Salesforce Research é a divisão de pesquisa em inteligência artificial da Salesforce, uma empresa de software baseada em nuvem com sede em São Francisco, Califórnia. O grupo conduz pesquisa fundamental e aplicada em inteligência artificial, aprendizado de máquina e áreas relacionadas, com ênfase particular em processamento de linguagem natural, visão computacional e aprendizado por reforço. Seu trabalho é integrado aos produtos de gerenciamento de relacionamento com o cliente (CRM) da Salesforce, incluindo os recursos de IA Einstein que auxiliam equipes de vendas, serviços e marketing.
A organização foi estabelecida em 2014 sob a liderança de Richard Socher, que atuou como cientista-chefe até 2020. Opera como um laboratório de pesquisa corporativo, semelhante em escopo ao Google DeepMind ou OpenAI, mas com foco em software empresarial em vez de IA de propósito geral. A Salesforce Research publicou centenas de artigos revisados por pares em conferências importantes como NeurIPS, ICML e ACL, e mantém colaborações com instituições acadêmicas, incluindo Stanford AI Lab, MIT CSAIL e University of Toronto.
Principais Contribuições para a IA
A Salesforce Research é mais conhecida por desenvolver a arquitetura baseada em Transformer (architecture) chamada ProTran, introduzida em 2019, que melhorou a eficiência do treinamento de modelos de linguagem de grande escala usando um mecanismo dinâmico de atenção token a token. Esse trabalho influenciou modelos posteriores no campo, embora não tenha alcançado a mesma proeminência comercial que os modelos da OpenAI ou Anthropic. O grupo também contribuiu para o aprendizado sequência a sequência, particularmente no contexto de IA conversacional e resposta a perguntas.
Em 2020, a Salesforce Research lançou o CTRL, um modelo de linguagem transformer condicional que podia ser controlado por meio de códigos de controle para gerar texto com estilos ou tópicos específicos. Esse foi um dos primeiros esforços para tornar as saídas de IA generativa mais direcionáveis, um conceito posteriormente adotado por outros laboratórios. A equipe também desenvolveu o conjunto de dados QuALITY para compreensão de leitura de documentos longos, que se tornou um benchmark para avaliar modelos de aprendizado profundo em tarefas de raciocínio complexo.
Áreas de Pesquisa e Projetos
A pesquisa da divisão abrange várias áreas centrais. Em processamento de linguagem natural, trabalhou em mecanismos de atenção multi-cabeça e melhorias de codificação posicional para melhor lidar com sequências longas. Em visão computacional, a Salesforce Research explorou variantes de redes residuais e técnicas de aumento de dados para classificação de imagens em contextos de varejo e comércio eletrônico. Projetos de aprendizado por reforço focaram em aprendizado curricular e aprendizado por reforço a partir de feedback de IA para treinar agentes para automação de atendimento ao cliente.
Um projeto notável é o desenvolvimento da plataforma Einstein, que usa modelos de redes neurais para prever churn de clientes, recomendar produtos e automatizar respostas de e-mail. A equipe de pesquisa também contribuiu para a biblioteca de código aberto baseada em PyTorch, incluindo as primeiras versões da biblioteca 'transformers', embora esse projeto tenha se tornado independente posteriormente. Além disso, a Salesforce Research publicou trabalhos sobre poda de modelos e normalização de camadas para tornar os modelos mais eficientes para implantação em infraestrutura de nuvem como Amazon Web Services e Microsoft Azure.
Liderança e Pesquisadores Notáveis
Richard Socher, ex-pesquisador do Stanford AI Lab, fundou o grupo e o liderou até 2020, quando saiu para iniciar um novo empreendimento. Líderes subsequentes incluíram Caiming Xiong, que se tornou vice-presidente de pesquisa, e Nikhil Naik, que dirigiu a pesquisa aplicada. A equipe incluiu figuras proeminentes como Stephen Merity, conhecido por trabalhos em redes neurais recorrentes, e Bryan McCann, que contribuiu para arquiteturas Encoder-Decoder Architecture. Vários pesquisadores migraram para outras organizações de IA, incluindo Google DeepMind e OpenAI, refletindo a influência do grupo no campo.
Em 2024, a Salesforce Research emprega mais de 100 pesquisadores e engenheiros, com escritórios em Palo Alto, Nova York e Londres. O grupo publica suas descobertas abertamente, mas também registra patentes sobre tecnologias proprietárias, equilibrando abertura acadêmica com interesses comerciais. Seu orçamento anual não é divulgado publicamente, mas é financiado pelos gastos gerais de P&D da Salesforce, que excederam US$ 4 bilhões no ano fiscal de 2023.
Impacto e Posição no Setor
A Salesforce Research é considerada um laboratório corporativo de IA de nível intermediário, menos proeminente que Google DeepMind ou OpenAI, mas mais focado em aplicações empresariais práticas. Seus modelos foram implantados no pacote Einstein da Salesforce, que atende mais de 150.000 clientes. O grupo também contribuiu para ecossistemas de código aberto, liberando código para suas variantes de Transformer (architecture) e conjuntos de dados, que foram citados em mais de 10.000 artigos acadêmicos.
Em comparação com concorrentes como os laboratórios de IA da Amazon Web Services ou as equipes de pesquisa do Google Cloud, a Salesforce Research enfatiza soluções específicas de domínio para CRM, como análise de sentimento e pontuação de leads. Não buscou objetivos de inteligência artificial de propósito geral ou AGI, focando em vez disso em modelos estreitos e específicos de tarefas. Essa escolha estratégica permitiu manter relevância no mercado de software empresarial, embora tenha recebido menos atenção da mídia do que organizações maiores de pesquisa em IA.
Direções Futuras
Olhando para o futuro, a Salesforce Research está investindo em IA generativa para aplicações empresariais, incluindo geração automatizada de relatórios e sumarização de interações com clientes. Também está explorando técnicas de ajuste fino de modelos de linguagem de grande escala usando funções de perda e escalonamento de temperatura para melhorar a confiabilidade das saídas. O grupo anunciou parcerias com NVIDIA e AMD para otimizar o treinamento de modelos em hardware especializado, embora detalhes específicos permaneçam em desenvolvimento. Em 2025, continua a publicar pesquisas sobre métodos eficientes de aprendizado profundo, visando reduzir o custo computacional da IA enquanto mantém a precisão.