Salesforce با معرفی سه پروژه تحقیقاتی بزرگ: تمرکز بر شبیه‌سازی، معیارسنجی و یکپارچه‌سازی داده‌ها برای بهبود عملکرد هوش مصنوعی سازمانی

Salesforce این هفته سه ابتکار پژوهشی مهم در حوزه هوش مصنوعی سازمانی را رونمایی کرد که هدف اصلی آن‌ها حل چالش‌ بزرگ اجرای هوش مصنوعی در محیط‌های واقعی کسب‌وکار است. محور اصلی این برنامه‌ها، پلتفرم شبیه‌سازی جدید CRMArena‑Pro است؛ یک «همزاد دیجیتال» از عملیات کسب‌وکار که امکان آزمون فشار و اعتبارسنجی عامل‌های هوش مصنوعی را پیش از پیاده‌سازی در محیط واقعی فراهم می‌کند.

چرا شبیه‌سازی اهمیت دارد؟
یکی از مشکلات رایج در پیاده‌سازی هوش مصنوعی سازمانی این است که مدل‌ها در محیط‌های نمایشی عملکرد خوب نشان می‌دهند اما در مواجهه با داده‌های نامنسجم، نرم‌افزارهای قدیمی و فرایندهای پیچیده سازمانی ناکارآمد می‌شوند. CRMArena‑Pro با تولید داده‌های مصنوعی اما واقعی‌نما و سناریوهای متعدد—از مدیریت ارجاعات خدمات مشتری و پیش‌بینی فروش تا اختلالات زنجیره تأمین—سعی دارد این شکاف را پر کند. داده‌ها توسط کارشناسان حوزه تأیید می‌شوند و آزمایش‌ها داخل محیط‌های تولیدی واقعی Salesforce انجام می‌گیرد، نه در محیط‌های آزمایشی ساده.

آنچه CRMArena‑Pro ارائه می‌دهد
– ارزیابی عامل‌های هوش مصنوعی بر پایه وظایف واقعی سازمانی نه صرفاً معیارهای عمومی.
– پشتیبانی از سناریوهای B2B و B2C و گفت‌وگوهای چندمرحله‌ای که دینامیک مکالمات واقعی را بازتولید می‌کنند.
– استفاده از «مشتری صفر» (Customer Zero): Salesforce ابتدا فناوری‌ها را درون سازمان خود آزمایش می‌کند تا عملکرد عملی و مخاطرات احتمالی بهتر سنجیده شود.

معیارسنجی عامل‌های CRM: Agentic Benchmark for CRM
Salesforce به‌همراه شبیه‌سازی، یک معیارسنجی جدید برای عامل‌های CRM معرفی کرده است که عملکرد آن‌ها را در پنج شاخص کلیدی اندازه‌گیری می‌کند: دقت، هزینه، سرعت، اعتماد و ایمنی، و پایداری زیست‌محیطی. شاخص پایداری برجسته است؛ هدف کاهش اثرات زیست‌محیطی با تطبیق اندازه مدل با پیچیدگی وظیفه و جلوگیری از «بیش‌مدل‌سازی» است. این معیار به مدیران فناوری اطلاعات کمک می‌کند مدل مناسب را برای هر کاربرد کسب‌وکاری انتخاب کنند.

راه‌حل داده یکپارچه: Account Matching
پیش‌نیاز هر سیستم هوش مصنوعی قابل‌اعتماد، داده‌های پاک و یکپارچه است. قابلیت Account Matching با استفاده از مدل‌های زبانی دقیق، رکوردهای تکراری را بین سیستم‌ها شناسایی و تجمیع می‌کند؛ مثلاً «The Example Company, Inc.» و «Example Co.» را به‌عنوان یک موجودیت واحد در نظر می‌گیرد. این قابلیت نتیجه همکاری تیم‌های تحقیق و محصول Salesforce است و در یک نمونه مشتری بزرگ، نرخ تطبیق 95 درصد گزارش شده و به صرفه‌جویی حدود 30 دقیقه در هر ارتباط برای تیم فروش منجر شده است.

زمینه امنیتی و ضرورت آزمون‌پذیری
اعلانات جدید در زمانی منتشر شد که سازمان‌ها با شکست‌های گسترده پروژه‌های آزمایشی هوش مصنوعی و نگرانی‌های امنیتی پس از یک کمپین سرقت داده مواجه‌اند. مدیران تهدیدات گوگل (Google Threat Intelligence Group) گزارش دادند که مهاجمان با بهره‌برداری از توکن‌های OAuth مرتبط با افزونه‌‌ای به‌نام Salesloft’s Drift به بیش از 700 سازمان مشتری Salesforce دسترسی پیدا کردند و اعتبارنامه‌هایی برای سرویس‌هایی مانند AWS و Snowflake سرقت شد. در پی این رخداد، Salesforce افزونه Salesloft Drift را از AppExchange موقتاً حذف کرده است. این رخداد اهمیت بررسی جامع امنیتی و آزمون عامل‌ها در محیط‌های شبیه‌سازی‌شده را بیش از پیش نشان می‌دهد.

چالش‌های فعلی و چشم‌انداز
گزارش‌ها نشان می‌دهند که درصد زیادی از پروژه‌های آزمایشی نسل‌آور AI به تولید نمی‌رسند؛ به‌عنوان نمونه یک گزارش MIT اشاره کرده که 95 درصد پروژه‌های آزمایشی تولیدی نمی‌شوند و مطالعات داخلی Salesforce نیز حاکی از موفقیت حدود 35 درصدی مدل‌های زبانی بزرگ در سناریوهای پیچیده کسب‌وکاری است. موانعی مانند محدودیت توان مصرفی، افزایش هزینه توکن‌ها، تأخیر در استنتاج و تنوع مداوم مدل‌ها موجب شده اتخاذ مدل مناسب برای کاربردهای مشخص، به چالشی عملی برای تیم‌های فناوری تبدیل شود.

مفهوم Enterprise General Intelligence (EGI)
Salesforce بر توسعه عامل‌هایی تمرکز دارد که نه تنها در وظایف محدود عملکرد خوبی داشته باشند، بلکه در سناریوهای متنوع و پیچیده سازمانی نیز قابل اعتماد و سازگار باشند. این رویکرد که به آن «هوش عمومی سازمانی» (EGI) گفته می‌شود، هدفش ایجاد عامل‌هایی است که توانایی و ثبات لازم برای انجام کارهای تجاری پیچیده را داشته باشند.

نتیجه‌گیری و انتظارها
ابتکارات تحقیقاتی Salesforce —شبیه‌سازی CRMArena‑Pro، معیارسنجی Agentic Benchmark و قابلیت Account Matching— تلاش‌هایی هدفمند برای کاهش اختلاف بین وعده‌های هوش مصنوعی و عملکرد واقعی در سازمان‌ها هستند. موفقیت این پلتفرم‌ها می‌تواند تعیین‌کننده باشد که آیا موج فعلی سرمایه‌گذاری در هوش مصنوعی به تحول واقعی کسب‌وکارها منجر می‌شود یا صرفاً یک وعده بدون تحقق خواهد ماند. این پروژه‌ها در نمایشگاه Dreamforce، که در ماه اکتبر برگزار می‌شود، بیشتر معرفی خواهند شد و انتظار می‌رود اطلاعات تکمیلی و توسعه‌های جدید در آن رویداد اعلام شود.

تبدیل صوت به متن فارسی

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

اسکرول به بالا