Salesforce Einstein Studio le permite traer su propio modelo, comenzando con Amazon SageMaker

Salesforce presentó su capa de IA, denominada Einstein, en 2016. Más recientemente, en el evento Salesforce World Tour en Nueva York en mayo, de lo único que habló la compañía fue de IA generativa y Data Cloud, su lago de datos interno. Hoy anunció el siguiente paso en ese viaje con el lanzamiento de Einstein Studio y la capacidad de traer su propio modelo (BYOM).

«Estamos lanzando ‘traiga su propio modelo’, que permite a nuestros clientes incorporar sus datos patentados a Data Cloud para construir y entrenar su modelo», dijo a TechCrunch Rahul Auradkar, vicepresidente ejecutivo y director general de servicios de datos unificados y Einstein. Cuando traes tu modelo externo y lo mezclas con los datos de Salesforce en Data Cloud, Auradkar dice que es una combinación poderosa.

La solución está realmente dirigida a personas que tienen equipos de datos bastante sofisticados y han estado creando modelos en otros lugares como SageMaker. Estas empresas quieren poner en funcionamiento en otros contextos los modelos que ya han construido y en los que han realizado una inversión significativa. Eso es lo que Einstein Studio les permite hacer.

Einstein Studio es una consola de administración que reside en Data Cloud y permite a los clientes importar un modelo existente sin ETL. Eso significa que el cliente debería poder importar los datos sin tener que pasar por el doloroso ejercicio de extraerlos, transformarlos y cargarlos. Esto es muy importante para los equipos de datos y, por eso, debería hacer que la solución sea más atractiva.

Para empezar, admitirá Amazon SageMaker desde el primer momento, pero Salesforce también está trabajando en un piloto con Google Vertex AI con planes en proceso para admitir Databricks, Snowflake y otros en el futuro.

Créditos de imagen: Fuerza de ventas

Si bien Einstein viene con una serie de modelos predictivos, como qué clientes tienen más probabilidades de abandonar, esta solución permite a los clientes diseñar modelos predictivos personalizados para predecir cosas como qué productos tienen más probabilidades de necesitar mantenimiento o hacer recomendaciones de productos basadas en el interés de un cliente.

También puede trabajar con LLM para generar contenido, como enviar un correo electrónico automatizado cuando el producto esté listo para mantenimiento antes de que se estropee. Salesforce quiere reducir las alucinaciones, donde el modelo inventa cosas cuando no tiene una respuesta definitiva, conectándose a una base de datos gráfica basada en datos dentro de Salesforce. Entonces, el LLM puede ver todos los datos relacionados con un cliente en particular, dándole al modelo la información que necesita para escribir un correo electrónico más preciso basado en la información del registro del cliente.

Una vez que importe el modelo, puede colocarlo en flujos de trabajo dentro de Salesforce y generar información o desencadenar acciones como crear un correo electrónico, todo mientras aprovecha el trabajo que su equipo de datos ya ha realizado.

Einstein Studio con la capacidad de conectarse a Amazon SageMaker y traer su propio modelo está disponible en GA a partir de hoy.