Salesforce 在變得更“聰明”的道路上又進了一步。

如今我們身處海量信息時代，大量時間被用來處理電子郵件、文章或社交媒體的帖子等信息，有預計稱，這種消耗狀態會超過半天時間，甚至更多。

Salesforce 想將用戶從這種低效的工作狀態中解放，他們開發了種算法，能自動總結紛繁復雜的信息，如為銷售或客戶服務代表提供電子郵件和信息總結后的摘要，使他們有更多時間精力專注于自家客戶。

例如， Salesforce 的 AI 新產品 Einstein 會為那些全天候與電話打交道的客服代表，匹配最可能成為公司用戶的電話號碼。這飽含著 Salesforce 想把 CRM 系統變得更智能化的美好初衷。

這里用到了 Salesforce 在自然語言處理方面取得的兩項新突破：“情境語言生成模型（ contextual word generation model ）”及“新訓練總結模型（ new way of training summarization modelst ）”，兩者一起就能自動為長文本創建較準確可讀的摘要。

研究人員指出，自動文本摘要有兩種方式：提取（ extraction ）或抽象（ abstraction ）。計算機能從文本預先有的措辭中提取，只是目前靈活度還有欠缺；抽象則是計算機在了解原文的基礎上，引入新詞概括原義。

這背后用到了機器學習技術，深度學習神經網絡也在此發揮作用。研究者通過教師強迫（ Teacher forcing）、強化學習（ Reinforcement learning ）來訓練系統學習和改進自身。

谷歌 DeepMind 就是強化學習典型案例。所謂強化學習，簡單來說，就是訓練機器能在采取某種行動后，通過結果的好壞，判定行動的好壞。如棋盤游戲，你能針對對手每步棋作出回應，最終你便能在一系列棋局中找到某步棋的最佳下法，并將此內化成一種積極信號。運用到 Salesforce 將長文本處理成摘要的算法模型上，則有自動評估指標 ROUGE 對結果評分，算法將以更高得分來指導自身更新，最終輸出的摘要結果，會逐步提升。

教師強迫（Teacher forcing）是當結果以既定參考的詞語得分時，能提供“很體面的結果”，但同時靈活性就得有所犧牲。

研究者們發現，上述兩者聯合的模式優于其他方法。 MIT Technology Review 對比人工總結和用 Salesforce 模型生成的摘要，他們稱后者具有“令人驚訝的準確性”，總結不僅比原始文本短得多，重點內容都有所概括，還兼具可讀性。

AI＋SaaS 是未來？還是噱頭？

自動總結模型的背后，是 Salesforce 去年收購的深度學習創企 MetaMind，這還僅揭露了 Salesforce 人工智能版圖的冰山一角。

2015 年 Salesforce 加入人工智能的軍備競賽，彼時它收購了 iOS 平臺第三方智能日歷應用 Tempo AI：通過 AI，Tempo 能自動為用戶安排任務和事項，儼然真人版助理；12 月，利用 AI 幫營銷人員開展廣告活動的公司 MinHash 被納入 Salesforce 版圖；去年除 MetaMind 外，Salesforce 還收購開源機器學習服務商 PredictionIO 。

擁有大量數據的公司作為發展人工智能底層架構，也是 Salesforce 緊盯的對象。Salesforce 收購了大數據公司 RelateIQ（3.9億美元），去年還想收購 Twitter ，更意圖用比微軟 262 億美元高的價格拿下領英，但未如愿以償。

微軟收購領英后，推出整合 CRM 和 ERP 云產品 Dynamics365，與微軟自身生態 Office 365 及 Azure 云服務相協同。2016 年 Q2 季度，微軟取代 Salesforce 成為 SaaS 行業老大。CEO 納德拉還宣稱未來所有產品都將用到人工智能技術，如 CRM Dynamics 365 就內置 Cortana 人工智能套件。

巨頭們營造的大環境莫不如是：競爭激烈、發力人工智能尋求突破重圍。幾乎與 Salesforce 同段時間，甲骨文發力 AI ，推出自適應智能應用（Adaptive Intelligent Apps）；Adobe 為它旗下所有軟件提供基于深度學習和機器學習的底層技術平臺——Adobe Sensei；IBM 有 Waston；SAP 近期開始逐步發力機器學習和人工智能領域 ……

近期中美 SaaS 峰會上，北森 CEO 紀偉國提出，AI ＋ 大數據是重構下一代 HRSaaS 的力量，比如用AI 判斷面試官喜好，篩選簡歷，及從過去積累的人才庫里挖掘合適簡歷，預測人才離職傾向；AI 還能預測并推薦招聘渠道，企業知道把招聘發至哪個網站更合適， 預計收到多少份簡歷，現在競爭什么狀況等。

至此已有數十家廠商明確提出“AI+SaaS”，這里不排除有跟風之嫌，只是當行業趨向如此，對 SaaS 巨頭而言，是否做人工智能，或許意味著能否延續競爭優勢，甚至是能否繼續參與巨頭們后期對話語權的爭奪。

但這是長期的遠景。放置眼下，需要用到人工智能，數據作為前提條件的積累必不可少，這也是為何 CRM 相較其他 SaaS 應用，對人工智能反應更靈敏，畢竟在商務智能時代曾積累一定體量數據樣本，且標準化程度較高，數據為 AI 工具應用提供存在合理性。

峰瑞資本創始人李豐則干脆提出：先 SaaS ，再到大數據，再到人工智能。“如果這個行業當中的管理軟件或者叫線下數據的線上化還沒有完成，那第一步肯定先是SaaS，線下數據的線上化已經比較普遍了之后，才輪到數據處理存儲這些事情，這些事情再往下堆迭，隨著產生時間越來越長，才到了處理數據的高效化，到了所謂人工智能。”

所以 AI 來了，創企有顆跟隨大潮及未來的趨勢心固然重要，但缺乏買買買的資金，難吸引高端技術人才的現實還是得認清。或許當下的關鍵是做好本職，積累盡可能多的數據，厚積薄發。

Salesforce 在變得更“聰明”的道路上又進了一步。

如今我們身處海量信息時代，大量時間被用來處理電子郵件、文章或社交媒體的帖子等信息，有預計稱，這種消耗狀態會超過半天時間，甚至更多。

Salesforce 想將用戶從這種低效的工作狀態中解放，他們開發了種算法，能自動總結紛繁復雜的信息，如為銷售或客戶服務代表提供電子郵件和信息總結后的摘要，使他們有更多時間精力專注于自家客戶。

例如，Salesforce 的 AI 新產品 Einstein會為那些全天候與電話打交道的客服代表，匹配最可能成為公司用戶的電話號碼。這飽含著 Salesforce 想把 CRM 系統變得更智能化的美好初衷。

這里用到了 Salesforce 在自然語言處理方面取得的兩項新突破：“情境語言生成模型（ contextual word generation model ）”及“新訓練總結模型（new way of training summarization modelst ）”，兩者一起就能自動為長文本創建較準確可讀的摘要。

研究人員指出，自動文本摘要有兩種方式：提取（ extraction ）或抽象（ abstraction ）。計算機能從文本預先有的措辭中提取，只是目前靈活度還有欠缺；抽象則是計算機在了解原文的基礎上，引入新詞概括原義。

這背后用到了機器學習技術，深度學習神經網絡也在此發揮作用。研究者通過教師強迫（ Teacher forcing）、強化學習（ Reinforcement learning ）來訓練系統學習和改進自身。

谷歌 DeepMind 就是強化學習典型案例。所謂強化學習，簡單來說，就是訓練機器能在采取某種行動后，通過結果的好壞，判定行動的好壞。如棋盤游戲，你能針對對手每步棋作出回應，最終你便能在一系列棋局中找到某步棋的最佳下法，并將此內化成一種積極信號。運用到 Salesforce 將長文本處理成摘要的算法模型上，則有自動評估指標 ROUGE 對結果評分，算法將以更高得分來指導自身更新，最終輸出的摘要結果，會逐步提升。

教師強迫（Teacher forcing）是當結果以既定參考的詞語得分時，能提供“很體面的結果”，但同時靈活性就得有所犧牲。

研究者們發現，上述兩者聯合的模式優于其他方法。MIT Technology Review 對比人工總結和用 Salesforce 模型生成的摘要，他們稱后者具有“令人驚訝的準確性”，總結不僅比原始文本短得多，重點內容都有所概括，還兼具可讀性。

AI＋SaaS 是未來？還是噱頭？

自動總結模型的背后，是Salesforce 去年收購的深度學習創企MetaMind，這還僅揭露了 Salesforce 人工智能版圖的冰山一角。

2015 年 Salesforce加入人工智能的軍備競賽，彼時它收購了iOS平臺第三方智能日歷應用Tempo AI：通過 AI，Tempo 能自動為用戶安排任務和事項，儼然真人版助理；12 月，利用 AI 幫營銷人員開展廣告活動的公司 MinHash 被納入 Salesforce 版圖；去年除MetaMind 外，Salesforce 還收購開源機器學習服務商PredictionIO 。

擁有大量數據的公司作為發展人工智能底層架構，也是 Salesforce 緊盯的對象。Salesforce 收購了大數據公司 RelateIQ（3.9億美元），去年還想收購 Twitter ，更意圖用比微軟 262 億美元高的價格拿下領英，但未如愿以償。

微軟收購領英后，推出整合 CRM 和 ERP 云產品Dynamics365，與微軟自身生態 Office 365 及 Azure 云服務相協同。2016 年 Q2 季度，微軟取代 Salesforce 成為 SaaS 行業老大。CEO 納德拉還宣稱未來所有產品都將用到人工智能技術，如 CRM Dynamics 365 就內置 Cortana 人工智能套件。

巨頭們營造的大環境莫不如是：競爭激烈、發力人工智能尋求突破重圍。幾乎與 Salesforce 同段時間，甲骨文發力 AI ，推出自適應智能應用（Adaptive Intelligent Apps）；Adobe 為它旗下所有軟件提供基于深度學習和機器學習的底層技術平臺——Adobe Sensei；IBM 有 Waston；SAP近期開始逐步發力機器學習和人工智能領域 ……

近期中美 SaaS 峰會上，北森 CEO 紀偉國提出，AI ＋ 大數據是重構下一代 HRSaaS 的力量，比如用AI 判斷面試官喜好，篩選簡歷，及從過去積累的人才庫里挖掘合適簡歷，預測人才離職傾向；AI 還能預測并推薦招聘渠道，企業知道把招聘發至哪個網站更合適， 預計收到多少份簡歷，現在競爭什么狀況等。

至此已有數十家廠商明確提出“AI+SaaS”，這里不排除有跟風之嫌，只是當行業趨向如此，對 SaaS 巨頭而言，是否做人工智能，或許意味著能否延續競爭優勢，甚至是能否繼續參與巨頭們后期對話語權的爭奪。

但這是長期的遠景。放置眼下，需要用到人工智能，數據作為前提條件的積累必不可少，這也是為何 CRM 相較其他 SaaS 應用，對人工智能反應更靈敏，畢竟在商務智能時代曾積累一定體量數據樣本，且標準化程度較高，數據為 AI 工具應用提供存在合理性。

峰瑞資本創始人李豐則干脆提出：先 SaaS ，再到大數據，再到人工智能。“如果這個行業當中的管理軟件或者叫線下數據的線上化還沒有完成，那第一步肯定先是SaaS，線下數據的線上化已經比較普遍了之后，才輪到數據處理存儲這些事情，這些事情再往下堆迭，隨著產生時間越來越長，才到了處理數據的高效化，到了所謂人工智能。”

所以 AI 來了，創企有顆跟隨大潮及未來的趨勢心固然重要，但缺乏買買買的資金，難吸引高端技術人才的現實還是得認清?；蛟S當下的關鍵是做好本職，積累盡可能多的數據，厚積薄發。