Salesforce Einsteinは、Salesforceの顧客関係管理（CRM）プラットフォーム内に統合された人工知能（AI）レイヤーである。2016年に発表され、AI機能をSales Cloud、Service Cloud、Marketing Cloud、Commerce CloudなどのSalesforceの中核製品に直接組み込んでいる。Einsteinは、専門的なデータサイエンスの知識を必要とせずに、企業がタスクを自動化し、洞察を生成し、顧客とのやり取りをパーソナライズするのを支援するように設計されている。予測スコアリングや予測から自然言語処理、そして最近ではEinstein GPTとしてブランド化された生成AIツールまで、幅広い機能を包含している。
このプラットフォームの開発は、Machine learningとGenerative AIをエンタープライズソフトウェアに組み込むという、より広範な業界トレンドを反映している。スタンドアロンのAI製品とは異なり、Einsteinは企業の既存のCRMデータのコンテキスト内で動作し、営業担当者、サービスエージェント、マーケターにとってAIを利用しやすくすることを目指している。時間の経過とともに、SalesforceはEinsteinの範囲を従来の予測モデルと大規模言語モデル（LLM）ベースのアシスタントの両方を含むように拡大し、同社の「Customer 360」エコシステムの中核コンポーネントとして位置付けている。
歴史と進化
Salesforceは2016年9月のDreamforceカンファレンスでEinsteinを初めて発表し、CRMスイート向けのネイティブAIソリューションとして位置付けた。初期リリースは、リードスコアリング、商談インサイト、自動メールレコメンデーションなどの予測分析に焦点を当てていた。2018年、SalesforceはEinstein Voiceを導入し、ユーザーが音声コマンドでCRMデータとやり取りできるようにした。その後の数年間で、プラットフォーム内の検索関連性を向上させるためにDeep learningを使用したEinstein Searchなど、段階的な追加が行われた。
2023年、Salesforceが生成AI製品をEinstein GPTの傘下でブランド変更したことで、大きな転換が起こった。この動きにより、OpenAIやAnthropicなどのパートナーからのLarge language model機能がCRMに統合された。Einstein GPTは、Salesforceのワークフロー内で直接、パーソナライズされたメールを生成し、顧客対応の下書きを作成し、マーケティングコンテンツを作成するように設計された。2024年、SalesforceはEinstein Copilot（CRM全体でタスクを実行できる会話型アシスタント）とEinstein Trust Layer（AI生成コンテンツを管理するためのセキュリティフレームワーク）を導入することで、プラットフォームをさらに進化させた。
中核機能
Einsteinの予測機能は、顧客の過去のCRMデータでトレーニングされたMachine learningモデルに依存している。主な機能には、コンバージョン可能性に基づいて見込み客をランク付けするリードスコアリング、成約確率を予測する商談スコアリング、将来の売上収益を予測する予測などがある。これらのモデルは、トレーニング中の安定性を確保するためにGradient ClippingやBatch Normalizationなどの技術を使用しているが、基礎となるアルゴリズムはエンドユーザーにはほとんど不透明である。
サービスアプリケーションでは、Einsteinはケース分類、ルーティング推奨、応答提案を提供する。過去のサポートチケットを分析して新しいケースを分類し、解決策を推奨することで、解決時間を短縮する。マーケティングでは、Einsteinはオーディエンスセグメンテーション、予測送信時間最適化、コンテンツパーソナライゼーションを提供する。コマース機能には、製品レコメンデーションと顧客行動に基づく動的価格調整が含まれる。
プラットフォームには、Neural networkモデルをそれぞれ画像データとテキストデータに適用するEinstein VisionとEinstein Languageも含まれている。Einstein Visionは画像から製品を識別でき、Einstein Languageは感情分析や意図検出のために自然言語を処理する。これらのコンポーネントは、現代のLarge language modelシステムで使用されているものと同様のTransformer (architecture)アーキテクチャに基づいて構築されている。
Einstein GPTと生成AI
Einstein GPTは、CRMデータを外部LLMと組み合わせるSalesforceのGenerative AIへの進出を表している。このシステムは検索拡張生成アプローチを使用しており、関連する顧客レコードが取得され、言語モデルに渡されてコンテキストを認識した出力が生成される。例えば、営業担当者はEinstein GPTに特定のリードへのフォローアップメールの下書きを依頼でき、モデルはリードのやり取り履歴からの詳細を組み込む。
SalesforceはEinstein GPTを強化するために、OpenAI、Anthropic、Google DeepMindを含む複数のAIプロバイダーと提携している。プラットフォームはモデル選択をサポートしており、管理者はタスクごとに使用するLLMを選択できる。Einstein Trust Layerは、データマスキング、毒性検出、監査トレイルなどのガバナンス機能を追加し、生成AIに関連するリスクを軽減する。このレイヤーは、データプライバシーと幻覚に関する懸念に対処することを目的としているが、その有効性は実装によって異なる。
後に導入されたEinstein Copilotは、CRMとの会話型インタラクションを可能にすることでこれらの機能を拡張している。ユーザーは「50,000ドルを超えるすべてのオープンな商談を表示」や「このアカウントの最近のアクティビティを要約」などのコマンドを発行でき、Copilotはクエリを実行するか、要約を生成する。このアシスタントはSequence-to-Sequence (Seq2Seq)モデルに基づいて構築されており、複雑なリクエストを理解するためにMulti-Head Attentionメカニズムを使用している。
Salesforceプラットフォームとの統合
EinsteinはSalesforceのアーキテクチャに深く統合されており、他のプラットフォームコンポーネントと同じデータモデルとセキュリティプロトコルを活用している。Amazon Web Servicesインフラストラクチャ上で動作し、特定のワークロードについては一部の処理がMicrosoft AzureとGoogle Cloudによって処理される。AIモデルは、推論タスクに最適化されたSalesforce独自のAWS Trainiumベースのクラスターを通じてデプロイされる。
管理者は、コードを書かずにポイントアンドクリック構成でEinstein機能を有効にできる。プラットフォームは、追加のトレーニングデータでカスタマイズできる事前構築モデルを提供する。開発者向けに、SalesforceはAPIと、Data Augmentation技術を使用したカスタムモデルのトレーニングを可能にするEinstein Studioと呼ばれる機械学習フレームワークを提供している。外部データソースとの統合は、SalesforceのOracle Cloud InfrastructureおよびAlibaba Cloudコネクタを通じてサポートされているが、これらはあまり一般的には使用されていない。
ユースケースとアプリケーション
営業では、Einsteinはリードの優先順位付けと次のステップの推奨を支援する。一般的なユースケースは自動通話ログで、Einsteinが通話を文字起こしし、主要なアクション項目を抽出する。カスタマーサービスでは、Einsteinはエージェントにナレッジベース記事をリアルタイムで提案し、検索の労力を軽減する。マーケティングチームはEinsteinを使用して、メール送信時間を最適化し、予測されるエンゲージメントに基づいてオーディエンスをセグメント化する。
Einstein GPTは、Eコマースサイト向けのパーソナライズされた製品説明の作成など、コンテンツ生成に応用されている。また、チーム間の引き継ぎのために顧客とのやり取りの要約を生成することもできる。医療や金融などの業界では、Einsteinの予測モデルがリスク評価やコンプライアンス監視に使用されているが、これらのデプロイメントには追加のカスタマイズが必要になることが多い。
パフォーマンスと制限
Einsteinの予測精度は、データの品質と量に大きく依存している。スパースまたはノイズの多いデータでトレーニングされたモデルは、信頼性の低いスコアを生成する可能性がある。プラットフォームは予測の信頼区間を提供するが、これらはエンドユーザーにとって常に透過的であるとは限らない。生成機能は強力である一方、不正確または偏ったコンテンツを時折生成する可能性があり、SalesforceはTrust Layerのフィルタリングメカニズムを通じてこれを軽減している。
レイテンシももう1つの考慮事項である。Einstein GPTのリアルタイム推論には数秒かかる場合があり、メールの下書き作成には許容できるが、高頻度のインタラクションには問題となる可能性がある。Salesforceは応答時間を短縮するためにインフラストラクチャを最適化しているが、パフォーマンスはモデルのサイズと複雑さによって異なる。プラットフォームの価格は段階的であり、高度な機能にはより高いサブスクリプションレベルが必要となる。
エコシステムと競争
Salesforce Einsteinは、Microsoft (AI)のDynamics 365 AIやOracle Cloud InfrastructureのAdaptive Intelligenceなど、他のCRMプロバイダーのAI製品と競合している。また、APIを介して統合できる汎用アシスタントを提供するInflection AIやAI21 LabsなどのスタンドアロンAIツールとの間接的な競争にも直面している。Salesforceは、深いCRM統合と大規模なパートナーエコシステムを通じて差別化を図っている。
同社はAI研究に多額の投資を行っており、Stanford AI LabやMIT CSAILなどの学術機関と協力している。また、2016年のMetaMindや2018年のDatoramaなど、いくつかのAIスタートアップを買収し、その能力を強化している。これらの買収により、それぞれDeep learningとマーケティング分析の専門知識がもたらされた。
今後の方向性
SalesforceはEinsteinを進化させ続けており、AIをより自律的で信頼性の高いものにすることに焦点を当てている。同社は、Einstein Copilotがレコードの更新や会議のスケジュール設定など、ユーザーに代わって積極的にアクションを実行できるエージェンティックAIを模索している。これは、モデルパフォーマンスを向上させるためのReinforcement Learning from AI Feedback (RLAIF)（AIフィードバックからの強化学習）やCurriculum Learningなどの、より広範な業界トレンドと一致している。
もう1つの開発分野は、テキスト、画像、音声入力を組み合わせたマルチモーダルAIである。Einstein Visionはすでに画像認識が可能であり、将来のバージョンではエッジ処理のためにSony AIやSamsung Researchと統合される可能性がある。Salesforceはまた、Model Pruningなどの技術を使用して複雑さを軽減し、説明可能性を高めることで、モデルの解釈可能性を向上させることにも取り組んでいる。
結論
Salesforce Einsteinは、エンタープライズCRMユーザー向けにAIを民主化するための重要な試みを表している。予測機能と生成機能をビジネスワークフローに直接組み込むことで、非技術系チームにとってAI採用の障壁を低くしている。精度、プライバシー、コストには課題が残るものの、EinsteinのSalesforceの広範な顧客基盤との統合は、エンタープライズAIの分野で主要なプレーヤーとしての地位を確立している。Generative AIが進歩し続けるにつれて、Einsteinはサポートツールから顧客とのやり取りの中心的なオーケストレーターへとその役割を拡大する可能性が高い。