例如, Salesforce Data Cloud为 Salesforce 的新型生成式 AI 对话助理Einstein Copilot提供数据,并确保输出与上下文相关。使用 DataCloud 和Einstein AI,您可以创建有针对性的营销细分,根据消费者行为个性化网站登陆页面,并在Einstein Copilot 的帮助下为特定活动定制电子邮件。
第 5 步:确定成功是什么样子 如果你没有定义什么是成功,你就无法知道 专用数据库 自己是否成功。这就是为什么我建议公司从一开始就确定这一点。
一家大型科技公司的高级副总裁表示,他的公司面临的最大威胁是:a)没有足够快地采用人工智能的新方法,因此落后了;b)寻找并留住具有人工智能专业知识的人才。
他们正在探索人工智能是否可以利用数据分析来改善他们的业务。例如,他们希望人工智能能够帮助他们快速处理市场、竞争和客户数据,以便更有效地优化产品和服务。为了实现这一目标,他们定义了成功的参数并确定了关键绩效指标(KPI) 以评估技术的影响。
在构建生成式 AI 用例时,定义指标并将其分类为主要和次要 KPI。主要 KPI 是您的业务 KPI。例如,您的服务部门可能会查看客户通话节省的分钟数。销售和营销部门可能会分别关注销售合格的销售线索和营销增长。 生成式人工智能是否帮助您的公司对这些 KPI 产生了有意义的影响?这就是您要寻找的。您是否拥有更高质量的潜在客户并且是否能够以更高的转化率?
次要 KPI 是您的生成 AI KPI。其中包括准确性/错误率、输出质量、培训时间、可扩展性、培训成本/资源和生产力增益。
|