В 1935 году Министерство авиации Великобритании обратилось к физику Роберту Уотсон-Уотту с просьбой создать «луч смерти», способный сбивать вражеские самолеты. Он не смог его построить, но его команда разработала нечто, возможно, более ценное. Уже через несколько недель их радар мог обнаружить бомбардировщик на расстоянии 8 миль.
Радар стал таким же концептуальным прорывом, как и техническим. Радиоволны отражались от объектов задолго до того, как кто-то догадался их слушать. То, что построил Уотсон-Уотт, было слоем, который сделал эти эхо-сигналы более понятными, чем когда-либо прежде, создав картину, на которую человек мог отреагировать, пока это еще имело значение. Пять лет спустя небольшая команда в диспетчерской могла наблюдать за всем небом сразу — это мировоззрение изменило ход Битвы за Британию и, в конечном итоге, Второй мировой войны.
Сегодня многие предприятия живут в своем собственном «моменте прямо перед появлением радара».
Они перенасыщены сигналами. Ответ почти на любой важный для них вопрос находится где-то в потоке миллионов точек данных в час: частота ошибок, движение конвейера, телеметрия контакт-центра, активность разработчиков.
И все же инсайт, который мог бы предотвратить сбой, избежать оттока клиентов или спасти аккаунт, как правило, всплывает спустя долгое время после того, как момент для действий уже упущен. Не хватает слоя, который сделал бы эти данные понятными.
Радарный момент ИИ
Именно этот пробел стремится заполнить главный научный сотрудник Salesforce AI Research Сильвио Саварезе с помощью того, что он называет «операционной аналитикой». Это ИИ, который непрерывно рассуждает над «живыми» данными бизнеса, подобно тому, как операторы радаров до сих пор сканируют небо, вместо того чтобы ждать, пока панель мониторинга суммирует то, что уже произошло.
Эту работу обеспечивают две возможности. Deep Insights анализирует структурированные бизнес-данные, отслеживает проблемы до их первопричины и рекомендует дальнейшие шаги. Moirai, модель прогнозирования временных рядов, предсказывает спрос и отмечает аномалии с учетом уже встроенного бизнес-контекста — запуска продукта, праздничного сезона или волны продления контрактов.
Результаты уже проявляются внутри самой Salesforce. Система Engineering 360, которая отслеживает 90 миллиардов записей в десятках внутренних систем, использует Deep Insights для выявления закономерностей, которые люди не способны заметить.
«Deep Insights дает Engineering 360 то, чего ни один человек не смог бы достичь в таком масштабе, — сказал исполнительный вице-президент по инженерной стратегии Salesforce Алекс Ху, — беспрецедентное распознавание образов, корреляцию между наборами данных, которую было бы непрактично делать вручную, и способность рассуждать, чтобы объяснить, что на самом деле означают эти данные».
Собственная организация Salesforce по работе с контакт-центрами и голосовыми сервисами применяет тот же подход к прогнозированию, а старший вице-президент Гаутам Васудев описывает, как это меняет планирование персонала и спроса еще до того, как проблемы возникают на практике.
Саварезе видит, что эта модель выходит далеко за рамки инженерии и поддержки, охватывая состояние воронки продаж, эффективность маркетинговых кампаний и выявление дефицита в цепочках поставок. По сути, везде, где объем данных превысил способность человека следить за ними.
Радар не заменил человеческое суждение в 1935 году. Он дал командирам время, необходимое для его использования. Спустя девять десятилетий Саварезе делает ставку на то, что корпоративный ИИ собирается сделать то же самое для каждой бизнес-функции, которая все еще живет в моменте прямо перед появлением радара.
Узнать больше:
- Прочитайте полную историю в блоге 360
- Освоение прогнозирования временных рядов с помощью Moirai
- Как инженерия Salesforce перешла на работу с ИИ
