Salesforce公司近日发布了Einstein自动化预览版。Einstein自动化是Salesforce旗下的云产品,用户利用Einstein自动化几乎不用写代码就可以创建用于自动化任务的工作流程,例如处理客户请求。
Einstein自动化由两个工具组成:流策划(Flow Orchestrator)和Mulesoft编排(Composer)。预计客户在2021年可以用上这两个工具。
流策划提供一个用于创建自动化工作流的低码接口。例如,银行可以用一个工作流程检测客户提交抵押贷款申请的时间并通知贷款团队,如果申请被批准,就再向申请人发送祝贺电子邮件。开发过程里设在内置界面的人工智能模型可以显示用户有关如何提高自动化效率的建议。
复杂的业务流程通常不但涉及到多个步骤,还涉及到多个应用程序。例如,一个系统向贷款申请人发送祝贺电子邮件,而另一个系统则可能就有关请求通知贷款团队。在这种情况下就可以用上Einstein自动化的另一个组件Mulesoft编排。
Mulesoft 编排内含700多个预装连接器,公司可以利用这些连接器在业务工作流程中涉及到不同应用程序时共享数据。例如,在自动处理发票时,企业可以利用存储在Salesforce上的会计和企业资源计划系统同步详细的购买信息。
Mulesoft编排基于Mulesoft技术。Salesforce曾于 2018年 斥资65亿美元收购Mulesoft。该项交易是Salesforce公司历史上第三大交易,仅次于去年的Tableau收购及收购Slack Technologies Inc的277亿美元。收购Slack是在周二宣布的。
低码开发技术吸引了企业越来越大的兴趣,Salesforces则推动扩大旗下的低码开发市场业务抢占先机。信息技术研究和分析公司Gartner Inc.估计,大多数大型企业至2024年将使用四个或更多的低码开发工具,而且65%的应用程序开发工作将基于这些工具。
Salesforce的竞争对手微软也在努力把握这个发展机遇。微软最近整合了旗下的Power平台产品套件,包括多个低码开发功能以及GitHub。GitHub旨在令公司更容易地部署用户构建的自动化工作流程。
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
Patronus AI发布突破性研究,构建了首个系统性AI代理错误评估体系TRAIL,涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%,揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限,为构建更可靠的AI系统指明方向。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
这项研究首次从理论和实践证明AI模型可通过模仿生物睡眠-学习周期显著提升性能。研究发现AI训练中存在自发的"记忆-压缩循环",并据此开发了GAPT算法,在大语言模型预训练中实现4.8%性能提升和70%表示效率改善,在算术泛化任务中提升35%,为AI发展指出了注重信息整理而非单纯数据扩展的新方向。