Salesforce在Einstein人工智能上采用了一种应用程序优先的方法。这和公共云人工智能产品形成了鲜明的对比，采用这种做法的部分原因是该公司汲取了从Salesforce Wave学到的教训。

这个世界上没有足够多的数据科学家，所以Salesforce依靠自动化和以应用程序为中心的方法来将其Einstein人工智能功能带给大众。

在上周于旧金山举行的Salesforce分析师峰会上，公司高管们分享了该公司在两年多的时间里工作的详细情况，目标是建立高度自动化的数据管理和机器学习通道，以大规模提供预测和建议。这项工作从Exact Target预测客户旅程开始，许多（虽然不是全部）Salesforce的AI采集被插入同一自动化通道。该公司高管表示，此系统可以扩展，因为所有的数据收集、数据准备、功能选择、模型构建、超参数调整和评分都是自动处理的。

Salesforce表示，该公司花了两年多的时间开发自动化数据管理和机器学习通道，以大规模推动针对客户的预测。

根据Salesforce提供的数据显示，这种数据管理和机器学习通道已经每天对潜在客户提供多达3亿条预测/推荐/打分的建议。它是Sales Cloud Einstein、Service Cloud Einstein和Marketing Cloud Einstein应用程序的引擎，这些应用程序已经推出或者将在今年内推出（见下图）。下一步将推出的将是Sales Cloud Einstein应用程序，它将在2月份的Salesforce Spring 2017版本中推出。

Einstein的高级副总裁兼总经理John Ball也是一位KXEN的“老兵”，Salesforce聘请他是因为看重他在自动化分析方面拥有的经验。John Ball表示，“我们的一个试用客户开始尝试（Einstein Predictive Lead Scoring），然后销售额增长了25％”。

Einstein应用程序的目标是帮助人们专注于真正重要的事。例如，Predictive Lead Scoring可帮助销售人员关注最有前途的潜在客户。Opportunity Insights——另一个销售类Cloud Einstein应用程序于2月份推出，能够帮助销售人员设定下一个优先事项。对于那些仍然没有完成销售任务的销售人员来说，这意味着下一个最有可能达成的交易；而对于那些已经完成销售任务的销售人员来说，就可以培养自己的潜在客户群。

爱因斯坦应用程序并不适合每个公司。首先，它需要大量的数据来推动自动化、基于机器学习的预测。如果你每个月处理的潜在客户少于100人，那么人类就可以处理这些工作，他们能很好地把握哪些潜在客户应该是高优先级的。Ball表示，只有当数据的体量巨大，使用Einstein应用程序才有意义。

这不是说Einstein只适合大公司。数据量才是应用程序的关键。例如，许多小型营销团队每月都会发送数百万封电子邮件。因此，Predictive Scoring & Audiences和Automated Send-Time Optimization——今年将出现在Marketing Cloud中的两款应用程序即使对于小公司来说也是很有意义的，只要他们在进行大规模的市场营销。

Ball表示，现在，Salesforce正在采集和选择简单明了的Einstein应用程序，只要“开箱即用”。但随着时间的推移，公司计划开发更复杂的应用程序，可能需要一些咨询和业务流程更改才能进行部署。还有计划支持自定义Einstein应用程序，但在Salesforce表示，在这里需要的也只是具备点击式处理能力的开发人员，而不需要数据科学人才。

在更复杂的应用程序或自定义应用程序功能露面之前，Salesforce提供了Analytics Cloud Einstein Smart Data Discovery的特别分析和推荐功能，该软件由9月收购的BeyondCore提供支持。这种独立的基于机器学习的引擎允许您从Salesforce、关系型数据库或Hadoop加载并浏览数据集，并回答四个问题：发生了什么？为什么会发生？将会发生什么？我该如何改进？

这四个问题的答案分别是描述性、诊断性、预测性和规范性分析，以基于文本的“故事”的形式提供，可以导出为Word文档或PowerPoint演示文稿。您还可以通过Salesforce Analytics Cloud Wave引擎生成支持数据可视化。

Smart Data Discovery旨在让业务分析师探索数据并调查成本、盈利能力和客户生命周期价值等指标。与其他Einstein应用程序一样，您需要足够多的数据。Beyondcore的“老兵”表示，引擎需要至少10,000行数据来发现相关性和模式，并产生可靠的预测和规范性建议。

我对Einstein的进展和竞争形势的看法

Salesforce采取了应用程序优先的方法，部分原因是从2014年底Analytics Cloud最初发布失败中汲取的经验教训。正如我在去年写的，Wave的第一次迭代太昂贵了，太过侧重大型企业，打包的内容太多，太像是一个传统的商业智能平台。去年的重装上阵强调了随时可用的Sales Wave和Service Wave应用程序，旨在实现开箱即用。

Einstein是一种内置于Salesforce平台中的功能，而不是像最初的Wave方式那样引入“人工智能云”。 Wave分析功能也内置在平台中，但是最初的Analytics Cloud云打包和定价方法——平台费用加上面向开发人员的昂贵的构建器许可证——是行不通的。有了Einstein，Salesforce从应用程序着手，以后再为开发人员添加自定义功能。

关于Einstein的一个重要而关键的问题是这些应用程序需要花多少钱？Salesforce高管对这个问题仍然含糊其辞，只是表示一些功能将是免费的，而大多数应用程序将涉及每用户/每月或每次预测费用。据说在购买Einstein应用程序时，尤其是通过BeyondCore和Demandware（现在的Commerce Cloud）的情况下，定价将和客户现在所支付的价格相一致。

看看竞争对手，Oracle在其Oracle Adaptive Intelligent Applications中也采用了还预先构建应用程序的方法。 Oracle在9月份公布了六个计划中的自适应智能应用程序（Adaptive Intelligent Applications），并表示它们将在12至18个月内粉墨登场。有不少人都希望在2017年上半年至少能够见到这些应用程序中的一部分。

公共云供应商亚马逊和微软已经针对人工智能采用了服务库方法，将完成应用程序所需的把机器学习、自然语言处理、机器视觉、情绪分析和其他服务结合在一起的工作留给了开发人员。他们为开发人员提供了模板、示例脚本和其他内容进行指导，但是没有提供随时可用的应用程序。我们期待微软能够在提供客户体验特定服务方面做得更多，而且，或许在其Dynamics应用程序产品组合中提供更接近于完成的人工智能应用程序。

IBM在过去五年中利用其Watson认知计算推动将AI重新回归版图的努力值得称道。它现在有一个分叉的战略，IBM本身在追求更复杂的机会，同时还为不断增长的开发人员社区构建Watson平台认知服务。

IBM自己就提供关于活动自动化、市场洞察、实时个性化、客户体验分析和客户旅行分析的认知营销解决方案。同时，Watson开发商合作伙伴，例如Influential、SocialFlow和Equals 3，也提供Watson支持的认知市场营销解决方案。无论是来自IBM还是独立开发人员，这些解决方案都可能需要与记录系统集成。相比之下，Salesforce（以及Oracle，等到该公司发布它的应用程序时）提供了即时运行的人工智能应用程序，它是其软件即服务应用程序的扩展。如果Salesforce是您的CRM记录系统，Einstein将是添加人工智能最简单明了的首选对象。

原文发布时间为： 2017年1月11日

本文作者：杨昀煦

本文来自云栖社区合作伙伴至顶网，了解相关信息可以关注至顶网。