IA simple pour votre application : découvrez Salesforce Einstein

Publié: 2022-03-11

La révolution de l'IA transforme déjà le monde de la consommation.

Parfois, c'est au quotidien comme des recommandations de produits, et parfois c'est de manière magnifique : les implants cochléaires, qui fournissent une audition artificielle aux personnes nées complètement sourdes, sont passés à l'IA pour une expérience utilisateur finale supérieure.

L'intelligence artificielle (IA) est la dernière étape de la technologie moderne.

La révolution de l'IA conduit à un monde plus intelligent, et ce monde plus intelligent a été construit sur les méga-tendances dont nous avons tous été témoins au cours des 20 dernières années : le Web, le cloud, les réseaux sociaux, le mobile et l'Internet des objets ( IdO).

Avec la technologie cloud, nous avons, en tant que développeurs, une capacité de calcul et de stockage pratiquement illimitée, et c'est vraiment cette combinaison de données massives et de puissance de calcul massive qui mène à cette révolution. Maintenant que tout le monde est connecté les uns aux autres et à tout d'une manière ou d'une autre, toutes ces connexions génèrent des ordres de grandeur de plus de données que jamais auparavant le cloud IA doit traiter.

Vous faites l'expérience du cloud AI tous les jours en tant que consommateur. Lorsque vous voyez une recommandation de produit sur Amazon, une recommandation de film sur Netflix ou une photo automatiquement identifiée et taguée dans votre flux Facebook, vous découvrez la puissance de l'IA.

Ne serait-il pas formidable que l'application sur laquelle vous travaillez, qu'il s'agisse d'une application Salesforce ou non, puisse également fournir ces expériences plus intelligentes, alimentées par l'IA ? Par exemple, que se passerait-il si notre entreprise et notre application de vente pouvaient travailler ensemble pour nous dire quels prospects sont les plus susceptibles de se convertir, ou si notre application de service pouvait utiliser le cloud AI pour nous dire quels cas sont susceptibles de faire l'objet d'une escalade ?

Malheureusement, pour de nombreuses équipes de développement Salesforce, il semble trop complexe et coûteux d'appliquer l'IA au processus métier de leur application. Tout d'abord, cela commence par la science des données et, pour faire de la science des données, vous devez collecter et intégrer toutes les données requises. Et puis vous devez faire du data wrangling, transformer les données afin que vous puissiez les utiliser pour l'apprentissage automatique. Et puis, selon votre expertise, vous pouvez même avoir besoin de l'aide extérieure de scientifiques des données pour créer des modèles prédictifs, les maintenir, les actualiser et créer une infrastructure fiable, sécurisée et évolutive. Ensuite, après tout ce travail, vous devez prendre ces prédictions et les mettre dans le contexte de l'utilisateur professionnel.

Entrez dans Salesforce Einstein

Sachant que l'IA était souvent hors de portée, Salesforce a acquis des sociétés telles que MetaMind (spécialistes de l'apprentissage en profondeur), Implisit Insights (application spécifique de l'IA au processus de vente) et PredictionIO (apprentissage automatique et analyse de données volumineuses) pour les aider à créer Salesforce Einstein.

Salesforce Einstein est l'IA pour Salesforce, et elle est intégrée directement à la plateforme. Comme l'a dit le directeur général d'Einstein, « il prend le CRM numéro un au monde et en fait le CRM le plus intelligent au monde ». Avec l'offre d'IA de Salesforce, vous pouvez désormais donner aux professionnels des ventes, des services, du marketing et de l'informatique d'une entreprise les moyens d'être à leur meilleur en rendant chaque interaction client plus rapide, plus intelligente et plus prédictive.

Apprentissage en profondeur : vision d'Einstein et langage d'Einstein

Salesforce Einstein devrait mettre le cloud IA à la portée des développeurs. Peut-être. Mais par où commencer ? La première chose à savoir est que l'IA comporte trois composants majeurs :

  • Données
  • Algorithmes
  • Calcul

Le Big Data en général est un sujet brûlant depuis quelques années. Tout le monde est ravi d'avoir de nouvelles sources de données, de nouvelles façons de les analyser et de nouvelles façons de les stocker.

Cela va être une grande partie de la façon dont nous introduisons l'intelligence artificielle dans l'entreprise, mais une grande partie de l'effort de développement de l'IA a été du côté des algorithmes. Ce sont des algorithmes complexes qui sont construits, développés et qui ont en fait de nouvelles recherches des secteurs privé et public. Vous pouvez être sûr que les algorithmes cloud d'IA continueront d'être innovants et continueront à générer de nouvelles fonctionnalités pour vos applications et pour les expériences client.

L'aspect informatique dont vous avez probablement entendu parler récemment aussi : les GPU, les TPU, les nouveaux investissements et les nouvelles recherches de toutes les meilleures sociétés de matériel informatique vont tous vers la puissance de calcul, garantissant que ces algorithmes disposent de l'infrastructure dont ils ont besoin pour continuer à être innovants. et de pouvoir fournir un aperçu de vos données.

Avant d'aborder la façon dont vous pouvez développer quelque chose qui tire parti de cette technologie, examinons plus en détail ce à quoi vous aurez affaire.

Les données

Il y a deux formes de données à considérer ici : structurées et non structurées.

Données structurées et non structurées.

Les données structurées incluent vos données ERP et la majorité de vos données CRM ; il peut s'agir de données provenant d'appareils IoT, par exemple. Ce type de données est déjà facilement consultable par des algorithmes de base.

Les données non structurées peuvent être vos données d'image, vos e-mails, vos présentations PowerPoint, vos documents Word, etc. C'est là qu'interviennent les algorithmes d'apprentissage en profondeur et d'apprentissage automatique, simplifiant considérablement la façon dont nous recherchons dans ce type de données.

L'algorithme

L'apprentissage en profondeur est un terme compliqué : de nombreux développeurs et ingénieurs DevOps en sont submergés. Ils pensent qu'ils n'ont pas l'infrastructure pour gérer les réseaux de neurones. Ils pensent qu'ils ont besoin d'un doctorat pour comprendre suffisamment le modèle de pointe à intégrer afin de le décomposer en un processus de réflexion plus gérable. Heureusement, en savoir suffisamment pour pouvoir en tirer parti est beaucoup plus accessible que cela.

Vous avez seulement besoin de connaître les couches d'entrée et de sortie ; tout le travail vraiment difficile se passe dans la couche cachée, qui est prise en charge par le cloud Salesforce AI.

Commençons de cette façon : Vous avez un fichier d'entrée. Il peut s'agir d'une image, d'un fichier audio ou d'un fichier texte. Et vous voulez en tirer des résultats perspicaces. Salesforce Einstein dispose d'un ensemble d'API que vous pouvez utiliser pour rendre ce processus vraiment transparent : vous n'avez rien à savoir sur ce qui se passe entre les deux.

Avec Salesforce Einstein, il vous est très facile d'intégrer le deep learning dans vos applications. Il vous fournit une infrastructure bien hébergée qui gère vos modèles en tant que service et prend ainsi en charge tous les besoins d'évolutivité. Ainsi, il vous est facile de télécharger, d'entraîner et de comprendre les métriques de votre modèle et, au final, de fournir des prédictions en temps réel sur un modèle pré-entraîné ou un modèle personnalisé que vous créez.

Si même cela vous semble étranger, les exemples suivants vous mettront rapidement au courant.

Calcul : Einstein Vision

Il s'agit de l'un des services de deep learning proposés par Salesforce Einstein. Tous les modèles d'apprentissage en profondeur ou les réseaux de neurones ne sont pas égaux : des architectures spécifiques sont utilisées pour des problèmes spécifiques. Et dans le cas de la vision par ordinateur, le cloud IA utilise ce qu'on appelle un réseau neuronal convolutif, ce qui signifie que chaque couche apprend de la précédente. Ainsi, lorsqu'un tel réseau est formé sur des données d'image, il reconstruit l'image à partir de zéro pour comprendre ses différents composants. Il examinera d'abord la plus petite unité d'une image, le pixel, puis comprendra les bords, puis le calque suivant comprendra les parties ou éléments d'objet, puis finira par atteindre des objets entiers.

Et tout ce processus est pris en charge pour vous, vous pouvez donc vous concentrer sur la valeur commerciale que vous pouvez débloquer pour vos clients grâce à la vision par ordinateur plutôt que sur le processus lui-même.

Einstein Vision peut être formé pour reconnaître des objets dans des images.

Pensez à la façon dont l'industrie du transport pourrait être transformée en utilisant des drones pour surveiller les autoroutes - personne n'aurait besoin d'envoyer une équipe de nettoyage.

Ou comment les entreprises CPG, au lieu d'envoyer des individus pour enregistrer manuellement les produits sur une étagère, pourraient simplement prendre une photo et la faire analyser automatiquement.

Ou comment la vente au détail peut être révolutionnée grâce à la recherche visuelle, ou comment les compagnies d'assurance peuvent automatiser le triage des réclamations, ou comment le traitement des images peut être exploité par les soins de santé.

Tous ces scénarios peuvent être couverts par Einstein Image Classification, qui fait partie d'Einstein Vision. Tout ce dont vous avez besoin est un modèle, qui est plus ou moins juste un ensemble d'étiquettes de classification.

Créer un modèle personnalisé

Un modèle personnalisé peut prédire la classification de nouvelles données sur la base d'un ensemble de données d'apprentissage composé de données avec des classifications connues.

Vous pouvez créer vos propres modèles personnalisés, puis les intégrer dans vos workflows, qu'il s'agisse d'un workflow Salesforce ou d'une application externe.

La création de votre propre modèle personnalisé ne comprend que trois étapes :

  1. Créez votre propre ensemble de données, en fonction de ce que votre modèle personnalisé doit faire. Supposons que vous souhaitiez pouvoir faire la différence entre les réfrigérateurs à trois portes et les réfrigérateurs à deux portes. Vous devrez collecter un tas d'images de réfrigérateurs à deux portes et les mettre dans un dossier, puis un tas d'images de réfrigérateurs à trois portes et les mettre dans un autre dossier.
  2. Entraînez votre modèle. Maintenant, quels que soient les ensembles de données que vous avez collectés à l'étape précédente, vous les téléchargez et le cloud AI formera le modèle en fonction de cet ensemble de données. Le fait que vous ayez déjà séparé les images est tout ce dont vous avez besoin pour la formation. Une fois le nouveau modèle de données formé, vous recevrez son ID.
  3. Utilisez-le pour la prédiction! Vous pouvez maintenant obtenir des prédictions sur des images que le modèle n'a jamais vues auparavant. C'est aussi simple que de faire un appel d'API en utilisant le nouvel ID de modèle.

Calcul : Langage Einstein

Si les images ne sont pas ce que vous devez traiter, il y a de fortes chances que vous cherchiez à vous entraîner à l'aide de texte. Pour cela, le cloud AI de Salesforce dispose d'Einstein Language, qui est actuellement composé de deux services : Einstein Intent et Einstein Sentiment.

  • Einstein Intent est un classificateur général de type traitement du langage naturel (NLP). Il vous permet de définir vos propres classes et de télécharger des données qui représentent ces classes.
  • Einstein Sentiment est un modèle pré-formé qui est capable d'analyser le langage humain pour dériver les sentiments du contenu et des déclarations des utilisateurs environnants et les classer en classes positives, négatives et neutres.

Le modèle d'Einstein Language rend la formation et la classification cloud en langage naturel facilement accessibles à votre application Salesforce Einstein via une API.

Les services Einstein Language fonctionnent exactement comme notre exemple de classification d'images. Ici, nous allons également définir des classes.

Dans l'exemple ci-dessus, l'intention concerne le routage des requêtes. Chaque fois qu'un cas se présente, nous souhaitons l'analyser et l'acheminer vers le bon service : expédition, facturation, produit, ventes... nous pouvons définir autant de classes que nécessaire. Mais dans le cas d'Einstein Sentiment, les classes sont fixes, nous avons donc juste positif, négatif ou neutre.

Une fois que vous avez séparé les données en différentes classes, vous pouvez entraîner vos modèles. La formation du modèle est très facile avec l'API fournie. Tout comme avec Einstein Vision, une fois le modèle formé, vous aurez votre ID de modèle et vous serez prêt à obtenir des prédictions.

Salesforce Einstein : un démarrage intelligent

Maintenant que vous avez un avant-goût des possibilités que Salesforce Einstein met à votre portée en tant que développeur Salesforce, et à quel point il serait facile d'aider vos clients ou votre employeur à tirer parti du cloud AI, il vous suffit de créer un compte pour commencer. Nous avons hâte de savoir comment vous utilisez le cloud IA pour révolutionner votre propre application !