'Digitale verplegers' kunnen patiënten straks voorbereiden op hun operatie

De evolutie van AI verloopt in golven. Op welke golf ben jij ingestapt bij Salesforce?

,,Bij Salesforce zijn we altijd bezig om klanten en bedrijven dichter bij elkaar te brengen, en effectiever met elkaar te laten communiceren. We brengen hiervoor al 25 jaar relevante klantdata samen. De mogelijkheden om daar waardevolle inzichten uit te genereren nemen met de dag toe. Toen ik in 2016 startte bij Salesforce lag de focus met name op predictive analytics. Je kunt daarmee belangrijke ontwikkelingen in de klantrelatie voorspellen. Is een klant bijvoorbeeld klaar voor een nieuwe bestelling, of staat hij op het punt over te stappen naar een andere leverancier?"

Wat voegen Generative AI en Large Language Models toe aan dat voorspellende datagebruik?

,,Large Language Models als GPT en Gemini zijn getraind op zeer grote data sets. Ze zijn daardoor eenvoudig gezegd heel goed geworden in het voorspellen van patronen. Daardoor kunnen deze taalmodellen ons steeds meer 'standaardwerk' uit handen gaan nemen. Bijvoorbeeld door het automatisch beantwoorden van eenvoudige emails. Met behulp van retrieval-augmented generation kun je deze LLM's 'verrijken' met je eigen CRM- of andere data. Zonder aanvullende training, kan het model dan op veilige en privacybewuste wijze veel klantgerichtere emails kan gaan produceren."

Is het delen van je eigen bedrijfsdata met deze grote LLM-modellen wel zo verstandig?

,,Je moet daar inderdaad heel goed mee uitkijken. Onze Einstein Trust Layer maakt het mogelijk om Generative AI veilig en verantwoord toe te passen binnen je eigen bedrijfsprocessen. Die laag maskeert bijvoorbeeld standaard de gevoelige gegevens in jouw data sets, en zorgt ook dat de resulterende inzichten alleen bij de juiste personen terecht komen. Bovendien hebben wij afspraken met grote LLM-providers dat zij geen vanuit Salesforce gedeelde informatie opslaan. Dankzij andere afspraken kunnen ook veilig data gebruiken die bedrijven opslaan bij andere grote datapartijen."

Onze AI-technologie helpt met het plannen van afspraken en samenvatten van vergaderingen. Zo bespaarden onze medewerkers het afgelopen kwartaal in totaal 50.000 uur.

Je medewerkers kunnen hierdoor veel efficiënter werken. Heb je een concreet voorbeeld?

,,In elke organisatie zijn medewerkers veel tijd kwijt met het zoeken naar informatie. Wat de officiële procedure voor een nieuw project? Of: waar kan ik een nieuwe badge of parkeerplek aanvragen? Al die verschillende informatie stellen Salesforce-medewerkers nu conversational via Slack. Zo ging de gemiddelde tijd waarin wij een vraag van een medewerker beantwoorden van 48 uur naar 30 minuten. Tegelijk helpt onze AI-technologie met het plannen van afspraken en samenvatten van vergaderingen. Zo bespaarden onze medewerkers het afgelopen kwartaal in totaal 50.000 uur."

Wat is de volgende fase in de ontwikkeling van deze AI-gedreven technologie?

,,Ik ben erg enthousiast over de mogelijkheden van AI Agents en Large Action Models. AI Agents zijn kortgezegd een extra gebruikslaag bovenop een Large Language Model. Om zo'n model aan het werk te zetten, moet je telkens opnieuw prompts invoeren. Een AI Agent kan intenties van een gebruiker analyseren, een plan bedenken en acties uitvoeren. Daardoor kan zo'n agent redelijk autonoom allerlei specifieke taken voor je gaan uitvoeren, zonder dat je daar zelf nog veel werk aan hebt. Met ons AgentForce-platform creëren bedrijven nu snel hun eigen agents voor specifieke taken."

Wat zijn veelgebruikte toepassingen voor deze met AgentForce ontwikkelde hulpjes?

,,We zien nu bijvoorbeeld al veel agents die worden ingezet als meer intelligente en veelzijdige chatbots. Bij de inzet voor webshops beantwoorden ze veel gestelde vragen, geven ze informatie over bezorgtijden, beheren ze retouren en verwerken ze terugbetalingen. De servicemedewerkers hebben hierdoor meer tijd om meer complexe interacties met klanten af te handelen. In een verkoopomgeving worden ze bijvoorbeeld ook ingezet voor het kwalificeren van leads en het personaliseren van emails. Ook hier kunnen verkopers hun tijd daardoor efficiënter besteden."

Large Action Models gaan een stap verder: zij integreren geavanceerd redeneren, plannen en uitvoeren in één systeem

Wat voegen de door jou genoemde Large Action Models toe aan deze mogelijkheden?

,,AI Agents werken met een vooraf geformuleerde set instructies. Large Action Models gaan een stap verder: zij integreren geavanceerd redeneren, plannen en uitvoeren in één systeem. Je kunt ze daardoor inzetten voor veel complexere taken. In de gezondheidszorg werken we bijvoorbeeld al aan een use case waarbij een 'digitale verpleger' patiënten opbelt om ze voor te bereiden op een naderende operatie. Naast het beantwoorden van de meest uiteenlopende vragen kan het aansturende model ook contact maken met andere systemen om aanvullende informatie op te halen."

Waarom zouden organisaties Salesforce betrekken bij het ontwikkelen van deze mogelijkheden?

,,Ik denk dat schaal een van de belangrijkste redenen is. Bij Salesforce werken op dit moment 13.000 mensen aan product development. Zij hebben niet alleen heel veel kennis opgebouwd over het werken met complexe AI-technologie, maar ook met het ontwikkelen van use cases die echt het verschil kunnen maken. Hierdoor kunnen we Salesforce-oplossingen en andere databronnen op een eenvoudige manier ontsluiten voor marketing, verkoop, contact centers en andere gebruikers. Onze klanten kunnen zich hierdoor geheel focussen op hogere productiviteit en nieuwe klantervaringen."