Ein praktischer Leitfaden zum Salesforce AI Model Builder

Seien wir ehrlich, der Begriff „künstliche Intelligenz“ wird oft leichtfertig verwendet. Aber es ist nicht länger nur ein futuristisches Konzept; es ist ein reales Werkzeug, das Unternehmen nutzen, um Arbeit zu erledigen und bessere Entscheidungen zu treffen. Wenn Ihr Unternehmen auf Salesforce setzt, haben Sie wahrscheinlich schon vom Salesforce AI Model Builder gehört. Er wird als eine zentrale Plattform für die Erstellung benutzerdefinierter KI-Modelle positioniert, die vorausschauende Erkenntnisse aus Ihren eigenen Geschäftsdaten gewinnen können.

Aber was macht er tatsächlich, und ist es das richtige Werkzeug für Ihr Team?

Dieser Leitfaden ist eine unkomplizierte Übersicht über den Salesforce AI Model Builder. Wir werden seine Funktionen, seine Stärken und die praktischen Aspekte, die Sie vor dem Einstieg bedenken sollten, aufschlüsseln. Wir werden uns ansehen, wer wirklich davon profitiert und einige einfachere, schnellere Alternativen erörtern, falls Ihr Hauptziel darin besteht, den Kundensupport zu automatisieren.

Was ist der Salesforce AI Model Builder?

Der Salesforce AI Model Builder ist Teil des Einstein 1 Studio, der großen KI-Plattform von Salesforce. Einfach ausgedrückt, ist es ein Low-Code-Tool, mit dem Sie zwei Hauptaufgaben erledigen können:

1. Vorausschauende KI-Modelle von Grund auf erstellen. Sie können ihm Ihre historischen Salesforce-Daten zuführen, um Modelle zu trainieren, die zukünftige Ergebnisse vorhersagen, wie die Wahrscheinlichkeit, dass ein Kunde abwandert, ob ein Lead konvertiert oder der potenzielle Lifetime-Value eines Kunden.

2. Externe große Sprachmodelle (LLMs) anbinden. Dies wird oft als „Bring Your Own Model“ (BYOM)-Funktion bezeichnet. Es ermöglicht Ihnen, generative KI-Modelle von Anbietern wie OpenAI, Google Vertex AI und Amazon SageMaker direkt in Ihre Salesforce-Umgebung zu integrieren.

Alles ist in den Einstein Trust Layer eingebettet, der als eine Art Sicherheitsschicht für Ihre Daten fungiert. Er wurde entwickelt, um sensible Informationen zu maskieren und zu verhindern, dass Ihre Daten zum Training der großen, öffentlichen KI-Modelle verwendet werden. Die ganze Idee ist, Ihnen einen zentralen Ort zur Erstellung, Verwaltung und Nutzung von KI-Modellen zu geben, ohne das Salesforce-Ökosystem jemals verlassen zu müssen. Das ist zweifellos leistungsstark, aber es ist definitiv für Personen gedacht, die bereits mit Datenmodellierung vertraut sind und eine benutzerdefinierte Lösung von Grund auf erstellen möchten.

Kernfunktionen des Salesforce AI Model Builder

Der Model Builder soll flexibel sein und Ihnen je nach KI-Ziel verschiedene Wege bieten. Sehen wir uns an, was er kann.

Erstellung vorausschauender Modelle von Grund auf

Das ursprüngliche Versprechen des Model Builders liegt in der Erstellung eigener vorausschauender Modelle. Dies ist perfekt, um Geschäftsfragen zu beantworten, die eine Zahl oder eine einfache Ja/Nein-Antwort haben. Zum Beispiel:

• Regression: Vorhersage einer bestimmten Zahl, wie dem potenziellen Umsatz aus einem neuen Verkaufsgeschäft.

• Binäre Klassifizierung: Vorhersage eines von zwei Ergebnissen, wie zum Beispiel, ob ein Kunde wahrscheinlich abwandern wird („Ja“ oder „Nein“).

Um dies zu erreichen, müssen Sie das Modell auf einem sogenannten Data Model Object (DMO) aus der Salesforce Data Cloud trainieren. Das ist keine kleine Aufgabe. Es erfordert eine Menge Datenaufbereitung, um sicherzustellen, dass alles sauber, organisiert und einsatzbereit ist. Auch wenn die Benutzeroberfläche Low-Code ist, erfordert die Arbeit hinter den Kulissen ein gutes Verständnis Ihrer Daten und des Problems, das Sie lösen möchten.

Einbindung eigener Modelle (BYOM) für generative KI

Für Aufgaben wie das Entwerfen von E-Mails oder das Zusammenfassen von Meeting-Notizen ermöglicht es der Model Builder, Ihre eigenen vortrainierten LLMs anzubinden. Dies ist ein großer Vorteil für Unternehmen, die sich bereits für einen KI-Anbieter entschieden haben oder ihre eigenen benutzerdefinierten Modelle an anderer Stelle hosten. Sie können Modelle von folgenden Anbietern verbinden:

• Amazon SageMaker

• Google Vertex AI

• Azure OpenAI

• OpenAI

Dieser „agnostische“ Ansatz gibt Ihnen Flexibilität, macht Sie aber auch für die Verwaltung dieser externen Modelle, ihrer API-Schlüssel und aller damit verbundenen Kosten verantwortlich. Er bringt die Kontrolle nach Salesforce, eliminiert aber nicht auf magische Weise die Komplexität des Umgangs mit KI-Diensten von Drittanbietern.

Der Prozess: Was es braucht, um ein Modell zu erstellen

Ein Modell zu erstellen ist nicht so einfach wie ein Klick auf einen Button. Es ist eine Reihe von Schritten, die sorgfältige Überlegung erfordern, selbst mit einer benutzerfreundlichen Oberfläche. Hier ist ein kurzer Blick auf den Weg:

1. Daten auswählen: Sie beginnen mit der Auswahl eines Data Model Object (DMO) aus Ihren Salesforce-Daten.

2. Ziel festlegen: Sie entscheiden, was das Modell tun soll, z. B. einen bestimmten KPI erreichen oder ein negatives Ergebnis vermeiden.

3. Variablen vorbereiten: Sie wählen aus, welche Datenfelder das Modell berücksichtigen soll.

4. Algorithmus wählen: Sie wählen eine statistische Methode, die das Modell verwenden soll, wie z. B. GLM, GBM oder XGBoost.

5. Prüfen & Trainieren: Nachdem Sie Ihre Einstellungen überprüft haben, weisen Sie das Modell an, mit dem Lernen zu beginnen.

6. Modell aktivieren: Sobald das Training abgeschlossen ist und Sie mit den Ergebnissen zufrieden sind, können Sie das Modell einschalten.

Dieser ganze Prozess deutet auf eine einfache Wahrheit hin: Werkzeuge wie der Salesforce AI Model Builder geben Ihnen die Macht zu bauen, aber Sie sind immer noch derjenige, der die eigentliche Arbeit leistet. Für Teams, die einfach eine Lösung benötigen, die sofort funktioniert, kann sich das anfühlen, als bekäme man einen Karton mit Motorteilen, obwohl man eigentlich nur ein Auto wollte.

Für wen ist der Salesforce AI Model Builder wirklich geeignet?

Es ist wichtig herauszufinden, ob Sie zur Zielgruppe des Model Builders gehören. Es ist ein leistungsstarkes Werkzeug und definitiv keine Einheitslösung, besonders für Support-Teams, die schnell handeln müssen.

Das ideale Nutzerprofil

Der Salesforce AI Model Builder ist am besten geeignet für:

• Große Unternehmen, die voll und ganz auf das Salesforce-Ökosystem setzen.

• Teams mit Datenanalysten oder Data Scientists, die die Datenaufbereitung übernehmen und beurteilen können, ob ein Modell tatsächlich gut funktioniert.

• Entwickler, die einen zentralen Ort benötigen, um verschiedene externe LLMs mit ihren benutzerdefinierten Salesforce-Anwendungen zu verbinden.

• Unternehmen, die komplexe, vorausschauende Modelle für Vertrieb und Marketing erstellen, die direkt mit ihren CRM-Daten verknüpft sind.

Für diese Zielgruppen bietet der Model Builder ein fantastisches Maß an Kontrolle und Integration in einer sicheren Umgebung, die sie bereits kennen.

Wo es möglicherweise nicht passt

Auf der anderen Seite ist es wahrscheinlich nicht die beste Wahl für:

• Kundensupport- und IT-Teams, die ihr Ticketaufkommen reduzieren und ihren Agenten jetzt helfen müssen, nicht erst in sechs Monaten.

• Unternehmen ohne Data-Science-Experten, die die Datenaufbereitung, das Modelltraining und laufende Überprüfungen verwalten können.

• Unternehmen, deren Wissen auf verschiedenen Plattformen außerhalb von Salesforce gespeichert ist, wie Confluence, Google Docs, Slack oder andere Helpdesks wie Zendesk oder Freshdesk.

Für diese Teams können Zeit, Geld und Fachwissen, die erforderlich sind, um einen Mehrwert aus einer „Builder“-Plattform zu ziehen, ein echtes Hindernis sein. Eine einsatzbereite Lösung, die auf ein bestimmtes Ergebnis wie die Ticketautomatisierung ausgerichtet ist, ist in der Regel ein weitaus praktischerer Weg.

Genau hier kommt eine Lösung wie eesel AI ins Spiel. Anstatt Sie aufzufordern, ein Modell zu erstellen, bietet sie Ihnen eine zweckgebundene App, die Sie einfach mit Ihren Tools verbinden. Sie lernt selbstständig aus Ihren vergangenen Tickets, Hilfeartikeln und internen Dokumenten und stellt Ihnen einen KI-Agenten zur Verfügung, der Kundenprobleme vom ersten Tag an lösen kann.

Salesforce AI Model Builder vs. eesel AI

Funktion	Salesforce AI Model Builder	eesel AI
Time-to-Value	Monate (Datenaufbereitung, Training, Tests)	Minuten (Ein-Klick-Integrationen)
Erforderliches Fachwissen	Data Science, Salesforce-Entwicklung	Keines (vollständig Self-Service)
Primärer Anwendungsfall	Benutzerdefinierte vorausschauende & generative Modelle	Automatisierter Kundensupport & interne F&A
Wissensquellen	Hauptsächlich Salesforce Data Cloud	Über 100 Integrationen (Zendesk, Confluence, Slack, etc.)
Onboarding	Erfordert Vertriebsgespräche und Einrichtung	Radikal Self-Service, eigenständiger Start
Preismodell	Komplex, gebündelt mit großen Lizenzen	Transparente, planbare monatliche Tarife

Einschränkungen und praktische Überlegungen

Bevor Sie sich für den Salesforce AI Model Builder entscheiden, ist es eine gute Idee, über die praktischen Nachteile nachzudenken. Es ist ein leistungsstarkes Werkzeug, aber diese Faktoren können einen großen Einfluss auf Ihren Zeitplan, Ihr Budget und Ihren tatsächlichen Erfolg haben.

1. Sie sind an die Salesforce-Welt gebunden

Der Model Builder ist darauf ausgelegt, vollständig in Salesforce zu leben. Seine Hauptstärke liegt in der Nutzung von Daten, die sich bereits in der Data Cloud befinden. Wenn das Wissen Ihres Unternehmens nicht an einem zentralen Ort liegt, sondern über ein Confluence-Wiki, geteilte Google Docs oder ein Zendesk-Hilfecenter verstreut ist, wird es schwierig sein, diese Informationen ohne ein massives Datenprojekt in Ihr Modell zu bekommen. Dies ist eine riesige Hürde für Teams, die eine Mischung aus verschiedenen Tools für ihre Arbeit nutzen.

Im Gegensatz dazu sind Plattformen wie eesel AI darauf ausgelegt, all dieses verstreute Wissen zusammenzuführen. Es verfügt über Ein-Klick-Integrationen, um sich sofort mit all Ihren Quellen zu verbinden und von ihnen zu lernen, egal wo sie sich befinden.

2. Die versteckte Arbeit hinter „No-Code“

Die „Klicks, nicht Code“-Oberfläche zur Modellerstellung klingt großartig, ist aber nur der letzte Schritt in einem viel längeren Prozess. Die eigentliche Arbeit liegt in:

• Datenaufbereitung: Das Bereinigen, Ändern und Organisieren Ihrer Daten in ein nutzbares DMO ist eine sehr technische Aufgabe, die leicht Wochen oder Monate dauern kann.

• Modellbewertung: Sobald ein Modell trainiert ist, woher wissen Sie, ob es etwas taugt? Die Betrachtung von Metriken wie Genauigkeit erfordert statistisches Know-how, um zu vermeiden, dass schlechte Geschäftsentscheidungen auf der Grundlage eines fehlerhaften Modells getroffen werden.

• Laufende Wartung: KI-Modelle sind nichts, was man einmal einrichten und dann vergessen kann. Sie müssen überwacht und neu trainiert werden, wenn sich Ihre Daten ändern, was Zeit und Ressourcen kostet.

3. Die komplexe Preisgestaltung und Lizenzierung

Der Zugang zum Einstein 1 Studio und zur Data Cloud bedeutet in der Regel, dass man sich für Salesforce-Lizenzen auf Enterprise-Niveau anmelden muss. Die Preisgestaltung ist oft gebündelt und nicht sehr transparent, was es schwer macht, die tatsächlichen Kosten für die Erstellung und Bereitstellung nur eines Modells zu ermitteln. Dies kann eine enorme Investition sein, besonders wenn Sie nur ein spezifisches Problem wie die Automatisierung einfacher Support-Tickets lösen möchten.

Dies ist ein großer Unterschied zur klaren, planbaren Preisgestaltung der meisten modernen Software-Tools. Zum Beispiel basiert die Preisgestaltung von eesel AI auf der Nutzung, ohne zusätzliche Gebühren pro gelöstem Fall, sodass Sie ohne böse finanzielle Überraschungen skalieren können.

Ein leistungsstarkes Werkzeug für das richtige Team

Der Salesforce AI Model Builder ist ein beeindruckendes und strategisches Werkzeug für große Unternehmen, die bereits tief in der Salesforce-Plattform verwurzelt sind und über die technischen Ressourcen verfügen, um ein benutzerdefiniertes KI-Projekt zu verwalten. Er bietet Ihnen eine unglaubliche Kontrolle bei der Erstellung eigener vorausschauender Modelle und einen zentralen Ort zur Verwaltung generativer KI in einer sicheren Umgebung.

Für Kundensupport- und IT-Teams, deren Hauptziel es jedoch ist, Lösungen zu automatisieren und effizienter zu arbeiten, kann es ein langer und teurer Weg sein. Die Reise von Rohdaten zu einem funktionierenden KI-Modell ist lang und erfordert spezielle Fähigkeiten, die die meisten Support-Teams einfach nicht haben.

Dieses Video bietet einen hervorragenden Überblick über den Salesforce Model Builder und wie er zur Steigerung der Produktivität eingesetzt werden kann.

Wenn Ihr Ziel darin besteht, heute schnellen, präzisen und automatisierten Support zu liefern, sollten Sie sich wahrscheinlich eine zweckgebundene Lösung ansehen. eesel AI bietet eine super einfache Self-Service-Plattform, die sich direkt in die Tools integrieren lässt, die Sie bereits verwenden. Sie können in Minuten statt Monaten einsatzbereit sein und sofort Ergebnisse sehen.

Bereit zu sehen, was eine zweckgebundene KI-Support-Plattform leisten kann? Testen Sie eesel AI kostenlos oder buchen Sie eine Demo mit unserem Team.