Skip to content

Tag: Einstein Copilot

¬ŅSabe qu√© hay en la hoja de ruta de Salesforce para la IA?

Despu√©s de la pl√©tora de emocionantes anuncios de IA en Dreamforce, sabemos que hay un mont√≥n de emocionantes innovaciones de IA a la vuelta de la esquina. Pero con tanto que esperar, ¬Ņc√≥mo podemos estar al tanto de lo que est√° por venir y cu√°ndo? Las hojas de ruta de productos de Salesforce son la clave para estar al tanto de lo que se […]

planea y [..

La entrada ¬ŅSabe qu√© hay en la hoja de ruta de la IA de Salesforce? appeared first on Salesforce Ben.

Continue reading

Lleve sus modelos de IA de Google Vertex a la nube de datos ‚ėĀÔłŹ

Lleve sus modelos de IA de Google Vertex a la nube de datos ‚ėĀÔłŹ

Esta es una traducción que desde EGA Futura ofrecemos como cortesía a toda la Ohana y comunidad de programadores , consultores , administradores y arquitectos de Salesforce para toda Iberoamérica .

El enlace a la publicación original, lo encontrarás al final de este artículo.

…

Lleve sus modelos de IA de Google Vertex a la nube de datos | Blog de desarrolladores de Salesforce

Model Builder, parte de Einstein Copilot Studio, es una plataforma f√°cil de usar que le permite crear y poner en funcionamiento modelos de IA en Salesforce. Model Builder es capaz de integrarse profundamente con plataformas de IA externas, como Google Cloud Vertex AI y Amazon SageMaker, para que pueda crear, entrenar e implementar modelos de IA personalizados de forma externa utilizando datos de Salesforce Data Cloud.

Salesforce anunci√≥ previamente el lanzamiento de Model Builder con Amazon SageMaker en agosto de 2023. Hoy, nos complace anunciar que los modelos de Google Vertex AI ahora est√°n disponibles de forma general en Model Builder. Como parte de esta √ļltima versi√≥n, Model Builder ahora admite la autenticaci√≥n mediante las credenciales de la cuenta del servicio de Google, as√≠ como la ingesti√≥n de datos en streaming.

Estamos entusiasmados con esta nueva innovaci√≥n de la asociaci√≥n ampliada de Salesforce con Google Cloud, que consideramos que tiene un enorme potencial para los desarrolladores. Como enfatiz√≥ Kaushal Kurapati, vicepresidente senior de Producto, IA y B√ļsqueda de Salesforce:

‚ÄúCon esta asociaci√≥n con Google Cloud, Model Builder ofrece una manera conveniente para que los clientes aprovechen sus modelos Vertex AI en sus fuentes de datos, flujos de trabajo y aplicaciones de Salesforce y brinden experiencias personalizadas, continuando con la visi√≥n de construir una plataforma abierta de Salesforce AI con un ecosistema modelo robusto‚ÄĚ.

¬ŅQu√© es la capacidad de traer su propio modelo (BYOM)?

Model Builder le permite conectarse fácilmente a modelos predictivos externos, como los de un proveedor de modelos externo o su propio modelo propietario, y utilizarlos en el flujo de trabajo en Salesforce. Por ejemplo, puede utilizar modelos predictivos para calificar clientes potenciales, recomendar productos o detectar la deserción.

La capacidad BYOM de Model Builder le permite integrar fácilmente su modelo con Data Cloud para acceder a predicciones e información en tiempo real, y utilizar esa información de varias maneras, como enriquecer perfiles de clientes, crear segmentos y personalizar la experiencia del usuario final en diferentes canales.

¬ŅPor qu√© traer su propio modelo a Data Cloud?

Estos son algunos de los beneficios de usar un modelo de Google Cloud Vertex AI con datos de Data Cloud en Model Builder:

  • Le brinda acceso a datos altamente seleccionados, armonizados y casi en tiempo real en Customer 360, en Vertex AI
  • Elimina trabajos de ETL tediosos, costosos y propensos a errores; El enfoque de federaci√≥n de copia cero para los datos reduce los gastos generales de gesti√≥n de copias de datos y los costos de almacenamiento, y mejora la eficiencia.
  • Le permite crear, entrenar, probar y ajustar modelos r√°pidamente en una √ļnica plataforma y conectarlos con Data Cloud.
  • Admite la ingesta de datos en tiempo real, streaming y por lotes para impulsar resultados de IA relevantes
  • Aprovecha las predicciones de Vertex AI para automatizar procesos comerciales en Salesforce Data Cloud con Flow y Apex

Para obtener más información, mire nuestro breve vídeo .

Flujo de trabajo de la aplicación para usar Model Builder con Vertex AI de Google Cloud

En esta sección, analizamos brevemente el flujo de trabajo de la aplicación utilizando Model Builder.

En el flujo de trabajo que se muestra arriba, el conector Python brinda a Vertex AI acceso seguro a los objetos de Salesforce Data Cloud. Después de la autenticación, los especialistas en datos pueden explorar y preparar datos, y realizar tareas de ingeniería de características para el desarrollo y la inferencia de modelos de IA utilizando la plataforma Vertex AI.

Tenga en cuenta que si se realiza una autenticación basada en clave API, se necesita una puerta de enlace API delante del punto final de Vertex AI.

NUEVA característica: Autenticación mediante credenciales de cuenta de servicio de Google

La versión más reciente de Model Builder ahora permite utilizar las credenciales de la cuenta del servicio de Google para la autenticación. Esto se suma a los métodos de autenticación JWT y basados en claves existentes. Para utilizar un flujo de token al portador JWT, ingrese su correo electrónico de la cuenta de servicio, ID de clave privada y clave privada de su cuenta de Google Cloud como se muestra a continuación.

NUEVA característica: Ingestión de datos en streaming

La √ļltima versi√≥n de Model Builder le permite activar autom√°ticamente una inferencia cuando los datos asignados a la variable de entrada del modelo se cambian en el objeto del modelo de datos de origen (DMO). Tambi√©n ofrecemos inferencia por lotes, pero debe hacer clic en el bot√≥n Actualizar manualmente para activar nuevas inferencias. Con la inferencia de transmisi√≥n, las nuevas inferencias se activan solo cuando hay un cambio en la variable de entrada.

Para habilitar la inferencia de transmisi√≥n, deber√° marcar la casilla S√≠ en ¬ŅActualizar modelo cuando se actualizan los datos? Como se muestra abajo.

Tambi√©n puede especificar cu√°les de las funciones de entrada deben actualizarse seleccionando S√≠ en el men√ļ desplegable Actualizar puntuaci√≥n .

Cómo consumir predicciones de tu modelo en Salesforce

Hay dos formas de consumir predicciones: usar acciones invocables en Flow y Apex, o usar Query API para realizar an√°lisis ad hoc.

Utilice Flow Builder y Apex para obtener predicciones

A continuación se muestra un ejemplo de cómo utilizar acciones invocables para modelos de Model Builder en Flow. Una vez que tenga un modelo activado en Model Builder, seleccione Nueva acción → Nube de datos y luego haga clic en el nombre del modelo deseado.

La captura de pantalla siguiente muestra un flujo de ejemplo que utiliza una acción invocable para crear recomendaciones de productos para un cliente. Aquí, un administrador usa Flow Builder para recorrer los registros individuales unificados y verificar si se realizó una compra reciente. Si se realizó la compra, la acción invocable obtiene la inferencia del modelo de Model Builder y recomienda el siguiente mejor producto a un cliente.

Esta acción invocable también se puede invocar en Apex. Vea el ejemplo a continuación.

<dx-code-block title language="apex" code-block="Invocable.Action action = Invocable.Action.createCustomAction('cdpGetMlPrediction', 'EinsteinStudio_model_name');
action.setInvocationParameter('param_variable_1', '10');
action.setInvocationParameter('param_variable_2', '20');
action.setInvocationParameter('param_variable_3', '30');
List results = action.invoke();
if (results.size() > 0 && results[0].isSuccess()) { System.debug(‘Result is: ‘ + results[0].getOutputParameters().get(‘param_score’));
} else { System.debug(‘Error message’ + results[0].getErrors());
} “>

Para obtener instrucciones sobre el uso de acciones invocables en Flow y Apex, consulte la Ayuda de Salesforce .

Utilice Query API para obtener predicciones

Query API es otra forma rápida de obtener puntuaciones de predicción para datos que residen en Data Cloud. Con Query API, puede utilizar el punto final de inferencia y llamar a funciones de predicción para probar el punto final. Vea el ejemplo a continuación.

Para obtener instrucciones sobre el uso de acciones invocables en QueryAPI, consulte la Ayuda de Salesforce .

Conclusión

Model Builder es una plataforma de IA fácil de usar que permite a los equipos de ingeniería y ciencia de datos crear, entrenar e implementar modelos de IA utilizando plataformas y datos externos en Data Cloud. Las plataformas externas incluyen Google Cloud Vertex AI, Amazon SageMaker y otros servicios de IA predictivos o generativos. Una vez que esté listo, podrá utilizar los modelos de IA en tiempo real para impulsar cualquier aplicación de ventas, servicios, marketing, comercio y otras aplicaciones en Salesforce.

Para obtener más información sobre cómo puede mejorar su estrategia de IA utilizando Model Builder, asista a nuestro seminario web gratuito con expertos en IA de Salesforce y Google Cloud.

Recursos adicionales

Sobre los autores

Daryl Martis es el director de producto de Salesforce de Einstein. Tiene m√°s de 10 a√Īos de experiencia en planificaci√≥n, creaci√≥n, lanzamiento y gesti√≥n de soluciones de clase mundial para clientes empresariales, incluidas AI/ML y soluciones en la nube. S√≠guelo en LinkedIn o Twitter .

Ashish Thapliyal es director sénior de producto en Salesforce y actualmente dirige varias áreas de productos de la plataforma Einstein AI. Síguelo en LinkedIn o Twitter .

Obtenga las √ļltimas publicaciones de blog y episodios de podcasts para desarrolladores de Salesforce a trav√©s de Slack o RSS.

A√Īadir a holgura Suscr√≠bete a RSS

Continue reading

Todo lo que aprendimos sobre IA para ventas en Dreamforce 2023

Todo lo que aprendimos sobre IA para ventas en Dreamforce 2023

Dreamforce fue √©pico. Compartimos consejos y noticias de la industria con Salesblazers, hicimos amigos y repartimos montones de regalos (nuestros peluches son insuperables). Sin embargo, entre todas las sesiones de puesta al d√≠a y aprendizaje de este a√Īo, se destac√≥ un tema: la importancia cr√≠tica de la inteligencia artificial (IA) en las ventas.

Los equipos de ventas est√°n viendo el surgimiento de nuevas herramientas de inteligencia artificial para ayudar a la prospecci√≥n, el entrenamiento y la previsi√≥n, todo al servicio de la eficiencia de las ventas. Tambi√©n hay un mayor inter√©s en la informaci√≥n sobre los clientes en tiempo real como ventaja competitiva, alojada en un CRM √ļnico y seguro.

¬ŅC√≥mo est√°n aprovechando todo esto los mejores equipos de ventas, manteniendo al mismo tiempo relaciones s√≥lidas con los clientes? Descubra sus consejos y trucos de ventas a continuaci√≥n.

¬ŅTe perdiste la conferencia magistral de Dreamforce Sales Cloud? Transm√≠talo en Salesforce+

Escuche lo que dicen los l√≠deres de ventas innovadores sobre la innovaci√≥n impulsada por la IA, la toma de decisiones basada en datos y las √ļltimas innovaciones de Sales Cloud.

1. Priorice los datos seguros antes de adoptar la IA generativa

El campo en constante evoluci√≥n de la IA promete mejorar la eficiencia de los vendedores, pero conlleva algunos desaf√≠os de seguridad. Una investigaci√≥n reciente de Salesforce encontr√≥ que el 73% de los empleados cree que la IA generativa introduce nuevos riesgos de seguridad. Hay buenos motivos para preocuparse: las herramientas p√ļblicas de IA generativa carecen de cifrado de datos, de enmascaramiento de datos y, en realidad, de cualquier tipo de protecci√≥n de seguridad. Esto hace que sus datos sean vulnerables al robo y al mal uso.

En el √ļltimo a√Īo, todos nos hemos vuelto un poco m√°s inteligentes en lo que respecta a la seguridad. Ahora sabemos que debemos evitar conectar los datos de los clientes a herramientas p√ļblicas de IA generativa y que todav√≠a necesitamos un ser humano en el medio para revisar manualmente cualquier copia de IA generativa para garantizar la precisi√≥n. Y si desea aprovechar la IA generativa, debe hacerlo en un entorno que pueda controlar, con todas las protecciones de seguridad que necesita para evitar que sus datos caigan en las manos equivocadas.

Cómo Salesforce le ayuda a mantener la seguridad:

La confianza siempre ha sido nuestro valor n√ļmero uno, raz√≥n por la cual lanzamos Einstein Trust Layer a principios de este a√Īo. Se trata de una arquitectura de IA segura, integrada de forma nativa en la plataforma Salesforce. Dise√Īado para est√°ndares de seguridad empresarial, permite a los equipos beneficiarse de la IA generativa sin comprometer los datos de sus clientes. Por ejemplo, si bien los mensajes impulsan cada salida de IA generativa, nuestra arquitectura Zero Retention garantiza que no se almacenen datos de clientes fuera de Salesforce. El enmascaramiento de datos (ocultar cualquier informaci√≥n confidencial de una empresa o un individuo) proporciona una capa adicional de protecci√≥n.

2. No esperes para unirte a la IA generativa

La IA generativa puede parecer una adici√≥n espectacular a su pila tecnol√≥gica, pero no es simplemente algo "bueno tenerlo". Lo necesita para seguir siendo competitivo. Seg√ļn nuestro reciente informe Tendencias en IA generativa para ventas , el 55% de los profesionales de ventas informan que actualmente o planean usar IA generativa, y el 58% dice que les ayuda o les ayudar√° a aumentar la productividad.

Es fácil ver por qué la adopción está aumentando. Los representantes pueden utilizar indicaciones basadas en texto para identificar clientes potenciales, investigar empresas, redactar correos electrónicos e incluso analizar correos electrónicos anteriores para descubrir necesidades de clientes potenciales que no han abordado. Los CRM más avanzados impulsados por IA pueden personalizar las comunicaciones e incluso imitar la voz y el tono de los representantes. Esto permite a los vendedores deshacerse de las tareas manuales que consumen mucho tiempo y centrarse en lo que realmente importa: construir relaciones significativas con los clientes .

Cómo ayuda Sales Cloud a que la IA sea accesible para todos:

En Dreamforce, presentamos algunas ingeniosas innovaciones de IA generativa para Sales Cloud ofrecidas a través de Einstein 1 Sales, nuestro conjunto de herramientas de IA:

Resumen de llamadas: resuma automáticamente las llamadas para resaltar los temas clave cubiertos durante las reuniones y los próximos pasos.

Correos electrónicos de ventas: genere automáticamente correos electrónicos personalizados e hiperrelevantes para cada conversación de ventas utilizando los datos del cliente que ya están alojados en Sales Cloud.

Einstein Copilot para ventas: descargue el trabajo pesado durante todo el ciclo de ventas a un asistente digital, incluida la investigación de cuentas, la preparación de reuniones (establecimiento de agenda y notas a tener en cuenta) y actualizaciones de registros de transacciones.

3. Apóyese en el análisis en tiempo real y la IA predictiva para ganar cuando llegue el cambio

Como selament√≥ recientemente uno de nuestros Salesblazers, muchas empresas todav√≠a est√°n atrapadas en hojas de c√°lculo obsoletas que requieren actualizaciones y an√°lisis manuales lentos y que consumen mucho tiempo. √Čse es el engorroso modus operandi operativo del pasado y dificulta actuar seg√ļn la informaci√≥n m√°s reciente sobre acuerdos. Peor a√ļn: predecir lo que suceder√° a continuaci√≥n es una tarea herc√ļlea e imprecisa.

Al aprovechar el poder de la automatización, los equipos de ventas pueden apoyarse en su CRM para actualizar los registros de transacciones en tiempo real (léase: no más hojas de cálculo). Cuando se combina con IA predictiva, los representantes y gerentes pueden recibir alertas sobre posibles problemas de acuerdos y pronósticos antes de que las cosas se descarrilen.

Y eso es realmente s√≥lo el comienzo. Imag√≠nese esto: mientras los representantes se mantienen al tanto de las √ļltimas novedades sobre los acuerdos, los gerentes aprovechan los datos en tiempo real para realizar un seguimiento del desempe√Īo del equipo sobre la marcha, identificando oportunidades de capacitaci√≥n en el momento (como clientes potenciales estancados) que pueden abordar r√°pidamente para mantener a los representantes encaminados. . Al mando, los l√≠deres utilizan los datos m√°s recientes para obtener una visi√≥n hol√≠stica del desempe√Īo de su organizaci√≥n de ventas en relaci√≥n con los objetivos.

Los datos en tiempo real y la IA predictiva son las claves de todo esto, lo que permite a los equipos de ventas detectar se√Īales de alerta tempranas y cambiar r√°pidamente las estrategias para garantizar que alcancen sus objetivos de ventas .

Cómo la IA predictiva y en tiempo real de Sales Cloud le ayuda a mantenerse por delante de sus competidores:

Al utilizarEinstein Activity Capture , Sales Cloud captura y unifica autom√°ticamente datos de cada interacci√≥n con el cliente, como correos electr√≥nicos, chats en l√≠nea y llamadas telef√≥nicas, para que los representantes puedan ver su propio "estado de ventas" en cualquier momento. A√ļn mejor, los equipos pueden extraer datos de herramientas de terceros y armonizarlos con los registros de CRM existentes para obtener una vista de 360 grados de cada cliente y cliente potencial. Aplique la funcionalidad predictiva de IA y obtendr√° recomendaciones muy relevantes para los pr√≥ximos mejores pasos que har√°n avanzar cada acuerdo.

Para gerentes y líderes de ventas, las actualizaciones de datos en tiempo real y la IA predictiva se unen en El panel Deal Insights de Sales Cloud para detectar posibles problemas de pronóstico con anticipación para que los equipos puedan ajustar la estrategia y mantener el rumbo. La actividad de los representantes también se captura a través de Activity 360 : los gerentes pueden ver métricas clave del equipo, como clientes potenciales en proceso y tasa de ganancias, en un solo lugar para descubrir oportunidades de capacitación mientras todavía hay tiempo para impactar los acuerdos.

4. Invierta en una √ļnica plataforma en lugar de m√ļltiples herramientas desconectadas

Nuestro reciente informe sobre el estado de las ventas revel√≥ una cruda realidad: el 66% de los representantes de ventas se sienten abrumados por la multitud de herramientas disponibles. El atractivo de la tecnolog√≠a de pr√≥xima generaci√≥n, incluidos los complementos de IA generativa y las herramientas de funci√≥n √ļnica, amenaza con agravar ese problema.

¬ŅEl grito de guerra del escenario de Dreamforce? Simplifique su pila tecnol√≥gica . Reemplace las soluciones puntuales con una plataforma que pueda ampliar con nuevas caracter√≠sticas, capacidades o funciones a medida que surjan las necesidades. Priorice las funciones principales, como la gesti√≥n de contactos, la gesti√≥n de canales y la previsi√≥n, pero tambi√©n busque una plataforma que le permita integrar perfectamente capacidades de IA y an√°lisis en tiempo real para eliminar la fatiga de alternar entre sistemas.

Cómo le ayuda Sales Cloud a impulsar las ventas de un extremo a otro:

Más allá de satisfacer las necesidades básicas del día a día de los vendedores a través de herramientas como Activity Capture, puede aprovechar la plataforma Sales Cloud para simplificar su pila tecnológica en ventas y operaciones, al tiempo que incorpora el poder de la IA. Por ejemplo, los equipos que supervisan la planificación de ventas y los programas de habilitación de ventas pueden utilizar el poder de los datos de actividad de clientes y vendedores en tiempo real para realizar esa planificación y seguimiento de resultados directamente dentro de Sales Cloud CRM. Muchos clientes de Sales Cloud incluso extienden las funciones de automatización e inteligencia de su CRM a los canales de socios a través de nuestra solución Partner Relationship Management .

5. La tecnología es importante, pero no pierdas el foco en las relaciones

Este √ļltimo es un poco pivote.

Si hay algo que ha llamado la atenci√≥n de los l√≠deres de ventas en los √ļltimos tiempos es esto: las relaciones te hacen o te deshacen. Es importante que estemos al tanto de las √ļltimas tecnolog√≠as, como la IA, pero lo que es igualmente importante son las conexiones que establecemos con nuestros equipos y nuestros clientes. Eso siempre comienza con la superaci√≥n personal. Cuanto mejor seas para involucrarte, comunicarte y animar a los dem√°s, mejores ser√°n tus relaciones.

Los Salesblazers hablaron mucho sobre esto durante Dreamforce, pero tres consejos fueron los que m√°s resonaron. Primero, nunca dejes de aprender. Tome clases, obtenga experiencia pr√°ctica, haga crecer su red de pares y aprenda de otros en su campo. En segundo lugar, valore la confianza que se ha ganado con sus clientes y contin√ļe fortaleciendo esas relaciones haciendo un seguimiento y ofreci√©ndoles recursos √ļtiles que sabe que necesitan. En tercer lugar, muestra siempre lo mejor de ti. T√≥mese el tiempo para comprender qu√© es lo que realmente motiva a sus clientes y brinde las soluciones que necesitan antes de que sepan que las necesitan. Haga un esfuerzo adicional y descubrir√° que la lealtad llega r√°pidamente.

Hay días difíciles y días fáciles, pero cada día es una oportunidad para apuntalar las relaciones que son la base de las ventas.

Cómo Salesforce puede ayudarle a fomentar relaciones sólidas:

La comunidad Salesblazer es el lugar al que acuden todos los profesionales de ventas para obtener asesoramiento profesional, orientaci√≥n t√°ctica de ventas y creaci√≥n de redes. √önase y con√©ctese con compa√Īeros Salesblazers que pueden ayudarlo a aprender, conectarse y crecer.

Prepárese para el éxito en las ventas

¬ŅQu√© aprendimos en Dreamforce? En resumen, la IA es el nombre del juego. A medida que evoluciona la industria de las ventas, los l√≠deres de ventas pueden mejorar la productividad con IA generativa, tomar decisiones m√°s r√°pidas basadas en datos con IA predictiva y optimizar la tecnolog√≠a para que los representantes puedan centrarse m√°s en la construcci√≥n de relaciones. Si los tiene en la mira, en 2024 estar√° por delante del resto.

Transmita lo mejor de Dreamforce 2023

¬ŅExtra√Īas la magia? No te preocupes. Vea toda la cobertura de IA y vea qu√© est√°n haciendo los principales l√≠deres de ventas para salir adelante en 2023. ¬°Todo est√° bajo demanda en Salesforce+!

Continue reading

Introducci√≥n a los agentes aut√≥nomos ‚ėĀÔłŹ

Introducci√≥n a los agentes aut√≥nomos ‚ėĀÔłŹ

Esta es una traducción que desde EGA Futura ofrecemos como cortesía a toda la Ohana y comunidad de programadores , consultores , administradores y arquitectos de Salesforce para toda Iberoamérica .

El enlace a la publicación original, lo encontrarás al final de este artículo.

…

Introducción a los agentes autónomos | Blog de desarrolladores de Salesforce

El panorama de la IA est√° cambiando a un ritmo tan r√°pido que las tecnolog√≠as futuristas como la IA aut√≥noma ya est√°n mucho m√°s cerca de lo que piensas. Esto se debe a la forma en que los grandes modelos de lenguaje (LLM) est√°n comenzando a incorporarse en casi todas las formas en que interact√ļa con las aplicaciones. Para los desarrolladores, esto supone un cambio en la forma en que abordamos la creaci√≥n de aplicaciones, desde las formas en que las reunimos hasta la creaci√≥n con una UX conversacional completamente nueva.

En esta publicación de blog, veremos cómo los agentes autónomos incorporan la IA a la forma en que funcionan las aplicaciones y, al mismo tiempo, nos acercan a un mundo autónomo.

¬ŅQu√© son los agentes aut√≥nomos?

En nuestro panorama tecnol√≥gico, los agentes son sistemas avanzados que aprovechan el poder de los modelos ling√ľ√≠sticos para razonar y tomar decisiones. Lo que los diferencia de otro bot o marco es el hecho de que los agentes pueden realizar tareas en su nombre utilizando herramientas y memoria.

Las herramientas son extensiones de las capacidades de un modelo de lenguaje, que cierran brechas en su conocimiento y le permiten interactuar con fuentes de datos externas o recursos computacionales. Con estas herramientas, un modelo de lenguaje puede obtener datos en tiempo real, ejecutar tareas y utilizar los resultados para informar sus acciones posteriores. Por ejemplo, si un modelo de lenguaje conoce información solo hasta una fecha determinada, las herramientas pueden proporcionarle información más actualizada de la web, bases de datos u otras fuentes externas.

La memoria proporciona a los agentes la capacidad de recordar interacciones pasadas, lo que puede ser esencial para la continuidad de las tareas y el aprendizaje de acciones anteriores. Esta memoria puede ser de corta duración, centrándose en interacciones recientes, o de largo plazo, recordando eventos o patrones pasados importantes que son relevantes para situaciones actuales.

Juntos, estos elementos transforman un modelo de lenguaje en un agente que no sólo puede comprender y generar texto, sino también actuar sobre esa comprensión en contextos del mundo real. Dichos agentes pueden ejecutar soluciones de forma autónoma para los usuarios, pero también pueden integrar la intervención humana, especialmente en escenarios donde existen incertidumbres o excepciones.

¬ŅC√≥mo funcionan los agentes?

Se han creado muchos marcos para respaldar el avance de los agentes, siendo algunos de los m√°s populares AutoGPT y LangChain . Generalmente, los agentes siguen un patr√≥n similar: el marco ReAct para razonar y actuar en modelos ling√ľ√≠sticos .

Este marco consta de una serie de pasos:

  1. El usuario proporciona información.
  2. El agente ‚Äúpiensa‚ÄĚ en la respuesta adecuada
  3. El agente determina la acción, selecciona la herramienta relevante y decide la entrada para esa herramienta.
  4. La herramienta ofrece un resultado.
  5. El proceso recorre los pasos 2 a 4 hasta que el agente determina que la tarea est√° completa

Este proceso es el que empieza a hacer aut√≥nomo al agente. Al confiar en el LLM para pensar en la respuesta y determinar las acciones apropiadas necesarias, act√ļa por s√≠ solo para crear el resultado deseado.

Usando LangChain como ejemplo, digamos que queremos crear una aplicación que permita a un cliente gestionar sus pedidos. Primero, podríamos darle a la aplicación acceso a nuestra base de datos de pedidos, base de datos de clientes y API de socios de envío. Luego, configuraríamos una serie de herramientas a las que puede acceder la aplicación para consultar datos, actualizarlos y utilizar IA generativa para redactar una respuesta.

Este agente de gesti√≥n de pedidos dispone de seis herramientas que puede utilizar ‚Äúdentro de su dominio de conocimiento‚ÄĚ:

  1. Query Orders es una herramienta que puede consultar pedidos desde una base de datos a través de una API conectada a una base de datos PostgreSQL.
  2. Update Order es una herramienta que puede actualizar un √ļnico pedido desde una base de datos a trav√©s de una API conectada a una base de datos PostgreSQL.
  3. Manage Tracking Info es una herramienta que puede gestionar un envío a través de una API proporcionada por una empresa de envío
  4. Get Customer es una herramienta que puede consultar datos de clientes desde una API conectada a un sistema CRM
  5. Update Customer es una herramienta que puede actualizar los datos de los clientes a través de una API conectada a un sistema CRM
  6. Compose Response es una herramienta que puede pasar indicaciones a un LLM y devolver una respuesta.

Veamos ahora c√≥mo un agente podr√≠a manejar casos de uso relacionados con la gesti√≥n de pedidos. Por ejemplo, ¬Ņc√≥mo puede el agente ayudar a un usuario a obtener una actualizaci√≥n sobre el estado de su pedido?

  1. El usuario solicita la información más reciente de su pedido a través de un chatbot
  2. El agente ‚Äúpiensa‚ÄĚ y determina la acci√≥n correcta que debe tomar
    1. El agente primero utiliza la herramienta Consultar cliente para consultar los detalles del cliente.
    2. Luego, el agente utiliza la herramienta Consultar pedidos para consultar pedidos desde una base de datos.
    3. Luego, el agente utiliza la herramienta Administrar información de seguimiento para obtener la información de envío más reciente de su socio de envío.
    4. Luego, el agente toma ambos resultados y utiliza la herramienta Redactar respuesta para generar una respuesta.
  3. La respuesta se devuelve al usuario.

En este escenario, el agente pudo tomar las herramientas que le proporcionamos y determinar el pedido y los parámetros que necesitan para crear el resultado correcto para el usuario, en este caso, toda su información de pedido y envío. Lo que es importante tener en cuenta aquí es que el usuario puede hacerle al agente cualquier pregunta sobre su pedido y el agente puede usar IA para razonar y usar las herramientas en el orden que necesite.

Como desarrollador, su función se centra más en crear las herramientas y permitir que el agente administre la orquestación.

Mantener a un humano informado

El desaf√≠o √©tico con los agentes aut√≥nomos es que no hay ning√ļn ser humano involucrado cuando se trata de ejecutar las acciones. En Salesforce, estamos comprometidos con el uso √©tico de la IA y queremos dejarlo claro en nuestras implementaciones de este tipo de tecnolog√≠a. Ciertas reglas exigen que una persona sea responsable de tomar la decisi√≥n final en asuntos con consecuencias legales o de impacto comparable, incluida la contrataci√≥n laboral, la aprobaci√≥n de pr√©stamos, las admisiones educativas y las sugerencias en justicia penal. Esta insistencia en la supervisi√≥n humana, en lugar de decisiones automatizadas, tiene como objetivo identificar y reducir mejor los posibles sesgos y da√Īos.

¬ŅQu√© significa esto para el futuro de Salesforce?

En Dreamforce este a√Īo, les dimos una idea de c√≥mo ser√° el futuro de Salesforce y la IA aut√≥noma en la plataforma Einstein 1. Einstein Copilot es nuestra respuesta a un asistente conversacional de IA generativa basado en agentes que utiliza habilidades y acciones para guiar a los usuarios a trav√©s de la interacci√≥n con Salesforce. Esto introduce un paradigma de desarrollo completamente nuevo para Salesforce, uno en el que estamos creando piezas de funcionalidad m√°s peque√Īas que pueden ser orquestadas por Einstein Copilot.

¬ŅC√≥mo se compara Einstein Copilot con un agente de IA?

Si bien existen varias similitudes entre Copilot y un marco de agente de código abierto, la verdadera diferencia es el acceso de Copilot a toda la plataforma de metadatos de Salesforce. No sólo eso, sino que el alcance es mucho mayor. En lugar de agentes individuales, tienes muchas habilidades , y en lugar de herramientas tienes acciones .

Por ejemplo, si desea actualizar un pedido utilizando Copilot, deberá crear una habilidad de gestión de pedidos. Con otros marcos, necesitarías crear un agente completo para la gestión de pedidos.

Cuando se trata de acciones, usted tiene el poder de la Plataforma Einstein 1 detrás de usted. Podrá utilizar Apex, Flow, las numerosas API de plataforma, SOQL y mucho más para brindarle a su habilidad la capacidad de reunir datos desde cualquier lugar. También tiene acceso directo a los datos de toda la plataforma.

Estudio Einstein Copiloto

Estas habilidades y acciones se re√ļnen en Einstein Copilot Studio , que le permite ensamblar flujos, indicaciones, Apex y m√°s en colecciones de funcionalidades.

Actualmente existen tres herramientas dentro de Einstein Copilot Studio:

  • Prompt Builder le permite crear plantillas de mensajes utilizando campos de combinaci√≥n de registros y datos proporcionados por Flow y Data Cloud.
  • Skills Builder le permite ensamblar acciones, como m√©todos invocables de Apex, flujos y llamadas de API de MuleSoft, y otorg√°rselas a un agente.
  • Model Builder le permite traer sus propios modelos de IA a Salesforce

Juntos, podrán crear agentes potentes en Salesforce que puedan usar su código para responder preguntas y ayudar a los usuarios.

La capa de confianza de Einstein

Una gran ventaja de Einstein Copilot es Einstein Trust Layer. Trust Layer proporciona un entorno seguro para el procesamiento de datos a través de un modelo de lenguaje grande, lo que garantiza que los datos del usuario permanezcan confidenciales al enmascarar información de identificación personal, verificar la salida en busca de contenido inapropiado y garantizar que no haya persistencia de datos fuera de Salesforce.

Trust Layer se ejecuta a través de un proceso de varios pasos para garantizar que los datos estén fundamentados y enmascarados antes de ser procesados por un proveedor de LLM externo, y proporciona una puerta de enlace segura para interactuar con dichos LLM. Una vez que se ha generado una respuesta, la verifica en busca de contenido tóxico y desenmascara los datos antes de presentárselos al usuario. Puede ver más de cerca la capa de confianza en nuestra publicación de blog Dentro de la capa de confianza de Einstein .

Resumen

La IA autónoma se hace realidad mucho más cerca a través de agentes, lo que marca el comienzo de una nueva era de tecnología en la que el razonamiento y la toma de decisiones se potencian con herramientas y memoria. Einstein Copilot de Salesforce introduce este enfoque impulsado por agentes en la plataforma, ofreciendo un asistente de IA conversacional que guía a los usuarios, aprovecha los vastos metadatos de Salesforce y garantiza la integridad de los datos a través de Einstein Trust Layer. Este cambio transformador significa no sólo una evolución en las interacciones de IA, sino también una promesa de experiencias seguras, eficientes y fluidas para los usuarios de Salesforce.

Sobre el Autor

Stephan Chandler-Garc√≠a es el director de contenido estrat√©gico de Salesforce. Ha estado en el ecosistema de Salesforce durante m√°s de 10 a√Īos como cliente, socio e ISV. Puede encontrar a Stephan en persona en un grupo comunitario Trailblazer o en una de nuestras conferencias en todo el mundo. Alternativamente, s√≠galo en X (Twitter) o GitHub .

Obtenga las √ļltimas publicaciones de blog y episodios de podcasts para desarrolladores de Salesforce a trav√©s de Slack o RSS.

A√Īadir a holgura Suscr√≠bete a RSS

Continue reading