Salesforce Einstein은 Salesforce 고객 관계 관리(CRM) 플랫폼 내에 통합된 인공지능(AI) 계층입니다. 2016년에 출시되었으며, Sales Cloud, Service Cloud, Marketing Cloud, Commerce Cloud와 같은 Salesforce의 핵심 제품에 AI 기능을 직접 내장합니다. Einstein은 기업이 전문적인 데이터 과학 지식 없이도 작업을 자동화하고, 통찰력을 생성하며, 고객 상호작용을 개인화할 수 있도록 설계되었습니다. 예측 점수 산정 및 예측에서 자연어 처리, 최근에는 Einstein GPT로 브랜드화된 생성형 AI 도구에 이르기까지 다양한 기능을 포함합니다.
플랫폼의 개발은 Machine learning 및 Generative AI를 엔터프라이즈 소프트웨어에 내장하는 더 넓은 산업 트렌드를 반영합니다. 독립형 AI 제품과 달리 Einstein은 기업의 기존 CRM 데이터 맥락 내에서 작동하며, 영업 담당자, 서비스 에이전트, 마케터가 AI에 쉽게 접근할 수 있도록 하는 것을 목표로 합니다. 시간이 지남에 따라 Salesforce는 전통적인 예측 모델과 대규모 언어 모델(LLM) 기반 어시스턴트를 모두 포함하도록 Einstein의 범위를 확장하여, 이를 'Customer 360' 생태계의 핵심 구성 요소로 자리매김했습니다.
역사와 진화
Salesforce는 2016년 9월 Dreamforce 컨퍼런스에서 Einstein을 처음 발표하며, 이를 CRM 제품군을 위한 네이티브 AI 솔루션으로 포지셔닝했습니다. 초기 릴리스는 리드 점수 산정, 기회 통찰력, 자동화된 이메일 추천과 같은 예측 분석에 중점을 두었습니다. 2018년 Salesforce는 음성 명령으로 CRM 데이터와 상호작용할 수 있게 하는 Einstein Voice를 도입했습니다. 이후 몇 년 동안 플랫폼 내 검색 관련성을 개선하기 위해 Deep learning을 사용하는 Einstein Search를 포함한 점진적 추가가 이루어졌습니다.
2023년 Salesforce가 생성형 AI 제품군을 Einstein GPT 우산 아래로 리브랜딩하면서 중요한 변화가 발생했습니다. 이 움직임은 OpenAI 및 Anthropic과 같은 파트너의 Large language model 기능을 CRM에 통합했습니다. Einstein GPT는 Salesforce 워크플로 내에서 직접 개인화된 이메일을 생성하고, 고객 응답을 초안 작성하며, 마케팅 콘텐츠를 만들도록 설계되었습니다. 2024년 Salesforce는 CRM 전반에 걸쳐 작업을 실행할 수 있는 대화형 어시스턴트인 Einstein Copilot과 AI 생성 콘텐츠 관리를 위한 보안 프레임워크인 Einstein Trust Layer를 도입하여 플랫폼을 더욱 발전시켰습니다.
핵심 기능
Einstein의 예측 기능은 고객의 과거 CRM 데이터로 훈련된 Machine learning 모델에 의존합니다. 핵심 기능에는 전환 가능성에 따라 잠재 고객을 순위화하는 리드 점수 산정, 거래 성사 확률을 예측하는 기회 점수 산정, 미래 판매 수익을 예측하는 예측이 포함됩니다. 이러한 모델은 훈련 중 안정성을 보장하기 위해 Gradient Clipping 및 Batch Normalization과 같은 기술을 사용하지만, 기본 알고리즘은 최종 사용자에게 대체로 불투명합니다.
서비스 애플리케이션의 경우 Einstein은 사례 분류, 라우팅 추천, 응답 제안을 제공합니다. 과거 지원 티켓을 분석하여 새 사례를 분류하고 솔루션을 추천하여 해결 시간을 줄입니다. 마케팅에서 Einstein은 잠재 고객 세분화, 예측 전송 시간 최적화, 콘텐츠 개인화를 제공합니다. 커머스 기능에는 제품 추천과 고객 행동에 따른 동적 가격 조정이 포함됩니다.
플랫폼에는 이미지 및 텍스트 데이터에 각각 Neural network 모델을 적용하는 Einstein Vision과 Einstein Language도 포함됩니다. Einstein Vision은 이미지에서 제품을 식별할 수 있으며, Einstein Language는 감정 분석 및 의도 탐지를 위해 자연어를 처리합니다. 이러한 구성 요소는 현대 Large language model 시스템에서 사용되는 것과 유사한 Transformer (architecture) 아키텍처를 기반으로 구축되었습니다.
Einstein GPT 및 생성형 AI
Einstein GPT는 CRM 데이터를 외부 LLM과 결합하는 Salesforce의 Generative AI 진출을 나타냅니다. 시스템은 관련 고객 기록을 가져와 언어 모델에 전달하여 맥락에 맞는 출력을 생성하는 검색 증강 생성 접근 방식을 사용합니다. 예를 들어, 영업 담당자는 Einstein GPT에 특정 리드에게 후속 이메일을 초안 작성하도록 요청할 수 있으며, 모델은 리드의 상호작용 기록에서 세부 정보를 통합합니다.
Salesforce는 OpenAI, Anthropic, Google DeepMind를 포함한 여러 AI 제공업체와 파트너십을 맺어 Einstein GPT를 지원합니다. 플랫폼은 모델 선택을 지원하여 관리자가 작업에 따라 사용할 LLM을 선택할 수 있게 합니다. Einstein Trust Layer는 데이터 마스킹, 유해성 탐지, 감사 추적과 같은 거버넌스 기능을 추가하여 생성형 AI와 관련된 위험을 완화합니다. 이 계층은 데이터 개인정보 보호 및 환각에 대한 우려를 해결하기 위한 것이지만, 그 효과는 구현에 따라 다릅니다.
나중에 도입된 Einstein Copilot은 CRM과의 대화형 상호작용을 가능하게 하여 이러한 기능을 확장합니다. 사용자는 '50,000달러 이상의 모든 진행 중인 거래를 보여줘' 또는 '이 계정의 최근 활동을 요약해줘'와 같은 명령을 내릴 수 있으며, Copilot은 쿼리를 실행하거나 요약을 생성합니다. 어시스턴트는 Sequence-to-Sequence (Seq2Seq) 모델을 기반으로 구축되었으며 Multi-Head Attention 메커니즘을 사용하여 복잡한 요청을 이해합니다.
Salesforce 플랫폼과의 통합
Einstein은 Salesforce 아키텍처에 깊이 통합되어 있으며, 다른 플랫폼 구성 요소와 동일한 데이터 모델 및 보안 프로토콜을 활용합니다. Amazon Web Services 인프라에서 작동하며, 특정 워크로드의 경우 일부 처리는 Microsoft Azure 및 Google Cloud에서 처리됩니다. AI 모델은 추론 작업에 최적화된 Salesforce 자체 AWS Trainium 기반 클러스터를 통해 배포됩니다.
관리자는 코드를 작성하지 않고도 포인트 앤 클릭 구성으로 Einstein 기능을 활성화할 수 있습니다. 플랫폼은 추가 훈련 데이터로 사용자 지정할 수 있는 사전 구축 모델을 제공합니다. 개발자를 위해 Salesforce는 Data Augmentation 기술을 사용한 사용자 지정 모델 훈련을 허용하는 API와 Einstein Studio라는 머신 러닝 프레임워크를 제공합니다. 외부 데이터 소스와의 통합은 Salesforce의 Oracle Cloud Infrastructure 및 Alibaba Cloud 커넥터를 통해 지원되지만, 이러한 사용은 덜 일반적입니다.
사용 사례 및 애플리케이션
영업에서 Einstein은 리드를 우선순위화하고 다음 단계를 추천하는 데 도움을 줍니다. 일반적인 사용 사례는 Einstein이 통화를 전사하고 주요 실행 항목을 추출하는 자동 통화 기록입니다. 고객 서비스의 경우 Einstein은 에이전트에게 실시간으로 지식 베이스 문서를 제안하여 검색 노력을 줄입니다. 마케팅 팀은 Einstein을 사용하여 이메일 전송 시간을 최적화하고 예측된 참여를 기반으로 잠재 고객을 세분화합니다.
Einstein GPT는 전자상거래 사이트용 개인화된 제품 설명 생성과 같은 콘텐츠 생성 애플리케이션에서 활용됩니다. 또한 팀 간 핸드오프를 위한 고객 상호작용 요약을 생성할 수 있습니다. 의료 및 금융과 같은 산업에서 Einstein의 예측 모델은 위험 평가 및 규정 준수 모니터링에 사용되지만, 이러한 배포는 종종 추가 사용자 지정이 필요합니다.
성능 및 한계
Einstein의 예측 정확도는 데이터 품질과 양에 크게 의존합니다. 희소하거나 노이즈가 많은 데이터로 훈련된 모델은 신뢰할 수 없는 점수를 생성할 수 있습니다. 플랫폼은 예측에 대한 신뢰 구간을 제공하지만, 이는 최종 사용자에게 항상 투명하지는 않습니다. 생성 기능은 강력하지만 때때로 부정확하거나 편향된 콘텐츠를 생성할 수 있으며, Salesforce는 Trust Layer의 필터링 메커니즘을 통해 이를 완화합니다.
지연 시간도 또 다른 고려 사항입니다. Einstein GPT의 실시간 추론은 몇 초가 걸릴 수 있으며, 이는 이메일 초안 작성에는 허용될 수 있지만 고빈도 상호작용에는 문제가 될 수 있습니다. Salesforce는 응답 시간을 줄이기 위해 인프라를 최적화했지만, 성능은 모델 크기와 복잡성에 따라 다릅니다. 플랫폼의 가격은 계층화되어 있으며, 고급 기능은 더 높은 구독 수준이 필요합니다.
생태계 및 경쟁
Salesforce Einstein은 Microsoft (AI)의 Dynamics 365 AI 및 Oracle Cloud Infrastructure의 Adaptive Intelligence를 포함한 다른 CRM 제공업체의 AI 제품과 경쟁합니다. 또한 API를 통해 통합할 수 있는 범용 어시스턴트를 제공하는 Inflection AI 및 AI21 Labs와 같은 독립형 AI 도구와 간접적으로 경쟁합니다. Salesforce는 깊은 CRM 통합과 대규모 파트너 생태계를 통해 차별화합니다.
회사는 AI 연구에 막대한 투자를 했으며, Stanford AI Lab 및 MIT CSAIL과 같은 학술 기관과 협력하고 있습니다. 또한 2016년 MetaMind와 2018년 Datorama를 포함한 여러 AI 스타트업을 인수하여 역량을 강화했습니다. 이러한 인수는 각각 Deep learning 및 마케팅 분석에 대한 전문성을 가져왔습니다.
미래 방향
Salesforce는 Einstein을 계속 발전시키며, AI를 더 자율적이고 신뢰할 수 있게 만드는 데 중점을 두고 있습니다. 회사는 Einstein Copilot이 기록 업데이트나 회의 일정 잡기와 같은 사용자 대신 작업을 사전에 수행할 수 있는 에이전트형 AI를 탐구하고 있습니다. 이는 모델 성능을 개선하기 위한 Reinforcement Learning from AI Feedback (RLAIF)(AI 피드백 기반 강화 학습) 및 Curriculum Learning과 같은 더 넓은 산업 트렌드와 일치합니다.
또 다른 개발 영역은 텍스트, 이미지, 음성 입력을 결합한 다중 모달 AI입니다. Einstein Vision은 이미지 인식이 가능하며, 향후 버전은 엣지 처리를 위해 Sony AI 및 Samsung Research와 통합될 수 있습니다. Salesforce는 또한 Model Pruning과 같은 기술을 사용하여 복잡성을 줄이고 설명 가능성을 향상시키는 모델 해석 가능성 개선을 위해 노력하고 있습니다.
결론
Salesforce Einstein은 엔터프라이즈 CRM 사용자를 위해 AI를 민주화하려는 중요한 시도를 나타냅니다. 예측 및 생성 기능을 비즈니스 워크플로에 직접 내장함으로써 비기술 팀의 AI 채택 장벽을 낮춥니다. 정확성, 개인정보 보호, 비용 측면에서 과제가 남아 있지만, Einstein의 Salesforce의 광범위한 고객 기반과의 통합은 엔터프라이즈 AI 환경에서 주요 플레이어로 자리매김하게 합니다. Generative AI가 계속 발전함에 따라 Einstein은 지원 도구에서 고객 상호작용의 중앙 오케스트레이터로 역할을 확장할 가능성이 높습니다.