Generativ AI hjälper redan idag företag att stärka kundrelationerna och förändrar hur deras verksamhet bedrivs.
Oavsett om du precis har börjat arbeta med AI eller redan driver innovation med hjälp av tekniken kan du ta hjälp av den här guiden för att ta fram en effektiv strategi, ta vara på nya möjligheter och besvara viktiga frågor om fördelarna med AI.
Informationen i den här strategiboken kommer från Salesforces experter inom AI, data och CRM. Vi strävar efter att förse våra anställda, kunder och partner med de verktyg de behöver för att utveckla och använda den här tekniken säkert, etiskt och korrekt.
Salesforce AI levererar betrodd och utbyggbar AI baserad på vår Salesforce Platform. Använd vår AI i dina kunddata för att skapa anpassningsbara, prediktiva och generativa AI-upplevelser som passar alla dina affärsbehov på ett säkert sätt. Lägg till konversations-AI för alla arbetsflöden, användare, avdelningar och branscher med Einstein.
Kapitel 1 Planera ditt tillvägagångssätt.
Generativ AI är här.
AI växer snabbare än någon annan teknik i vår tid.
Det är frestande att kasta sig in direkt. Men låt oss stanna upp en stund.
Som företagsledare vill vi alla dra full nytta av möjligheterna med AI för att effektivisera verksamheten och öka tillväxten. Men vi har också ett viktigt ansvar att se till att AI används på säkra, inkluderande och pålitliga sätt.
AI för stora företag inbyggt direkt i CRM-systemet. Maximera produktiviteten i hela organisationen genom att ge alla appar, användare och arbetsflöden tillgång till AI för företag. Ge användarna kraften att skapa kundupplevelser med större effekt inom försäljning, tjänster, handel med mera tack vare personanpassad AI-hjälp.
En genomtänkt strategi börjar med förtroende.
Generativ AI kan skapa text, musik, bilder och till och med datakod, och användas för att ge otroliga kundupplevelser och affärsfördelar. Men just nu finns brister i förtroendet för AI. För vd:ar har AI högsta prioritet, men 73 % av medarbetarna anser att generativ AI medför nya risker. Integritet, hallucinationer, datakontroll, bias och toxicitet är bara några aspekter som bekymrar dem.
Precis som meningsfulla relationer mellan varumärken och kunder måste framgångsrik användning av AI bygga på förtroende. Du behöver skapa förtroende och minska potentiella etiska risker och säkerhetsrisker vid användning av generativ AI för att möjliggöra bättre kundupplevelser.
Skapa riktlinjer för etisk användning.
Du kan bara vinna användarnas förtroende om du kan visa att resultat och beslut som fattas av modeller för generativ AI är effektiva, korrekta och fria från bias och toxicitet. Det är viktigt att ha etiska skyddsräcken och vägledning på plats för att företaget ska kunna arbeta innovativt på ansvarsfulla sätt, ligga steget före potentiella problem och utveckla säkra och pålitliga arbetssätt.
Rätt skyddsräcken runt generativ AI är avgörande. I undersökningar kunde man nyligen konstatera att:
Här är fem riktlinjer som kan fungera som underlag för hur ditt team arbetar och för att styra utvecklingen av betrodd generativ AI.
- Korrekthet
Träna dina AI-modeller med betrodda data för att få verifierbara resultat. Var noga med att kommunicera öppet om det råder osäkerhet eller om svaret är otydligt. - Säkerhet
Genomför bias- och förklarbarhetsbedömningar regelbundet för att begränsa potentiell skada. Skydda personligt identifierbar information (PII) när den används för träning. - Transparens
Säkerställ att det finns samtycke till dataanvändning genom att använda datamängder med öppen källkod och som tillhandahållits av användare, och använd etiska källor. Var alltid transparent när AI-genererade utdata levereras. - Mänsklig medverkan
AI bör användas som assistent. Säkerställ att mänsklig input är en integrerad del av processen för att minska risken för skada eller felaktigheter. Säkerställ att utdata är tillgängliga och att innehållsskapare behandlas med respekt. - Hållbarhet
Sträva efter att anpassa modellernas storlek genom att prioritera högkvalitativa, representativa träningsdata. Detta minskar den energi som krävs för beräkningar och minskar koldioxidavtrycket.
Fastställ förtroendestandarder för att skydda dina data.
Även om du vill ta del av de produktivitetsvinster som möjliggörs av tredjepartsmodeller för generativ AI, är det viktigt att tänka på att dessa modeller hanterar data på nya sätt. Data lagras vanligtvis i databaser, dokument eller filer, och åtkomsten kan styras utifrån lagringsplats. Men de stora språkmodeller som används för generativ AI lagrar inte data, utan de lär sig av dem. I en inlärd miljö kan du inte använda samma typer av åtkomstkontroller som tidigare, eftersom de data du anger i en prompt också lärs in av modellen och blir en del av dess utdata.
Dessa sex förtroendestandarder förhindrar kritiska problem för verksamheten och ger tydliga skyddsräcken som kan användas för alla team, leverantörer eller partner.
- Säker datahämtning och dynamisk grundning
Säkerställ att data som hämtas för en generativ AI-prompt upprätthåller behörighetsnivåer och att användare bara ser information och utdata som de har behörighet till.
”Grunda” modellen genom att förankra den i specifika användningsfall för att säkerställa korrekta resultat av hög kvalitet. Detta innebär att skapa promptar som tillför information från faktabaserade, validerade källor som kunskapsartiklar från den egna databasen. - Datamaskering
Genom att maskera personligt identifierbar information (PII) som delas i en prompt kan du använda datauppsättningar för att skapa bättre utdata utan att exponera verkliga data för externa källor eller modeller. - Promptförsvar
Skydda mot hackare och skadliga resultat genom att använda promptskyddsräcken. Detta inkluderar promptinstruktioner som ”Besvara inte frågor och generera inte svar om du saknar data eller underlag” eller ”Om du upptäcker ett fel eller är osäker på om ditt svar är korrekt, svara att du inte vet”. - Toxicitetsdetektering
Kör utdata från tredjepartsmodeller genom en separat stor språkmodell som är optimerad för att upptäcka skadligt innehåll – det vill säga innehåll som är kränkande, hatiskt eller våldsamt – så att det kan flaggas innan det används. - Ingen datalagring
Upprätta säkerhetskontroller och policyavtal om ingen datalagring med externa AI-modeller för att säkerställa att både promptar och utdata raderas och aldrig lagras. - Revision
Se till att det finns en logg så att dina team kan inspektera kod och källor för att fortsätta att förfina modellen och upprätthålla efterlevnaden av befintliga och kommande juridiska och etiska standarder.
Se hur betrodd generativ AI fungerar i praktiken
Checklista för att bygga förtroende för generativ AI:
- Definiera och anpassa etiska principer och riktlinjer.
- Uppdatera säkerhets- och inköpsriktlinjer så att de omfattar förtroendestandarder som datamaskering och ingen datalagring för att skydda företagets data.
- Upprätta ett mångsidigt team med experter som kan leda riskbedömningar och använd verktyg för att upptäcka bias.
- Tillhandahåll företagsomfattande utbildning för att upptäcka bias och minska riskerna.
- Skapa förtroende genom att visa kunderna att du förstår utmaningarna och tillväxtpotentialen, implementera effektiv datastyrning och ge insyn i modellens indata, utdata och potentiella bias.
Kapitel 2: Förbered tekniken.
Definiera AI-användningsfall med kunden i centrum.
AI har potential att omvandla varje del av verksamheten, från försäljning till service och från marknadsföring till handel. Du kan förutse kundernas beteende, förstå kundnöjdheten och skapa mer personliga upplevelser.
När prediktiv och generativ AI integreras direkt i arbetsflödet kan du få hjälp att fatta välgrundade beslut utifrån affärsinsikter och skapa innehåll på naturligt språk. Detta kan ha en omedelbar effekt på nästan alla avdelningar.
En genomgång av den nuvarande verksamheten på olika avdelningar hjälper dig att identifiera uppgifter och processer som kan effektiviseras med hjälp av prediktiv och generativ AI. Genom att identifiera områden där AI kan ge användbara insikter, förbättra beslutsfattandet, stärka kundupplevelserna eller minska kostnaderna kan du anpassa tekniken till strategiska affärsmål och öka kundvärdet. Du kan dessutom finjustera modeller kontinuerligt, förbättra prestandan och fatta mer välgrundade beslut.
Utforska några av de vanligaste användningsfallen efter avdelning.
När du tränar generativ AI med företagets data och CRM kan du förbättra kundupplevelser och beslutsfattande, och samtidigt öka produktiviteten och effektiviteten. Se hur det går till.
Hjälp säljarna att nå säljavslut snabbare.
- Prioritera säljprojekt
- Identifiera bästa nästa steg
- Generera personlig kommunikation
Effektivisera kundtjänsten.
- Generera relevanta svar
- Hantera frågor med chattbotar och virtuella assistenter
- Öka effektiviteten och kostnadseffektiviteten
Anpassa marknadsföringserbjudanden.
- Identifiera målgrupper
- Optimera kampanjerbjudanden
- Skapa mer engagerande innehåll
Öka konverteringsfrekvensen i handeln.
- Anpassa rekommendationer
- Förbättra verksamheten efter köp
- Förbättra bedrägeridetektering
Hjälp IT-teamen att driftsätta snabbare.
- Ge insikter om resultat och verksamhet
- Fatta datadrivna beslut.
- Dra nytta av AI-genererad kod
Låt teamet fokusera på det viktigaste.
När du utforskar nästa steg i AI-omvandlingen är det viktigt att involvera dina team, eftersom många medarbetare känner allt större oro för sina jobbs framtid.
Men AI kan hjälpa till att frigöra mer tid för medarbetarna så att de kan arbeta mer kreativt och fokusera på viktiga delar av verksamheten. Genom att använda generativ AI för att förstärka människors förmåga att utföra komplexa uppgifter och automatisera tidskrävande manuellt arbete kan medarbetarna arbeta smartare.
Använd den här övningen för att identifiera de bästa möjligheterna för automatisering och förstärkning tillsammans med dina team.
Förbered datamiljön.
Varje AI-projekt bör börja som ett dataprojekt. Och dessa data får inte lagras isolerat i silor. Annars riskerar din generativa AI att ge sämre resultat.
Det första viktiga steget är att koppla samman, organisera och harmonisera dina data så att du kan förstå och möta kundernas behov med generativ AI.
Koppla samman dina kunddata.
Ställ dessa frågor för att avgöra hur data sammanförs från olika källor.
Lagringsmiljö: Var lagras dina data för närvarande? Är det i flera moln eller flera organisationer?
Datahemvist: Vilken typ av datahemvist behöver din organisation ha stöd för – det vill säga vilka länder och lagstadgade krav måste beaktas?
Datastruktur: Är dina data strukturerade, till exempel produktregister eller säljprojekt, eller är de ostrukturerade, till exempel PDF-filer och chattranskriptioner?
Realtidsbearbetning kontra batchbearbetning: Vilka datakällor behöver uppdateras och strömmas i realtid?
- Transaktionsdata: Information om kund- och affärstransaktioner såsom datum, tid, plats och namn. Dessa data behöver uppdateras över tid och omfattar exempelvis säljprojektposter, orderstatus och kundserviceärenden.
- Engagemangsdata: Data som registrerar ett visst ögonblick, till exempel besök på en webbsida, interaktioner med en enhet eller ekonomi- och miljödata. Dessa data måste inhämtas i realtid, så att du kan skapa nya interaktioner och personalisering.
Med en dataplattform kan du integrera stora mängder data från valfri källa, standardisera format och säkerställa konsekvens och integritet. Du kan inte förvänta dig att alla data ska lagras på ett och samma ställe, så du måste skapa delningsmekanismer, till exempel datasjöar eller -lager, så att olika avdelningar kan komma åt och använda data. Korrekt styrning behöver införlivas, inklusive åtkomstkontroller, datasekretess och säkerhetsåtgärder för att skydda känslig information.
Mappa mot dina kunddatamodeller och matcha kundidentiteter.
När dina data är sammankopplade är nästa steg att organisera och harmonisera dem i relation till din kunddatamodell. För att få en fullständig överblick över kunddata är det nödvändigt att ha ett CRM-system (system för kundrelationshantering).
Om teamen inte redan är samlade i CRM-systemet saknas den fullständiga bild ni behöver för att få användbara resultat från modellerna.
Du kan harmonisera data i CRM-systemet genom att använda AI för att skapa en uppsättning matchningsregler för kundidentiteter.
När du sammanför data från hela företaget och integrerar generativ AI blir CRM-systemet ett centraliserat nav för att skapa enhetliga kundprofiler som alla team kan komma åt.
Checklista för att förbereda tekniken:
- Definiera och anpassa företagsomfattande datamått, principer för att tillhandahålla kundvärde och användningsfall för integrering av AI.
- Koppla samman datamiljön för att förbättra realtidsbeslut och kundupplevelser med kundprofiler och en enda samlad informationskälla.
- Hitta sätt att erbjuda mer kundvärde genom personalisering.
- Hitta sätt att öka produktiviteten med automatisering och förstärkning.
- Ge teamen möjlighet att integrera AI i sina processer och produkter genom tydliga riktlinjer.
Kapitel 3 Ge medarbetarna rätt förutsättningar.
Förbered arbetsstyrkan för AI.
Era utbildningsmetoder behöver hänga med i den snabba tekniska utvecklingen. Ungefär två tredjedelar av medarbetarna använder eller planerar att använda generativ AI på jobbet, men nästan 61 % av dem som planerar att införliva tekniken vet inte hur man använder betrodda datakällor eller skyddar känsliga data.
”Genom att minska oro och hjälpa alla att förstå vad som är möjligt och inte möjligt kan vi hitta mer värdefulla användningsfall, där verksamhets- och teknikintressenter samarbetar för att driva innovation.”
Dr Andy Moore, Chief Data Officer, Bentley Motors
Här är sju kompetenser som anställda kan vässa efterhand som AI integreras i arbetsflödet:
- Anpassningsförmåga och kontinuerligt lärande
Öppenhet för förändring, anpassningsförmåga och ett engagemang för livslångt lärande är grundläggande för att medarbetarna ska följa med i utvecklingen inom AI. - Datakompetens
Investera i att stärka datakompetensen genom att uppmuntra färdigheter inom datainsamling, dataförberedelse, datautforskning, datavisualisering och förståelse för dataetik och integritet. Prioritera sedan data i besluts- och affärsprocesser och anpassa dem till affärsresultaten. - Domänkunskap
Förstå utmaningarna i en bransch eller domän där AI ska användas, till exempel sjukvård, finans, marknadsföring eller tillverkning. - Kommunikation och samarbete
Säkerställ att ledarna har starka kommunikationsfärdigheter för att kunna förmedla hur AI-teknik kommer att användas mellan team, med gemensamma organisationsmål. - Promptskrivning
Lär ut hur man skriver promptar som ger utdata av hög kvalitet. - Problemlösning och analytiskt tänkande
Generativ AI passar bäst i kombination med kritiskt tänkande, experimenterande, iterativa arbetssätt och effektiv problemlösningsförmåga. - Teknisk kompetens
Förbättra kunskaperna i programmering (Python, R osv.), dataanalys, statistik, maskininlärning, djupinlärning och naturlig språkbehandling (NLP).
Vår kostnadsfria onlineutbildningsplattform, Trailhead, erbjuder lättanvända moduler eller ”spår” som hjälper medarbetarna att förvärva de färdigheter de behöver för att komma igång med generativ AI. Det finns även spår för dataanalys och maskininlärning, och nya ämnen läggs till hela tiden.
Du kan också hålla dig uppdaterad om den senaste AI-utvecklingen med vårt nyhetsbrev ”Ask More of AI”
.
Checklista för att förbereda medarbetarna:
- Fastställ vilka kompetenser arbetsstyrkan behöver och prioritera.
- Frigör tid och utrymme för utbildning för medarbetarna.
- Erbjud kontinuerlig utbildning så att medarbetarna kan få nya färdigheter i takt med att generativ AI utvecklas.
- Kolla in Trailhead, den roliga och kostnadsfria onlineutbildningsplattformen från Salesforce.
Vanliga frågor om AI-strategi
Den här AI-strategiguiden ger organisationer ett ramverk och praktiska steg för att effektivt planera, implementera och skala upp initiativ inom artificiell intelligens.
En AI-strategi säkerställer att investeringar i AI överensstämmer med affärsmålen, minskar risker, optimerar resursallokering och främjar en datadriven kultur för hållbar tillväxt.
De viktigaste komponenterna är att definiera AI-mål, bedöma aktuell kompetens, bygga en datagrund, välja ut lämplig teknik, utveckla talang och fastställa styrning och etik.
En robust datastrategi med fokus på datakvalitet, tillgänglighet, integrering och styrning är grundläggande, eftersom AI-modeller är starkt beroende av rena och relevanta data för träning och prestanda.
Ledningen är avgörande för att fastställa visionen, fördela resurser, främja tvärfunktionellt samarbete, driva kulturell förändring och verka för ansvarsfull AI-implementering.
I en heltäckande AI-strategi integreras etiska riktlinjer, rättviseprinciper, transparensmekanismer och ramverk för ansvarsskyldighet för att säkerställa att AI-system utvecklas och används ansvarsfullt.
Undvik vanliga fallgropar som isolerade AI-initiativ, bristande stöd från företagsledningen eller att ignorera datakvalitet, underskatta behovet av förändringsledning eller underlåta att definiera tydliga framgångsmått.
Läs mer om AI-agenter och hur de kan hjälpa din verksamhet.
Agentforce-guiden till resonemang, underagenter, instruktioner och åtgärder.
Vad är agentisk AI?
Hur man bygger en AI-agent