Schneider Electric automatisiert die Verwaltung der Salesforce-Kontohierarchie mit generativer künstlicher Intelligenz (KI) unter Verwendung von Amazon Aurora und Amazon Bedrock

Schneider Electric, ein Führer im Bereich Energiemanagement und industrielle Automatisierung, strebte danach, ihr CRM-System zu verbessern, indem sie Kundenkonten genau mit ihren übergeordneten Einheiten verknüpften. Dieser Prozess, der für die Optimierung von Vertriebsoperationen und die Ressourcenallokation von entscheidender Bedeutung ist, war sehr arbeitsintensiv. Um dieses Problem zu lösen, setzte Schneider Electric im April 2023 auf generative KI und große Sprachmodelle (LLMs). Zunächst verwendeten sie das Flan-T5-LLM in Amazon SageMaker Jumpstart, um die Machbarkeit des Projekts zu demonstrieren. Anschließend verbesserten sie ihre Lösung mit Amazon Aurora und Amazon Bedrock, die mit dem Salesforce-CRM-System integriert wurden. Amazon Bedrock, ein verwaltetes Dienstleistungsangebot, das leistungsfähige Basismodelle bereitstellt, erleichterte den Bau von sicheren und verantwortungsvollen KI-Anwendungen. Amazon Aurora Serverless V2, eine relationale Datenbank, unterstützte das Speichern von Machine-Learning-Modell-Embeddings mithilfe der pgvector-Erweiterung für effiziente Ähnlichkeitssuchen. Schneider Electric verwendete pgvector, um Embeddings von LangChain zu speichern, was eine effektive Zuordnung von Kundenkonten zu Hierarchien ermöglichte. Die Lösung umfasste AWS-Batch-Jobs, die Salesforce-Konto-Informationen verarbeiteten, Empfehlungen mit Anthropic Claude 3 auf Amazon Bedrock erstellten und die Ergebnisse in Aurora und Amazon S3 speicherten. Eine benutzerdefinierte Streamlit-Anwendung zeigte diese Empfehlungen für die Überprüfung durch den Benutzer. Dieser automatisierte Prozess reduzierte die Zeit, um Konto-Hierarchien zu aktualisieren, von sieben auf drei Minuten pro Konto. Die LLMs spielten eine entscheidende Rolle bei der Erstellung genauer Konto-Hierarchien. Durch die Integration von Suchmaschinen-Ergebnissen, Dun & Bradstreet-API-Daten und Vektorsuchen in Aurora konnte das System die richtigen übergeordneten Einheiten inferieren. Die Flexibilität von Amazon Bedrock ermöglichte es Schneider Electric, zwischen verschiedenen LLM-Modellen zu wechseln, um Kosten und Leistung zu optimieren. Dieser Ansatz führte zu einer 60-prozentigen Kostenreduzierung und einer Verbesserung der Effizienz bei der Verwaltung von Konto-Hierarchien. Insgesamt zeigte das Projekt die Vorteile des Einsatzes von AWS-Dienstleistungen, um Innovationen zu schaffen und Operationen zu straffen. Aurora Serverless v2 mit pgvector und Anthropic Claude 3 Sonnet auf Amazon Bedrock boten eine skalierbare, kosteneffiziente Lösung für die Verwaltung von Kundenkonten-Hierarchien. Die Integration von fortschrittlichen KI-Modellen und serverloser Architektur minimierte den operativen Overhead, verbesserte die DatenGenauigkeit und sicherte die Agilität und Skalierbarkeit des Systems.