Traga sua própria IA usando Amazon SageMaker com Salesforce Data Cloud | Amazon Web Services

Esta postagem é de coautoria de Daryl Martis, Diretor de Produto, Salesforce Einstein AI.

Temos o prazer de anunciar Amazon Sage Maker e integração Salesforce Data Cloud. Com esse recurso, as empresas podem acessar seus dados do Salesforce com segurança com uma abordagem de cópia zero usando o SageMaker e usar as ferramentas do SageMaker para criar, treinar e implantar modelos de IA. Os endpoints de inferência são conectados ao Data Cloud para gerar previsões em tempo real. Como resultado, as empresas podem acelerar o tempo de lançamento no mercado, mantendo a integridade e a segurança dos dados e reduzindo a carga operacional de mover dados de um local para outro.

Apresentando o Einstein Studio na nuvem de dados

O Data Cloud é uma plataforma de dados que fornece às empresas atualizações em tempo real dos dados de seus clientes a partir de qualquer ponto de contato. Com o Einstein Studio, um gateway para ferramentas de IA na plataforma de dados, administradores e cientistas de dados podem criar modelos sem esforço com apenas alguns cliques ou usando código. A experiência traga seu próprio modelo (BYOM) do Einstein Studio fornece a capacidade de conectar modelos de IA personalizados ou generativos de plataformas externas, como SageMaker para Data Cloud. Modelos personalizados podem ser treinados usando dados do Salesforce Data Cloud acessados ​​por meio do Gerenciador de dados do Amazon SageMaker conector. As empresas podem agir de acordo com suas previsões integrando perfeitamente modelos personalizados aos fluxos de trabalho do Salesforce, levando a uma melhor eficiência, tomada de decisões e experiências personalizadas.

Benefícios da integração do SageMaker e do Data Cloud Einstein Studio

Veja como o uso do SageMaker com o Einstein Studio no Salesforce Data Cloud pode ajudar as empresas:

• Ele fornece a capacidade de conectar modelos de IA generativos e personalizados ao Einstein Studio para vários casos de uso, como conversão de leads, classificação de casos e análise de sentimentos.
• Ele elimina tarefas ETL (extrair, transformar e carregar) tediosas, caras e propensas a erros. A abordagem de cópia zero para dados reduz a sobrecarga para gerenciar cópias de dados, reduz os custos de armazenamento e melhora a eficiência.
• Ele fornece acesso a dados altamente selecionados, harmonizados e em tempo real no Customer 360. Isso leva a modelos especializados que fornecem previsões e insights de negócios mais inteligentes.
• Simplifica o consumo de resultados de processos de negócios e gera valor sem latência. Por exemplo, você pode usar fluxos de trabalho automatizados que podem se adaptar instantaneamente com base em novos dados.
• Facilita a operacionalização dos modelos e inferências do SageMaker no Salesforce.

Veja a seguir um exemplo de como operacionalizar um modelo SageMaker usando Fluxo da força de vendas.

Integração do SageMaker

O SageMaker é um serviço totalmente gerenciado para preparar dados e criar, treinar e implantar modelos de aprendizado de máquina (ML) para qualquer caso de uso com infraestrutura, ferramentas e fluxos de trabalho totalmente gerenciados.

Para simplificar a integração do SageMaker e do Salesforce Data Cloud, estamos introduzindo dois novos recursos no SageMaker:

• O conector SageMaker Data Wrangler Salesforce Data Cloud – Com o recém-lançado conector SageMaker Data Wrangler Salesforce Data Cloud, os administradores podem pré-configurar conexões com o Salesforce para permitir que analistas e cientistas de dados acessem rapidamente os dados do Salesforce em tempo real e criem recursos para ML. Isso permitirá que os usuários acessem o Salesforce Data Cloud com segurança usando OAuth. Você pode visualizar, analisar e transformar dados de forma interativa usando o poder do Spark sem escrever nenhum código usando os recursos de preparação de dados visuais de baixo código do Salesforce Data Wrangler. Você também pode dimensionar para processar grandes conjuntos de dados com trabalhos de processamento do SageMaker, treinar modos de ML automaticamente usando Piloto automático do Amazon SageMaker, e integre-se a um pipeline de inferência SageMaker para implantar o mesmo fluxo de dados para produção com o endpoint de inferência para processar dados em tempo real ou em lote para inferência.

• O modelo Projetos SageMaker para Salesforce – Lançamos um Projetos do SageMaker modelo para Salesforce que você pode usar para implantar endpoints para modelos de linguagem tradicional e grande (LLMs) e expor endpoints SageMaker como uma API automaticamente. O SageMaker Projects oferece uma maneira direta de configurar e padronizar o ambiente de desenvolvimento para que cientistas de dados e engenheiros de ML criem e implantem modelos de ML no SageMaker.

Cotação do parceiro

“A parceria entre Salesforce e AWS Sagemaker capacitará os clientes a aproveitar o poder da IA ​​(modelos generativos e não generativos) em suas fontes de dados, fluxos de trabalho e aplicativos Salesforce para oferecer experiências personalizadas e potencializar a geração de novos conteúdos, resumos e perguntas -experiências do tipo resposta. Ao combinar o melhor dos dois mundos, estamos criando um novo paradigma para inovação baseada em dados e sucesso do cliente sustentado pela IA.”

-Kaushal Kurapati, vice-presidente sênior de produto, IA e pesquisa da Salesforce

Visão geral da solução

A solução de integração BYOM oferece aos clientes um conector Salesforce Data Cloud nativo no SageMaker Data Wrangler. O conector do SageMaker Data Wrangler permite que você acesse com segurança os objetos Salesforce Data Cloud. Depois que os usuários são autenticados, eles podem realizar tarefas de exploração de dados, preparação e engenharia de recursos necessárias para o desenvolvimento e inferência de modelos por meio da interface visual interativa do SageMaker Data Wrangler. Os cientistas de dados podem trabalhar dentro Estúdio Amazon SageMaker notebooks para desenvolver modelos personalizados, que podem ser tradicionais ou LLMs, e disponibilizá-los para implantação registrando o modelo no SageMaker Model Registry. Quando um modelo é aprovado para produção no registro, o SageMaker Projects automatiza a implantação de uma API de invocação que pode ser configurada como um destino no Salesforce Einstein Studio e integrada aos aplicativos Salesforce Customer 360. O diagrama a seguir ilustra essa arquitetura

Conclusão

Nesta postagem, compartilhamos a integração BYOM entre o SageMaker e o Salesforce Einstein Studio, onde você pode usar dados no Salesforce Data Cloud para criar e treinar LLMs tradicionais e LLMs no SageMaker. Você pode usar o SageMaker Data Wrangler para preparar dados do Salesforce Data Cloud sem nenhuma cópia. Também fornecemos uma solução automatizada para implantar os endpoints do SageMaker como uma API usando um modelo de projetos do SageMaker para Salesforce.

A AWS e a Salesforce estão entusiasmadas com a parceria para oferecer essa experiência aos nossos clientes em comum para ajudá-los a conduzir processos de negócios usando o poder do ML e da inteligência artificial.

Para saber mais sobre a integração do Salesforce BYOM, consulte Traga seus próprios modelos de IA com o Einstein Studio. Para obter uma implementação detalhada usando o exemplo de caso de uso de recomendações de produtos, consulte Use a integração Amazon SageMaker e Salesforce Data Cloud para potencializar seus aplicativos Salesforce com IA/ML.

---

Sobre os autores

Daryl Martins é o Diretor de Produto do Einstein Studio na Salesforce Data Cloud. Ele tem mais de 10 anos de experiência em planejamento, criação, lançamento e gerenciamento de soluções de classe mundial para clientes corporativos, incluindo soluções de IA/ML e nuvem. Ele já trabalhou no setor de serviços financeiros na cidade de Nova York.

Rachna Chadha é Arquiteto Principal de Soluções AI/ML em Contas Estratégicas na AWS. Rachna é uma otimista que acredita que o uso ético e responsável da IA ​​pode melhorar a sociedade no futuro e trazer prosperidade econômica e social. Em seu tempo livre, Rachna gosta de passar o tempo com sua família, fazer caminhadas e ouvir música.

Ifé Stewart é Arquiteto Principal de Soluções no segmento ISV Estratégico da AWS. Ela está envolvida com o Salesforce Data Cloud nos últimos 2 anos para ajudar a criar experiências de cliente integradas no Salesforce e na AWS. Ife tem mais de 10 anos de experiência em tecnologia. Ela é uma defensora da diversidade e inclusão no campo da tecnologia.

Maninder (Mani) Kaur é o líder de AI/ML Specialist para ISVs estratégicos na AWS. Com sua abordagem de primeiro cliente, Mani ajuda clientes estratégicos a moldar sua estratégia de IA/ML, estimular a inovação e acelerar sua jornada de IA/ML. Mani acredita firmemente na IA ética e responsável e se esforça para garantir que as soluções de IA de seus clientes estejam alinhadas com esses princípios.

• Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
• PlatoData.Network Gerativa Vertical Ai. Capacite-se. Acesse aqui.
• PlatoAiStream. Inteligência Web3. Conhecimento Amplificado. Acesse aqui.
• PlatãoESG. Automotivo / EVs, Carbono Tecnologia Limpa, Energia, Ambiente, Solar, Gestão de resíduos. Acesse aqui.
• BlockOffsets. Modernizando a Propriedade de Compensação Ambiental. Acesse aqui.
• Fonte: https://aws.amazon.com/blogs/machine-learning/bring-your-own-ai-using-amazon-sagemaker-with-salesforce-data-cloud/