采访 Salesforce 副总裁：为什么向企业推广 AI 这么难？

Salesforce是创建于1999年3月的一家客户关系管理(CRM) 软件服务提供商。

编者按：能够进行机器学习的产品在企业当中推广的不如在消费者领域那么广泛，但是那一天似乎也近在眼前。Salesforce是创建于1999年3月的一家客户关系管理(CRM) 软件服务提供商，总部设于美国旧金山，可提供随需应用的客户关系管理平台。本篇文章编译自Sam DeBrule发表在MachineLearnings上的一篇题为“Salesforce Einstein‘s Jim Sinai on bringing artificial intelligence to the enterprise”的文章。

随着越来越多的一线员工和IT领导人使用机器学习来提升他们的生活水平，他们可能也需要机器学习来帮助提升工作的效率。

一旦人工智能工具在工作领域广泛使用之后，我们需要感谢Salesforce等大公司的付出。Salesforce Einstein市场部的副总裁Jim Sinai就是那些耗费精力将AI产品推向市场的人之一。在发布Einstein之前，他一直致力于研究SalesforceIQ和SalesforceInbox这类早期AI产品。

Jim腾出了一些时间同我们讨论AI时如何影响我们的工作，为什么很难向公司推广机器学习产品，以及Salesforce在其中发挥的作用。

Sam：很高兴能同您谈话，Jim。让我们开门见山直接进入主题。人工智能将如何影响销售行业？

Jim：让我们先退一步说。作为一家公司，我们在云服务发展已经取得了巨大成功。我们将云服务带入公司，并且在2016年已经实现了云计算。如今所有人都在努力搞清楚继云服务、移动和社交变革后，下一场科技巨变究竟是什么。事实上，所有的这三件事都充当下一场变革的中间人，下一场变革就是人工智能和机器学习。机器学习同云计算一样，将会对科技造成翻天覆地的变化。所以不要仅仅局限在销售上。我们需要了解“AI是如何影响数据工作的？”我们需要了解人们同顾客联系的新方法以及是如何传达他们的私人体验。未来将会聚焦于如何帮助企业寻找更好的方式来利用所有的顾客数据。。

Sam：为什么人工智能已经变成Einstein的中心？

Jim：我们主要从两个角度来看。首先对于Einstein所在的领域来说，我们将其看做是AI的广泛叙述。但是最终我们被迫关注如何提升顾客的体验。例如，对于销售的人来说，这只是一个案源计算模式，能够同你一起学习。推销员们憎恶将信息带入客户关系管理（CRM）中。我们自动获取电子邮箱地址，在Salesforce中登陆，然后使用自然语言处理（NLP）技术帮助销售员运用电子邮件中的数据。Einstein是每个人的数据科学家，其工作原理和谷歌有点相似。

Sam：当大部分人看到公司使用AI技术来阐述其产品时感到非常怀疑。很多人觉得Salesforce使用这些术语是用于实现自己的目标，而不是服务顾客的人，你如何同这些人解释呢？

Jim：顶尖的科技人才会去那些致力于解决最艰难问题的公司。每一个技术供应商谈论AI的理由更多是在于将其布道给全世界的IT人才，而不是招聘人才。其花费15年的时间使得云服务在IT界中被广泛接受。

Sam：对于AI来说会不会宣传的太早？由于电影、电视以及流行文化的影响，一听到人工智能的时候，人们都会想到超级英雄。如果期待太高，恐怕这群人将来会失望的。

Jim：将AI视作是一个庞大的领域自然是有风险的。但是如果我们关注一下AI所涉及的范围，从自动驾驶到friction-free software，我们仅仅期待friction-free software。我们不是说我们将要创造一个能够实现所有事情或者是比人工助理更好的产品。

Sam：我要给你施压了Jim。你刚刚说Einstein是“每一个人的数据工程师”。

Jim：那是对的！如果你想要仅仅实现一些比较基础的操作，比如CRM领域的案源计算，或者是预测会失去什么机会，他不会替代任何销售员的地位。他仅仅是对销售团队说，“你的面前有上十吨的数据。我们想要把工作做得更加简单，提供一些想法，并且能够做出预测。”这个想法能够帮助一些缺乏技能的人。在这种情况下，它帮助销售经理执行案源计算，识别模式，了解沟通，所有的这一些都不需要数据工程师。

Sam：什么样的产品真正符合我们对于人工智能的期望？

Jim：说实话，机会主要存在于顾客中。谷歌和Facebook都是极好的例子。他们使用机器学习来优化搜索结果以及筛选我们想要看到的新闻推送。谷歌一次解决了一个问题。他们一次为每一个人解决了搜索的难题。大的供应商在他们如今专注的AI领域方面营销工作做得特别优秀，但是企业仍然刚刚开始。弄清楚如何使用顾客数据来提升公司实力也是一个很难解决的问题。我们需要解决一系列问题，我们需要去进行案源计算，需要找到更好的解决办法。这些见解对于不同的公司来说也大相径庭，我们需要找到更加有效率的手段来为每个公司建立机器学习模型。

Sam：非常感谢Jim参加此次采访。很高兴跟你谈话，你有什么想要对观看节目的人说的吗？

Jim：来到这里让我感到非常兴奋。我很高兴Salesforce以及这个行业能够给大家带来关于人工智能的展望。

来自：36kr