Salesforce 在变得更“聪明”的道路上又进了一步。
如今我们身处海量信息时代，大量时间被用来处理电子邮件、文章或社交媒体的帖子等信息，有预计称，这种消耗状态会超过半天时间，甚至更多。
Salesforce 想将用户从这种低效的工作状态中解放，他们开发了种算法，能自动总结纷繁复杂的信息，如为销售或客户服务代表提供电子邮件和信息总结后的摘要，使他们有更多时间精力专注于自家客户。
例如， Salesforce 的 AI 新产品 Einstein 会为那些全天候与电话打交道的客服代表，匹配最可能成为公司用户的电话号码。这饱含着 Salesforce 想把 CRM 系统变得更智能化的美好初衷。
这里用到了 Salesforce 在自然语言处理方面取得的两项新突破：“情境语言生成模型（ contextual word generation model ）”及“新训练总结模型（ new way of training summarization modelst ）”，两者一起就能自动为长文本创建较准确可读的摘要。
研究人员指出，自动文本摘要有两种方式：提取（ extraction ）或抽象（ abstraction ）。计算机能从文本预先有的措辞中提取，只是目前灵活度还有欠缺；抽象则是计算机在了解原文的基础上，引入新词概括原义。
这背后用到了机器学习技术，深度学习神经网络也在此发挥作用。研究者通过教师强迫（ Teacher forcing）、强化学习（ Reinforcement learning ）来训练系统学习和改进自身。
谷歌 DeepMind 就是强化学习典型案例。所谓强化学习，简单来说，就是训练机器能在采取某种行动后，通过结果的好坏，判定行动的好坏。如棋盘游戏，你能针对对手每步棋作出回应，最终你便能在一系列棋局中找到某步棋的最佳下法，并将此内化成一种积极信号。运用到 Salesforce 将长文本处理成摘要的算法模型上，则有自动评估指标 ROUGE 对结果评分，算法将以更高得分来指导自身更新，最终输出的摘要结果，会逐步提升。
教师强迫（Teacher forcing）是当结果以既定参考的词语得分时，能提供“很体面的结果”，但同时灵活性就得有所牺牲。
研究者们发现，上述两者联合的模式优于其他方法。 MIT Technology Review 对比人工总结和用 Salesforce 模型生成的摘要，他们称后者具有“令人惊讶的准确性”，总结不仅比原始文本短得多，重点内容都有所概括，还兼具可读性。
AI＋SaaS 是未来？还是噱头？
自动总结模型的背后，是 Salesforce 去年收购的深度学习创企 MetaMind，这还仅揭露了 Salesforce 人工智能版图的冰山一角。
2015 年 Salesforce 加入人工智能的军备竞赛，彼时它收购了 iOS 平台第三方智能日历应用 Tempo AI：通过 AI，Tempo 能自动为用户安排任务和事项，俨然真人版助理；12 月，利用 AI 帮营销人员开展广告活动的公司 MinHash 被纳入 Salesforce 版图；去年除 MetaMind 外，Salesforce 还收购开源机器学习服务商 PredictionIO 。
拥有大量数据的公司作为发展人工智能底层架构，也是 Salesforce 紧盯的对象。Salesforce 收购了大数据公司 RelateIQ（3.9亿美元），去年还想收购 Twitter ，更意图用比微软 262 亿美元高的价格拿下领英，但未如愿以偿。
微软收购领英后，推出整合 CRM 和 ERP 云产品 Dynamics365，与微软自身生态 Office 365 及 Azure 云服务相协同。2016 年 Q2 季度，微软取代 Salesforce 成为 SaaS 行业老大。CEO 纳德拉还宣称未来所有产品都将用到人工智能技术，如 CRM Dynamics 365 就内置 Cortana 人工智能套件。
巨头们营造的大环境莫不如是：竞争激烈、发力人工智能寻求突破重围。几乎与 Salesforce 同段时间，甲骨文发力 AI ，推出自适应智能应用（Adaptive Intelligent Apps）；Adobe 为它旗下所有软件提供基于深度学习和机器学习的底层技术平台——Adobe Sensei；IBM 有 Waston；SAP 近期开始逐步发力机器学习和人工智能领域 ……
下面几篇文章的内容与这篇文章的内容相似,也许你也会有兴趣:
人工智能行业已巨头林立， Salesforce 却成功“突围”
新商业NEO100 | 人工智能行业已巨头林立， Salesforce 却成功“突围”
从CRM工具成长为百亿美元巨无霸，Salesforce是如何做到的？（下）
近期中美 SaaS 峰会上，北森 CEO 纪伟国提出，AI ＋ 大数据是重构下一代 HRSaaS 的力量，比如用AI 判断面试官喜好，筛选简历，及从过去积累的人才库里挖掘合适简历，预测人才离职倾向；AI 还能预测并推荐招聘渠道，企业知道把招聘发至哪个网站更合适， 预计收到多少份简历，现在竞争什么状况等。
至此已有数十家厂商明确提出“AI+SaaS”，这里不排除有跟风之嫌，只是当行业趋向如此，对 SaaS 巨头而言，是否做人工智能，或许意味着能否延续竞争优势，甚至是能否继续参与巨头们后期对话语权的争夺。
但这是长期的远景。放置眼下，需要用到人工智能，数据作为前提条件的积累必不可少，这也是为何 CRM 相较其他 SaaS 应用，对人工智能反应更灵敏，毕竟在商务智能时代曾积累一定体量数据样本，且标准化程度较高，数据为 AI 工具应用提供存在合理性。
峰瑞资本创始人李丰则干脆提出：先 SaaS ，再到大数据，再到人工智能。“如果这个行业当中的管理软件或者叫线下数据的线上化还没有完成，那第一步肯定先是SaaS，线下数据的线上化已经比较普遍了之后，才轮到数据处理存储这些事情，这些事情再往下堆迭，随着产生时间越来越长，才到了处理数据的高效化，到了所谓人工智能。”
所以 AI 来了，创企有颗跟随大潮及未来的趋势心固然重要，但缺乏买买买的资金，难吸引高端技术人才的现实还是得认清。或许当下的关键是做好本职，积累尽可能多的数据，厚积薄发。
