisti di dati e data scientist di accedere rapidamente ai dati Salesforce in tempo reale e creare funzionalità per ML. Ciò consentirà agli utenti di accedere a Salesforce Data Cloud in modo sicuro utilizzando OAuth. Puoi visualizzare, analizzare e trasformare i dati in modo interattivo utilizzando la potenza di Spark senza scrivere alcun codice utilizzando le funzionalità di preparazione dei dati visivi low-code di Salesforce Data Wrangler. Puoi anche scalare per elaborare set di dati di grandi dimensioni con i lavori di SageMaker Processing e addestrare automaticamente le modalità ML utilizzando Pilota automatico Amazon SageMakere si integra con una pipeline di inferenza SageMaker per distribuire lo stesso flusso di dati alla produzione con l'endpoint di inferenza per elaborare i dati in tempo reale o in batch per l'inferenza.

• Il modello di progetti SageMaker per Salesforce – Abbiamo lanciato a Progetti SageMaker modello per Salesforce che puoi utilizzare per distribuire endpoint per modelli LLM (tradizionali e di grandi dimensioni) ed esporre automaticamente gli endpoint SageMaker come API. SageMaker Projects fornisce un modo semplice per configurare e standardizzare l'ambiente di sviluppo per data scientist e ingegneri ML per creare e distribuire modelli ML su SageMaker.

Citazione del socio

“La partnership tra Salesforce e AWS Sagemaker consentirà ai clienti di sfruttare la potenza dell’intelligenza artificiale (sia modelli generativi che non generativi) attraverso le loro origini dati, flussi di lavoro e applicazioni Salesforce per offrire esperienze personalizzate e potenziare la generazione di nuovi contenuti, riepiloghi e domande. -esperienze di tipo risposta. Combinando il meglio di entrambi i mondi, stiamo creando un nuovo paradigma per l’innovazione basata sui dati e il successo dei clienti sostenuto dall’intelligenza artificiale”.

-Kaushal Kurapati, vicepresidente senior di prodotti, intelligenza artificiale e ricerca di Salesforce

Panoramica della soluzione

La soluzione di integrazione BYOM fornisce ai clienti un connettore Salesforce Data Cloud nativo in SageMaker Data Wrangler. Il connettore SageMaker Data Wrangler consente di accedere in modo sicuro agli oggetti Salesforce Data Cloud. Una volta autenticati, gli utenti possono eseguire l'esplorazione dei dati, la preparazione e le attività di progettazione delle funzionalità necessarie per lo sviluppo e l'inferenza del modello attraverso l'interfaccia visiva interattiva di SageMaker Data Wrangler. I data scientist possono lavorare all'interno Amazon Sage Maker Studio notebook per sviluppare modelli personalizzati, che possono essere tradizionali o LLM, e renderli disponibili per la distribuzione registrando il modello nel registro dei modelli SageMaker. Quando un modello viene approvato per la produzione nel registro, SageMaker Projects automatizzerà la distribuzione di un'API di chiamata che può essere configurata come destinazione in Salesforce Einstein Studio e integrata con le applicazioni Salesforce Customer 360. Il diagramma seguente illustra questa architettura

Conclusione

In questo post, abbiamo condiviso l'integrazione BYOM di SageMaker e Salesforce Einstein Studio, in cui è possibile utilizzare i dati in Salesforce Data Cloud per creare e addestrare LLM tradizionali e in SageMaker. È possibile utilizzare SageMaker Data Wrangler per preparare i dati da Salesforce Data Cloud con zero copie. Abbiamo anche fornito una soluzione automatizzata per distribuire gli endpoint SageMaker come API utilizzando un modello di progetti SageMaker per Salesforce.

AWS e Salesforce sono entusiasti di collaborare per offrire questa esperienza ai nostri clienti comuni per aiutarli a guidare i processi aziendali utilizzando la potenza del machine learning e dell'intelligenza artificiale.

Per ulteriori informazioni sull'integrazione BYOM di Salesforce, fare riferimento a Porta i tuoi modelli di intelligenza artificiale con Einstein Studio. Per un'implementazione dettagliata utilizzando un esempio di caso d'uso con consigli sul prodotto, fare riferimento a Utilizza l'integrazione di Amazon SageMaker e Salesforce Data Cloud per potenziare le tue app Salesforce con AI/ML.

---

Informazioni sugli autori

Daryl Martis è il direttore del prodotto per Einstein Studio presso Salesforce Data Cloud. Ha oltre 10 anni di esperienza nella pianificazione, creazione, lancio e gestione di soluzioni di livello mondiale per clienti aziendali, comprese soluzioni AI/ML e cloud. In precedenza ha lavorato nel settore dei servizi finanziari a New York City.

Rachna Chada è Principal Solutions Architect AI/ML in Strategic Accounts presso AWS. Rachna è un'ottimista che crede che l'uso etico e responsabile dell'IA possa migliorare la società in futuro e portare prosperità economica e sociale. Nel tempo libero, a Rachna piace passare il tempo con la sua famiglia, fare escursioni e ascoltare musica.

Ife Stewart è Principal Solutions Architect nel segmento ISV strategico presso AWS. Negli ultimi 2 anni ha collaborato con Salesforce Data Cloud per contribuire a creare esperienze cliente integrate su Salesforce e AWS. Ife ha oltre 10 anni di esperienza nella tecnologia. È una sostenitrice della diversità e dell'inclusione nel campo della tecnologia.

Maninder (Mani) Kaur è lo specialista AI/ML responsabile per gli ISV strategici presso AWS. Con il suo approccio incentrato sul cliente, Mani aiuta i clienti strategici a modellare la propria strategia AI/ML, alimentare l'innovazione e accelerare il loro percorso AI/ML. Mani crede fermamente nell'intelligenza artificiale etica e responsabile e si impegna a garantire che le soluzioni di intelligenza artificiale dei suoi clienti siano in linea con questi principi.

• Distribuzione di contenuti basati su SEO e PR. Ricevi amplificazione oggi.
• PlatoData.Network Generativo verticale Ai. Potenzia te stesso. Accedi qui.
• PlatoAiStream. Intelligenza Web3. Conoscenza amplificata. Accedi qui.
• PlatoneESG. Automobilistico/VE, Carbonio, Tecnologia pulita, Energia, Ambiente, Solare, Gestione dei rifiuti. Accedi qui.
• BlockOffset. Modernizzare la proprietà della compensazione ambientale. Accedi qui.
• Fonte: https://aws.amazon.com/blogs/machine-learning/bring-your-own-ai-using-amazon-sagemaker-with-salesforce-data-cloud/