Skip to content

Etiqueta: Einstein Trust Layer

Investigación NLG de confianza @ Salesforce AI

Aunque en los √ļltimos a√Īos hemos visto mejoras asombrosas en el rendimiento de los modelos, debemos ser conscientes de los inconvenientes que a√ļn presentan. Creemos que la mejora conjunta de estos modelos, as√≠ como la evoluci√≥n de nuestros enfoques para evaluarlos, es esencial de cara al futuro.

Seguir leyendo

Tendencias en marketing √©tico – ¬ŅSu tecnolog√≠a es segura?

Con la IA generativa desbordando la imaginaci√≥n de los profesionales del marketing, ¬Ņqu√© podemos hacer para garantizar que nuestra pr√°ctica del marketing siga bas√°ndose en el pensamiento √©tico? Leandro P√©rez, Vicepresidente Senior y Director de Marketing de Salesforce Asia-Pac√≠fico, comparte sus ideas de primera mano.

Seguir leyendo

10 preguntas frecuentes sobre la implementación de Salesforce Einstein

¬ŅQu√© es Salesforce Einstein? Seg√ļn la presentaci√≥n oficial del producto de Salesforce en su sitio web, ¬ęSalesforce Einstein es la primera IA integral para CRM. Se trata de un conjunto integrado de tecnolog√≠as de IA que hace que la plataforma Customer Success Platform sea m√°s inteligente y lleva la IA a los pioneros de todo el mundo¬Ľ  Pero, ¬Ņesta breve explicaci√≥n transmite realmente la profundidad con la que la IA interact√ļa con […]

El post 10 preguntas frecuentes sobre la implementación de Salesforce Einstein appeared first on Salesforce Ben.

Seguir leyendo

Cómo liberar el poder de la IA generativa sin crear su propio LLM

Los grandes modelos ling√ľ√≠sticos son la base de las revolucionarias aplicaciones de IA actuales. En lugar de entrenar un LLM en un conjunto de datos masivo, ahorre tiempo utilizando un modelo existente con indicaciones inteligentes basadas en sus datos. He aqu√≠ c√≥mo.

Seguir leyendo

Su pila de tecnolog√≠a de ventas est√° a punto de hacerse mucho m√°s peque√Īa

Los líderes de ventas están aprendiendo que un conjunto de herramientas simplificadas es el secreto para obtener datos sólidos, seguros y centralizados que alimenten una IA eficaz.

Seguir leyendo

¬ŅSu IA generativa est√° inventando cosas? 4 formas de mantener la honestidad

La IA generativa a veces devuelve informaci√≥n incorrecta, conocida coloquialmente como ¬ęalucinaciones de IA¬Ľ Esto es lo que puedes hacer para proteger tu negocio y a tus clientes.

Seguir leyendo

12 d√≠as de contenido de la Oficina de √Čtica y Derechos Humanos de Salesforce

Hace casi 5 a√Īos, se inaugur√≥ la Oficina de Uso √Čtico y Humano, con el objetivo de lograr la excelencia √©tica de los productos de Salesforce. Lo celebramos publicando 12 d√≠as de nuestro mejor contenido sobre uso √©tico.

Seguir leyendo

Prompt Engineering para desarrolladores de Salesforce: Mejora de la eficacia y la productividad ‚ėĀÔłŹ

Prompt Engineering para desarrolladores de Salesforce: Mejora de la eficacia y la productividad ‚ėĀÔłŹ

Las técnicas de ingeniería generativa, si se hacen bien, pueden ayudarle a hacer las cosas bien, mejor y, lo que es más importante, más rápido.

Las técnicas de ingeniería generativa pueden ayudarle a hacer las cosas bien, mejor y, lo que es más importante, más rápido

The post Ingeniería de prompts para desarrolladores de Salesforce appeared first on Blog de desarrolladores de Salesforce.

Seguir leyendo

¬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.

Seguir leyendo

IA para TI: los nuevos lanzamientos de IA de Dreamforce 2023

IA para TI: los nuevos lanzamientos de IA de Dreamforce 2023

Con la IA como prioridad para todos los líderes de TI, descubra cómo estos nuevos lanzamientos de IA están impulsando la productividad y la eficiencia de los equipos de TI.

Seguir leyendo

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+!

Seguir leyendo

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

Seguir leyendo

La importancia de la colaboración de socios en la revolución de la IA

La importancia de la colaboración de socios en la revolución de la IA

Si ha utilizado una de las herramientas gratuitas de IA generativa disponibles, habr√° visto lo innovadora que puede ser esta tecnolog√≠a. Introducir indicaciones simples puede generar respuestas complejas y producir resultados complejos y sofisticados. Sin embargo, todav√≠a se est√°n explorando las aplicaciones comerciales de esta tecnolog√≠a. Una cosa est√° clara: estamos en medio de la √ļltima revoluci√≥n tecnol√≥gica. Al igual que la computaci√≥n en la nube reformul√≥ el panorama empresarial, el potencial de la IA + Datos + CRM cambiar√° el campo de juego de los negocios tal como los conocemos.

Es por eso que Salesforce está colaborando con nuestro poderoso ecosistema de socios para brindarle soluciones de IA que tengan aplicaciones comerciales claras. Con la armonía de IA + Datos + CRM, Salesforce le brinda las herramientas para utilizar el poder de la IA y la capacidad de poner a sus clientes en primer lugar.

Los socios de Salesforce comparten sus opiniones sobre la IA

Nuestros socios más influyentes están preparados para la revolución de la IA. Descubra cómo nuestro ecosistema de socios está creando soluciones empresariales específicas con la tecnología de Salesforce.

Allanando un camino confiable hacia el valor de la IA

Nuestro equipo de investigaci√≥n de IA de Salesforce ha estado desarrollando grandes modelos de lenguaje (LLM) durante varios a√Īos y fue pionero en ingenier√≠a r√°pida en 2018. Invertir en nuestra gente y socios es fundamental para el √©xito. De hecho, Salesforce emplea a m√°s de 1500 ingenieros de aprendizaje autom√°tico y cient√≠ficos de datos en toda la empresa.

Y con Einstein , hemos creado la primera IA del mundo para CRM, que ahora impulsa más de 1 billón de predicciones cada semana en todo el conjunto de aplicaciones Salesforce Customer 360. Conla IA generativa , Einstein está haciendo que todas las empresas y empleados sean más productivos y eficientes en ventas, servicios, marketing y comercio.

Las innovaciones prosperan sobre una base de conocimiento sólido, confianza y experiencia diversa. Aquí es donde entra en juego nuestro vasto ecosistema de socios.

Adoptar un ecosistema de confianza

Salesforce comprende la importancia de tener la confianza como principio fundamental . La IA es una herramienta increíblemente poderosa con resultados potencialmente catastróficos si no se desarrolla teniendo en cuenta la responsabilidad. En Salesforce, cumplimos con las más altas prácticas de seguridad y privacidad porque nos esforzamos por proteger los datos que se nos confían.

El uso ético de la IA es de vital importancia y es una prioridad para todos nosotros en el ecosistema de socios. La confianza es una parte fundamental del diálogo y trabajamos estrechamente con socios y clientes para tomar decisiones informadas sobre cómo utilizar nuestra IA de manera responsable.

Al unirnos para resolver los desafíos emergentes, podemos garantizar que utilizamos la IA de forma segura y ética.

Innovando a través de la colaboración

Nuestro vasto ecosistema de socios contiene cientos de miles de expertos en tecnología Salesforce. Con su experiencia y conocimientos, aportan un profundo conocimiento de cómo se puede implementar y utilizar mejor Salesforce en industrias específicas.

Tenemos una larga historia de colaboraci√≥n e innovaci√≥n con nuestros socios, y las soluciones impulsadas por IA son la frontera m√°s nueva que perseguimos juntos. Nuestros socios son expertos en sus campos. Al combinar eso con la tecnolog√≠a de inteligencia artificial de Salesforce, podemos crear casos de uso y soluciones √ļnicos que brindan valor de inteligencia artificial e infinitas posibilidades para nuestros clientes.

Mejore la productividad de la empresa con Einstein

Einstein le ayuda a vender m√°s r√°pido, ganar m√°s clientes y acelerar la eficiencia empresarial.

Aprovechando el poder de Einstein

Ofrecer éxito a los clientes es clave. Nuestros socios están colaborando con ingenieros y científicos de datos de Salesforce para prepararse para el futuro impulsado por la IA y crear productos listos para el mercado utilizando Einstein.

Sabemos que los clientes necesitan datos centralizados y sistemas consolidados. Tambi√©n quieren que se les permita utilizar la IA de una manera confiable que respete la seguridad y la privacidad de los datos. Echemos un vistazo m√°s de cerca a estas √ļltimas innovaciones :

  • Einstein es la soluci√≥n completa para su viaje hacia la IA. Desde soluciones de ventas personalizadas que maximizan la productividad y agilizan los procesos hasta la automatizaci√≥n escalable del servicio al cliente que reduce los costos y mejora la eficiencia, Einstein ayuda a todos sus equipos a trabajar de manera m√°s inteligente.
  • Al establecer nuevos est√°ndares de la industria para la IA generativa segura, Einstein Trust Layer protege la seguridad de los datos de los clientes y cumple con las demandas de cumplimiento y gobernanza de datos. Es vital para garantizar a los clientes que pueden proteger los datos confidenciales de los mismos.

Encontrar el éxito de los socios y el valor de la IA

Desde mi perspectiva, se trata de confianza y responsabilidad de cara al futuro. Para la mayoría de nuestros clientes, este es el comienzo de su viaje hacia la IA. La IA puede transformar el funcionamiento de las empresas. Puede optimizar los procesos existentes y mejorar la eficiencia entre los equipos. Depende de todos nosotros mejorar y capacitar a nuestros empleados y clientes para que aprendan estas nuevas capacidades.

Salesforce entrevistó a otros pioneros de la IA en el World Tour de Londres para escuchar sus opiniones sobre cómo la IA generativa está cambiando la industria. En los siguientes artículos de esta serie del Día de la IA, analizamos los temas que nuestros socios más influyentes compartieron con nosotros. Explicaremos por qué la confianza, la transparencia y la seguridad de los datos son una prioridad. También profundizaremos en por qué Es esencial buscar casos de uso compatibles para satisfacer las necesidades de los clientes y cómo ser parte del ecosistema de socios ayuda a los socios a respaldar a nuestros clientes conjuntos.

¬ŅNo puedes esperar hasta entonces? Mire los videos del D√≠a de la IA aqu√≠ .

Seguir leyendo

Creaci√≥n de aplicaciones impulsadas por IA con LLM y Einstein ‚ėĀÔłŹ

Creaci√≥n de aplicaciones impulsadas por IA con LLM y Einstein ‚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.

…

Creación de aplicaciones impulsadas por IA con LLM y Einstein | Blog de desarrolladores de Salesforce

La IA generativa es la tecnolog√≠a m√°s transformadora desde Internet y revoluciona la forma en que creamos e interactuamos con la informaci√≥n. Para los desarrolladores, esto plantea nuevas preguntas: desde la pr√°ctica "¬ŅC√≥mo puedo crear aplicaciones impulsadas por IA con modelos de lenguaje grandes (LLM)?" M√°s profundamente, ‚Äú¬ŅC√≥mo cambiar√° la IA generativa la naturaleza de las aplicaciones? ‚ÄĚ Exploramos estas dos preguntas en esta publicaci√≥n de blog.

¬ŅC√≥mo creo aplicaciones impulsadas por IA con LLM?

Comencemos con la primera pregunta: "¬ŅC√≥mo creo aplicaciones con LLM?" y explore tres opciones que com√ļnmente se consideran:

  1. Entrena tu propio modelo
  2. Personaliza un modelo de código abierto
  3. Utilice modelos existentes a través de API

Entrena tu propio modelo

Entrenar su propio modelo le brinda control total sobre los datos de los que aprende su modelo. Por ejemplo, puede entrenar un modelo con datos específicos de su industria. Un modelo entrenado con datos de un dominio específico generalmente será más preciso que un modelo de propósito general para casos de uso centrados en ese dominio. Si bien entrenar su propio modelo ofrece más control y precisión, puede que no siempre sea el mejor enfoque. Aquí hay algunas cosas para considerar:

  1. Tiempo y recursos: formar su propio LLM desde cero puede llevar semanas o incluso meses. Como punto de referencia, aunque es probable que su modelo sea mucho m√°s peque√Īo, el modelo GPT-3 de OpenAI tard√≥ 1,5 millones de horas de GPU en entrenarse.
  2. Experiencia: para entrenar su modelo, también necesitará un equipo de ingenieros especializados en aprendizaje automático (ML) y procesamiento del lenguaje natural (NLP).
  3. Seguridad de los datos: el poder de los LLM hace que sea tentador crear modelos que aprendan de todos sus datos, pero esto no siempre es lo correcto desde el punto de vista de la seguridad de los datos. Puede haber tensión entre la forma en que aprenden los LLM y la forma en que se implementan las políticas de seguridad de datos en su empresa. Los LLM aprenden de grandes cantidades de datos. ¡Cuantos más datos mejor! Sin embargo, con seguridad a nivel de campo (FLS) y permisos estrictos, las políticas de seguridad de datos corporativas a menudo se basan en el principio de privilegio mínimo: los usuarios solo deben tener acceso a los datos que necesitan para realizar su trabajo específico. ¡Cuantos menos datos mejor! Por lo tanto, un modelo formado con todos los datos disponibles de los clientes y puesto a disposición de todos en su empresa puede no ser una buena idea y violar las políticas de seguridad de datos de su empresa. Sin embargo, un modelo entrenado en especificaciones de productos y resoluciones de tickets de soporte anteriores puede ayudar a los agentes a resolver tickets nuevos sin comprometer la seguridad de los datos.

Personaliza un modelo de código abierto

Personalizar un modelo de c√≥digo abierto normalmente lleva menos tiempo y es menos costoso que entrenar su propio modelo desde cero. Sin embargo, a√ļn necesita un equipo de ingenieros especializados en aprendizaje autom√°tico (ML) y procesamiento del lenguaje natural (NLP). Dependiendo del caso de uso, es posible que a√ļn experimentes la tensi√≥n de seguridad de los datos descrita anteriormente.

Utilice modelos existentes a través de API

Utilizar modelos existentes a trav√©s de API es la forma m√°s sencilla de crear aplicaciones con LLM. Esta es tambi√©n la opci√≥n m√°s utilizada en este momento. Sin embargo, estos modelos no se han entrenado con los datos contextuales o privados de su empresa y, por lo tanto, el resultado que producen puede ser demasiado gen√©rico para ser √ļtil.

En esta publicación de blog, exploramos diferentes técnicas para agregar datos contextuales o privados de la empresa a través del mensaje. Debido a que el mensaje se crea dinámicamente en nombre del usuario, solo incluye datos a los que el usuario tiene acceso, lo que aborda la tensión de seguridad de los datos descrita anteriormente. Es posible que le preocupe pasar datos privados a una API de terceros, pero existen técnicas para abordar esa preocupación y también las describimos en esta publicación de blog.

Creación de aplicaciones impulsadas por IA utilizando modelos existentes a través de API

Llamada API b√°sica

Los principales proveedores de modelos como OpenAPI , Anthropic , Google , Hugging Face y Cohere ofrecen API para trabajar con sus modelos. En la implementación más básica, su aplicación captura un mensaje del usuario, lo pasa como parte de la llamada API y muestra el resultado generado al usuario.

Por ejemplo, así es como se vería la llamada API usando la API OpenAI:

Esta opci√≥n puede funcionar para casos de uso simples que solo requieren un resultado general basado en conocimientos generales. Por ejemplo, " Escribe un haiku sobre el invierno" o "Escribe una declaraci√≥n SQL de muestra con una uni√≥n externa". Pero si necesita una respuesta que se adapte a su propio contexto o a los datos privados de su empresa, es probable que el resultado generado sea demasiado gen√©rico para ser √ļtil.

Por ejemplo, digamos que un usuario ingresa el siguiente mensaje:

Escriba un correo electrónico de presentación para el director ejecutivo de Acme.

El correo electrónico generado no sería personalizado ni relevante porque el modelo no sabe nada sobre su relación con Acme y los negocios que ha hecho con ellos.

Puesta a tierra del LLM

Para que la respuesta sea más relevante y contextual, el usuario puede fundamentar el LLM con información adicional. Por ejemplo, pueden ingresar el siguiente mensaje:

Usted es John Smith, representante de cuentas de Northern Trail Outfitters.
Escriba un correo electrónico de presentación a Lisa Martinez, directora ejecutiva de ACME.
Aqu√≠ hay una lista de los √ļltimos tres pedidos que Acme realiz√≥ a Northern Trail Outfitters:
Colección Verano 2023: $375,286
Colección Primavera 2023: $402,255
Colección Invierno 2022: $357,542

Esto permite que el LLM genere un resultado mucho m√°s relevante. Sin embargo, este enfoque plantea dos problemas:

  1. El usuario debe ingresar mucha información de conexión a tierra manualmente. Por lo tanto, la calidad del resultado depende en gran medida de la calidad de la pregunta ingresada por el usuario.
  2. Est√° pasando informaci√≥n confidencial al proveedor del modelo donde potencialmente podr√≠a persistir o usarse para entrenar a√ļn m√°s el modelo, lo que significa que sus datos privados podr√≠an aparecer en la respuesta generada por el modelo de otra persona.

Construcción rápida y puesta a tierra dinámica.

Para abordar la primera limitaci√≥n anterior, puede construir el mensaje mediante programaci√≥n. El usuario ingresa una cantidad m√≠nima de informaci√≥n o simplemente hace clic en un bot√≥n en la aplicaci√≥n y luego usted crea el mensaje mediante programaci√≥n agregando datos relevantes. Por ejemplo, en respuesta a un clic en el bot√≥n ‚ÄúEscribir correo electr√≥nico de introducci√≥n‚ÄĚ, podr√≠a:

  1. Llame a un servicio para obtener información sobre el usuario.
  2. Llame a un servicio para obtener información sobre el contacto.
  3. Llame a un servicio para obtener la lista de oportunidades recientes.
  4. Construya el mensaje utilizando la información obtenida de los servicios de datos anteriores.

Así es como podrían verse estos pasos de construcción rápidos en Apex:

El principal inconveniente de este enfoque es que requiere un código personalizado para cada mensaje para poder realizar la sencilla tarea de fusionar datos dinámicos en texto estático.

Plantillas de aviso

Para facilitar la construcci√≥n del mensaje, podemos usar plantillas: un patr√≥n de desarrollo de software bien conocido que se usa com√ļnmente para fusionar datos din√°micos en documentos est√°ticos. Con una plantilla, escribe un archivo de solicitud utilizando marcadores de posici√≥n que se reemplazan din√°micamente con datos din√°micos en tiempo de ejecuci√≥n.

Así es como se vería el ejemplo de Apex anterior usando un lenguaje de plantilla genérico:

Eres {{ user.Name }}, {{user.Title}} en {{ user.CompanyName }}
Escriba un correo electrónico de presentación a {{ contact.Name }}, {{contact.Title}} en {{ contact.Account.Name }}
Estas son las oportunidades de {{contact.Account.Name}}:
{{#oportunidades}}
{{Nombre}}: {{Cantidad}}

{{/oportunidades}}

Las plantillas de mensajes no solo son √ļtiles para crear mensajes mediante programaci√≥n, sino que tambi√©n se pueden utilizar como base para herramientas gr√°ficas que admiten la creaci√≥n de mensajes en un entorno de arrastrar y soltar.

Estudio r√°pido

Por eso creamos Prompt Studio, un nuevo creador de Salesforce que facilita la creación de indicaciones. Le permite crear plantillas de mensajes en un entorno gráfico y vincular campos de marcador de posición a datos dinámicos disponibles a través de datos de páginas de registro, un flujo, una nube de datos, una llamada de Apex o una llamada API. Una vez creada, se puede utilizar una plantilla de solicitud en diferentes lugares para consultar el modelo, incluidas las páginas de registro y el código Apex.

Capa de confianza de Einstein

Prompt Builder le permite definir mensajes basados din√°micamente en un entorno gr√°fico. Pero, ¬Ņc√≥mo se env√≠a ese mensaje de forma segura a un proveedor de LLM?

Puede enviar el mensaje directamente a la API del proveedor de LLM, pero hay una serie de preguntas a considerar con ese enfoque:

  • ¬ŅQu√© pasa con los problemas de cumplimiento y privacidad si pasa datos de informaci√≥n de identificaci√≥n personal (PII) en el mensaje? ¬ŅEl proveedor del modelo podr√≠a conservar los datos de PII o incluso utilizarlos para entrenar a√ļn m√°s el modelo?
  • ¬ŅC√≥mo se evitan las alucinaciones, la toxicidad y los sesgos en los resultados generados por los LLM?
  • ¬ŅC√≥mo se rastrea y registra los pasos de creaci√≥n de mensajes con fines de auditor√≠a?

Si utiliza la API del proveedor de LLM directamente, tendrá que escribir un código personalizado para responder a estas preguntas. Hay muchas cosas a considerar y puede resultar difícil hacerlo bien para todos los casos de uso.

Ingrese a la capa de confianza de Einstein. Einstein Trust Layer le permite enviar solicitudes a LLM de forma confiable, abordando las inquietudes mencionadas anteriormente.

Así es como funciona:

  1. En lugar de realizar llamadas API directas, utiliza LLM Gateway para acceder al modelo. LLM Gateway admite diferentes proveedores de modelos y abstrae las diferencias entre ellos. Incluso puedes conectar tu propio modelo.
  2. Antes de enviar la solicitud al proveedor del modelo, pasa por una serie de pasos que incluyen el enmascaramiento de datos que reemplaza los datos PII con datos falsos para garantizar la privacidad y el cumplimiento de los datos.
  3. Para proteger a√ļn m√°s sus datos, Salesforce tiene acuerdos de retenci√≥n cero con proveedores de modelos, lo que significa que los proveedores de modelos no persistir√°n ni entrenar√°n m√°s sus modelos con datos enviados desde Salesforce.
  4. Cuando se recibe el resultado del modelo, pasa por otra serie de pasos, incluido el desenmascaramiento, la detecci√≥n de toxicidad y el registro de seguimiento de auditor√≠a. Demasking restaura los datos reales que fueron reemplazados por datos falsos por motivos de privacidad. La detecci√≥n de toxicidad comprueba si hay contenido da√Īino u ofensivo en el resultado. El registro de seguimiento de auditor√≠a registra todo el proceso con fines de auditor√≠a.

De cara al futuro: creación de aplicaciones de una forma totalmente nueva

Ahora echemos un vistazo a lo que viene y abordemos la segunda pregunta planteada al principio de este art√≠culo: ¬ŅC√≥mo cambiar√° la IA generativa la naturaleza de las aplicaciones?

Encadenamiento r√°pido

La l√≥gica involucrada en la creaci√≥n de un mensaje a veces puede volverse compleja. Puede implicar m√ļltiples llamadas a API o servicios de datos, como en el ejemplo de conexi√≥n a tierra din√°mica anterior. Responder a la pregunta de un solo usuario puede incluso implicar varias llamadas al LLM. Esto se llama encadenamiento r√°pido. Considere el siguiente ejemplo:

Para construir el mensaje:

  1. Realizamos una primera llamada API o servicio de datos para obtener datos contextuales de la empresa
  2. Los datos que regresan de la primera llamada al servicio de datos se usan para crear un primer mensaje que usamos para consultar el LLM.
  3. La salida del LLM se utiliza como entrada para una segunda llamada de servicio de datos.
  4. Los datos que regresan de la segunda llamada al servicio de datos se utilizan para crear un segundo mensaje cuya respuesta se envía al usuario.

Las posibilidades de combinar llamadas de servicios de datos y llamadas de LLM para generar un resultado son infinitas.

Orquestación de IA

El enfoque descrito hasta ahora funciona bien, pero a medida que estos flujos de trabajo se vuelven m√°s complejos, podemos ver la necesidad de alguna forma de orquestaci√≥n. Como desarrollador, luego crear√≠a una serie de bloques de construcci√≥n que realizan tareas granulares: recuperar datos sobre un cliente, actualizar un registro, realizar alguna l√≥gica computacional, etc. Estos bloques de construcci√≥n se pueden orquestar o remezclar de diferentes maneras usando un herramienta de orquestaci√≥n. Esto se podr√≠a hacer usando una herramienta de orquestaci√≥n tradicional que le permita definir qu√© bloques de construcci√≥n usar, en qu√© orden y cu√°ndo (con diferentes ramas "si"). Pero, ¬Ņqu√© pasar√≠a si la orquestaci√≥n en s√≠ estuviera impulsada por IA con un orquestador que pudiera razonar y elegir qu√© bloques de construcci√≥n usar y c√≥mo componerlos para realizar una tarea espec√≠fica? La orquestaci√≥n impulsada por IA es un nuevo paradigma poderoso que tiene el potencial de revolucionar la forma en que interactuamos con los sistemas de IA y creamos aplicaciones.

El siguiente diagrama describe este nuevo paradigma de bloques de construcción orquestado por IA a un alto nivel.

En este diagrama, las acciones son los componentes básicos descritos anteriormente. Podrían ser acciones invocables de Apex, API de MuleSoft o indicaciones. Algunas acciones fundamentales están disponibles de forma predeterminada y otras serán desarrolladas por los desarrolladores. Esto también crea una oportunidad para un mercado de acciones creado por desarrolladores y socios.

El planificador es el orquestador impulsado por IA. Cuando la solicitud se pasa al tiempo de ejecución de la orquestación, el planificador elige (crea un plan para) qué acciones usar y cómo componerlas para responder mejor a la solicitud del usuario.

La orquestación de IA es un área activa de investigación en Salesforce y en la industria en su conjunto.

Resumen

El uso de modelos existentes a trav√©s de API es una forma com√ļn de crear aplicaciones impulsadas por IA con LLM. Con este enfoque, es necesario basar el modelo en datos privados o contextuales de la empresa para obtener resultados m√°s relevantes y √ļtiles. En lugar de pedirle al usuario que ingrese una gran cantidad de informaci√≥n b√°sica manualmente, puede crear el mensaje mediante programaci√≥n llamando a servicios de datos y agregando datos contextuales al mensaje. Prompt Studio es un nuevo creador de Salesforce que facilita la creaci√≥n de mensajes al permitirle crear plantillas de mensajes en un entorno gr√°fico y vincular campos de marcador de posici√≥n a datos din√°micos. Einstein Trust Layer le permite enviar mensajes a las API de los proveedores de LLM de forma confiable, abordando problemas de privacidad, sesgos y toxicidad de los datos. La orquestaci√≥n impulsada por la IA es un paradigma emergente que podr√≠a cambiar la forma en que interactuamos con los sistemas de IA y creamos aplicaciones.

Sobre el Autor

Christophe Coenraets es vicepresidente senior de Trailblazer Enablement en Salesforce. Es un desarrollador de coraz√≥n con m√°s de 25 a√Īos de experiencia en la creaci√≥n de aplicaciones empresariales, habilitando audiencias t√©cnicas y asesorando a organizaciones de TI.

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

Seguir leyendo