Skip to content

Etiqueta: Google Vertex

Conexi贸n de Google Cloud Storage y Salesforce mediante Data Cloud 鈽侊笍

Conexi贸n de Google Cloud Storage y Salesforce mediante Data Cloud 鈽侊笍

Empieza a ingerir datos de tus buckets de Google Cloud Storage en Data Cloud para seguir construyendo una 煤nica fuente de verdad para tus clientes.

Data Cloud

The post Conexi贸n de Google Cloud Storage y Salesforce con Data Cloud appeared first on Blog de Desarrolladores de Salesforce.

Conozca las ventajas de Google Cloud Storage y Salesforce con Data Cloud

Seguir leyendo

Lleve sus modelos de IA de Google Vertex a la nube de datos 鈽侊笍

Lleve sus modelos de IA de Google Vertex a la nube de datos 鈽侊笍

Esta es una traducci贸n que desde EGA Futura ofrecemos como cortes铆a a toda la Ohana y comunidad de programadores , consultores , administradores y arquitectos de Salesforce para toda Iberoam茅rica .

El enlace a la publicaci贸n original, lo encontrar谩s al final de este art铆culo.

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谩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贸 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谩n disponibles de forma general en Model Builder. Como parte de esta 煤ltima versi贸n, Model Builder ahora admite la autenticaci贸n mediante las credenciales de la cuenta del servicio de Google, as铆 como la ingesti贸n de datos en streaming.

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

鈥淐on esta asociaci贸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贸n de construir una plataforma abierta de Salesforce AI con un ecosistema modelo robusto鈥.

驴Qu茅 es la capacidad de traer su propio modelo (BYOM)?

Model Builder le permite conectarse f谩cilmente 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 deserci贸n.

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

驴Por qu茅 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贸n de copia cero para los datos reduce los gastos generales de gesti贸n de copias de datos y los costos de almacenamiento, y mejora la eficiencia.
  • Le permite crear, entrenar, probar y ajustar modelos r谩pidamente en una 煤nica 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 m谩s informaci贸n, mire nuestro breve v铆deo .

Flujo de trabajo de la aplicaci贸n para usar Model Builder con Vertex AI de Google Cloud

En esta secci贸n, analizamos brevemente el flujo de trabajo de la aplicaci贸n 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. Despu茅s de la autenticaci贸n, los especialistas en datos pueden explorar y preparar datos, y realizar tareas de ingenier铆a de caracter铆sticas para el desarrollo y la inferencia de modelos de IA utilizando la plataforma Vertex AI.

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

NUEVA caracter铆stica: Autenticaci贸n mediante credenciales de cuenta de servicio de Google

La versi贸n m谩s reciente de Model Builder ahora permite utilizar las credenciales de la cuenta del servicio de Google para la autenticaci贸n. Esto se suma a los m茅todos de autenticaci贸n JWT y basados en claves existentes. Para utilizar un flujo de token al portador JWT, ingrese su correo electr贸nico de la cuenta de servicio, ID de clave privada y clave privada de su cuenta de Google Cloud como se muestra a continuaci贸n.

NUEVA caracter铆stica: Ingesti贸n de datos en streaming

La 煤ltima versi贸n de Model Builder le permite activar autom谩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茅n ofrecemos inferencia por lotes, pero debe hacer clic en el bot贸n Actualizar manualmente para activar nuevas inferencias. Con la inferencia de transmisi贸n, las nuevas inferencias se activan solo cuando hay un cambio en la variable de entrada.

Para habilitar la inferencia de transmisi贸n, deber谩 marcar la casilla S铆 en 驴Actualizar modelo cuando se actualizan los datos? Como se muestra abajo.

Tambi茅n puede especificar cu谩les de las funciones de entrada deben actualizarse seleccionando S铆 en el men煤 desplegable Actualizar puntuaci贸n .

C贸mo 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谩lisis ad hoc.

Utilice Flow Builder y Apex para obtener predicciones

A continuaci贸n se muestra un ejemplo de c贸mo utilizar acciones invocables para modelos de Model Builder en Flow. Una vez que tenga un modelo activado en Model Builder, seleccione Nueva acci贸n 鈫 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 acci贸n invocable para crear recomendaciones de productos para un cliente. Aqu铆, un administrador usa Flow Builder para recorrer los registros individuales unificados y verificar si se realiz贸 una compra reciente. Si se realiz贸 la compra, la acci贸n invocable obtiene la inferencia del modelo de Model Builder y recomienda el siguiente mejor producto a un cliente.

Esta acci贸n invocable tambi茅n se puede invocar en Apex. Vea el ejemplo a continuaci贸n.

<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());
} 芦>

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 r谩pida de obtener puntuaciones de predicci贸n para datos que residen en Data Cloud. Con Query API, puede utilizar el punto final de inferencia y llamar a funciones de predicci贸n para probar el punto final. Vea el ejemplo a continuaci贸n.

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

Conclusi贸n

Model Builder es una plataforma de IA f谩cil de usar que permite a los equipos de ingenier铆a 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 est茅 listo, podr谩 utilizar los modelos de IA en tiempo real para impulsar cualquier aplicaci贸n de ventas, servicios, marketing, comercio y otras aplicaciones en Salesforce.

Para obtener m谩s informaci贸n sobre c贸mo 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谩s de 10 a帽os de experiencia en planificaci贸n, creaci贸n, lanzamiento y gesti贸n de soluciones de clase mundial para clientes empresariales, incluidas AI/ML y soluciones en la nube. S铆guelo en LinkedIn o Twitter .

Ashish Thapliyal es director s茅nior de producto en Salesforce y actualmente dirige varias 谩reas de productos de la plataforma Einstein AI. S铆guelo en LinkedIn o Twitter .

Obtenga las 煤ltimas publicaciones de blog y episodios de podcasts para desarrolladores de Salesforce a trav茅s de Slack o RSS.

A帽adir a holgura Suscr铆bete a RSS

Seguir leyendo