Vad är generativ AI? (En komplett guide)

Redaktörens anmärkning: AI Cloud, Einstein GPT och andra molnbaserade GPT-produkter är nu Einstein. Det senaste om Salesforce Einstein finns här.

Generativ artificiell intelligens (AI) fullkomligt exploderade i slutet av 2022, skapade stor nyfikenhet bland både människor och gav upphov till många frågor om potentialen med detta.

Vad är då egentligen generativ AI? Enkelt uttryckt är generativ AI teknik som tar en uppsättning data och använder den för att skapa något nytt – som poesi, instruktioner av olika slag, ett e-postmeddelande till en kund, en bild eller ny musik – när en människa uppmanar den att göra det.

Till skillnad från traditionella AI-modeller "klassificerar eller förutsäger generativ AI inte bara, utan skapar eget innehåll […] och den gör det på ett språk som påminner om människans", förklarade Salesforces chefsforskare Silvio Savarese.

Självklart är förmågan att klassificera och förutsäga data exakt en avgörande faktor för framgångsrik generativ AI. Ingen produkt är bättre än den data den utgår ifrån.

"AI är bara så bra som den data du förser den med, och du måste se till att datan är representativ."

Paula Goldman, Salesforce Chief Ethical and Humane Use Officer

Det finns flera sätt att utveckla generativa AI-modeller, men det som vinner mark är användning av förtränade, stora språkmodeller (LLM:er) för att skapa nytt innehåll från textbaserade promptar. Generativ AI hjälper redan idag människor att skapa allt från CV och affärsplaner till kodlinjer och digital konst. Teknikens potential för Salesforce och andra företag sträcker sig dock längre än att skapa bilder på isbjörnar som spelar gitarr.

Användaren ger verktyget anvisningar om vad som ska produceras, varpå AI:n, baserat på de LLM:er som den ska arbeta med, skapar något – det kan vara ord, kod, eller om man tänker ännu längre, saker som en ny typ av protein.

Så småningom, förutspår Savarese, kommer dessa AI-verktyg att "hjälpa oss i många delar av våra liv och ta rollen som samarbetspartners med superkrafter".  För företag är det extra viktigt att en människa är inblandad när man utvecklar och använder generativ AI-teknik. Då kan företaget validera och testa automatiserade arbetsflöden under en människas uppsikt, och ingripa innan ett helt autonomt system tillåts att löpa fritt. Detta kan bidra till att förebygga potentiella risker och säkerställa att tekniken används på ett ansvarsfullt och etiskt sätt. Att en människa är inblandad kan dessutom bidra till att intressenter och kunder litar på och får förtroende för tekniken.

Om man gräver djupare görs detta oftast med hjälp av någon av två djupinlärningsmodeller: generativa kontradiktoriska nätverk (GAN) eller transformerare.

• GAN består av två neurala nätverk: en generator och en diskriminator. De båda nätverken konkurrerar med varandra, varvid generatorn skapar utdata baserat på indata, medan diskriminatorn försöker avgöra om utdatan är verklig eller falsk. Generatorn finjusterar sedan sin utdata baserat på diskriminatorns återkoppling, och cykeln fortsätter tills den stoppar diskriminatorn.
• Transformerarmodeller, som ChatGPT (som står för Chat Generative Pretrained Transformer), skapar utdata baserat på sekventiell data (som meningar eller stycken) snarare än individuella datapunkter. Denna metod hjälper modellen att effektivt bearbeta sammanhang, vilket är anledningen till att den används för att generera eller översätta text.
• Medan GANS och transformerare är bland de mest populära generativa AI-modellerna används också flera andra tekniker, som exempelvis variationsautokodare (VAE), som också förlitar sig på två neurala nätverk för att generera ny data baserat på provdata, samt på neurala strålningsfält (NeRFs) som används för att skapa 2D- och 3D-bilder.

Generativa AI-modeller som ChatGPT, StableDiffusion och Midjourney har väckt intresse hos ledande företag världen över.

Enligt en nyligen genomförd Salesforce -undersökning prioriterar två tredjedelar (67 %) av IT-cheferna att börja använda generativ AI i sin verksamhet inom de kommande 18 månaderna. För en tredjedel (33 %) av dessa är detta högsta prioritet.

Som framhävs i de senaste nyheterna om Einstein GPT från Salesforce är tekniken "öppen och utbyggbar – stöttar offentliga och privata AI-modeller specialbyggda för CRM – och tränad med hjälp av tillförlitlig realtidsdata".

Salesforce har undersökt hur generativ AI bör utvecklas och implementeras för att möta kundernas behov i många år framöver. Företaget har exempelvis lanserat CodeGen, som hjälper vanliga användare att utveckla programvara genom att omvandla enkla promptar på engelska till exekverbar kod. Ett annat projekt, LAVIS (förkortning för LANguage-VISion), bidrar till att göra språkidentifiering via AI tillgängligt för en bred publik bestående av forskare och experter.

Mer nyligen avslöjade Salesforces ProGen-projekt att generativ AI, genom att skapa språkmodeller baserade på aminosyror istället för bokstäver och ord, kunde producera proteiner som inte har hittats i naturen och som i många fall fungerar bättre. Med ytterligare forskning är tanken att dessa proteiner kan användas för att utveckla mediciner och vacciner och behandla sjukdomar.

Ketan Karkhanis, Salesforces Executive Vice President och General Manager för Sales Cloud, menade att tekniken, som kan innebära en välsignelse för stora företag, är användbar även för små och medelstora företag (SMB).

"Förmågor som automatiserade, AI-genererade förslag och kundkommunikation, i kombination med prediktiv försäljningsmodellering, kommer att ge små och medelstora företag ännu kraftfullare verktyg för att kunna tillhandahålla förstklassiga kundupplevelser, hantera driftskostnader och skapa hållbar tillväxt", sa Karkhanis.

Clara Shih, VD för Salesforce AI, tror att generativ AI "fullständigt kommer att omforma området kundtjänst".

"Genom att komplettera generativ AI med Einstein for Service och Einstein 1 kommer vi att kunna generera personligt anpassade svar automatiskt, så att agenter snabbt kan skicka e-post eller meddelanden till kunder. Det innebär att mänskliga medarbetare kan ägna mer tid åt att hantera komplexa frågor och bygga långsiktiga kundrelationer", menade Shih.

Även om potentialen för generativ AI är enorm, är den "inte riskfri", enligt Paula Goldman, Salesforce Chief Ethical and Humane Use Officer och Kathy Baxter, huvudarkitekt för Salesforces etiska riktlinjer för AI.

I en gemensam artikel påpekade de båda att det "inte räcker att bara leverera den tekniska förmågan hos generativ AI. Vi måste prioritera ansvarsfull innovation och på så sätt vägleda hur denna omvälvande teknik kan och bör användas – och säkerställa att våra medarbetare, samarbetspartners och kunder har de verktyg de behöver för att utveckla och använda denna form av teknik på ett säkert, korrekt och etiskt sätt."

I en intervju med Silicon sa Goldman att "noggrannhet är det viktigaste när man tillämpar AI i ett affärssammanhang, eftersom man måste se till att AI inte hittar på fakta när den rekommenderar en prompt för en kundchatt eller för ett säljmeddelande via e-post." Att säkerställa att alla data är korrekta och tillförlitliga är grundläggande för alla AI-applikationer.

Den auktoritära känslan i ett svar från ChatGPT är något man bör vara uppmärksam på, menade Savarese, och varnade för att det kan leda till att man litar blint på svaren.

"Den välavvägda och ofta professionella tonen som dessa modeller utstrålar när de svarar på frågor och gör vad du ber dem om gör deras träffar ännu mer imponerande, men det gör också deras misstag direkt farliga", sa Saverese. "Även experter kan enkelt luras av modellernas övertalningsförmåga.

Skala upp beroendet av verktyg som ChatGPT till företagsnivå, så märker ni hur höga insatserna är. Men IT-cheferna är på sin vakt: nästan sex av tio (59 %) menade att de anser att generativa AI-utdata är felaktiga.

Sedan har vi frågan om hur man använder generativ AI på ett etiskt, inkluderande och ansvarsfullt sätt.

Därför bygger Salesforce tillförliliga AI-förmågor med inbyggda skyddsräcken och vägledning för att fånga upp potentiella problem innan de inträffar. Om världen ska inse potentialen med generativ AI, kommer det att behövas goda skäl till att kunna lita på dessa modeller på alla nivåer.

Ansvarsfull AI betyder också hållbar AI. AI förbrukar betydligt mer energi än traditionella arbetssätt och 71 % av IT-cheferna håller med om att generativ AI skulle öka deras koldioxidavtryck genom högre energianvändning.

Trots behovet av att skaffa sig en noggrann helhetsbild av generativ AI har tekniken en enorm potential för framtidens CRM.

AI har länge varit en integrerad del av Salesforce Platform. Olika typer av Einstein AI-teknik levererar exempelvis varje dag över 200 miljarder förutsägelser via Einstein 1, vilket hjälper företag att avsluta affärer snabbare, tillhandahålla AI-drivna människolika svar på vanliga frågor, och förstå kundernas beteende bättre.

Nyligen presenterade Salesforce Einstein GPT, världens första generativa AI för CRM. I form av allt från personligt anpassade säljmejl till automatiskt genererad kod kommer Einstein GPT att tillhandahålla AI-skapat innehåll för försäljning, service, marknadsföring, handel och IT-interaktion i hyperskala. Och den är byggd för kunder på ett sätt som är relevant för dem – Einstein GPT använder data från Data Cloud i kombination med offentliga data för att skapa innehåll i Einstein 1.

Och den gör det med samma fokus på inkludering, ansvar och hållbarhet som är kärnan i alla Salesforce-produkter. Läs om generativ CRM och vad det innebär för företag.

Läs mer om Einstein GPT och varför den är nästa stora milstolpe längs Salesforces AI-resa.