微软近日公布了一项新计划,帮助客户将本地的ERP和CRM应用迁移到云端。
微软在近日举行的Inspire 2023大会上推出了名为AIM(Accelerate, Innovate, Move)的新计划,旨在帮助企业进入云端并采用Dynamics 365 Copilot等强大的AI工具。
Dynamics 365 Copilot是一款AI助手,使用OpenAI的ChatGPT生成式AI功能,可以理解用户编写的自然语音,从而根据业务数据动态生成新内容。企业用户通过把功能强大的AI Copilot添加到Dynamics 365中,让它可以使用自己的数据来汇总信息、起草产品详细信息、生成图表等。
企业组织借助AIM将能够把本地流程引入云中,以便他们可以使用AI驱动的软件,例如云中的Dynamics 365 Copilot等。微软表示,通过该解决方案企业用户将获得迁移顾问、专家对业务的评估、投资优惠、工具和支持等。
微软现代工作和商业应用副总裁Giovanni Mezgec表示:“依赖本地应用的组织将难以与那些在云中采用这些AI技术的同行展开竞争。对于企业来说,现在就把关键业务流程迁移到云端是至关重要的。”
那些使用微软本地业务应用的企业可以通过AIM计划快速上云,该计划覆盖范围包括了大量的Dynamics本地软件,例如Dynamics AX、Dynamics CRM、Dynamics GP、Dynamics NAV、Dynamics SL和Dynamics 365 Business Central本地软件。
客户可以从AIM评估开始,为迁移到云以采用AI技术奠定基础。在评估过程中引入了合作伙伴和专家,帮助企业客户了解将本地应用引入云端将获得的业务价值、预期结果和关键步骤。通过提供稳定的前进路径,有助于最大限度地降低迁移最后阶段的风险。
当需要迁移到云端的时候,AIM计划为合作伙伴提供了Dynamics 365 Implementation Portal等工具的访问权限,根据这些建议和专家指导帮助客户创建管理和创建基于云的项目。
微软Sales Copilot带来新的生成式AI助手
微软今天还发布了Sales Copilot,一款基于AI的新型助手,旨在帮助卖家为他们提供提高生产力所需的工具,并针对每次客户互动定制响应,使他们能够更轻松地通过相关细节达成交易。
Sales Copilot通过访问业务数据,涵盖了销售人员使用的所有工具,包括Outlook、Teams和Dynamics 365,还能连接到Salesforce等CRM系统,旨在帮助卖家询问之前与客户的互动情况、总结产品见解、自动发送电子邮件或会议摘要、生成图表、生成消费者研究等,从而节省卖家的时间。
微软表示,使用这款AI助手,卖家在进行交易时就可以通过实时洞察准备得更充足并更有信心。
微软在2022年6月推出了Viva Sales,并在今年2月对该工具的AI助手进行了升级,微软表示,已经将其功能纳入了Sales Copilot。微软内部团队一直在销售过程中使用这个AI助手。早期结果显示,有85%的受访销售表示,完成一项或者多项任务的速度加快了,有70%表示Sales Copilot帮助他们提高了生产力。
Copilot可以访问整个组织销售图表中的数据和洞察,并提供自动生成的摘要,包括Dynamics 365 Sales内部关键变化的状态、进度和亮点。销售人员可以使用Copilot来了解有关机会的更多信息,例如关键决策者的LinkedIn详细信息等。
此外,它还可用于根据Dynamics 365 Sales数据和Microsoft 365图表快速生成或优化电子邮件。由于Copilot助手了解客户、产品和当前趋势,因此可以直接在Dynamics 365 Sales中提供最有用的最新详细信息和研究结果。
用户还可以要求通过摘要视图准备客户会议,包括帐户信息、最近的笔记、任何问题或疑虑的重点、以及来自网络的客户新闻。Copilot通过访问Outlook、Teams和Dynamics 365 Sales,可以为会议提供额外的背景信息,根据最新信息,提供有关会议期间可能出现情况的高级提示。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。