Elaborazione del contenuto in Data Cloud

Utilizzare strumenti generativi basati sull'intelligenza artificiale in Data Cloud per elaborare dati non strutturati da utilizzare nei flussi di lavoro di intelligenza artificiale, automazione e analisi.

Le funzionalità di elaborazione disponibili in Data Cloud includono:

• Personalizzazione basata su prompt: Utilizzare prompt personalizzati o prompt basati sugli agenti per suddividere ed elaborare ulteriormente i dati non strutturati per l'ottimizzazione degli indici di ricerca. È anche possibile utilizzare i prompt per correggere i problemi di estrazione, ad esempio le tabelle in formato non corretto, senza ricreare l'intero indice di ricerca.
• Trascrizioni audio e video indicizzate: Semplificare la ricerca e il recupero dell'audio dai dati audio e video trascrivendo e indicizzando automaticamente il contenuto in Data Cloud. È quindi possibile eseguire query sulle trascrizioni per recuperare informazioni pertinenti o elementi simili in base al testo.
• Indici arricchiti: Utilizzare l'intelligenza artificiale per estrarre i metadati dal contenuto indicizzato. I metadati estratti includono parole chiave, entità, panoramiche degli argomenti, domande a cui risponde il contenuto e riepiloghi del contenuto.
• Analisi e preelaborazione del contenuto: Utilizzare i prompt per identificare la struttura dei documenti e convertire testo e metadati da documenti non strutturati in rappresentazioni strutturate o semistrutturate (analisi). Oppure assicurarsi che i dati estratti da immagini e tabelle mantengano il contesto e le relazioni dell'origine (preelaborazione).
• Estrazione schema documento: Generare output strutturati da contenuti non strutturati. Definire schemi per estrarre, classificare o generare campi e tabelle utilizzando prompt o a livello di programmazione con l'API Data Cloud Connect.

Considerare questi casi d'uso chiave per l'elaborazione dei contenuti in Data Cloud.

• Per la generazione aumentata di recupero (RAG): Elaborando dati non strutturati e aggiungendo il contenuto a un indice di ricerca Data Cloud, si consente all'intelligenza artificiale di recuperare il contesto preciso e basare le risposte sui dati specifici per ottenere output più precisi e pertinenti. Questa è la base di RAG.
• Per Service Cloud: L'elaborazione dei contenuti estrae informazioni e argomenti chiave da articoli Knowledge, email, ticket di assistenza e registri chat. Questo output strutturato consente agli agenti dell'intelligenza artificiale di trovare risposte precise, creare risposte migliori e suggerire soluzioni proattive ai problemi dei clienti.
• Per Sales Cloud: L'elaborazione dei dati di vendita non strutturati, ad esempio email, trascrizioni delle chiamate e note, estrae i dettagli chiave e il sentiment. Gli agenti dell'intelligenza artificiale utilizzano queste informazioni per generare briefing e riepiloghi molto pertinenti per gli incontri e per alimentare consigli personalizzati sui contenuti che aumentano il coinvolgimento.
• Per i flussi di automazione: L'elaborazione dei contenuti offre la comprensione semantica necessaria per confrontare i record, ad esempio i casi, in base alle relative descrizioni. Ciò consente agli agenti dell'intelligenza artificiale di identificare automaticamente i duplicati, accelerare i tempi di risoluzione trovando esempi storici simili e classificare accuratamente i record in entrata.
• Per gli analytics: L'elaborazione dei dati non strutturati li prepara per un'analisi approfondita in Tableau. Estraendo i temi e classificando gli argomenti all'interno del contenuto, è possibile rivelare schemi e ottenere approfondimenti che spesso non vengono visualizzati dai metodi di analisi tradizionali.

Elaborare il contenuto in Data Cloud utilizzando questi strumenti.

• Dati non strutturati
  Utilizzare i dati non strutturati in Data 360 per mettere a terra gli agenti Agentforce, l'intelligenza artificiale generativa, gli analytics e i casi d'uso di automazione con dati specifici per l'azienda che offrono approfondimenti più approfonditi per utenti e clienti.
• Chunk Data (Dati suddivisi)
  Per aggiungere i dati all'indice di ricerca di Data 360, è necessario prima suddividerli. Suddividere i dati in blocchi significativi e Data 360 trasforma tali blocchi in incorporamenti vettoriali leggibili dal computer.
• Intelligent Context in Data 360
  Contesto intelligente è un'area di lavoro basata sull'intelligenza artificiale in cui si interagisce con i prompt per elaborare dati non strutturati e creare configurazioni indice di ricerca personalizzate per contesti aziendali specifici.
• AI documento
  L'intelligenza artificiale dei documenti in Data 360 utilizza modelli di linguaggio di grandi dimensioni (LLM) per estrarre dati strutturati da documenti non strutturati come fatture, curriculum, rapporti di laboratorio e ordini di acquisto.
• Analisi e preelaborazione del contenuto
  Preparare i dati non strutturati per la suddivisione utilizzando metodi di analisi e preelaborazione dei contenuti di Data 360. L'analisi e la preelaborazione identificano le strutture dei documenti, ad esempio intestazioni, paragrafi o tabelle, rimuovono il contenuto non pertinente e preparano il testo per la suddivisione e l'indicizzazione.
• Indice di ricerca Data 360
  Data 360 utilizza un indice di ricerca per gestire i contenuti strutturati e non strutturati in modo ottimizzato per la ricerca. Creare una configurazione indice di ricerca per suddividere e vettorializzare il contenuto. Suddividere il testo in unità più piccole, riflettendo passaggi del contenuto originale, ad esempio frasi o paragrafi. La vettorizzazione converte i blocchi in rappresentazioni numeriche del testo che acquisiscono somiglianze semantiche.
• Armonizzazione Content and Knowledge
  Utilizzare l'armonizzazione per trasformare gli articoli Knowledge e i contenuti non strutturati inseriti in Data 360. L'armonizzazione normalizza e arricchisce i contenuti, creando un unico schema armonizzato adatto per un rendering coerente in Visualizzatore contenuto. Accedere al visualizzatore tramite Explorer dati di Data 360 o nel componente Enterprise Knowledge di Service Cloud.