בהליך הטמעה פשוט מתמיד הבינה המלאכותית "איינשטיין" של סיילספורס זמינה כעת לכל ארגון

סיילספורס

בשנים האחרונות חלה עלייה ניכרת בקרב חברות הבוחרות להטמיע טכנולוגיית בינה מלאכותית במגוון רחב של תהליכים ארגוניים שונים. ראיה לכך, היא מערכת הבינה המלאכותית של סיילספורס, "איינשטיין", שרק היא לבדה מפיקה יותר מ-65 מיליארד תחזיות עסקיות מידי יום, ובכך מאפשרת יכולות מתקדמות של לימוד מכונה (machine learning) לשימושם של מיליוני אנשי מקצוע בתחומי המכירות, השיווק, המסחר והשירות. מערכת "איינשטיין" הופכת תהליכים עסקיים לחכמים ויעילים יותר ומסייעת למשתמשים עסקיים להשקיע יותר מזמנם ומהמשאבים שלרשותם לטובת מה שחשוב באמת – לקוחות החברה.

חברות בזירה העסקית של ימינו מבינות כי עליהן להמשיך ולהאיץ את השימוש בטכנולוגיית הבינה המלאכותית, אבל לכל אחת מהן יש תהליכי עבודה ייחודיים, נתונים ושימושים שונים והבדלים מהותיים נוספים שדורשים התאמה אישית של מערכות AI לצרכים של הארגון. בעיה נוספת היא המחסור העולמי במדעני נתונים (data scientists), שכן האתגר הגדול אינו רק איסוף של המידע, אלא ניתוחו בזמן מהיר שיאפשר לחברות להיות פרואקטיביות, יעילות ורווחיות. תפקיד מדען נתונים דורש כישורים מיוחדים בסטטיסטיקה ובתכנות כדי שיוכל לשאול את השאלות הנכונות ולהפיק תועלת מהמידע. חברת סיילספורס הצליחה לגשר על פער זה בכך שהיא מציעה למפתחים או למנהלי רשתות בארגון להטמיע את הבינה המלאכותית "איינשטיין" בהליך נוח, מהיר ופשוט, שרובו מבוסס "בחר והקש" ("point and click") ותכנות ברמה בסיסית מאוד (low-code).

כחלק מהמשימה שסיילספורס מובילה בשנים האחרונות – "דמוקרטיזציה של AI" במטרה להפוך את יכולות ה-AI זמינות לכולם באופן שווה, השירות החדש של החברה מאפשר למפתחים ולמנהלי רשתות להטמיע בקלות מערכת בינה מלאכותית מתקדמת ומותאמת אישית לצרכים של הארגון, ללא צורך באנשי מקצוע ייעודיים לכך.

מערכת "Einstein Services" החדשה מאפשרת מגוון יכולות לימוד מכונה (machine learning) שונות - כמו למשל זיהוי וניתוח תמונה, רגש, כוונות ועוד – המידע שנקצר באמצעות המערכת עובר ישירות לתשתית הענן המאובטחת של סיילספורס. ההטמעה דורשת רק שורה אחת של קוד, ללא צורך בהקמת מודל או הכשרה מקצועית מיוחדת. את השירות ניתן להטמיע בכל עמוד של סיילספורס ובכל רכיב רשת על גבי פלטפורמת Lightning של סיילספורס, שגם היא תומכת בבינה מלאכותית, וניתנת להתקנה ישירות במערכות של משתמשי הקצה, באמצעות כמה קליקים בודדים.

השירותים העדכניים ביותר של מערכת איינשטיין כוללים:
"תרגום איינשטיין" - מאפשר למפתחים ולמנהלי מערכת להגדיר תרגום אוטומטי של כל אובייקט או שדה של סיילספורס, לדוגמה, לצורך תרגום של שאילתות נכנסות מלקוח כדי להתאים באופן מיידי את שפת המענה של סוכני השירות, ליצירת חוויית לקוח נוחה ו"זורמת" יותר.

זיהוי תווים אופטי של (OCR) - ממנף את ראיית המחשב כדי לנתח מסמכים ולחלץ את המידע הרלוונטי, ובכך לבצע משימות חוזרות כמו הזנת נתונים ביעילות רבה יותר. לדוגמה, מפתח יכול לבנות OCR לתוך רכיב רשת של Lightning כדי לאפשר לנציגי מכירות להעלות בקלות כרטיס ביקור מלקוח פוטנציאלי, לנתח אותו באופן אוטומטי ולתרגמו לטקסט וכן לחלץ כל מידע רלוונטי שעשוי להיות מעודכן ברשומת סיילספורס המתאימה לגבי אותו לקוח.

הפקת תחזיות בינה מלאכותית מכל מקום
כל חברה רוצה את היכולת לנבא תוצאות בצורה מדוייקת על סמך הנתונים שלרשותה. פלטפורמת "איינשטיין" מאפשרת למנהלי רשתות ולמפתחים ליישם טכנולוגיית בינה מלאכותית במודלים ייעודיים בהתאם לצרכים של הארגון ובכל מערכת של סיילספורס שבה הם משתמשים. מעתה, ניתן לחזות בתוצאות עסקיות בצורה אינטליגנטית בנקודת הזמן של קבלת ההחלטות - בין אם בתוך הענן של סיילספורס או בכל מערכת חיצונית ש"איינשטיין" מותקנת בה - כך שכל עובד יכול להיות חכם יותר, יעיל יותר ולהשיג תוצאות טובות יותר.

Einstein Prediction Builder - מאפשרת למנהלי רשת ולמפתחים להקים מודלים של בינה מלאכותית שיחזו את התוצאה של כל שדה או אובייקט בסיילספורס, באמצעות כמה קליקים בודדים. חיזויים בהתאמה אישית יכולים להיות מוטמעים ישירות ברשומת סיילספורס המתאימה כדי לסייע למשתמשים עסקיים לקבל החלטות מדוייקות ויעילות יותר.

Einstein Predictions Service - מאפשר למנהלים להטמיע תכנה לביצוע ניתוח הנתונים מ-Einstein Discovery בכל מערכת של צד שלישי, כגון ERP או אפליקציות HR. לדוגמה, מפתח יכול לבנות ציון חיזוי מותאם אישית כדי לסייע לחברות לזהות אילו עובדים צפויים להתפטר. באמצעות תחזיות API של איינשטיין, הם יכולים לאחר מכן להטמיע את הציון לתוך מערכת ה-HR שלהם כדי לזרז תוכנית שימור ועבודה טובה יותר עם אותו עובד. על ידי כך, חברות יכולות לקבל החלטות נבונות ועקביות יותר על פני מערכות צד שלישי.

דמוקרטיזציה של בינה מלאכותית
ההשלכות של בינה מלאכותית אינן שונות מאלה של טכנולוגיות אחרות שמובילות חדשנות משבשת ורמת אי-הוודאות סביב השפעתן האפשרית. סיילספורס זיהתה כי לא מספיק רק ליצור מערכת בינה מלאכותית נגישה; כל מפתח או מנהל שמשתמש במערכת חייב להיות מוסמך להשתמש בה באופן שקוף, אחראי ומחושב. כפי שטכנולוגיית בינה מלאכותית ממשיכה להשתנות ולהתפתח, סיילספורס מתחייבת לקיים את הערך הראשון שחרטה על דגלה, ערך האמינות, ולספק את הכלים ואת ההבנה הדרושה כדי לזהות ולהקטין הטייה מזיקה:

שקיפות: (Transparent) גורמים חזויים על ידי "איינשטיין" מספקים למשתמשי הקצה תשובה לשאלה "למה" מאחורי כל חיזוי, ומאפשרים להם להבין אילו גורמים מנבאים משפיעים על התחזית.

אחריות: (Responsible) שדות מוגנים מזהירים מפני הטייה מזיקה פוטנציאלית במערכי נתונים באמצעות התראה מוקפצת. לדוגמה, אם מנהל מערכת מעוניין להימנע מהטייה גזעית או מגדרית במודל שבו הם בונים, אך כולל מיקוד מבלי להבין שהוא תואם לגזע, הם יזכו להתראה על הטייה גזעית פוטנציאלית שיכולה להיגרם.

מחויבות למתן דין וחשבון: (Accountable) מדדי מדגם מסייעים לוודא את הדיוק והביצועים של דגמי בינה מלאכותית, ומאפשרים למנהלים להבין טוב יותר את התוצאות שהיו בלתי צפויות בעבר, ועלולות להזיק.

"ההבטחה של בינה מלאכותית לא שמורה יותר רק למדעני נתונים. עם מערכת "איינשטיין", אנו מעצימים מפתחים ומנהלים, נשמת אפה של כל פריסת סיילספורס, במטרה להפוך את הבינה המלאכותית למותאמת אישית עבור כל עסק", אמר ג'ון בול, סגן נשיא מנהלי של מערכת "איינשטיין" בסיילספורס. "עם זאת, המשימה שלנו אינה מסתכמת בהפיכת הטכנולוגיה לנגישה יותר, אנו מחויבים לדמוקרטיזציה של בינה מלאכותית, כזאת שאנשים יוכלו לסמוך עליה ולהשתמש בה כראוי."