使用 Amazon SageMaker 和 Salesforce Data Cloud 打造您自己的 AI | 亚马逊网络服务

本文由 Salesforce Einstein AI 产品总监 Daryl Martis 共同撰写。

我们很高兴地宣布 亚马逊SageMaker 和 Salesforce 数据云集成。 借助此功能，企业可以使用 SageMaker 通过零复制方法安全地访问其 Salesforce 数据，并使用 SageMaker 工具构建、训练和部署 AI 模型。 推理端点与数据云连接以实时驱动预测。 因此，企业可以加快上市时间，同时保持数据完整性和安全性，并减轻将数据从一个位置移动到另一个位置的运营负担。

数据云上的 Einstein Studio 简介

数据云是一个数据平台，为企业提供来自任何接触点的客户数据的实时更新。 借助 Einstein Studio（数据平台上的人工智能工具网关），管理员和数据科学家只需点击几下或使用代码即可轻松创建模型。 Einstein Studio 的自带模型 (BYOM) 体验提供了将自定义或生成 AI 模型从 SageMaker 等外部平台连接到 Data Cloud 的能力。 可以使用 Salesforce Data Cloud 中的数据来训练自定义模型，这些数据可通过以下方式访问： 亚马逊SageMaker数据牧马人 连接器。 企业可以通过将自定义模型无缝集成到 Salesforce 工作流程中来根据预测采取行动，从而提高效率、决策制定和个性化体验。

SageMaker 和 Data Cloud Einstein Studio 集成的优势

以下是在 Salesforce Data Cloud 中将 SageMaker 与 Einstein Studio 结合使用可以如何帮助企业：

• 它能够将自定义和生成 AI 模型连接到 Einstein Studio，以实现各种用例，例如潜在客户转换、案例分类和情绪分析。
• 它消除了繁琐、成本高昂且容易出错的 ETL（提取、转换和加载）作业。 数据的零复制方法减少了管理数据副本的开销，降低了存储成本并提高了效率。
• 它提供对 Customer 360 中高度策划、协调和实时数据的访问。这导致专家模型可以提供更智能的预测和业务洞察。
• 它简化了业务流程结果的消耗，并无延迟地推动价值。 例如，您可以使用可根据新数据即时调整的自动化工作流程。
• 它促进了 SageMaker 模型和 Salesforce 中推理的可操作性。

以下是如何使用 SageMaker 模型进行操作的示例 销售人员流程.

SageMaker 集成

SageMaker 是一项完全托管的服务，可通过完全托管的基础设施、工具和工作流程为任何用例准备数据并构建、训练和部署机器学习 (ML) 模型。

为了简化 SageMaker 和 Salesforce Data Cloud 集成，我们在 SageMaker 中引入了两项新功能：

• SageMaker Data Wrangler Salesforce 数据云连接器 – 借助新推出的 SageMaker Data Wrangler Salesforce Data Cloud 连接器，管理员可以预先配置与 Salesforce 的连接，使数据分析师和数据科学家能够快速实时访问 Salesforce 数据并为 ML 创建功能。 这将使用户能够使用 OAuth 安全地访问 Salesforce Data Cloud。 您可以使用 Spark 的强大功能以交互方式可视化、分析和转换数据，而无需使用 Salesforce Data Wrangler 的低代码可视化数据准备功能编写任何代码。 您还可以使用 SageMaker 处理作业进行扩展以处理大型数据集，使用自动训练 ML 模式 亚马逊SageMaker自动驾驶仪，并与 SageMaker 推理管道集成，通过推理端点将相同的数据流部署到生产中，以实时或批量处理数据以进行推理。

• 适用于 Salesforce 的 SageMaker 项目模板 – 我们推出了 SageMaker 项目 Salesforce 模板，您可以使用它来部署传统和大型语言模型 (LLM) 的端点，并自动将 SageMaker 端点公开为 API。 SageMaker Projects 提供了一种简单的方法来设置和标准化开发环境，以便数据科学家和机器学习工程师在 SageMaker 上构建和部署机器学习模型。

合作伙伴报价

“Salesforce 和 AWS Sagemaker 之间的合作将使客户能够在 Salesforce 数据源、工作流程和应用程序中利用 AI（生成模型和非生成模型）的力量来提供个性化体验并推动新内容的生成、总结和问题- 答案类型的经验。 通过结合两方面的优点，我们正在为数据驱动的创新和以人工智能为基础的客户成功创造一个新的范例。”

-Kaushal Kurapati，Salesforce 产品、人工智能和搜索高级副总裁

解决方案概述

BYOM 集成解决方案为客户在 SageMaker Data Wrangler 中提供本机 Salesforce Data Cloud 连接器。 SageMaker Data Wrangler 连接器允许您安全地访问 Salesforce Data Cloud 对象。 用户通过身份验证后，可以通过 SageMaker Data Wrangler 交互式可视界面执行模型开发和推理所需的数据探索、准备和特征工程任务。 数据科学家可以在以下范围内工作 亚马逊SageMaker Studio 用于开发自定义模型（可以是传统模型或 LLM）的笔记本，并通过在 SageMaker 模型注册表中注册模型来使其可供部署。 当模型被批准在注册表中进行生产时，SageMaker Projects 将自动部署调用 API，该 API 可以配置为 Salesforce Einstein Studio 中的目标并与 Salesforce Customer 360 应用程序集成。 下图说明了这种架构

结论

在这篇文章中，我们分享了 SageMaker 和 Salesforce Einstein Studio BYOM 集成，您可以使用 Salesforce Data Cloud 中的数据在 SageMaker 中构建和培训传统法学硕士和法学硕士。 您可以使用 SageMaker Data Wrangler 通过零副本从 Salesforce Data Cloud 准备数据。 我们还提供了一个自动化解决方案，使用 Salesforce 的 SageMaker 项目模板将 SageMaker 端点部署为 API。

AWS 和 Salesforce 很高兴能够合作，为我们的共同客户提供这种体验，帮助他们利用机器学习和人工智能的力量推动业务流程。

要了解有关 Salesforce BYOM 集成的更多信息，请参阅 使用 Einstein Studio 带来您自己的 AI 模型。 有关使用产品推荐示例用例的详细实现，请参阅 使用 Amazon SageMaker 和 Salesforce Data Cloud 集成通过 AI/ML 为您的 Salesforce 应用程序提供支持.

---

作者简介

达里尔·马蒂斯 是 Salesforce Data Cloud 的 Einstein Studio 产品总监。 他在为企业客户规划、构建、启动和管理世界一流的解决方案（包括人工智能/机器学习和云解决方案）方面拥有超过 10 年的经验。 他此前曾在纽约市的金融服务行业工作。

拉奇纳查达 是 AWS 战略客户的首席解决方案架构师 AI/ML。 Rachna 是一个乐观主义者，他相信以合乎道德和负责任的方式使用 AI 可以改善未来的社会并带来经济和社会繁荣。 在业余时间，Rachna 喜欢与家人共度时光、远足和听音乐。

伊夫·斯图尔特 是 AWS 战略 ISV 部门的首席解决方案架构师。 过去 2 年，她一直致力于 Salesforce Data Cloud，帮助构建跨 Salesforce 和 AWS 的集成客户体验。 Ife 拥有超过 10 年的技术经验。 她是技术领域多元化和包容性的倡导者。

马尼德·考尔 是 AWS 战略 ISV 的 AI/ML 专家主管。 凭借客户至上的理念，Mani 帮助战略客户制定 AI/ML 战略、推动创新并加速他们的 AI/ML 之旅。 Mani 坚信道德和负责任的人工智能，并努力确保客户的人工智能解决方案符合这些原则。

• SEO 支持的内容和 PR 分发。 今天得到放大。
• PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
• 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
• 柏拉图ESG。 汽车/电动汽车， 碳， 清洁科技, 能源， 环境， 太阳能， 废物管理。 访问这里。
• 块偏移量。 现代化环境抵消所有权。 访问这里。
• Sumber: https://aws.amazon.com/blogs/machine-learning/bring-your-own-ai-using-amazon-sagemaker-with-salesforce-data-cloud/