使用带有 Salesforce 数据云的亚马逊 SageMaker 自带人工智能

这篇文章由Salesforce Einstein AI产品总监达里尔·马蒂斯共同撰写。

我们很高兴地宣布整合 亚马逊 S ageMaker 和 S alesforce Data Cloud。借助此功能，企业可以使用 SageMaker 以零复制方法安全地访问其 Salesforce 数据，并使用 SageMaker 工具构建、训练和部署人工智能模型。推理端点与 Data Cloud 相连，以实时推动预测。因此，企业可以在保持数据完整性和安全性的同时缩短上市时间，并减少将数据从一个位置移动到另一个位置的运营负担。

在数据云上介绍爱因斯坦工作室

Data Cloud是一个数据平台，可为企业提供来自任何接触点的客户数据的实时更新。借助 Einstein Studio（数据平台上人工智能工具的门户），管理员和数据科学家只需点击几下或使用代码即可轻松创建模型。爱因斯坦工作室的自带模型 (BYOM) 体验提供了将自定义或生成式 AI 模型从 SageMaker 等外部平台连接到数据云的能力。可以使用通过 亚马逊 SageMaker Data Wrangler 连接器访问的 S alesforce 数据云中的数据来训练定制模型。企业可以通过将自定义模型无缝集成到 Salesforce 工作流程中来根据其预测采取行动，从而提高效率、决策和个性化体验。

集成 SageMaker 和数据云爱因斯坦工作室的好处

以下是在 Salesforce 数据云中使用带有爱因斯坦工作室的 SageMaker 如何为企业提供帮助：

  • 它能够将自定义和生成式 AI 模型连接到 Einstein Studio，用于各种用例，例如潜在客户转换、案例分类和情感分析。
  • 它消除了繁琐、昂贵且容易出错的 ETL（提取、转换和加载）作业。零拷贝数据方法减少了管理数据副本的开销，降低了存储成本并提高了效率。
  • 它允许访问整个 Customer 360 精心策划、统一的实时数据。这导致了专家模型，可以提供更智能的预测和业务见解。
  • 它简化了业务流程结果的消耗，无延迟地创造价值。例如，您可以使用可以根据新数据即时调整的自动化工作流程。
  • 它促进了 Salesforce 中 SageMaker 模型和推断的可操作性。

以下是如何使用 Salesforce Flow 对 SageMaker 模型进行 操作的示例。

SageMaker 集成

SageMaker 是一项完全托管的服务，用于使用完全托管的基础架构、工具和工作流程，为任何用例准备数据以及构建、训练和部署机器学习 (ML) 模型。

为了简化 SageMaker 和 Salesforce 数据云的集成，我们在 SageMaker 中引入了两项新功能：

  • SageMaker Data Wrangler Salesforce 数据云连接器 — 借助新推出的 SageMaker Data Wrangler Salesforce 数据云连接器，管理员可以预先配置与 Salesforce 的连接，使数据分析师和数据科学家能够快速实时访问 Salesforce 数据并为机器学习创建功能。这将使用户能够使用 OAuth 安全地访问 Salesforce 数据云。您可以使用 Spark 的强大功能以交互方式可视化、分析和转换数据，无需使用 Salesforce Data Wrangler 的低代码可视化数据准备功能编写任何代码。您还可以扩展以使用 SageMaker 处理任务处理大型数据集，使用 Am azon S ageMaker A utopilot 自动训练机器学习模式，并与 SageMa ker 推理管道集成，使用推理端点将相同的数据流部署到生产环境，以实时或批量处理数据进行推理。

  • Salesforce 的 SageMaker 项目模板 — 我们为 Salesforce 推出了 SageMaker Proj ects 模板，您可以使用该模板为传统和大型语言模型 (LLM) 部署端点，并自动将 SageMaker 端点作为 API 公开。SageMaker Projects 为数据科学家和机器学习工程师在 SageMaker 上构建和部署机器学习模型提供了一种设置和标准化开发环境的简单方法。

合作伙伴报价

“Salesforce和亚马逊云科技 Sagemaker之间的合作关系将使客户能够在其Salesforce数据源、工作流程和应用程序中利用人工智能（生成和非生成模型）的力量来提供个性化体验，为新的内容生成、摘要和问答类体验提供支持。通过将两全其美结合起来，我们正在为数据驱动的创新和以人工智能为基础的客户成功创造一种新的模式。”

-Kaushal Kurapati，Salesforce 产品、人工智能和搜索高级副总裁

解决方案概述

BYOM 集成解决方案为客户提供了 SageMaker Data Wrangler 中的原生 Salesforce 数据云连接器。SageMaker Data Wrangler 连接器允许您安全地访问 Salesforce 数据云对象。用户通过身份验证后，他们可以通过 SageMaker Data Wrangler 交互式可视界面执行模型开发和推理所需的数据探索、准备和特征工程任务。数据科学家可以在 亚马逊 SageMaker Studio 笔记本电脑中开发定制模型，这些模型可以是传统模型，也可以是 LLM，并通过在 SageMaker 模型注册表中注册模型来使其可供部署。当模型获准在注册表中投入生产时，SageMaker Projects将自动部署调用API，该API可以在Salesforce Einstein Studio中配置为目标并与Salesforce Customer 360应用程序集成。下图说明了这种架构

结论

在这篇文章中，我们分享了 SageMaker 和 Salesforce Einstein Studio BYOM 的集成，你可以在其中使用 Salesforce 数据云中的数据在 SageMaker 中构建和训练传统游戏和 LLM。你可以使用 SageMaker Data Wrangler 准备来自 Salesforce Data Cloud 的零副本数据。我们还提供了一种自动解决方案，使用适用于 Salesforce 的 SageMaker Projects 模板将 SageMaker 端点作为 API 进行部署。

亚马逊云科技 和 Salesforce 很高兴能合作向我们的共同客户提供这种体验，帮助他们利用机器学习和人工智能的力量推动业务流程。

要了解有关 Salesforce BYOM 集成的更多信息，请参阅 使用爱因斯坦工作室自 带人工智能模型 。 要 详细了解如何使用产品推荐实现示例，请参阅使用 亚马逊 SageMaker 和 Salesforce 数据云集成为你的 Salesforce 应用程序提供人工智能/机器学习 支持。

作者简介

达里尔·马蒂斯 是Salesforce Data Cloud爱因斯坦工作室的产品总监。他在为企业客户规划、构建、启动和管理世界一流的解决方案（包括人工智能/机器学习和云解决方案）方面拥有 10 多年的经验。他之前曾在纽约市的金融服务行业工作。

Rachna Chadha 是 亚马逊云科技 战略账户领域首席解决方案架构师 AI/ML。拉赫纳是一位乐观主义者，他相信以合乎道德和负责任的方式使用人工智能可以改善未来的社会，带来经济和社会繁荣。在业余时间，Rachna 喜欢与家人共度时光、远足和听音乐。

艾夫·斯图尔特 是 亚马逊云科技 战略 ISV 领域的首席解决方案架构师。在过去的两年中，她一直与Salesforce数据云合作，帮助在Salesforce和亚马逊云科技上建立综合客户体验。Ife 拥有超过 10 年的技术经验。她倡导技术领域的多元化和包容性。

Maninder (Mani) Kaur 是 AW S 战略独立软件供应商的人工智能/机器学习专家负责人。Mani 采用客户至上的方法，帮助战略客户制定他们的 AI/ML 战略、推动创新并加速他们的 AI/ML 之旅。玛尼坚信合乎道德和负责任的人工智能，并努力确保其客户的人工智能解决方案符合这些原则。