Data 360：为什么 Salesforce 的人工智能依赖统一数据
- Alan Oliveira
- 5小时前
- 讀畢需時 2 分鐘
企业智能体的能力依赖一层不太显眼的基础：互联数据、可信上下文以及足以约束决策与行动的治理。
要查看品牌的完整分析，请访问 Salesforce 完整内容.
企业 AI 的问题在模型之前就已经开始
企业把数据积累在不同系统中。销售了解客户的一部分，客服了解另一部分，营销记录其他信号，外部应用又增加新的数据层。
模型可以非常先进，但如果输入的上下文是碎片化的，输出也会受到限制。
因此，企业 AI 的质量取决于与模型交互之前就已经存在的数据架构。
统一数据不等于把所有内容复制到同一个地方
如果不解决身份、质量和意义的问题，仅仅集中数据只会得到一个更大的存储库。
真正的统一需要关联记录、识别实体、遵守权限，并让不同信息能够被解释为同一个业务上下文的一部分。
正是这一层把数据量转化为可实际使用的信息。
智能体需要可信的上下文
企业智能体可以回答、推荐或执行操作。自主性越高，就越需要准确理解客户、规则、历史和当前状态。
缺乏上下文时，自动化可能只是加速错误。有了可信数据，AI 才能给出更具体的回答并采取更合适的行动。
Data 360 的重要性在于把智能体的承诺与让它们真正有用所需的基础设施连接起来。
治理会成为智能的一部分
企业数据涉及访问、隐私、安全和运营规则。智能系统不仅要知道有哪些数据，还必须知道哪些数据可以使用、可以在什么情境下使用。
治理不再只是独立于 AI 的行政步骤，而会直接影响自动化决策的质量与安全。
智能体执行的任务越多，这种治理纪律就越重要。
优势并不只来自模型
AI 模型往往扩散得很快，但结构化数据、运营历史以及与实际流程的集成更难复制。
竞争优势可能来自模型、上下文、治理以及在真实工作流中采取行动的能力之间的组合。
Salesforce 正是在押注企业数据与智能体之间的结合。
继续分析
来源
查看 Salesforce 完整分析
本文深入分析公司战略中的一个具体部分。完整分析还包括定位、社区、品类转型、增长以及人工智能的新阶段。
留言