关于企业服务AI,Salesforce Einstein教会了我们什么|Xtecher硅谷

编译|Xtecher GeneHe、硅谷加先生      来源|VentureBeat      网址|www.xtecher.com     微信公众号ID|Xtecher

每一次交易都需要消费者,每一个消费者都需要被关心。这就是企业服务AI-CRM至关重要的原因。但不完整的数据和沉重的工作流程让大多数公司的销售和市场运作差强人意。

同时,除了Google和Facebook之外的公司也没有大笔的预算建立AI团队完全替代人力成本。尽管个别公司拥有合适的技术人才,但仍然缺少开发基于神经网络模型的系统架构的专家。

 

企业AI大有可为

人工智能云计算机不仅仅是泡沫一般的构想。如今,大多数最强大的计算机和科技公司正在大步前进以调整市场方向。其根源在于AI和云技术即将像龙卷风一样席卷全球,从而改变我们的生活。如果他们不转变方向迎头赶上,就将被时代淘汰。

Salesforce计划将其产品与AI的鸿沟嫁接起来。首席科学家Richard Socher表示,Einstein是一个“融合所有Salesforce Cloud特性和功能的人工智能层,而非独立的产品。”

15万多家Salesforce企业用户应该可以轻松拓展AI功能。拥有自己的数据科学和机器学习团队的机构可以通过Predictive Vision和Predictive Sentiment Services这样的API来延展基本功能,使公司通过图像和视频的方式来了解他们的产品特性和消费者反馈。

 

这些改进已经显而易见。Socher表示,Salesforce Marketing Cloud的消费者预测功能不但帮客户迅速掌握高价值的活动,而且让取消订阅的用户再次回归。该技术评价提升了25%的点击量。Salesforce中,Sales Cloud的客户已经在预测性分数中看到了300%的增长,而Commerce Cloud的客户从每个网站访问者利润中获取7-15%的增长。

 

达到这些结果并不容易。Salesforce的机器学习和人工智能收购了包括RelateIQ (3.9亿美元), BeyondCore (1.1亿美元), PredictionIO (5800万美元),以及Socher曾担任CEO和CTO的深度学习专家Metamind。2016年,Marc Benioff花费了超过40亿美金收购优秀的人才与技术。

企业技术竞短争长

即使有足够的资金与合适的技术人员,由于竞争与高期望,向企业推出人工智能服务依然危机重重。Gartner分析师Todd Berkowitz指出,Einstein的性能在市场中“不像独立解决方案那么高级“。其他的评论家指出,这门技术“离完全成熟起码还有一年半。”

Infer是一个上述独立解决方案之一,它为销售和市场提供预测性分析,使其能够直接与Salesforce竞争。在一篇关于当前AI炒作的论文中,首席执行官Vik Singh质疑,像Salesforce这样的大公司“把机器学习做成了像AWS这样的基础设施,很鸡肋”。Singh还表示 “机器学习不同于简单的运行然后神奇的连接到某些系统的AWS。”

挑战是暂时的,未来是光明的

Salesforce首席科学家Socher表示困难是存在的,但是克服只是时间问题。

 

通信是CRM的核心,尽管计算机在很多关键的视觉系统工作上超过了人类,但自然语言处理(NLP)和自然语言理解 (NLU)还不能在高风险的企业环境中运行。

 

大多数神经网络方法存在的问题是,它们只会在单个任务和单个数据类型上建立训练模型以解决一个狭窄的问题。另一方面,对话需要不同类型的功能。“你必须能够理解社交要点和视觉世界,逻辑推理,并检索事实。虽然运动皮层看似与语言理解相关,”Socher解释说,“如果没有多任务处理方法,你无法解决智能NLP。”

这就是Salesforce AI研究团队正在创新利用的“联合多任务”学习方法,将神经网络一个领域的知识扩展开来。理论上讲,理解语言形态应该也会加速语义和语法的理解。

在实践中,Socher和他的深度学习团队已经能够为实体识别的学术实现最先进的基准测试结果(你能识别关键对象,位置和人员吗?)和语义相似性(你能识别作为同义词的单词和短语吗?)。他们的方法可以一次解决五个NLP任务 – 分块,依赖性解析,语义相关性,文本内容和部分语音标签 – 并且优化以处理不完整,拼写错误或未知的单词。

 

Socher认为,AI研究人员将在2017年在深度学习领域取得巨大进步。我们生活也将嵌入更多的语音识别。“现在消费者仅仅向Siri询问明天的天气,但我们希望让人们能够就自己独特的经历提出问题。”

AI研究困难,应用更困难

解决困难的研究问题只是第一步。“令人惊讶的是,你可能已经解决了一个关键的研究问题,但为客户实施您的工作,整个公司需要做更多工程与协调。”Socher透露。

 

“Salesforce拥有成千上万的客户,每个客户都有自己的分析和数据,”他解释说,“你必须在战略层面了解这些问题,并理解为每个客户做这些的所有复杂性。同时,客户还会试图修改和定制功能以达到他们想要的结果。”

 

Socher指出了企业服务AI的三个关键点:数据,算法和应用。数据往往是许多公司的最大障碍。“理论上讲,公司理应拥有正确的数据。但现实生活中,数据则太过分散,没有正确的结构或标签,甚至根本不可访问。“

 

招聘顶尖人才也意义非凡,正如计算机科学家喜欢说的。不同类型的AI问题具有不同的复杂性。虽然一些AI应用程序更简单,但挑战非结构化数据(如文本和视觉)意味着可以处理它们的专家的供不应求。

 

最具挑战性的是最后一部分:应用。如果没有用户,那么AI研究的意义究竟是什么? Socher强调,“你必须非常仔细思考如何使用AI功能为用户和客户赋权。这是非常复杂,但也非常具体的问题。销售流程与自驾车的应用方式有天壤之别。”

 

除非我们使用AI发明新的AI,否则迭代数据,研究和操作将是人类一个永无止境的工作。“Einstein永远不会被完成。你可以随时改进工作流程,使它们更高效。”Socher总结说。

Amy

HRTechChina 编辑 欢迎联系我 021-3126 6618

您可能还喜欢...