Bruke søk for AI, Automatisering og Analytics

I Data 360 kan du opprette vektor- eller hybrid søkeindekser avhengig av data og spørringsbehov.

Vektorsøk

I Data 360 kan du opprette søkbare vektorinnbygginger fra ustrukturerte og strukturerte data. En vektorinnbygging er en numerisk representasjon av en tekstenhet (en artikkel eller et avsnitt fra et større dokument) som fanger opp sin semantiske betydning. Store språkmodeller (LLM-er) grupperer innbygginger med lignende semantiske betydninger slik at generative AI-programmer effektivt kan tolke sine relasjoner og kontekstuell relevans.

Bruk vektorsøk når datakilden og søkespørringene får mer nytte av semantisk oppmerksomme samsvar i et stort datasett. Hvis du for eksempel sender en spørring som "Hva er Acme kjent for?" henter LLM biter som har den høyeste vektorsøkescoren som er relatert til det nærmeste semantiske samsvaret med søkespørringen.

Før du oppretter en søkeindeks for vektorer, blir ustrukturerte data lagret i datamodellobjekter (DMO-er) eller ustrukturerte datamodellobjekter (UDMO-er) delt inn i administrerbare, semantisk meningsfylte enheter. Disse enhetene lagres i to objekter: et deldatamodellobjekt (CDMO) og et indeksdatamodellobjekt (IDMO). CDMO er et Data 360-objekt som lagrer de faktiske innholdsbunkene, og IDMO lagrer vektorinnbyggingen.

Du kan utføre vektorsøk på disse dataene fra apper som Ledetekstbygger, AI-agenter eller Tableau.

Hybrid søk

For å kunne levere relevante og nøyaktige svar i generative AI-programmer krever LLM-er ofte både vektor- og nøkkelordsøk. Vektorsøk utmerker seg ved å fange opp semantiske likheter, men kan mangle presisjon med spesifikk domenespråk. Omvendt er nøkkelordsøk utmerket for lexiske samsvar, men forstår ikke semantisk likhet. I Data 360 kombinerer hybrid søk disse metodene ved å bruke semantisk bevisst vektorsøk for kontekstuell forståelse og nøkkelordsøk for nøyaktig leksisk samsvar.

Når datakilden og søkespørringer drar nytte av både semantisk bevisst vektorsøk og presisjonen til et nøkkelordsøk, bruker du hybridsøk. For eksempel i spørringen "Bruker Acme-motoren XYZ123 hydrauliske pumper?" å legge til nøkkelordsøk fremhever posisjoner med høyere rangering for mer relevant innhold, slik at resultatet får bedre tilpassing.

Etter at du har opprettet en hybrid søkeindeks på DMO-ene eller UDMO-ene, genererer Data 360 innholdsbiter og vektorinnbygginger for en vektor søkeindeks og en søkeindeks for nøkkelord. Hybrid søk spør vektor søkeindeks for å hente informasjon basert på semantisk likhet, og det spør søkeord søkeindeks for å hente informasjon basert på leksikal likhet. Hybridsøk slås deretter sammen og rangerer resultatene fra begge typene søk for å generere det beste svaret. Du kan også konfigurere flere rangeringsfaktorer, som nylig eller popularitet av poster, for å påvirke søkeresultatene som returneres.

Viktige brukstilfeller for Data 360-søk

Viktige bruksområder for Data 360-søk inkluderer:

• In Retrieval Augmented Generation (RAG) (i generering for utvidet henting): Data 360-søk er grunnleggende for RAG, og grunnlegger AI-svar i relevante ustrukturerte data. Dette fører direkte til mer nøyaktige og kontekstuelt relevante AI-utdata som er basert på den spesifikke Knowledge.
• I Service Cloud: AI-agenter bruker søk til å spørre etter presis informasjon i Knowledge, e-postmeldinger, støttebilletter og chattelogger. Det gir dem mulighet til å gi mer nøyaktige svar, lage bedre svar og til og med proaktivt foreslå løsninger på kundeproblemer.
• I Sales Cloud: AI-agenter kan spørre mot ustrukturerte salgsdata, som e-postmeldinger, samtaleavskrifter og notater, for å generere svært relevante møteinformasjoner og sammendrag. Denne innsikten leverer også tilpasset innhold og kundespesifikke anbefalinger for nye e-postmeldinger, noe som øker kundeengasjementet og salgsteamets produktivitet betydelig.
• I automatiseringsflyter: AI-agenter kan automatisk identifisere semantisk lignende poster, som Saker, basert på beskrivelsene. Denne funksjonen er avgjørende for å flagge duplikater, øke løsningstidene og nøyaktig klassifisere poster ved å finne lignende historiske eksempler.
• I Analytics: I Tableau gjør Data 360-søk det enklere å få dypere innsikt fra ustrukturerte data, spesielt gjennom avansert emneklassifisering. Dette forbedrer dataanalysen ved å avdekke mønstre og temaer som tradisjonelle metoder noen ganger mangler.