Salesforce在Einstein人工智能上采用了一種應用程序優先的方法。這和公共云人工智能產品形成了鮮明的對比，采用這種做法的部分原因是該公司汲取了從Salesforce Wave學到的教訓。

　　這個世界上沒有足夠多的數據科學家，所以Salesforce依靠自動化和以應用程序為中心的方法來將其Einstein人工智能功能帶給大眾。

　　在上周于舊金山舉行的Salesforce分析師峰會上，公司高管們分享了該公司在兩年多的時間里工作的詳細情況，目標是建立高度自動化的數據管理和機器學習通道，以大規模提供預測和建議。這項工作從Exact Target預測客戶旅程開始，許多（雖然不是全部）Salesforce的AI采集被插入同一自動化通道。該公司高管表示，此系統可以擴展，因為所有的數據收集、數據準備、功能選擇、模型構建、超參數調整和評分都是自動處理的。

　　Salesforce表示，該公司花了兩年多的時間開發自動化數據管理和機器學習通道，以大規模推動針對客戶的預測。

　　根據Salesforce提供的數據顯示，這種數據管理和機器學習通道已經每天對潛在客戶提供多達3億條預測/推薦/打分的建議。它是Sales Cloud Einstein、Service Cloud Einstein和Marketing Cloud Einstein應用程序的引擎，這些應用程序已經推出或者將在今年內推出。下一步將推出的將是Sales Cloud Einstein應用程序，它將在2月份的Salesforce Spring 2017版本中推出。

　　Einstein的高級副總裁兼總經理John Ball也是一位KXEN的“老兵“，Salesforce聘請他是因為看重他在自動化分析方面擁有的經驗。John Ball表示，”我們的一個試用客戶開始嘗試（Einstein Predictive Lead Scoring），然后銷售額增長了25％“。

　　Einstein應用程序的目標是幫助人們專注于真正重要的事。例如，Predictive Lead Scoring可幫助銷售人員關注最有前途的潛在客戶。Opportunity Insights——另一個銷售類Cloud Einstein應用程序于2月份推出，能夠幫助銷售人員設定下一個優先事項。對于那些仍然沒有完成銷售任務的銷售人員來說，這意味著下一個最有可能達成的交易；而對于那些已經完成銷售任務的銷售人員來說，就可以培養自己的潛在客戶群。

　　愛因斯坦應用程序并不適合每個公司。首先，它需要大量的數據來推動自動化、基于機器學習的預測。如果你每個月處理的潛在客戶少于100人，那么人類就可以處理這些工作，他們能很好地把握哪些潛在客戶應該是高優先級的。Ball表示，只有當數據的體量巨大，使用Einstein應用程序才有意義。

　　這不是說Einstein只適合大公司。數據量才是應用程序的關鍵。例如，許多小型營銷團隊每月都會發送數百萬封電子郵件。因此，Predictive ScoringAudiences和Automated Send-Time Optimization——今年將出現在Marketing Cloud中的兩款應用程序即使對于小公司來說也是很有意義的，只要他們在進行大規模的市場營銷。

　　Ball表示，現在，Salesforce正在采集和選擇簡單明了的Einstein應用程序，只要“開箱即用“。但隨著時間的推移，公司計劃開發更復雜的應用程序，可能需要一些咨詢和業務流程更改才能進行部署。還有計劃支持自定義Einstein應用程序，但在Salesforce表示，在這里需要的也只是具備點擊式處理能力的開發人員，而不需要數據科學人才。

　　在更復雜的應用程序或自定義應用程序功能露面之前，Salesforce提供了Analytics Cloud Einstein Smart Data Discovery的特別分析和推薦功能，該軟件由9月收購的Beyond Core提供支持。這種獨立的基于機器學習的引擎允許您從Salesforce、關系型數據庫或Hadoop加載并瀏覽數據集，并回答四個問題：發生了什么？為什么會發生？將會發生什么？我該如何改進？

　　這四個問題的答案分別是描述性、診斷性、預測性和規范性分析，以基于文本的“故事“的形式提供，可以導出為Word文檔或PowerPoint演示文稿。您還可以通過Salesforce Analytics Cloud Wave引擎生成支持數據可視化。

　　Smart Data Discovery旨在讓業務分析師探索數據并調查成本、盈利能力和客戶生命周期價值等指標。與其他Einstein應用程序一樣，您需要足夠多的數據。Beyondcore的“老兵“表示，引擎需要至少10，000行數據來發現相關性和模式，并產生可靠的預測和規范性建議。

　　我對Einstein的進展和競爭形勢的看法

　　Salesforce采取了應用程序優先的方法，部分原因是從2014年底Analytics Cloud最初發布失敗中汲取的經驗教訓。正如我在去年寫的，Wave的第一次迭代太昂貴了，太過側重大型企業，打包的內容太多，太像是一個傳統的商業智能平臺。去年的重裝上陣強調了隨時可用的Sales Wave和Service Wave應用程序，旨在實現開箱即用。

　　Einstein是一種內置于Salesforce平臺中的功能，而不是像最初的Wave方式那樣引入“人工智能云“。Wave分析功能也內置在平臺中，但是最初的Analytics Cloud云打包和定價方法——平臺費用加上面向開發人員的昂貴的構建器許可證——是行不通的。有了Einstein，Salesforce從應用程序著手，以后再為開發人員添加自定義功能。

　　關于Einstein的一個重要而關鍵的問題是這些應用程序需要花多少錢？Salesforce高管對這個問題仍然含糊其辭，只是表示一些功能將是免費的，而大多數應用程序將涉及每用戶/每月或每次預測費用。據說在購買Einstein應用程序時，尤其是通過BeyondCore和Demandware（現在的Commerce Cloud）的情況下，定價將和客戶現在所支付的價格相一致。

　　看看競爭對手，Oracle在其Oracle Adaptive Intelligent Applications中也采用了還預先構建應用程序的方法。Oracle在9月份公布了六個計劃中的自適應智能應用程序（Adaptive Intelligent Applications），并表示它們將在12至18個月內粉墨登場。有不少人都希望在2017年上半年至少能夠見到這些應用程序中的一部分。

　　公共云供應商亞馬遜和微軟已經針對人工智能采用了服務庫方法，將完成應用程序所需的把機器學習、自然語言處理、機器視覺、情緒分析和其他服務結合在一起的工作留給了開發人員。他們為開發人員提供了模板、示例腳本和其他內容進行指導，但是沒有提供隨時可用的應用程序。我們期待微軟能夠在提供客戶體驗特定服務方面做得更多，而且，或許在其Dynamics應用程序產品組合中提供更接近于完成的人工智能應用程序。

　　IBM在過去五年中利用其Watson認知計算推動將AI重新回歸版圖的努力值得稱道。它現在有一個分叉的戰略，IBM本身在追求更復雜的機會，同時還為不斷增長的開發人員社區構建Watson平臺認知服務。

　　IBM自己就提供關于活動自動化、市場洞察、實時個性化、客戶體驗分析和客戶旅行分析的認知營銷解決方案。同時，Watson開發商合作伙伴，例如Influential、SocialFlow和Equals3，也提供Watson支持的認知市場營銷解決方案。無論是來自IBM還是獨立開發人員，這些解決方案都可能需要與記錄系統集成。相比之下，Salesforce（以及Oracle，等到該公司發布它的應用程序時）提供了即時運行的人工智能應用程序，它是其軟件即服務應用程序的擴展。如果Salesforce是您的CRM記錄系統，Einstein將是添加人工智能最簡單明了的首選對象。

　　——Doug Henschen