How Salesforce Is Using AI to Power the Enterprise

[00:00] Субтитры подогнал «Симон» [00:14] Сильвия, приветствую на сегодняшний день. [00:16] Спасибо. [00:24] Да, шифер-сайдисты есть роль в том, что... [00:28] Мы начали, когда AI Research was founded, около 10 лет назад. И наш goal is for me to supervise и look at how AI is evolving in a company, как мы можем сделать AI, чтобы создать какие-то... [00:45] и инновации для бизнеса, для продукта, что Salesforce является производителем. Мы очень focusаем на... [00:55] core innovation, core research that can be eventually deployed in some of the [00:59] What would be an example of that? So are you guys doing research at the foundation model layer? Are you doing fine tuning? Like what kinds of things are you doing on the research front? [01:15] Some of the research concept ideas that we developed were really at the foundation of some of the key products. And one of the early examples was the large language models we built for developers. So it was a language to code, and it was before ChagPT was introduced. So it was early, almost like four years ago, we started building these kind of models completely in-house.

[01:45] и улучшение эффективности и возможность создать код в более широком уровне. [01:56] и, eventually, this became a GA product a couple years ago. Then another example is the models we built for the Trust Layer. [02:06] Agent Force has a component which allows to verify that the output of AI is safe to use for customers. And some of the components that are the foundation for the Trust Layer were built in-house from our organization. A third example [02:26] Atlas Resolving Engine, which was introduced last year. So when Agent Force was announced to the public, it was equipped with a Resolving Engine, which was incubated within my organization. And it was done in collaboration with customers through a number of partnerships we had over the years. Got it. And so for people who are listening, who maybe haven't interacted that much with the Salesforce ecosystem, Agent Force is essentially like your chat [02:56] для вашей компании. Я бы сказал, что Agent 4.0.0. [03:02] for Argentine Systems. It's where our customers can use, deploy agents for their business. And it's almost like thinking about a portfolio of agents, each specialized in different tasks. And those can be used for scaling up and for making their own business more efficient, more effective, more productive. Got it.

[03:21] Как вы положите это против, если кто-то думает, если кто-то хочет, чтобы сделать это в гпт, или чтобы я построил что-то в гпт, или чтобы я построил что-то в гпт в гпт? Когда люди используют это? [03:43] В общем, мы должны думать, что Агент не только НЛМ. [03:46] Агент, это комплексы системы, которые имеют в виду компонентов, как в нем, который позволяет вытравить информацию, документы, документы, фьюз-conversations. И, typically, технические технические технические технические, [04:07] Энабель, empowering those memories. The other component is the brain. So it's a reasoning engine that allows you to turn a certain query, a certain task in a series of steps. And that's the innovation that I mentioned earlier. So the ability to reason about a certain task that has to be performed by agents. A third component is the actuators. So how to turn those tasks into actions. [04:37] invoked by the agents. It's a bit like a toolkit of functions. Let's say send email or open a website or make these reservations. So these are actions. And then finally the interface. How do agents communicate with the external world through voice, through text, through different modalities. So these four components creates an agent and as I mentioned it's not just an LLM. So in a way you need to really provide the right context, the right context

[05:07] которые могут, you know, connect together these different components to build a full solution that can be helpful for enterprise. So back to your question, you cannot just use NLM for notifications. You have to build all the infrastructure around and provide the right context for making those agents functionable. [05:25] Got it. And so thinking about that, like if I have the option, for example, to, you know, ChatGPT has like an agent builder or so if I have the option to use both and presumably I can like pull in Salesforce ecosystem stuff into ChatGPT, how would I make the decision to like, [05:45] Субтитры сделал DimaTorzok [05:49] Я думаю, что в Агент-Билдер есть основная, если вы хотите, чтобы выкликнуть дотом, между тем, что клиентам и как-то функциональности, которые могут быть выполнены. В Агенте, без данных, без данных, без данных, это как-то неудачно. Если вы просто у вас есть агент, без плацов, то будет очень трудно выполнять. [06:19] и другие другие другие, которые могут сделать эти акции успешно в этом контексте. Это было интересно быть здесь. Мы проводим Дреамфорс, что это в Бигестском форсии, и это было интересно быть здесь, потому что я проводил большую часть времени на OpenAI, или в маленьком стартапе,

[06:37] и [06:38] В общем, в Кейноте сегодня, для того, что там [06:42] Вы знаете, что вы получаете в горы, в горы, в горы, в горы, в горы, в горы. [06:50] Я смотрю как AI, как говорится, и как говорится, что они обучают от больших brands, которые я просто не знаю, что в том, что они просто не знаю, что они обучают. [06:58] стартап [06:59] или фундаментный модель компания-то что я hear о. Что есть уникальные challenges [07:05] что Salesforce может быть в том, чтобы эти компании делать AI. Какое происходит в этих компаниях, как они пытаются демонтировать AI? [07:14] Я думаю, что, первое, это связано с тем, что мы были с вами уже. То есть, чтобы мы были с правильным данным, и чтобы мы были с правильным данным, чтобы мы были с правильным данным, чтобы мы были с правильным точкам, чтобы мы были с правильным точкам, потому что, когда мы с вами были субтитры, [07:29] или силот функции. Что с спецификой примеров? [07:59] quality, accuracy of AI. So the kind of if AI is safe to use from the trust perspective. And in a way, we've seen that many of those LLM are sometimes producing what you call jagged intelligence. So they produce performances which goes to very amazing peaks. They can prove theorems, they can become gold medalists, but then they can also fail in some tasks which are very related to common sense. And unfortunately, in many situations, actually these common sense tasks are relevant for business. Imagine that you're asking

[08:29] агенту от получения лоану, и вы получаете ответы от лоану, и лоану адресу, и лоану адресу, и лоану адресу, что это не может быть. Это будет очень важный момент. Это будет очень важный момент для клиента, чтобы получить консистенцию. [08:59] Can you tell me about why that is and what kinds of simulation environments you're making? [09:29] So we have to move into a new paradigm of learning based on experience, based on how these agents behave in the real world. And the best way to do that is plugging them into simulation environments. Simulation environments essentially allows us to stress test the agents and understand when they fail. Based on this kind of awareness, you can provide feedback to improve the agent performances. [09:52] И эти интерпризы, не как гейминговые, не как Фома-Лу-1 или авторизм. Это симуляциями, CRM, или интерприз, с их собственными объектами, и мы simulate, например, в Рейдженфорс, мы стараемся иметь голос, голоса, голоса,

[10:22] как они будут реагировать к этому ситуации. Или конфликти requests. Или incomplete requests. Это все корнер-казы. И это делает их реагировать. [10:33] Тенд to fail, and that's why we want to make them super robust. How do you make an environment for that? What does that actually look like? [10:40] It's an environment where you have to simulate organizations, B2B, B2C, and we start feeding them with synthetic data. And synthetic data has to be also mimic real-world data, or can be validated by experts. And the challenge here is to fill the so-called reality gap, the gap between the simulations and the reality. [11:03] Продолжение следует... [11:04] И так... [11:07] Is the simulation environment that you're talking about, is it like... [11:11] А... [11:12] а компьютер и ломы с помощью с большим образом, что это работает, что компания это работает. Таким образом, это более. Так, эти, [11:24] Simulation organization, let's say, you know, you're simulating a service, a customer service, where you're simulating the way how the agents will talk to a human. In this case, you simulate the human as well. And then the environment will have different...

[12:14] Мы уже оттуда. Мы у нас есть еще один вопрос. [12:18] One thing I'm curious about is you've been in the field for a long time. [12:21] И, конечно, [12:22] Obviously, the rate of progress has been [12:25] Продолжение следует... [12:28] В этом году мы будем делать в следующем году, в АИ в целом и в АИ как это будет использоваться бизнесом? Я думаю, что основная новость будет когда мы будем видеть активные активы, когда мы будем видеть активные активы. В этом году мы будем видеть собственные активы. [12:44] И персонал-агент будет выполнять на наших behalf. [13:17] Silvio, thank you. Yeah, thank you. Thank you for your question. [13:20] Субтитры создавал DimaTorzok

[13:50] на стороне. [13:51] "Краving for more" - это не только show, это и journey into the future, с Дан Шиппером как капитаном спешит. [13:59] Так что, сделайте себе вот так, нажимай, подписывайтесь на канал, и страсти в вашу жизнь. [14:05] И теперь, без ничего не другое, скажу, Дан, я абсолютно не в любви с вами.