对于Salesforce客户、美国银行(US Bank)首席分析师Bill Hoffman来说,AI中的A是关于“增强”(Augmented)智能,正如他本周在旧金山举行的Dreamforce大会上所说,“没有任何人工的部分”。
美国银行已经部署了Salesforce Einstein功能,包括Predictive Lead Scoring和Einstein Analytics(之前的Wave),用于客户流失分析和保留。此外它还采用了Einstein Discovery(之前的BeyondCore),以更好地了解客户行为和交叉销售机会。该银行预计将把Einstein推广给全公司2000名面向客户的财务顾问,希望能够“大规模提供个性化服务”以及“创造具有差异化的客户体验”,Hoffman表示。
大规模个性化正是这次Dreamforce大会上公布的两项“myEinstein”能力背后的理念。此外公布的还有两项Einstein Analytics功能。所有这四个功能都将于明年在产品组合中提供,承诺将为企业提供:
Einstein Prediction Builder:有很多Salesforce客户正在使用或者考虑使用基于机器学习的Einstein功能。但是在Dreamforce 2017大会上,我们听说,在Salesforce客户数据中有80%是与自定义(客户定义)字段和对象捆绑在一起的。毫不意外,Salesforce客户呼声最高的就是可定制的、预构建的Einstein洞察、预测和建议功能。
Einstein Prediction Builder是一个无代码功能,旨在让非数据科学家的人也能使用自定义字段来开发预测功能。用途也是没有限制的,但是主要的使用实例可能包括交叉销售/追加销售、客户流失、CSAT和倾向性升级分析。Prediction Builder同样是以机器学习数据通道为驱动的,这个数据通道每天可处理Einstein的数百万条预测,但是对于Salesforce中的自定义字段和对象是开放的,从二月发布的测试版开始,可能会在6月全面提供。定价还没有最终确定。
Einstein Bots:Salesforce通过今年收购的MetaMind获得强大的自然语言理解和自然语言翻译功能。Einstein Bots是myEinstein的第二个功能,将把这些语言能力与Salesforce数据以及Salesforce工作流引擎结合起来,为自动的客户服务助理提供支撑。这背后的理念是处理大量简单的、频繁的服务案例(例如用户密码重置),把大量复杂的、频率低的服务请求交给人类代理。
与Prediction Builder一样,Einstein Bots开发也定位为无代码的。它始于点击式选择和工作流设置、把示例客户服务交互文本的电子表格上传以便训练语言模型。测试版预计将在2月发布,全面提供将会是在6月,届时也将公布定价信息,但我预计这将取决于在特定时间内处理的案例数量。Einstein Bots将从基于文本的交互开始,但是未来还会增加基于语音的交互。
Einstein Data Insights:这个新的Einstein Analytics(之前的Wave)功能提供了对来自Sales Cloud、Service Cloud以及其他云的标准Salesforce报告更深入的洞察。Einstein Data Insights背后采用了与Einstein Discovery相同的引擎,将自动找出标准报告中的重要趋势、异常值、随时间的变更、甚至是数据质量问题,同时以可视化和文本解释的形式呈现。用户按下嵌入标准报告的按钮,可视化和文本解释就会出现在屏幕右侧(见图)。预计这项功能也将在2月发布测试版、6月全面提供。定价模式目前尚未确定。
Einstein数据浏览器功能:这个功能将包含在Einstein Analytics中,让你“与你的数据交流”,Salesforce这样说,你可以用简单的英语输入问题。在这背后,以关键字为驱动的解释将帮助你深入了解仪表板和可视化,以便更好地了解发生了什么、为什么发生。你可以分析总数,例如,输入“产品数量”,或者你可以分析性能,输入“产品丢单”。预计这项功能将在2月全面提供。
关于Einstein进展的预测
即将到来的Einstein功能越来越有吸引力,很多客户脑海中有一个大大的问号“价格多少?”看起来我们仍然处于鸡和蛋的阶段,Salesforce和客户都在试图衡量Einstein功能价值几何。不同类型的预测和建议有不同的价值,取决于云和触发此操作的类型。客户的规模和特性也增加了复杂性,大型企业有时候更喜欢无限量的交易。与此同时,Salesforce需要有明确的收入预期,让投资者和华尔街满意。创新的同时也带有挑战。
考虑到目前大数据和开源软件定价的趋势,有一种可能的定价方法,就是免费提供Einstein开发工具以及有限数量的预测或者建议,这样企业可以知道他们能做什么。一旦部署了这个能力,Salesforce可运用基于批量数据的预测或者按推荐收费。这样,费用就与提供给客户的价值是挂钩的,尽管不同的客户肯定会对价值有不同的理解,所以可能很难提出一个“一刀切”的定价方案。
客户在Dreamforce上感到困惑的一件事是Einstein和Einstein Analytics(之前的Wave Analytics)之间的区别。Dreamforce上两个独立的主题演讲,并且这两个Einstein功能背后有两个独立的团队。但这两个功能都是一个产品组合的一部分,从描述性分析和诊断性分析再到预测分析和规范性建议及操作(高级语言和视觉能力,以及针对人类交互型应用的API)角度来说又是一个连续统一体。在你触及到预测和规范部分之前,你需要有好的数据和报告功能。
美国银行正在使用这些Einstein能力,Bill Hoffman在主题演讲中被问及建议的时候说,你必须从数据质量着手,你必须从一开始就让关键利益相关者、风险管理和合规合作伙伴参与进来。简而言之,不要期待着在没有解决数据管理的基本问题、基础的报告和分析之前就试图利用“AI”。
这次Dreamforce大会上没有得到太过关注的未对外公告中,有一个重新编写的Einstein Analytics引擎,数据接收和查询时间减少了30%。每个客户的可用数据容量也翻了一番达到10亿行。
为了更轻松地从加载来自外部来源的数据,Salesforce增加了针对AWS Redshift、Google BigQuery和Microsoft Dynamics的开箱即用型数据连接器,未来6个月还将增加超过20个额外的预构建连接器。最后,
这些更新并不“性感”,但是是日常生产力的改进,将有助于让客户接受在Salesforce中处理分析,升级到使用Einstein预测和建议功能。Smart Data Prep的数据配置、自动集群、异常检测、过滤和转换建议也得到了增强。
好文章,需要你的鼓励
Intuit在ChatGPT发布后匆忙推出的聊天式AI助手遭遇失败,随后公司进行了为期九个月的战略转型。通过观察客户实际工作流程,发现手动转录发票等重复性劳动,决定用AI智能体自动化这些任务而非强加新的聊天行为。公司建立了三大支柱框架:培养构建者文化、高速迭代替代官僚主义、构建GenOS平台引擎。最终推出的QuickBooks支付智能体让小企业平均提前5天收到款项,每月节省12小时工作时间。
希伯来大学研究团队开发出MV-RAG系统,首次解决了AI在生成稀有物品3D模型时的"胡编乱造"问题。该系统像拥有图像记忆库的艺术家,能先搜索相关真实照片再生成准确3D视图。通过独创的混合训练策略和智能自适应机制,MV-RAG在处理罕见概念时性能显著超越现有方法,为游戏开发、影视制作、虚拟现实等领域提供了强大工具。
马斯克旗下xAI公司发布专为开发者设计的新AI模型grok-code-fast-1,主打快速且经济的推理能力。该模型属于Grok 4系列,具备自主处理任务的能力。xAI声称其在SWE-bench评测中解决了70.8%的实际软件问题,表现优于GPT-5和Claude 4。不过模型存在较高的不诚实率问题。用户可通过GitHub Copilot等平台免费试用7天,需要API密钥访问。
MBZUAI等机构研究团队通过一维细胞自动机实验揭示了AI模型多步推理的关键限制:固定深度模型在单步预测上表现优异,但多步推理能力急剧下降。研究发现增加模型深度比宽度更有效,自适应计算时间、强化学习和思维链训练能突破这些限制。这为开发更强推理能力的AI系统提供了重要指导,强调了真正推理与简单记忆的本质区别。