Ta med din egen AI ved å bruke Amazon SageMaker med Salesforce Data Cloud | Amazon Web Services

Dette innlegget er medforfatter av Daryl Martis, produktdirektør, Salesforce Einstein AI.

Vi er glade for å kunngjøre Amazon SageMaker og Salesforce Data Cloud-integrasjon. Med denne muligheten kan bedrifter få tilgang til Salesforce-dataene sine på en sikker måte med en null-kopieringsmetode ved å bruke SageMaker og bruke SageMaker-verktøy til å bygge, trene og distribuere AI-modeller. Sluttpunktene er koblet til Data Cloud for å drive spådommer i sanntid. Som et resultat kan bedrifter akselerere tiden til markedet mens de opprettholder dataintegritet og sikkerhet, og redusere den operasjonelle byrden ved å flytte data fra ett sted til et annet.

Vi introduserer Einstein Studio på Data Cloud

Data Cloud er en dataplattform som gir bedrifter sanntidsoppdateringer av kundedataene deres fra ethvert berøringspunkt. Med Einstein Studio, en inngangsport til AI-verktøy på dataplattformen, kan administratorer og dataforskere enkelt lage modeller med noen få klikk eller ved å bruke kode. Einstein Studios erfaring med å bringe din egen modell (BYOM) gir muligheten til å koble tilpassede eller generative AI-modeller fra eksterne plattformer som SageMaker til Data Cloud. Egendefinerte modeller kan trenes opp ved å bruke data fra Salesforce Data Cloud som er tilgjengelig via Amazon SageMaker Data Wrangler kontakt. Bedrifter kan handle på sine spådommer ved sømløst å integrere tilpassede modeller i Salesforce-arbeidsflyter, noe som fører til forbedret effektivitet, beslutningstaking og personlig tilpassede opplevelser.

Fordeler med SageMaker og Data Cloud Einstein Studio-integrasjonen

Slik kan bruk av SageMaker med Einstein Studio i Salesforce Data Cloud hjelpe bedrifter:

• Det gir muligheten til å koble tilpassede og generative AI-modeller til Einstein Studio for ulike brukstilfeller, for eksempel kundeemnekonvertering, saksklassifisering og sentimentanalyse.
• Det eliminerer kjedelige, kostbare og feilutsatte ETL-jobber (ekstrahere, transformere og laste). Nullkopitilnærmingen til data reduserer kostnadene for å administrere datakopier, reduserer lagringskostnadene og forbedrer effektiviteten.
• Det gir tilgang til svært kuraterte, harmoniserte og sanntidsdata på tvers av Customer 360. Dette fører til ekspertmodeller som leverer mer intelligente spådommer og forretningsinnsikt.
• Det forenkler forbruket av resultater fra forretningsprosesser og gir verdi uten ventetid. Du kan for eksempel bruke automatiserte arbeidsflyter som kan tilpasses på et øyeblikk basert på nye data.
• Det letter operasjonaliseringen av SageMaker-modeller og slutninger i Salesforce.

Følgende er et eksempel på hvordan man operasjonaliserer en SageMaker-modell ved hjelp av Salgsstyrkeflyt.

SageMaker-integrasjon

SageMaker er en fullt administrert tjeneste for å forberede data og bygge, trene og distribuere maskinlæringsmodeller (ML) for alle brukstilfeller med fullstendig administrert infrastruktur, verktøy og arbeidsflyter.

For å strømlinjeforme SageMaker og Salesforce Data Cloud-integrasjonen, introduserer vi to nye funksjoner i SageMaker:

• SageMaker Data Wrangler Salesforce Data Cloud-koblingen – Med den nylig lanserte SageMaker Data Wrangler Salesforce Data Cloud-koblingen, kan administratorer forhåndskonfigurere tilkoblinger til Salesforce for å gjøre det mulig for dataanalytikere og dataforskere å raskt få tilgang til Salesforce-data i sanntid og lage funksjoner for ML. Dette vil gjøre det mulig for brukere å få tilgang til Salesforce Data Cloud sikkert ved å bruke OAuth. Du kan interaktivt visualisere, analysere og transformere data ved å bruke kraften til Spark uten å skrive noen kode ved å bruke funksjonene for klargjøring av lavkode visuelle data i Salesforce Data Wrangler. Du kan også skalere for å behandle store datasett med SageMaker Processing-jobber, trene ML-moduser automatisk ved hjelp av Amazon SageMaker Autopilot, og integrer med en SageMaker inferenspipeline for å distribuere den samme dataflyten til produksjon med inferensendepunktet for å behandle data i sanntid eller i batch for inferens.

• SageMaker Projects-malen for Salesforce – Vi lanserte en SageMaker-prosjekter mal for Salesforce som du kan bruke til å distribuere endepunkter for tradisjonelle og store språkmodeller (LLM) og eksponere SageMaker-endepunkter som en API automatisk. SageMaker Projects gir en enkel måte å sette opp og standardisere utviklingsmiljøet for dataforskere og ML-ingeniører for å bygge og distribuere ML-modeller på SageMaker.

Partner sitat

"Partnerskapet mellom Salesforce og AWS Sagemaker vil gi kundene mulighet til å utnytte kraften til AI (både, generative og ikke-generative modeller) på tvers av deres Salesforce-datakilder, arbeidsflyter og applikasjoner for å levere personlige opplevelser og drive ny innholdsgenerering, oppsummering og spørsmål -svar type erfaringer. Ved å kombinere det beste fra begge verdener skaper vi et nytt paradigme for datadrevet innovasjon og kundesuksess underbygget av AI.»

-Kaushal Kurapati, Salesforce Senior Vice President for produkt, AI og søk

Løsningsoversikt

BYOM-integrasjonsløsningen gir kundene en innebygd Salesforce Data Cloud-kobling i SageMaker Data Wrangler. SageMaker Data Wrangler-koblingen lar deg få sikker tilgang til Salesforce Data Cloud-objekter. Når brukerne er autentisert, kan de utføre datautforskning, forberedelse og funksjonsingeniøroppgaver som er nødvendige for modellutvikling og slutninger gjennom det interaktive visuelle grensesnittet SageMaker Data Wrangler. Dataforskere kan jobbe innenfor Amazon SageMaker Studio notatbøker for å utvikle tilpassede modeller, som kan være tradisjonelle eller LLM-er, og gjøre dem tilgjengelige for distribusjon ved å registrere modellen i SageMaker Model Registry. Når en modell er godkjent for produksjon i registret, vil SageMaker Projects automatisere utrullingen av en invocation API som kan konfigureres som et mål i Salesforce Einstein Studio og integreres med Salesforce Customer 360-applikasjoner. Følgende diagram illustrerer denne arkitekturen

konklusjonen

I dette innlegget delte vi SageMaker og Salesforce Einstein Studio BYOM-integrasjonen, der du kan bruke data i Salesforce Data Cloud for å bygge og trene tradisjonelle og LLM-er i SageMaker. Du kan bruke SageMaker Data Wrangler til å klargjøre data fra Salesforce Data Cloud med null kopi. Vi har også levert en automatisert løsning for å distribuere SageMaker-endepunktene som et API ved å bruke en SageMaker Projects-mal for Salesforce.

AWS og Salesforce er glade for å samarbeide for å levere denne opplevelsen til våre felles kunder for å hjelpe dem med å drive forretningsprosesser ved å bruke kraften til ML og kunstig intelligens.

For å lære mer om Salesforce BYOM-integrasjonen, se Ta med dine egne AI-modeller med Einstein Studio. For en detaljert implementering ved hjelp av produktanbefalinger eksempel brukscase, se Bruk Amazon SageMaker og Salesforce Data Cloud-integrasjonen for å drive Salesforce-appene dine med AI/ML.

---

Om forfatterne

Daryl Martis er produktdirektør for Einstein Studio hos Salesforce Data Cloud. Han har over 10 års erfaring med å planlegge, bygge, lansere og administrere løsninger i verdensklasse for bedriftskunder, inkludert AI/ML og skyløsninger. Han har tidligere jobbet i finansnæringen i New York City.

Rachna Chadha er en Principal Solutions Architect AI/ML i Strategic Accounts hos AWS. Rachna er en optimist som tror at etisk og ansvarlig bruk av AI kan forbedre samfunnet i fremtiden og bringe økonomisk og sosial velstand. På fritiden liker Rachna å tilbringe tid med familien, gå på tur og høre på musikk.

Ife Stewart er en Principal Solutions Architect i Strategic ISV-segmentet hos AWS. Hun har vært engasjert i Salesforce Data Cloud de siste 2 årene for å hjelpe til med å bygge integrerte kundeopplevelser på tvers av Salesforce og AWS. Ife har over 10 års erfaring innen teknologi. Hun er en forkjemper for mangfold og inkludering i teknologifeltet.

Maninder (Mani) Kaur er AI/ML-spesialistleder for strategiske ISV-er hos AWS. Med sin kunde-første-tilnærming hjelper Mani strategiske kunder med å forme deres AI/ML-strategi, gi drivkraft til innovasjon og akselerere deres AI/ML-reise. Mani er en fast tro på etisk og ansvarlig AI, og streber etter å sikre at kundenes AI-løsninger er i tråd med disse prinsippene.

• SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
• PlatoData.Network Vertical Generative Ai. Styrk deg selv. Tilgang her.
• PlatoAiStream. Web3 Intelligence. Kunnskap forsterket. Tilgang her.
• PlatoESG. Bil / elbiler, Karbon, CleanTech, Energi, Miljø, Solenergi, Avfallshåndtering. Tilgang her.
• BlockOffsets. Modernisering av eierskap for miljøkompensasjon. Tilgang her.
• kilde: https://aws.amazon.com/blogs/machine-learning/bring-your-own-ai-using-amazon-sagemaker-with-salesforce-data-cloud/