AI w Salesforce – część 2: Einstein Copilot w akcji

Zapraszam Was na drugą część naszej rozmowy z ekspertką Urszulą Grasl w ramach serii podcastów Salesforce na wyciągnięcie ręki. Salesforce na wyciągnięcie ręki to porcja inspirujących rozmów i historii prosto ze świata Salesforce. Ten projekt stworzony z myślą o Tobie powstał przy współpracy z samym Salesforce, aby przybliżyć tajniki technologii chmurowej, zarządzania relacjami z klientami i nie tylko.

Przygotuj się na dawkę inspiracji i wiedzy, która może zmienić Twoje spojrzenie na technologie w biznesie. Zrelaksuj się, bądź z nami i odkrywaj nieznane zakątki Salesforce w każdym odcinku. Jeśli ktoś nie słyszał naszej pierwszej części rozmowy, zapraszam do odsłuchania, a tymczasem kontynuujemy drugą część naszej rozmowy z Urszulą.

Przejdźmy sobie teraz do tych rzeczy, na samym początku moje pierwsze pytanie było jak sztuczna inteligencja w Salesforce się zmieniła od naszego spotkania. Przejdźmy sobie może na początku do Einstein Copilota. Jakbyś mogła opowiedzieć jakie mamy teraz, może na bardziej głębszym poziomie, jakie zmiany zaszły, czym się różnią od chatbotu, jak możemy z takiego Einstein Copilota korzystać.

Co najbardziej mnie kusi, żeby zacząć od tego czym się różni od chatbotu i odpowiedzieć Ci starym dowcipem o oprogramowaniu. Dawaj. Był taki dowcip, że załóżmy, że programujesz sobie bar, do którego mają wchodzić klienci i zamawiać drinki i oczywiście przed puszczeniem go do produkcji go testujesz.

Czyli testujesz i patrzysz co się stanie jeżeli klient zamówi jedno piwo, jeżeli zamówi tysiąc piw, jeżeli zamówi minus jedno piwo i możesz mieć wszystkie testy świetnie sprawdzone. Puszczasz to na produkcję i jakby patrząc w tym kontekście baru, do baru wchodzi klient i pyta gdzie jest toaleta i bar się zawiesza. Tak więc to jest trochę taki dylemat chatbotów, w których wymagają określenia całego drzewa, ścieżek decyzyjnych, żeby działać poprawnie.

I nie tylko otworzenia, ale też utrzymanie tej struktury to jest niekończący się nakład pracy. A Einstein Copilot jest dużo bardziej elastyczny, może mieć kontekst, który jest dostępny dla niego w formie danych CRM i innych źródeł wiedzy. Na przykład artykułów, dokumentów, e-maili i na tej podstawie na przykład obsłużyć dużo szerszą gamę interakcji.

Było jeszcze w Twoim pytaniu chyba dwa inne elementy. Przypomnij mi o czym jeszcze chcielibyśmy porozmawiać. Elementy były jak teraz, jak w tym momencie możemy wykorzystywać sobie na co dzień Einstein Copilota, bo też w Salesforce mówimy, że już nie będę mówił, że w przeciwieństwie do innej konkurencji, że mamy wiele różnych innych Copilotów.

W Salesforce jest jeden i jak on jest wykorzystywany w Salesforce i coś też się zmieniło od ostatniego czasu. Możemy wejść bardziej szczegółowo w pewne elementy jak został rozszerzony. Może zacznijmy od tego jak się Copilot jako produkt już trochę zmienia, może powiedzmy bardziej dorasa.

Wiadomo, że to jest świeży produkt. Tak jak Ci mówiłam, jak sam wiesz, Salesforce sobie bardzo ceni informację zwrotną od klientów o produktach i tak samo w tym przypadku our feedback becomes your features. I na podstawie tego co słyszeliśmy od pierwszych klientów, nasz zespół AI wprowadził zmiany na przykład, żeby Copilot działał jeszcze szybciej.

Wiemy, że to nie jest tak, że każdy chętnie się wpatruje w jakąś tam animację, kiedy Copilot myśli i jeszcze nie widzimy natychmiast tej odpowiedzi. Więc na tym się skoncentrowało dużo wysiłku zespołu. Inny to był jeszcze aspekt taki, żeby Copilot miał trochę więcej niż krótką pamięć, czyli był w stanie trzymać sobie kontakt z poszczególnych promptów, czyli jakby utrzymywać rozmowę.

Jeżeli mu coś powiedzieliśmy, to będzie w stanie następne odpowiedzi generować na podstawie tego, co może było w promptach wcześniej w tej wymianie. I jeszcze jedna rzecz to jest ulepszenie Copilota w takim zakresie, żeby był lepszy w łączeniu kontekstu z różnych rekordów i z różnych obiektów w Salesforce, czyli był w stanie też generować takie bardziej kompleksowe odpowiedzi. To jeżeli chodzi o produkt jako taki.

Jeżeli chodzi o zastosowanie Copilota, to tak jak mówisz, to co różni nasze podejście, to jest, że jest naprawdę jeden Copilot, jedna architektura na całą platformę CRM. Czyli niektóre akcje, które mamy zaprojektowane jako standardowe akcje w Copilota, można ich używać niezależnie od tego, czy w tym momencie jestem w Sales Cloud, czy w tym momencie jestem w Service Cloud, czy w tym momencie jestem na przykład w Marketing Cloud. Takie jak podsumuj ten rekord, albo właśnie poszukaj duplikatów.

To, co się tak naprawdę wydarzyło od ostatniego czasu, kiedy rozmawialiśmy, to jest zasób tych standardowych akcji, czyli takich szablonów, które można od razu wykorzystać. I one, tak jak mówiliśmy, zaczynały się od kilku, teraz możemy mówić o kilkudziesięciu. Ja zawsze chętnie powiem Ci, co ciekawego dzieje się w sprzedaży.

Z chęcią. To było moje kolejne pytanie, bo ten temat może być troszeczkę skomplikowany. Przejdźmy sobie teraz do konkretów, żeby każdy mógł sobie wyobrazić, jak mogę sobie takiego Einstein Copilota wykorzystywać na co dzień.

To zróbmy sobie tak, może jesteśmy w stanie się wcielić w handlowca, który ma na pewno więcej klientów i rzeczy do zrobienia niż czasu. Wyobraźmy sobie, że ta osoba korzysta z Salesforce'a w tradycyjny sposób. Żeby się przygotować do spotkania, na pewno trzeba zobaczyć, co się działo ostatnio z danym accountem, trzeba zobaczyć, czy są jakieś newsy, o których być może nie wiemy, ale wypadałoby je wiedzieć, zanim podniesiemy tą słuchawkę, czy zanim się włączymy na ten video call.

Jeżeli chcemy zaoszczędzić sobie czas, a mimo wszystko być rewelacyjnie przygotowanym do tego spotkania, możemy zapytać Copilota. Podsumuj, co się działo na przykład w, powiedzmy, że w Coffee & Force, to jest nasz klient. Co się działo ostatnio w Coffee & Force? I dostaniemy podsumowanie, jakie wydarzenia działy się z tym klientem.

Oprócz tego możemy już teraz, Copilot ma dostęp też do danych z sieci, na przykład wiadomości, więc możemy zapytać, jakie są newsy związane z Coffee & Force. A specjalnie jeszcze zobaczmy, jakie są newsy o Łukaszu Bujło, bo być może Łukasz oprócz tego, że pracuje u tego klienta, może został awansowany, albo jeszcze coś innego się działo, o którego chcemy wiedzieć. Więc to od razu jakby ułatwia nam przygotowanie się do spotkania.

Możemy sprawdzić, ok, po spotkaniu, tak jak mówiłam, wygenerować sobie podsumowanie tego spotkania. Super, nie trzeba zrobić notatek, można się po prostu skoncentrować na rozmowie z klientem. To jeszcze tutaj może się zatrzymam, jeżeli chodzi o podsumowanie z klientem.

Mamy rozmowy audio, mamy rozmowy wideo, to jakbyś mogła troszeczkę powiedzieć wcześniej, bo to fajnie brzmi, tak powiem troszeczkę marketingowo możemy sobie wygenerować, ale przejdźmy sobie do konkretów, z jakich narzędzi możemy korzystać, czy rzeczywiście każdą rozmowę możemy nagrać, bo jeżeli nie będziemy mieć połączenia z Salesforce, no to jak wygeneruję podsumowanie, tak? Dokładnie, jeżeli mamy sobie z czegoś generować, to sztuczna inteligencja nie jest magią. Sztuczna inteligencja pomaga nam przetwarzać dane, które udało nam się zebrać. Wracając do tego, że nikt nie lubi update'ować CRM-a, nikt nie lubi, ale jeżeli tego nie lubimy, a mimo wszystko informacje chcemy mieć, to musimy podłączyć nasz kalendarz, musimy nagrywać nasze rozmowy, na przykład przez Teams'y albo przez Google Meet, możemy to wszystko zrobić, przez CTA, czyli rozmowy głosowe też, ale to może dziać się automatycznie, jeśli jesteśmy otwarci na to, żeby tego skorzystać.

Chciałam wrócić do tego nagrywania rozmów, czy każdą rozmowę możemy nagrywać. Myślę, że to jest oczywiste, szczególnie dla nas w Europie, ale nie, nie każdą rozmowę możemy nagrywać. Nie zawsze klient zgodzi się na to, żeby tę rozmowę nagrywać.

Widzieliśmy na przykład, że rozmowy, z których można skorzystać łatwo, to są te, które na przykład prawo wymaga od nas, żeby je nagrywać, tak? Tu mamy jeden problem rozwiązany, ale nie, nie możemy nagrywać każdej rozmowy i nie możemy nagrywać rozmów, które nie są zajestrowane w CRM-ie. Nie wiem, czy to odpowiada na twoje pytanie. Nie, no pewnie, okej, to wiemy jak już zrobić, więc wiemy, że jak mamy nagrywane, mamy połączenie Salesforce'a, powiedziałaś o tych najbardziej podstawowych platformach, między innymi właśnie Teams'y czy Google Meet.

I Zoom. Tak, Zoom, możemy sobie zautomatyzować, mamy podsumowania, okej, i możemy kontynuować tę historię dalej, więc mamy podsumowanie takiej rozmowy. Mamy takie podsumowanie, czyli mamy notatki na nasz użytek, jeżeli my pójdziemy na urlop i ktoś inny w naszym zespole będzie z tym klientem się komunikował, będzie w stanie sobie po prostu przeczytać notatkę z rozmowy.

Ale to nie wszystko, chcielibyśmy, jakby to wypadało, oczywiście wysłać notatkę do klienta z podsumowaniem, co było uzgodnione, jakie są następne kroki, być może mówić się na następne spotkanie. To też można sobie zautomatyzować, w tym Copilot też nam pomoże. I dostaniemy też propozycję tego maila, oczywiście, którego możemy sobie edytować.

I jeżeli skorzystamy z tego, znowu, jest to wydarzyło się to w Salesforce'ie, będzie to zalogowane w Salesforce'ie, nie musimy wracać, pytać, mieliśmy wymianę emailową i co z niej wynikło. Fajny jest też jakby ten element, że możemy sobie zautomatyzować ten proces ustalania terminów spotkań. Sam wiesz, Twój kalendarz pewnie też nie jest pusty.

Zanim się dogadamy z kimś na wymianie maila, kiedy jakiś termin pasuje, chwilę to zajmuje. Możemy sobie też z Copilotem i standardowymi akcjami zautomatyzować, bo wiadomość, która wychodzi do Twojego partnera czy do Twojego klienta, można zawrzeć możliwości, gdyby Ci pasowało się spotkać. I jeżeli osoba zaakceptuje któryś z tych terminów, to znowu, jeżeli masz podłączony kalendarz do CRM'a, to będziesz mógł w Salesforce'ie od razu zobaczyć, że spotkanie zostało zaplanowane dla Ciebie.

Lubicie nasze rozmowy o Salesforce? Kliknijcie subskrybuj i bądźcie na bieżąco z każdym nowym odcinkiem. Twoja kolejna porcja inspiracji już w drodze. Dołącz do nas.

Wspomniałeś takiej bieżącej, codziennej pracy sprzedawców, którzy planują rozmowę z klientem, następnie przeprowadzają ją, mamy podsumowanie zautomatyzowane. Ale bardzo spodobało mi się to, co powiedziałeś. Troszkę przejdźmy sobie do tego predyktywnego, gdzie mieliśmy np.

lead scoring, albo mówiłaś przed chwilą, że mamy możliwość wyszukiwania podobnych klientów. Jakbyśmy mogli zatrzymać się może na takim aspekcie, jak tutaj Salesforce, sztuczna inteligencja wspiera i pomaga w takich dodatkowych casach, może nie w takiej codziennej pracy. Chciałabym dzisiaj zacząć z tego lead scoringu, bo to jest taki trochę, nie powiem nieszczęsny przypadek, ale taki przypadek, w którym dużo się już mówiło.

Wiadomo, że to jest predyktywna sztuczna inteligencja, jest model, który ocenia jaka jest szansa, że dany lead albo dany opportunity będzie rzeczywiście z sukcesem będziemy w stanie tam sprzedać. I ja Ci powiem, wcześniej dużo takich rozmów, które ja miałam z klientami, kończyło się tym, okej, a na czym się opiera ten model? Słuszne pytanie. Czy tylko na rzeczach, które są zarejestrowane w Sales Cloud? Ja musiałam powiedzieć tak, tylko na rzeczach, które są zarejestrowane w Sales Cloud.

A do tego oczywiście następne pytanie jest, no a jeżeli klient ma trzy otwarte case'y serwisowe, to wiadomo, że to wpływa na jego skłonność zakupienia czegoś innego. Albo jeżeli wiemy, że w mediach społecznościowych zachwyca się naszym produktem, też to wpływa na jego chęć zakupu. Model nasz lead scoring tego nie uwzględnia.

No nie, ale to było w przeszłości. A teraz mamy konektor z Sales Cloud do Data Cloud, w którym możemy podłączyć sobie te dodatkowe inne informacje o tym, które składają się na taki uniwersalny profil przyjęta. Podłączanie wszystkich informacji, które już są w Sales Force na różnych cloudach, nic łatwiejszego niż to.

Podłączanie innych zbiorów danych, też jest zbudowane chyba 30 różnych konektorów, które umożliwiają po prostu podłączenie tego i zunifikowanie do jednego profilu. Czyli w tym momencie, jeżeli chcesz mieć bardzo dobry i dokładny model scoringu, można to sobie zrobić, tylko trzeba to wtedy zdefiniować, co jeszcze, jakie czynniki chcemy wziąć pod uwagę w tym, jaki score będziemy takiemu leadowi na przykład przydzielać. No skoczyliśmy trochę do Data Cloud, mniej niż do generatywnej sztucznej inteligencji, ale wydaje mi się, że to jest warte podniesienia, bo to jest zdecydowanie duża różnica.

Ja wiem, że nikt nie chce sztucznej inteligencji wyrażać po prostu dla sportu. Jeżeli jakiś model się nie sprawdza, nie jest, widzimy, że to, co model przewiduje wersus to, co się dzieje w rzeczywistości, to nie jest specjalnie blisko, to wpływa na satysfakcję użytkowników, na ich zaufanie do tego modelu, na ich adopcję, więc myślę, że możliwość tego właśnie dopisywania modelu w dużo bardziej kompleksowy sposób otwiera też drzwi do tego, żeby to były modele, które naprawdę się sprawdzają. A jaka jest Twoja ulubiona funkcjonalność, jeżeli chodzi o sztuczną inteligencję w Sales Cloud? Ja Ci muszę powiedzieć, że dla mnie ja korzystam dużo z generowania tekstu.

Ja pracuję w product marketingu. Moim pierwszym językiem jest język polski, mimo że tu się pewnie zacinam na tym podcastie, ale napisanie czegoś szybko po angielsku, czy to jest właśnie opis, czy to jest podsumowanie jakiegoś dokumentu, nawet jeżeli to jest pierwszy draft, który ja sobie będę potem edytować, to mi naprawdę ułatwia pracę. I też korzystam z tego, że właśnie chcę coś podejrzeć sobie o jakimś kliencie, nie muszę szukać po całym CRM-ie, o co tam chodzi, czy to jest na przykład dobry kandydat na success story.

Mogę sobie zadać to pytanie i dostać na nie odpowiedź. I korzystasz z Einstein Copilot'a? Korzystam. Nawet nie myślę o tym, nawet zapominam, po prostu zadaję pytanie i dostaję odpowiedź.

Mówimy sobie o Einstein Copilot'cie, przejdźmy sobie do Einstein Copilot Studio i jak byśmy mogli tutaj popatrzeć sobie z takiej perspektywy, może troszeczkę głębszej, jakie mamy funkcjonalności, do czego dokładnie to służy i jak zarządzić tym produktem. Tu muszę Ci powiedzieć, jeżeli chodzi o Einstein Copilot Studio, słyszę zachwyty od technicznych użytkowników. Ja Einstein Copilot Studio nie używam.

Jeszcze, może powinnam powiedzieć. Jak widzę, jak łatwo jest pewne rzeczy definiować albo sobie konfigurować, to na pewno nie jest rocket science, ale Copilot Studio to jest narzędzie, które pozwala modyfikować i rozszerzać zadań, które generatywna sztuczna inteligencja może dla nas wykonywać. Wiadomo, że tak samo jak sobie powiedzmy rozpakujemy Salesforce.org, to różne rzeczy trzeba sobie poustawiać i dopasować.

To samo jest prawdą, jeżeli chodzi o sztuczną inteligencję. I są trzy elementy Einstein Copilot Studio, które pozwalają nam to zrobić. Zaczynając od tak zwanego Prompt Builder.

To w sumie trochę takie zagadkowe jest, bo myślimy sobie, no jak to, przecież użytkownicy po prostu piszą prompty. Ale w biznesowych sytuacjach jest tak, że jest zdecydowana większość akcji, które użytkownicy chcą, można je skonfigurować jako takie standardowe prompty szablony dla operacji, które będą często wykorzystywane, które się często powtarzają. Daliśmy przykłady dla handlowców na przykład.

Te szablony można potem wykorzystywać na przykład jako elementy flows. I zaleta tego jest taka, że właśnie możemy tworzyć te szablony, które są specyficzne dla naszej organizacji. Ja mogę Ci powiedzieć, na naszym przykładzie jako Salesforce'a, my też na przykład musieliśmy sobie skonfigurować dodatkowy prompt, oprócz tego call summary.

Czyli takie podsumowanie, jakie w standardowym produkcie jest, dostaliśmy feedback od naszych sprzedawców, że nie wszystko jest tam zawarte, co oni by chcieli. Więc mamy advanced call summary. On jest po prostu skonstruowany inaczej.

To jest prompt builder. Następnym elementem jest action builder, który pozwala nam dodawać nowe działania do znowu biblioteki takich standardowych działań, czy standardowych akcji. Czyli to są instrukcje albo listy kroków, które trzeba wykonać, żeby jakieś zadanie wykonać.

Czyli np. wygenerować odpowiedź na prompt. Czyli to może być, jeżeli np.

ktoś mówi podaj mi listę moich pięciu najlepszych klientów. Żeby podać tą listę, trzeba powiedzieć sobie ok, to co to znaczy? Klienci to są akaunty, w których coś już sprzedaliśmy. Co to znaczy najlepszy? Może najlepszy musimy zdefiniować jeszcze semantycznie, co to jest.

I moich klientów, czyli patrzmy tylko na klientów, którzy są w moim portfelu jako sprzedawcy. Więc to byłby action builder. I jest jeszcze model builder, który podejrzewam, że techniczny użytkownik są tutaj grupą naszą docelową.

I to jest właśnie ta możliwość dodawania sobie i modyfikowania modeli AI, które mają być używane u nas. Np. właśnie rozmawialiśmy trochę o tych lead scoringu, ale możemy sobie zbudować np. model propensity to buy, który bazuje nie tylko na tym, co jest w seremie, ale na tym, jak użytkownik się zachowuje w mediach społecznościowych. Albo tak jak mówiliśmy w przypadku producenta samochodów, może są tam elementy z diagnostyki pojazdu, bo wiemy, że kończy się gwarancja, są jakieś znaki, że ten samochód będzie potrzebował dodatkowego serwisu. W związku z tym klient chce czy nie chce, będzie bardziej skłonny pojawić się w semisie.

I tutaj postawimy sobie kropkę i zakończymy drugą część naszego podcastu. W trzeciej, ostatniej części podcastu porozmawiamy o roli data cloud w AI, przykładach komercyjnych drożeń sztucznej inteligencji w Salesforce, czy w ogóle o przyszłości AI. Przypominamy, że jesteśmy dostępni w większości platform podcastowych, dlatego pamiętajcie, aby nas subskrybować.

Dziękujemy i zapraszamy na ostatnią, trzecią część podcastu. Do usłyszenia za chwilę. Total o technologii i ekosystemie Salesforce w Polsce.

Podcasty, aktualności, wydarzenia. Nie tylko przy kawie. coffeeforce.pl