Mang AI của riêng bạn sử dụng Amazon SageMaker với Salesforce Data Cloud | Dịch vụ web của Amazon

Bài đăng này được đồng tác giả bởi Daryl Martis, Giám đốc Sản phẩm, Salesforce Einstein AI.

Chúng tôi vui mừng thông báo Amazon SageMaker và tích hợp Đám mây Dữ liệu Salesforce. Với khả năng này, doanh nghiệp có thể truy cập dữ liệu Salesforce của mình một cách an toàn bằng phương pháp không sao chép bằng SageMaker và sử dụng các công cụ SageMaker để xây dựng, đào tạo và triển khai các mô hình AI. Các điểm cuối suy luận được kết nối với Đám mây dữ liệu để đưa ra dự đoán theo thời gian thực. Do đó, doanh nghiệp có thể tăng tốc thời gian đưa ra thị trường trong khi vẫn duy trì tính toàn vẹn và bảo mật dữ liệu, đồng thời giảm gánh nặng vận hành khi di chuyển dữ liệu từ vị trí này sang vị trí khác.

Giới thiệu Einstein Studio trên Đám mây Dữ liệu

Đám mây dữ liệu là nền tảng dữ liệu cung cấp cho doanh nghiệp các bản cập nhật theo thời gian thực về dữ liệu khách hàng của họ từ bất kỳ điểm tiếp xúc nào. Với Einstein Studio, một cổng vào các công cụ AI trên nền tảng dữ liệu, quản trị viên và nhà khoa học dữ liệu có thể dễ dàng tạo mô hình chỉ bằng vài cú nhấp chuột hoặc sử dụng mã. Trải nghiệm mang mô hình của riêng bạn (BYOM) của Einstein Studio cung cấp khả năng kết nối các mô hình AI tùy chỉnh hoặc tổng hợp từ các nền tảng bên ngoài như SageMaker với Đám mây dữ liệu. Các mô hình tùy chỉnh có thể được đào tạo bằng cách sử dụng dữ liệu từ Đám mây dữ liệu Salesforce được truy cập thông qua Trình sắp xếp dữ liệu Amazon SageMaker kết nối. Các doanh nghiệp có thể hành động theo dự đoán của mình bằng cách tích hợp liền mạch các mô hình tùy chỉnh vào quy trình làm việc của Salesforce, giúp cải thiện hiệu quả, ra quyết định và trải nghiệm cá nhân hóa.

Lợi ích của việc tích hợp SageMaker và Data Cloud Einstein Studio

Dưới đây là cách sử dụng SageMaker với Einstein Studio trong Đám mây dữ liệu Salesforce có thể giúp doanh nghiệp:

• Nó cung cấp khả năng kết nối các mô hình AI tùy chỉnh và tổng quát với Einstein Studio cho nhiều trường hợp sử dụng khác nhau, chẳng hạn như chuyển đổi khách hàng tiềm năng, phân loại trường hợp và phân tích cảm tính.
• Nó loại bỏ các công việc ETL (trích xuất, chuyển đổi và tải) tẻ nhạt, tốn kém và dễ xảy ra lỗi. Phương pháp không sao chép dữ liệu giúp giảm chi phí quản lý bản sao dữ liệu, giảm chi phí lưu trữ và nâng cao hiệu quả.
• Nó cung cấp quyền truy cập vào dữ liệu theo thời gian thực, hài hòa và được quản lý chặt chẽ trên toàn bộ Khách hàng 360. Điều này dẫn đến các mô hình chuyên gia mang lại những dự đoán thông minh hơn và hiểu biết sâu sắc hơn về doanh nghiệp.
• Nó đơn giản hóa việc tiêu thụ kết quả từ quy trình kinh doanh và thúc đẩy giá trị mà không có độ trễ. Ví dụ: bạn có thể sử dụng quy trình làm việc tự động có thể thích ứng ngay lập tức dựa trên dữ liệu mới.
• Nó tạo điều kiện thuận lợi cho việc vận hành các mô hình và suy luận của SageMaker trong Salesforce.

Sau đây là ví dụ về cách vận hành mô hình SageMaker bằng cách sử dụng Luồng lực lượng bán hàng.

Tích hợp SageMaker

SageMaker là dịch vụ được quản lý toàn phần nhằm chuẩn bị dữ liệu, xây dựng, đào tạo và triển khai các mô hình máy học (ML) cho mọi trường hợp sử dụng với cơ sở hạ tầng, công cụ và quy trình làm việc được quản lý hoàn toàn.

Để hợp lý hóa việc tích hợp SageMaker và Salesforce Data Cloud, chúng tôi sẽ giới thiệu hai khả năng mới trong SageMaker:

• Trình kết nối đám mây dữ liệu SageMaker Data Wrangler Salesforce – Với trình kết nối Đám mây dữ liệu Salesforce Salesforce mới ra mắt của SageMaker Data Wrangler, quản trị viên có thể định cấu hình trước các kết nối với Salesforce để cho phép các nhà phân tích dữ liệu và nhà khoa học dữ liệu truy cập nhanh vào dữ liệu Salesforce trong thời gian thực và tạo các tính năng cho ML. Điều này sẽ cho phép người dùng truy cập Salesforce Data Cloud một cách an toàn bằng OAuth. Bạn có thể trực quan hóa, phân tích và chuyển đổi dữ liệu một cách tương tác bằng sức mạnh của Spark mà không cần viết bất kỳ mã nào bằng cách sử dụng các tính năng chuẩn bị dữ liệu trực quan mã thấp của Salesforce Data Wrangler. Bạn cũng có thể mở rộng quy mô để xử lý các tập dữ liệu lớn với các công việc Xử lý SageMaker, tự động đào tạo các chế độ ML bằng cách sử dụng Amazon SageMaker Tự động láivà tích hợp với quy trình suy luận SageMaker để triển khai cùng một luồng dữ liệu vào sản xuất với điểm cuối suy luận để xử lý dữ liệu theo thời gian thực hoặc theo đợt để suy luận.

• Mẫu Dự án SageMaker dành cho Salesforce – Chúng tôi đã đưa ra một Dự án SageMaker mẫu cho Salesforce mà bạn có thể sử dụng để triển khai điểm cuối cho các mô hình ngôn ngữ lớn và truyền thống (LLM) cũng như tự động hiển thị điểm cuối SageMaker dưới dạng API. SageMaker Projects cung cấp một cách đơn giản để thiết lập và chuẩn hóa môi trường phát triển cho các nhà khoa học dữ liệu và kỹ sư ML nhằm xây dựng và triển khai các mô hình ML trên SageMaker.

Báo giá đối tác

“Sự hợp tác giữa Salesforce và AWS Sagemaker sẽ trao quyền cho khách hàng tận dụng sức mạnh của AI (cả mô hình tổng quát và không tổng quát) trên các nguồn dữ liệu, quy trình công việc và ứng dụng Salesforce của họ để mang lại trải nghiệm cá nhân hóa cũng như tăng cường khả năng tạo, tóm tắt và đặt câu hỏi mới cho nội dung -trả lời loại kinh nghiệm. Bằng cách kết hợp những gì tốt nhất của cả hai thế giới, chúng tôi đang tạo ra một mô hình mới cho sự đổi mới dựa trên dữ liệu và sự thành công của khách hàng được củng cố bởi AI.”

-Kaushal Kurapati, Phó chủ tịch cấp cao về Sản phẩm, AI và Tìm kiếm của Salesforce

Tổng quan về giải pháp

Giải pháp tích hợp BYOM cung cấp cho khách hàng trình kết nối Đám mây dữ liệu Salesforce gốc trong SageMaker Data Wrangler. Trình kết nối SageMaker Data Wrangler cho phép bạn truy cập an toàn vào các đối tượng Đám mây dữ liệu Salesforce. Sau khi người dùng được xác thực, họ có thể thực hiện các nhiệm vụ kỹ thuật khám phá, chuẩn bị và tính năng dữ liệu cần thiết để phát triển và suy luận mô hình thông qua giao diện trực quan tương tác SageMaker Data Wrangler. Các nhà khoa học dữ liệu có thể làm việc trong Xưởng sản xuất Amazon SageMaker sổ ghi chép để phát triển các mô hình tùy chỉnh, có thể là mô hình truyền thống hoặc LLM và cung cấp chúng để triển khai bằng cách đăng ký mô hình trong Sổ đăng ký mô hình SageMaker. Khi một mô hình được phê duyệt để sản xuất trong sổ đăng ký, SageMaker Projects sẽ tự động triển khai API lệnh gọi có thể được đặt cấu hình làm mục tiêu trong Salesforce Einstein Studio và được tích hợp với ứng dụng Salesforce Customer 360. Sơ đồ sau minh họa kiến ​​trúc này

Kết luận

Trong bài đăng này, chúng tôi đã chia sẻ tích hợp SageMaker và Salesforce Einstein Studio BYOM, nơi bạn có thể sử dụng dữ liệu trong Đám mây dữ liệu Salesforce để xây dựng và đào tạo LLM truyền thống và LLM trong SageMaker. Bạn có thể sử dụng SageMaker Data Wrangler để chuẩn bị dữ liệu từ Đám mây dữ liệu Salesforce mà không cần bản sao. Chúng tôi cũng cung cấp giải pháp tự động để triển khai điểm cuối SageMaker dưới dạng API bằng cách sử dụng mẫu Dự án SageMaker cho Salesforce.

AWS và Salesforce rất vui mừng được hợp tác cùng nhau để mang lại trải nghiệm này cho các khách hàng chung của chúng ta nhằm giúp họ thúc đẩy các quy trình kinh doanh bằng cách sử dụng sức mạnh của ML và trí tuệ nhân tạo.

Để tìm hiểu thêm về tích hợp Salesforce BYOM, hãy tham khảo Mang mô hình AI của riêng bạn đến với Einstein Studio. Để biết cách triển khai chi tiết bằng cách sử dụng trường hợp sử dụng ví dụ đề xuất sản phẩm, hãy tham khảo Sử dụng tích hợp Amazon SageMaker và Salesforce Data Cloud để hỗ trợ AI/ML cho Ứng dụng Salesforce của bạn.

---

Về các tác giả

Daryl Martis là Giám đốc Sản phẩm của Einstein Studio tại Salesforce Data Cloud. Ông có hơn 10 năm kinh nghiệm trong việc lập kế hoạch, xây dựng, triển khai và quản lý các giải pháp đẳng cấp thế giới cho khách hàng doanh nghiệp bao gồm các giải pháp AI/ML và đám mây. Trước đây ông đã từng làm việc trong ngành dịch vụ tài chính ở Thành phố New York.

rachna chadha là Kiến trúc sư giải pháp chính AI/ML trong Tài khoản chiến lược tại AWS. Rachna là một người lạc quan tin rằng việc sử dụng AI có đạo đức và có trách nhiệm có thể cải thiện xã hội trong tương lai và mang lại sự thịnh vượng về kinh tế và xã hội. Khi rảnh rỗi, Rachna thích dành thời gian cho gia đình, đi bộ đường dài và nghe nhạc.

Ife Stewart là Kiến trúc sư giải pháp chính trong phân khúc ISV chiến lược tại AWS. Cô đã hợp tác với Salesforce Data Cloud trong 2 năm qua để giúp xây dựng trải nghiệm khách hàng tích hợp trên Salesforce và AWS. Ife có hơn 10 năm kinh nghiệm trong lĩnh vực công nghệ. Cô là người ủng hộ sự đa dạng và hòa nhập trong lĩnh vực công nghệ.

Maninder (Mani) Kaur là Trưởng nhóm Chuyên gia AI/ML cho ISV chiến lược tại AWS. Với phương pháp tiếp cận khách hàng là trên hết, Mani giúp các khách hàng chiến lược định hình chiến lược AI/ML, thúc đẩy đổi mới và đẩy nhanh hành trình AI/ML của họ. Mani là người có niềm tin vững chắc vào AI có đạo đức và trách nhiệm, đồng thời cố gắng đảm bảo rằng các giải pháp AI của khách hàng phù hợp với những nguyên tắc này.

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
• PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
• Trung tâmESG. Ô tô / Xe điện, Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
• BlockOffsets. Hiện đại hóa quyền sở hữu bù đắp môi trường. Truy cập Tại đây.
• nguồn: https://aws.amazon.com/blogs/machine-learning/bring-your-own-ai-using-amazon-sagemaker-with-salesforce-data-cloud/