跨国数据基础设施公司Equinix自2018年以来一直在利用机器学,这得益于他们一项使用机器学习概率模型来预测潜在客户购买Equinix产品可能性的计划,该计划自启动以来,已经贡献了数百万美金的收入。
但项目启动以来,随着Equinix公司的发展,对于渠道合作伙伴加速客户获取和扩张的依赖也在不断增加。因此在2021年,Equinix重新审视了自己的商机平台,通过添加数据驱动的销售商机方法让它更进一步,使用人工智能来识别那些最适合帮助企业在全球以及特定地区和国家内推动新销售的合作伙伴。
这是因为,在某些地区、部门和行业,Equinix的渠道合作伙伴具有独特的优势,可以满足客户对公正指导、集成解决方案和先进服务的需求,一个典型的例子是:在联邦业务部门,确定那些具有必要许可和已经建立关系的合作伙伴是至关重要的。
该公司首席信息官Milind Wagle表示:“释放人工智能的巨大潜力,为我们的业务带来切实的影响,这是我们IT组织的首要任务。其中一个完美的例子就是,为我们的渠道计划构建一个创新的、智能的、基于人工智能的商机引擎,这让我们能够结合人工智能技术的创新力量,为公司建立竞争市场差异化,并帮助改善我们客户和我们渠道合作伙伴的体验。”
该计划被称为“AI驱动的合作伙伴商机”,该计划指出了哪些潜在客户是通过Equinix直销、间接合作伙伴、或者是渠道销售获得了最佳服务。该计划有两个目标:确定最有潜力推动获得新客户的合作伙伴,并优先考虑那些预计将产生最高订购价值的合作伙伴。
Equinix公司应用人工智能战略和分析高级总监Ted Dangson表示:“这让Equinix能够把投资和资源集中在最适合联合销售和转售的合作伙伴那里。”
该计划在今年9月中旬全面推出,对模型结果和仪表板的审查,将展示数据科学是如何让IT利用人工智能和机器学习帮助销售更好地瞄准目标并提高收入的。
预测的力量
Equinix公司高级首席数据科学家Ram Bala介绍了自己手头上的任务。
Bala说:“Equinix在机会识别和合作伙伴优先级方面有独特的需求。全球有超过1300家技术供应商和服务提供商经过严格的审查流程才会被认可为Equinix的合作伙伴,并且在过去三年中,他们已经和Equinix登记了超过9000项交易。仅在美国就有很多机会和大量RFP,因此必须确定与Equinix相关的RFP和联合销售合作伙伴。”
Dangson表示,通过应用恰当的数据管理、基于倾向的分析、机器学习和商业智能工具,他的团队在2021年意识到,Equinix能够分析来自渠道合作伙伴和最终客户的数据,以确定哪些客户最适合直接通过Equinix获得服务、那些最适合通过合作伙伴和经销商获得服务,而且还能够将最终用户的需求与合作伙伴服务的亲和力和表面洞察力联系起来,帮助各方加速收入增长。
Dangson的团队与Equinix合作伙伴以及联邦销售和营销团队密切合作来寻找机会,首先寻找那些可能拥有可覆盖其用例的开箱即用解决方案供应商,但最终他们决定与Equinix的IT、数据科学和工程团队合作,自主构建一个定制的AI模型。
在这项工作中,Bala和他的数据科学家团队对内部数据和第三方数据进行了广泛的分析,以确定哪些数据集对于制定有效的合作伙伴优先数据科学策略是至关重要的。
Bala说:“我们利用与潜在客户和合作伙伴相关的公司统计和技术数据属性,依赖来自开源联邦数据库的历史政府合同和奖励数据,此外我们还对文本文档和PDF进行综合访问,其中提供了有关即将到来的机会和RFP的广泛信息。我们还从Equinix内部数据集中确定了类似客户和合作伙伴之间历史关联关系。”
然后,团队开始构建机器学习模型,使用这些数据来:
Dangson表示,Equinix的合作伙伴商机平台利用自然语言处理算法从RFP文档中提取相关摘录,并附上每个商机的相关性评分。他指出,这些算法还为他们的建议提供了支持理由。
“这些额外的细节彻底改变了最终用户解释和利用模型预测的方式,从而使得采用率逐渐上升,并取得总体上的成功,”他说。
Bala表示,事实证明,该项目最大的挑战是用于训练机器学习模型的数据注释和标记不充分的样本。由于缺乏注释数据,难以构建高精度且计算高效的模型以识别来自政府机构的Equinix相关RFP,而且标记不准确的样本导致难以训练机器学习模型以优先考虑企业销售的合作伙伴。
“为了解决这些问题,我们采用了来自不同学术和企业研究机构的技术,我们花了近四个月的时间来开发最小可行产品,又花了五个月的时间来开发可扩展的、可集成的端到端解决方案。”
交付与创新
Equinix表示,部署该解决方案后,最终用户觉得这个方案是他们工作变得更轻松、更快速、更准确的一项关键工具。Equinix在2023年第二季度收益报告中表示,他们的渠道计划占占到了订购量的40%和新客户获取的近60%。
Bala认为,通过AI驱动型合作伙伴商机这样的项目成功推动数字化转型,其关键是在交付和创新之间取得平衡。
“我们的目标是营造一个创新蓬勃发展的环境,以实现我们提供可衡量的商业价值和最大化投资回报的目标。当我们在整个组织中传播这种创新文化的时候,我们开始看到变革性举措逐渐兴起人们的兴趣并受到关注。在这个旅程中,我们不仅培养了创造力并积极影响团队士气,而且还创造了一个将失败视为宝贵学习经验的环境。”
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。