MK: یعنی من عاشق کار با کریس هستم [O’Hara] و با آندریا [Chen Lin].سریعتر است، شما با شخص دیگری کار می کنید زیرا من فقط نیمی از کتاب را می نویسم و آنها، کریس و من، فقط فصل ها را عوض کردیم. خیلی راحت بود. هر شخص دیگری من بودم و هر فرد دیگری او بود. دوست داشتم باهاش کار کنم بنابراین خوشحالم که انجام دادم. یعنی، و می دانید، این مال من بود، من آن را داشتم، بنابراین می توانستم ایده های متفاوتی داشته باشم. بنابراین من دوست دارم به عنوان یک نویسنده انفرادی کار کنم.
SS: و من فقط در مورد فرآیند کنجکاو هستم. وقتی با شخص دیگری می نویسید، چگونه سبک ها را همگام می کنید؟مانند کریس به وضوح سبک نوشتن دارد. می دانید، او آن کتاب را به نام «داده محور» نوشت. و شما سبک نوشتاری خاصی دارید. چگونه این دو را ترکیب می کنید تا یک صدا باشد نه دو؟
MK: ما واقعا نداریم. مشتری با 360، آندریا، اجازه دهید قسمت او را بررسی کنم.بنابراین من آن را کمی تغییر دادم. مثلاً بعضی جاها اول شخص نوشته بود، بنابراین من آن را منسجم تر کردم. اما هنوز هم می توانید بگویید. منظورم این است که اگر از خوانندگان نزدیک هستید، می‌توانید بگویید، اوه، این توسط فردی متفاوت از فصل گذشته است. و من و کریس، خوب، منظورم این است که ما سبک های متفاوتی داریم. من فکر می کنم شما باید حواس تان باشد تا بفهمید کی کیست. اما، این درست است. اما ما واقعاً سعی نکردیم همان طور که فکر می کنم بنویسیم. این واقعا مهم است که هنگام کار با یکدیگر خطوط واقعاً خوبی داشته باشید. باید کاملاً واضح باشد که هر فصل چیست و چه مرزهایی دارد تا همدیگر را تکرار نکنیم یا از روی هم گام برداریم یا با هم نمانیم زیرا واقعاً در طرح کلی با هم می ماند. بنابراین بسیار مهم بود.
SS: خب، منظور من این نیست که این پادکست را به یک استاد کلاس در نحوه نوشتن یک کتاب تبدیل کنم، اما درک آنچه در پشت صحنه می گذرد جالب است، زیرا مقداری تلاش در این زمینه وجود دارد، و سه کتاب در مدت زمان نسبتاً کوتاه یک دستاورد است. شما قبلاً کتاب‌های دیگری نوشته‌اید که «خانه دروغ» (5) آشکارا معروف‌ترین آنهاست. بنابراین شما در تمام این مدت در Salesforce بوده‌اید – نمی‌دانم این طولانی‌ترین دوره‌ای است که بوده‌اید، در یک شرکت کار کرده‌اید یا نه، اما باید همین الان احساس کنید که این را پشت سر می‌گذارید تا در خط مقدم انقلاب باشید، و این باید در نوع خود جالب باشد. [10:02]
MK: این، اوم، بله، منظورم این است که، همانطور که می توانید تصور کنید، شغل من در سال گذشته جالب تر شده است. برای مدتی در ابتدای ورودم به پلتفرم داده های مشتری صحبت می کردم و بسیار هیجان انگیز بود. هیچ کس واقعاً نمی دانست آن چیست. کلاس را تعریف کردیم. من توضیح دادم که این فناوری جدید چقدر عالی بود و مردم آن را پیدا کردند، اما بالغ تر شد و حدود دو سال پیش همان چیزها را تکرار می کردم و کمی نامشخص بود. هیچی. هیچ چیز هیجان انگیزی اتفاق نیفتاد اما تغییرات تدریجی. و هوش مصنوعی آمد و ما می گوییم، اوه، این جالب است. و فقط، آنقدر سریع حرکت کرده و اثرات غیرقابل پیش‌بینی زیادی روی بخش‌های مختلف سازمان دارد که فکر می‌کنم بازاریابان را به خود جذب کرد – چون با بازاریاب‌ها صحبت می‌کردم و آنها در مورد آینده بازاریابی فکر می‌کردند – و بنابراین اکنون از من می‌پرسند، آینده بازاریابی چیست؟ و واقعاً نمی دانند. بنابراین فکر می کنم نقش من بسیار جذاب تر شد. من شروع به گمانه زنی بیشتر کرده ام.
SS: خب، این من را در این مصاحبه به یک سری سؤالات سوق می دهد، پس آماده باشید. اما بیایید از جایی شروع کنیم که کتاب شروع می‌شود، یعنی به نقل از مارک بنیوف، که این را، نقل قول، نقل قول، «لحظه‌ای در زمان می‌داند که هرگز ندیده‌ایم». اکنون، بسیاری از مردم این دوره یا این دوران در حال ظهور را با تولد اینترنت در دهه 90، اواسط تا اواخر دهه 90، اوایل دهه 2000 مقایسه کرده اند. شما در سال‌های شکل‌گیری آن آنجا بودید، احتمالاً از برخی جهات پیشگام بودید، حدس می‌زنم با دیجیاتاس، فالون نیز.
MK: بله.
SS: پس از حضور در آنجا، زندگی کردن، و اکنون شروع به تجربه این دوران، چگونه این دو دوره را با هم مقایسه می کنید؟ آیا آنها به نوعی شبیه هستند یا این یک نقطه عطف بزرگ خواهد بود؟
MK: منظورم این است که در این دوره، محتوای بیشتری وجود دارد. اینترنت کاملاً انقلابی بود، اما زمان برد. و تاثیر واقعی در دهه 90 اتفاق نیفتاد. تاثیر واقعی زمانی اتفاق افتاد که ما آیفون را گرفتیم، یعنی سال 2009، هر چه که بود. و شبکه های اجتماعی، مانند زمانی که فیس بوک مرکز فعالیت شد. و با این حال همه این چیزها غیر قابل پیش بینی بود. فکر نمی کنم کسی آیفون را پیش بینی کرده باشد. ما فکر می کنیم که داشته باشیم. واقعا پیش بینی نمی کرد و ما فکر می کردیم ممکن است یک تلفن وجود داشته باشد، اما آن… فکر نمی کردیم یک کامپیوتر کوچک باشد.و ما فکر نمی کردیم که تمام روز به آن خیره شویم. غیر قابل پیش بینی بود.
و سپس شبکه های اجتماعی. منظورم این است که زاکربرگ به تنهایی شبکه اجتماعی خود را توسعه داده است. پس این بود… این یکی دیگر است. بنابراین من فکر می کنم که و، و می دانید، در همان ابتدا، مانند دهه 90، شرکت هایی وجود داشتند که … ظاهر شدند. شاید به یاد داشته باشید، مانند سایتی به نام Pets.com که تبلیغات بسیار خنده‌داری انجام داد. و این دقیقاً همان تجارت امروز Chewy.com است.Chewy بسیار موفق است – Pets.com موفق نبود. بمباران کرد. و این فقط به این دلیل است که این فناوری هنوز وجود نداشت و مردم نمی خواستند کارت های اعتباری خود را بدهند. فقط… اینترنت خیلی کند بود.
بنابراین فکر می کنم واقعاً یک حباب بود. از خودش جلو زد. احتمالاً 10، 15 سال طول کشید تا به هیاهوها برسیم. با هوش مصنوعی، سریعتر اتفاق می افتد. کوتاه شده‌اند، بنابراین فکر می‌کنم اینطور است، فکر می‌کنم هوش مصنوعی هنوز کمی جلوتر است، اما سریعتر می‌شود. اما در غیر این صورت فکر می کنم غیرقابل پیش بینی است. مانند تأثیر واقعی، شرکت های واقعی که متولد می شوند، ایده های انقلابی واقعی هنوز اتفاق نیفتاده اند. یا اگر هستند، هنوز از آنها اطلاعی نداریم.
SS: بله، اما در کتاب اعتراف می کنید که اختلال ایجاد می شود. و من فکر می کنم که واضح است که این یک اعتراف کلی است، اما در مورد شما، هیچ کس میزان این اختلال را نمی داند. چگونه این اتفاق خواهد افتاد؟ عواقب ناخواسته چیست؟ به آیفون خود بازگردید، مثال رسانه های اجتماعی. اما به طور کلی پذیرفته شده است که بازاریابی با این اختلال در تضاد است. بسیار زیاد – و شما چندین بار در کتاب به آن اشاره کرده اید – چقدر از آن امروز می تواند خودکار شود و خواهد بود. گفتگوهای شما با بازاریابان و درخواست آنها برای حدس و گمان در مورد آینده، نظر شما در مورد این چیست؟ آیا این آغاز پایان بازاریابی است یا پایان آغاز؟ [14.45]
MK: منظورم این است که مدام در حال اختراع مجدد است. فکر می‌کنم بخش مخرب بیشتر در کار روزمره ما خواهد بود. مثل ما، به معنای واقعی کلمه ما – شاید نه من و شما – اما به طور کلی آنچه مردم وقتی به دفتر می روند یا وقتی از خانه کار می کنند انجام می دهند. بنابراین… اما این تأثیر دارد که ابزار، قبلاً اتفاق افتاده است، همانطور که مهندسان اکنون به من می گویند، آنها دیگر کد نمی نویسند. آنها فقط دستورالعمل می دهند. اما آنها همچنان کار می کنند. آنها هنوز مطمئن هستند که همه چیز کار می کند. آنها بسیار دقیق، تقریباً شبیه کد، ارائه می دهند، اما به زبان انگلیسی، دستورالعمل های دقیق برای عوامل کدنویسی و غیره است. اما روند کار آنها بسیار تغییر کرده است. منظورم این است که اگر از هر یک از آنها بپرسید، می گویند که کاری که امروز انجام می دهند با دو سال پیش مشابه نیست. من فکر می کنم این در بازاریابی نیز صادق است. افراد با تمرکز کمتری وجود خواهند داشت. همانطور که می‌دانید، یک مدیر Salesforce که ایمیل را به خوبی می‌دانست، واقعاً نمی‌خواهد اشاره کند و کلیک کند، بسیاری از آنها “عامل” هستند. اما … شما هنوز آن شخص را دارید. آن شخص سپس به نوعی ارتقا می یابد و گروهی از ماموران را رهبری می کند. پس همه ما مدیر هستیم منظورم اینه که تا حدی الان هستیم اگه مامور داریم برامون کار میکنن.
اما من فکر می کنم احتمالا این تفاوت است. من فکر می کنم بازاریابی پیچیده تر است، نباید این را بگویم، اما بین ما پیچیده تر از خدمات مشتری و فروش B2B است، و فکر می کنم فقط به دلیل کمپین است. است؟ آیا می‌توانم این سفارش را برگردانم؟ خیلی… بنابراین شما می‌توانید بسیاری از این فرآیندها را راحت‌تر شناسایی و خودکار کنید. و من دیده‌ام که تیم فروش Salesforce کاملاً درگیر هوش مصنوعی است. آنها بسیاری از … خدمات مشتری را خودکار کرده‌اند، ما افراد زیادی داریم که از Agentforce برای خدمات مشتری استفاده می‌کنند. شما باید دوست داشته باشید، یک ایده بسازید، سپس به یک برنامه رسانه ای نیاز دارید، بلکه تعداد زیادی از عوامل ما بهتر می شود، اما من فکر می کنم که این کار کندتر از آن چیزی است که مردم انتظار داشتند.
SS: اما برگردیم به اختراع.اگر هوش مصنوعی واقعاً کار می کند، نیاز به بازنگری دارد، اگر بخواهید، نه تنها از نظر گردش کار آشکار، بلکه نقش بازاریابی چیست؟ و شما فکر می کنید که نقش سنتی بازاریابی بر اقتصاد توجه متمرکز است. و اکنون که ما در حال حرکت به سمت اقتصاد آژانس هستیم، جایی که مصرف کننده از میانجیگری هوش مصنوعی برای تصمیم گیری استفاده می کند، ناگهان نقش بازاریابی کمی مبهم می شود، اینطور نیست؟ عامل تعامل بین هدف بازاریابی چیست؟
MK: بله، منظور من از بازاریابی این است که شرکت طوری ارتباط برقرار کند که گویی نوعی فروش است، اساساً این یک شاخه از فروش است. اما با مصرف کنندگان ارتباط برقرار کنید و آنها را متقاعد کنید که محصول شما برای آنها مناسب است. آسان به نظر می رسد، اما واضح نیست. اما من فکر می‌کنم خود بازاریابی خواهد آمد، و ما قبلاً این را دیده‌ایم، فکر می‌کنم نسبت به درآمد پاسخگوتر شده است. قبلاً دشوار بود، اما زمانی که من در شرکت کار می‌کردم، در روزهای اداری من به میزان زیادی آگاهی از نام تجاری را بررسی می‌کردیم، زیرا این تنها چیزی بود که واقعاً می‌توانستیم ردیابی کنیم. ما یک اسپات تلویزیونی یا حتی تبلیغات بنری داشتیم و می گفتیم، خوب، آیا آگاهی را افزایش دادیم؟ حالا مثل این نیست که چیزی فروختیم؟ این می تواند بسیار دور از فروش چیزی باشد. اما این بهترین کاری بود که می توانستیم انجام دهیم.
فکر می‌کنم به زمانی می‌رسیم… برای مثال، می‌دانم که اکنون تجارت نمایندگی وجود دارد. بنابراین شما Visa، OpenAI، MasterCard، Agent Pay را می شناسید. راهی برای اتصال پرداخت‌هایتان به تجربه نماینده وجود دارد. و سپس من می دانم که به عنوان مثال Doordash، شما می توانید از قبل در Doordash احراز هویت کنید و سپس غذا سفارش دهید. بنابراین شما در هوش مصنوعی می‌مانید، اما این یک نوع بازاریابی است، زیرا با برند در تعامل هستید و سپس خرید می‌کنید و می‌توانید، می‌توانید این حلقه را واقعاً به راحتی ببندید. شما می گویید پس این اتفاق افتاد: آنها در GPT بودند و این کار را کردند و سپس خرید کردند. بنابراین مشخص است که هر چه بازاریابی می‌کنید، چه نقشی داشته است یا حتی اگر یک اسپانسر پولی باشد. بنابراین من فکر می‌کنم این است، سخت است، مسئولیت‌پذیرتر شده است، خیلی بیشتر است، مشتریان ما اکنون بسیار بیشتر بر ROI و تأثیر واقعی متمرکز شده‌اند، نه تأثیر نظری. بنابراین فکر می کنم این روند واضح است.
SS: بله، خوب، بازاریابی در حال تبدیل شدن به مسئولیت بیشتر برای رشد است، و اگر آنها نتوانند ثابت کنند…
MK: بله، بله.
SS: … رشد، آنگاه ترتیبات بازار مشترک چندان دوام نخواهد آورد.
MK: نه، این مانند فروش اضافی است، مانند درآمد اضافی است، اما همچنین درآمد خالص جدید.
SS: و مشتریان بیشتر بیشتر و بیشتر خرید می کنند.
MK: درست است.
SS: من می خواهم در مورد Salesforce از شما بپرسم. می دانید، من گفتم که Agentforce مدتی است که در آنجا حضور داشته است.شما در آنجا با شرکت هایی صحبت می کنید که در مراحل مختلف پذیرش و بلوغ هستند. می دانید، همه چیزهایی که من می بینم این است که دو سوم شرکت ها هنوز از جایی که باید باشند عقب هستند و قطعاً از رهبران این جنبش بسیار دور هستند. بزرگترین تغییر ذهنیت در مقایسه با آنچه تاکنون از نظر موفقیت‌آمیز هوش مصنوعی دیده‌اید چیست – فکر می‌کنم سوال من، بزرگترین تغییر ذهنیتی که شرکت‌ها باید انجام دهند چیست؟ و طرف دیگر آن جایی است که اکثر شرکت‌های امروزی در سمت اشتباه پذیرش هوش مصنوعی قرار دارند، چه چیزی را می‌توانید تشخیص دهید؟ [20.29]
MK: من فکر می کنم دو چیز وجود دارد. یکی اینکه هوش مصنوعی یک ابزار است. در میان برخی افراد، نوعی رمز و راز، رمز و راز و حتی مقاومت وجود دارد. می دانید، بازاریاب هایی که من در مورد آنها صحبت می کنم، نه تنها احساس می کنند شغلشان در معرض تهدید است، بلکه مقاوم هستند، زیرا احساس می کنند من به عنوان یک مصرف کننده از آن استفاده می کنم و کار نمی کنم، یا نمی فهمم چگونه کار می کند، یا باور کنید یا نه، منظورم این است که بسیاری از مردم آن را دوست دارند، اما بسیاری از مردم آن را دوست ندارند. بنابراین من فکر می کنم مقداری مقاومت وجود دارد. این یک ابزار است، و من فکر نمی‌کنم افراد کافی آن را اینطور ببینند. این چیزی است که قرار است زندگی ما را آسان تر کند. قرار است ما را کارآمدتر و مؤثرتر کند. کار بیشتر از آنچه مردم فکر می کنند. بنابراین می‌توانم بگویم که شما به همان روشی که به هر فناوری جدید نزدیک می‌شوید، برخورد کنید. این به نوعی پیش پا افتاده تر است، اما به نوعی شبیه این است که چه کاری می توانم به صورت تدریجی با هوش مصنوعی انجام دهم؟ مردم در حال حاضر بیش از حد روی عامل ترس از توانایی انجام کارهای بزرگ متمرکز شده اند، اما عملاً چه تأثیری بر زندگی من خواهد داشت؟ پس در مورد آن واقع بینانه تر باشید.
SS: تنها چیزی که من واقعاً در مورد آن خوانده‌ام که نشان می‌دهد شرکت‌ها نمی‌توانند از حالت آزمایشی و مقیاس خارج شوند این است که سعی می‌کنند هوش مصنوعی را در جریان کار موجود قرار دهند. این مشکل CRM در دهه 90 نیز بود، اگر به خاطر داشته باشید. آنها سعی می کنند به جای اختراع مجدد گردش کار برای تطبیق با این فناوری بسیار قدرتمندتر، آن را در یک جریان کاری موجود قرار دهند.آیا این برداشت شما از مسائل است؟
MK: بله، منظورم این است که این یک جریان کاری متفاوت است. همچنین … عوامل هوش مصنوعی نیاز به دسترسی به داده های مختلف دارند. آنها داده‌های بدون ساختار مانند گزارش‌های مرکز تماس یا محتوای موجود در سایت شما مانند ویدیوها و تمام متن‌ها را دوست دارند، و همه اینها برای ایجاد محتوا یا ایجاد یک کمپین بسیار مفید است. اما در دسترس قرار دادن این داده ها برای همه سیستم ها نیاز به یک پایه پیچیده دارد. تبدیل به پایگاه‌های داده برداری شده‌اند که در آن می‌توانید محتوای بدون ساختار و… بیشتر متن آپلود کنید، اما می‌دانید، تصاویر و ویدیوهای بیشتری و بیشتر و در دسترس نمایندگان قرار دهید و آن را قابل جستجو کنید. و بنابراین فکر می‌کنم خود پایگاه داده… بسیاری از مشتریانی است که من با آنها صحبت می‌کنم هنوز در این مورد دچار مشکل می‌شوند. مستندات ضعیف و همه مشکلات انسانی. CDP به نظر من مهمتر شده است.
SS: خب، می‌خواستم تاکید کنم که استفاده از آن عبارت، داشتن یک منبع حقیقت از همیشه مهمتر است. قبل از اینکه به جزئیات Agentforce و نحوه عملکرد آن بپردازیم، می‌خواهم به یک سؤال کلان دیگر بپردازم.همانطور که قبلاً گفتم، این کتاب در توصیف افراد مبتدی عالی است… اما از کاربران پیشرفته‌تر هوش مصنوعی، اگر بخواهید، گرفته تا پذیرندگان Salesforce… و تمام حوزه‌های اصلی را پوشش می‌دهید، خدمات مشتری و فروش و بازاریابی نتایج تغییرات واقعی و غیره هستند.هوش مصنوعی؟
MK: من فکر می کنم آنچه در ابتدا با خدمات مشتری Agentforce دیدیم، فکر می کنم بیشتر استفاده از Agentforce در مورد خدمات است. و چیزی که برای من جالب بود، و من در حوزه موفقیت مشتری نیستم، اما چیزی که برای من جالب است این است که مشتریان از آن استفاده می کردند، نه، به نظر می رسد راه کارآمدتری باشد. اگر بتوانید با استفاده از یک نماینده با قیمت 2 دلار به یک شکایت رسیدگی کنید و برای هر تماس 11 دلار هزینه داشته باشید، بسیار عالی است، بنابراین ما می توانیم از شر همه افراد خود خلاص شویم و فقط از نمایندگان استفاده کنیم. و اینطور نیست.
اتفاقی که افتاده این است که مردم به نوعی به تیم عوامل اضافه کرده اند. بنابراین مثل این است که مردم همان کاری را که انجام می‌دادند انجام می‌دهند و سپس عواملی را اضافه می‌کنند که همه کارهایی را انجام می‌دهند که اساساً قبلاً انجام نشده بود. بنابراین افرادی که در حالت تعلیق بودند و آنها را ترک می‌کردند یا سرنخ‌ها را رها می‌کردند، جذب سرب در سایت را دوست داشتند. بیشتر سرنخ ها نادیده گرفته می شوند. آنها گل زده و سپس نادیده گرفته می شوند. اما بسیاری از آنها می توانند دوباره به سرنخ زنده تبدیل شوند. بنابراین کارهای زیادی وجود داشت که شرکت‌ها نمی‌توانستند انجام دهند، بازاریاب‌ها و افراد خدماتی نمی‌توانستند انجام دهند، زیرا فقط افراد کافی نداشتند.
بنابراین نیروی کار ترکیبی انسان و عامل واقعی است. من فکر می کنم جالب است که بفهمیم چگونه با آن رفتار کنیم. ما یک مشتری داریم فکر می‌کنم آنها در Dreamforce6 درباره این موضوع صحبت کردند، اما قابل توجه است که آنها مانند یک خودکار هستند، آنها مانند یک شرکت لپ‌تاپ در اروپا هستند، و نمایندگان و افراد را با استفاده از یک امتیاز خالص تبلیغ‌کننده اندازه‌گیری می‌کنند. بنابراین از مردم می خواهند که به آنها امتیاز بدهند و سپس نمایندگان را در مقابل افراد رتبه بندی می کنند. این یک جنگ نیست، اما اساساً آنها سعی می کنند عوامل را به سطح انسانی پایین بیاورند. و بنابراین من فکر می‌کنم که با آنها به‌عنوان هم‌گروه‌های تیم رفتار کنیم، چشم‌اندازی است که می‌توان داشت. و من فکر می کنم این در واقع همان چیزی است که من دیده ام. [26.05]
SS: بنابراین این خدمات به مشتریان است. اما در مورد فروش در این مرحله و در جبهه بازاریابی چطور؟ کجا یک تغییر واقعی، قابل توجه و عمیق می بینید؟
MK: خب، قطعا در دنیای تولید محتوا، جایی که GPT شروع شد. می دانید، همه ما سه سال پیش هیجان زده شدیم، GPT مانند، اوه، می تواند جملات منسجمی بنویسد. که جدید بود، چون من .. GPT3 بود… در واقع از GPT2 استفاده کرده بودم. من این را در کتاب، کمی قبل از انتشار GPT3 ذکر کردم، و واقعاً کار نکرد. شماتیک اما نتوانست این کار را انجام دهد. GPT3 خیلی بهتر بود. GPT3 می تواند این کار را به راحتی انجام دهد.
این واقعیت که اکنون… اخیراً مطالعه‌ای انجام شد که در آن نسخه‌های تولید شده توسط هوش مصنوعی متقاعدکننده‌تر از نسخه‌های تولید شده توسط انسان بود، سریعتر ایجاد شد.و در واقع، وقتی از شخص طرف مقابل پرسیدند و آنها به آنها گفتند که توسط هوش مصنوعی تولید شده است، این باعث نشد که آنها از تبلیغ کمتر قدردانی کنند. بنابراین مردم محتوای تولید شده توسط هوش مصنوعی را به گونه ای می پذیرند که من فکر نمی کنم ما پیش بینی کرده بودیم. اما این… تولید محتوا بیشتر در فناوری و همچنین در تصاویر است. این ویدیو کمتر از آن چیزی است که ما در حال حاضر فکر می کنیم … مانند یک فیلم کوتاه است، و بسیار یک نسخه نمایشی است، اما برای تولید آماده نیست.
SS: خب، همانطور که اشاره کردم، داشتم با برادرم صحبت می‌کردم که یک خانه پست پروداکشن در ونکوور دارد، همانطور که اشاره کردم او با فیلم‌های هالمارک کار می‌کند، و او ابزار جدیدی را توصیف کرد که اکنون از آن استفاده می‌کند و به طرز چشمگیری توانایی‌اش را برای متفاوت جلوه دادن چیزها روی پرده بهبود داده است. بنابراین می‌بینید که کارایی کجا در حال رشد است… من فکر می‌کنم در حال حاضر، برای اکثر مردم، این مکان آشکاری برای بازی بهره‌وری و کارایی است. بنابراین وقتی منظورم تغییردهنده است، منظورم این است که آیا ارزش پیشنهادی را تغییر داده ایم؟ آیا تجربه مشتری را تغییر داده ایم؟ آیا می دانید که آیا ما همه چیز را بهتر کرده ایم و نه فقط کارآمدتر و ارزان تر؟
MK: بله، آنها ابتدا بر روی صرفه جویی در هزینه تمرکز می کنند. من فکر می کنم اکثر خریداران این کار را انجام می دهند. ولی فکر کنم بهتر شده به تدریج بهتر شده است. به عنوان مثال به تجربه چت بات چند سال پیش فکر کنید که بسیار ساختار یافته بود. امروزه چت و بیشتر چت ربات ها بسیار محاوره ای هستند و به داده های بیشتری دسترسی دارند. بنابراین بهتر شده است، اما افزایشی است.
SS: و من فکر می‌کنم مصرف‌کننده نهایی نقشی در این امر ایفا می‌کند، زیرا آنها مزایای آن را می‌بینند، خواه ابزار تشخیص سلامتی باشد یا تصمیم‌گیری درباره محصول در حال حاضر، بیشتر و بیشتر. شما فقط خواهید دید که استفاده و پذیرش سال به سال افزایش می‌یابد، و این تأثیر موجی آشکار در کسب‌وکارها خواهد داشت زیرا مصرف‌کنندگان روش خرید محصولات و تصمیم‌گیری را تغییر می‌دهند. بیایید در مورد Salesforce و Agentforce صحبت کنیم که واضح است که موضوع کتاب است. کمی تاریخچه هوش مصنوعی Salesforce را مرور کنید. منظورم این است که این یک پذیرش اولیه بود که انیشتین – یادگیری ماشین – را به سال 2014 بازگرداند. چگونه از آنجا تکامل یافته است؟ چگونه با یادگیری ماشینی اینشتین به هوش مصنوعی Generative همانطور که امروز می شناسید و Agentforce پایان یافت؟ [29.25]
MK: خوب، فکر می کنم حق با شماست که سال 2016 بود. پس بیش از 10 سال از آن زمان می گذرد. Salesforce یک دفتر هوش مصنوعی افتتاح کرد و در آن زمان مردم به این فکر می کردند که دفتر هوش مصنوعی قرار است چه کار کند؟ استفاده و پذیرش اصطلاح هوش مصنوعی به طور کلی نسبتا جدید است. در واقع، در گذشته در برابر آن مقاومت شده است، زیرا آنها مثل اوه، این کار نمی کند. یک اصطلاح چتر است و شامل یادگیری ماشین می شود، من آن را زیر مجموعه می نامم. و سپس یادگیری عمیق که به نوعی مدل مدرن تری بود. و سپس ما اکنون این مدل های افراطی را داریم.
پس همه اینها هوش مصنوعی است.فکر می‌کنم وقتی امروز مردم درباره هوش مصنوعی صحبت می‌کنند، به مدل‌های مرزی فکر می‌کنند. اما یادگیری ماشین در اسرع وقت در محصولات ساخته شد. و مانند اینکه سیستم‌های توصیه‌ای – مانند توصیه محتوا به ایمیل شما – در ابر تجارت داشته باشیم. یک توصیه گر خالص وجود داشت. همه اینها بر اساس یادگیری ماشینی بود. حتی قبل از Agentforce، یک برنامه ساخت مدل وجود داشت که در CDP Data 360 ما وجود داشت.و بنابراین شما می توانید… و به آمازون SageMaker متصل می شود تا بتوانید مدل ها را در اینجا بسازید و آنها را در Data 360 اجرا کنید.و ما سعی کردیم تا حد امکان با تمام این فناوری به روز باشیم.
سپس Agentforce آمد. کمی کمتر از سه سال پیش بود، در واقع راه اندازی شد – یادم می آید درست در نزدیکی کریسمس بود – که در آن زمان هیچ کس واقعاً در مورد عوامل صحبت نمی کرد. آنها در مورد GPT و چت صحبت می کردند، و به نظر می رسید نسخه ای از جستجو است که بسیار بهتر از جستجو است، شاید احتمالاً. اما کل مفهوم یک عامل گیج کننده بود. میدونی نماینده چیه؟ و ما سعی داشتیم بگوییم این راهی برای انجام کار برای کسب و کار است. اما آنچه ساخته شد، چیزی که از پایه شروع به ساختن کردند راهی بود برای… من آن را «هوش مصنوعی سازمانی» می نامم.
بنابراین استفاده از آن به‌عنوان مصرف‌کننده تفاوت بزرگی دارد – می‌دانید، یک دستور غذا درست کنید، یک برنامه تمرینی درست کنید – اشتباه می‌کند، واقعاً مهم نیست. اگر یک کسب و کار هستید و برای مشتریان محتوا تولید می کنید، دنیای بسیار متفاوتی است. منظورم این است که شما می توانید در یک دعوی بزرگ یا هر چیز دیگری گرفتار شوید، این کار بزرگی است. و یا حتی اگر داده‌های شما در یک مدل قرار می‌گیرد و آنها مقداری از آن را نگه می‌دارند، و می‌دانید، می‌توان آن را بازسازی کرد… و انواع نرده‌ها و لایه‌های محافظ وجود داشت. ساخته شود. و لایه‌ای از اعتماد، تشخیص سمیت، تشخیص سوگیری، یک شناسه شخصی برای اطمینان از اینکه هیچ اطلاعات شناسایی شخصی باقی نمانده بود – و توکن‌سازی بود، همه اینها باید ساخته می‌شد.می‌دانید، در قفسه وجود ندارد.
و بعد چیز دیگر این است که چشم انداز این بود که ساختن عوامل آسان شود. بنابراین نوعی چارچوب مبتنی بر الگو ایجاد کنید که در آن بتوانید موضوع و حفاظ ها و دستورالعمل ها را توصیف کنید و سپس عوامل آزمایش را در جعبه شنی قرار دهید، ببینید چگونه کار می کنند و آنها را بهبود بخشید. همه آنها به مرور زمان نیاز به بهبود دارند. و سپس هنگامی که در طبیعت هستند آنها را مشاهده کنید. در مورد ساختمان این روشی بود که تیم شما می‌توانست ایده‌هایی بیابد و بدون اینکه کدنویس یا متخصص هوش مصنوعی باشد، به راحتی آنها را آزمایش و اجرا کند. و از آنجا گسترش یافته است.
SS: آیا جلد کتاب کبریت Agentforce نوعی «آماده سازمانی» است؟ و فکر می‌کنم شما از اصطلاح کار دیجیتالی استفاده می‌کنید.
MK: بله، خوب، مارک بنیوف در ابتدا صحبت می کرد، او گفت، او به نوعی، آره، نیروی کار ترکیبی آینده است. او در مورد این نیروی کار عامل انسانی ترکیبی صحبت می کرد، که در برابر آنها مقاومت کرد زیرا آنها مثل اوه، ماموران انسان نیستند. اما من فکر می کنم حرف او درست است، اساسا یک عامل چیزی است که کار می کند، بنابراین شما به آن دستورالعمل بدهید. معمولاً دامنه بسیار باریکی دارد، مانند اینکه می تواند هزینه ها یا چیزی را بپذیرد. هرچه باریکتر باشد در واقع بهتر است.
و بنابراین، اما یک عامل چیزی است که کار را انجام می دهد و می تواند انجام شود، در حالت ایده آل می تواند نیمه خودمختار باشد. همانطور که می توانید به آن اعتماد کنید، بدون نیاز به تایید انسانی همه چیز را به سوالات مصرف کننده پاسخ دهید زیرا در غیر این صورت کارآمد نیستند. بنابراین یک قطعه نیمه خودمختار وجود دارد و من فکر می کنم که آنها به مرور زمان خودمختارتر می شوند و به نوعی شبیه به یک کارگر انسانی هستند. من فکر می‌کنم که آنها بسیار شدیدتر کنترل می‌شوند و همچنین کاملاً مستقل از یک انسان نیستند. و خودم در واقع، مردم نیز کاملا مستقل نیستند. چیزها همه نوع تایید دارند. مثل اینکه حتی من باید برای چیزهایی تایید کنم.
SS: و ممکن است شما واقعاً به این سؤال پاسخ داده باشید، اما آیا هدف در اینجا ایجاد یک پلتفرم مناسب برای سازمان است که بتواند هوش مصنوعی را با شرکت‌هایی که هوش مصنوعی انجام می‌دهند ایجاد کند؟
MK: بله، خنده دار است، ما قبلاً اسلایدی داشتیم که می گفت: “هوش مصنوعی خود را انجام ندهید.”
SS: بله، من این عبارت را دوست دارم، اما پیامی که به مدیر ارشد اجرایی می‌دهیم این است که ما می‌توانیم این کار را برای شما بسیار آسان‌تر کنیم. لازم نیست خودتان این مسیر عذاب آور را طی کنید. ما همه اینها را برای شما انجام داده ایم.آیا این یک زمین فروش است؟ [34.50]
MK: من مجبور نیستم این را به اندازه سال گذشته توضیح دهم، اما فکر می‌کردم کلود یا فابل 5 یا هر چیز دیگری، عالی است، اما یک تفاوت بزرگ وجود دارد: شما از آن استفاده می‌کنید، از آن مدل‌ها استفاده می‌کنید، و سپس… اما باید چیزهای زیادی پیرامون آن بسازید تا در کسب‌وکارتان کار کند. و برخی از مواردی که قبلا ذکر کردم. مثلاً به سطحی از اعتماد نیاز دارید. پس چگونه می توان آن را قابل اعتماد ساخت؟ باید قابل استفاده باشد. بنابراین منظورم این است که اگر من الان به کلود بروم، منظورم این است که چگونه یک نماینده بسازم؟ نمی‌دانم، اما می‌توانم به Agentforce بروم و من را از طریق فرآیند راهنمایی کند و یک نماینده بسازد. نظارت بر عامل، بدیهی نیست: اگر من به GPT بروم، چگونه می توانم دسته ای از عوامل را که توسط شرکت های مختلف ایجاد شده اند نظارت کنم؟ و به این ترتیب همه این نوع چیزها. و حتی در حال حاضر با این پروتکل‌ها مانند MCP و Agent to Agent، و زمانی که شرکت‌ها می‌توانند از این رویکردهای جدید استفاده کنند، همه آنها در Agentforce ساخته می‌شوند.
این به نوعی … مانند DIY AI امکان پذیر است. در قدیم هم همین طور است. اگر مهندسان کافی داشتید، اگر وقت کافی داشتید، اگر صبر کافی داشتید، می‌توانید CRM خودتان را بسازید، منظورم این است که هیچ چیز مانع شما نمی‌شود، اما دریافت چیزی که قبلا ساخته شده است بسیار آسان‌تر است و آنها آن را برای شما حفظ می‌کنند و سردرد را نجات می‌دهند و ما فقط یک هزینه ماهانه به آنها می‌پردازیم.
SS: بله، البته. فقط یک نمای کلی از معماری Agentforce ارائه دهید تا به مخاطبی کمک کنید که آشکارا کتاب شما را نخوانده است. زیرا همانطور که در این مصاحبه به آن اشاره کردید، در اینجا چند قسمت متحرک وجود دارد. اما فقط یک نمای کلی به من بدهید و سپس به عمق حداقل چند بخش که به خوبی در کتاب پرداخته شده اند می پردازیم. فقط برای این مخاطبان، اگر می توانید چنین توضیح ساده ای بدهید.
MK: اوه، حتما شرکای Salesforce، ما با Anthropic شریک هستیم. ما همچنین با OpenAI و Gemini شریک هستیم. Salesforce، ما یک مدل داریم، ما در تجارت مدل مرزی نیستیم. بنابراین ما لزوماً مدل خود را نمی‌فروشیم یا به بازار عرضه می‌کنیم، بلکه دسترسی به این مدل‌های خارجی، قدرتمند و شگفت‌انگیز را فراهم می‌کنیم. خود Agentforce بر روی “Hyperforce” 7 ساخته شده است، بنابراین Salesforce در ابر عمومی است. لایه اعتمادی وجود دارد که قبلاً به آن اشاره کردم. این رابط بین مدل و دنیای Salesforce است. و لایه اعتماد تنها راهی برای قابل اعتماد کردن آن است.
بالاتر از آن Data Cloud است.Data Cloud قبلاً Salesforce CDP Data Cloud بود – Data 360 که اکنون آن را می نامیم. و Data Cloud یک الزام است. شما واقعا نمی توانید از Agentforce استفاده کنید مگر اینکه از Data 360 استفاده کنید.آنها پیوند داده شده اند. دلیل آن این است که داده های مورد استفاده توسط Agentforce از طریق Data 360 قابل دسترسی است.Data 360 راهی برای هماهنگ کردن داده ها است. بنابراین شما آن را از منابع مختلف دریافت می کنید. و به طور فزاینده ای، شما خودتان داده ها را وارد آن نمی کنید. شما فقط می توانید به داده های موجود در Snowflake یا Databricks بدون کپی برداری اشاره کنید که بسیار کارآمد است.
و Data 360 یک لایه پروفایل یکپارچه است. و سپس مولفه داده های بدون ساختار نیز وجود دارد که قبلاً در مورد آن صحبت کردم. و در بالای آن خود Agentforce، پلتفرم است. و دارای ماژول های مختلفی است، اما یکی از آنها توانایی … مانند یک رویکرد مبتنی بر مدل برای عوامل ساختمانی است. بنابراین یک راه آسان برای نزدیک شدن به عوامل ساختمان. و سپس مانند یک مرکز تست، راهی برای توسعه و آزمایش موارد در یک محیط امن وجود دارد.
و سپس این نیز وجود دارد که ما اکنون یک فابریک عامل از طریق Mulesoft داریم، و اساساً راهی برای نظارت بر عواملی که هم عامل Agentforce هستند و هم عواملی که شما در جای دیگری ساخته‌اید. این می تواند CoPilot یا هر یک از عوامل شخصی شما باشد که از طریق سرور MCP خود ساخته اید. و شما می توانید همه آنها را از یک شیشه مانیتور کنید. بنابراین شما به گردش کار نماینده خود دسترسی دارید. و مانند یک هواپیمای کنترل هوش مصنوعی است. با هم.
SS: پس لطفا در این سوال به من کمک کنید. بنابراین شما پلتفرم سنتی Salesforce، CRM را دارید…
MK: بله.
SS: …فروش، خدمات مشتری، و غیره. اکنون شما این پلتفرم Agentforce را دارید. آیا یک شرکت می تواند وارد شود و بگوید بله، داده Cloud و Agentforce را به من بدهید. من این دو را با هم می شناسم، اما می خواهم از Klaviyo یا سیستم CRM دیگری استفاده کنم. آیا این امکان پذیر است؟ آیا می توانید آن را باز کنید؟ یا باید CRM ما را به همراه Agentforce و Data Cloud ببرید؟
MK: نه، Agentforce به Data 360 وابسته است، اما به هیچ چیز دیگری وابسته نیست. مانند اینکه لازم نیست CRM یا Marketing Cloud یا … داشته باشید، در واقع، ما قطعاً مشتریانی داریم که فقط از Data 360 و Agentforce استفاده می کنند. این تمام ردپای Salesforce آنهاست. کاملا باحال آنها می توانند در این زمینه موفق باشند. و من فکر می کنم Data 360 یک کانال خواهد بود. بنابراین، شما باید Klaviyo یا Marketo یا هر چیز دیگری را در اینجا داشته باشید و به داده‌های موجود در این موارد اضافی مانند سایر CRM ها یا سایر مراکز بازاریابی یا هر چیز دیگری، از طریق Data 360 دسترسی داشته باشید.
بنابراین خود پلتفرم طی چهار یا پنج سال گذشته تغییر کرده است و خراب شده و قابلیت ترکیب‌پذیری بیشتری پیدا کرده است. اکنون مجموعه‌ای از اجزاست، و ایده این است که همه محصولات در بالای آن پلتفرم اجرا شوند، از جمله ابر بازاریابی، ابر تجاری. بنابراین ما چیزی را داریم که به آن Marketing Cloud Next می گوییم، که همان ابر بازاریابی در پلت فرم اصلی است. بنابراین باید سیستمی باشد که به راحتی با هم کار کند تا اگر فروش یا خدمات را به هم متصل کنید، بتوانید آن را بازاریابی کنید. و من می گویم پنج یا شش سال پیش انجام آن دشوارتر بود. پس همه چیز مثبت است. [40.50]
SS: بنابراین اجازه دهید در چند زمینه به عمق بپردازم، و منظورم فنی نیست، بلکه فقط برای درک است، زیرا شما به آن اشاره کرده اید. اما یک لایه اعتماد وجود دارد، که فکر می کنم شما آن را لایه اعتماد انیشتین می نامید. چرا اینقدر مهم است؟ گفتی بین LLM و مدلت هست. اگر بتوانم اینطور بیان کنم چگونه اعتماد ایجاد می کند؟
MK: منظورم این است که اعتماد… ارزش شماره یک نیروی فروش ماست. من فکر می کنم آنها… این احتمالاً یک اصطلاح مبهم است. اعتماد مولفه های مختلفی دارد. اما ایده کلی پشت لایه اعتماد این است که شما داده های کسب و کار خود را دارید. بنابراین این داده های مشتری شما، داده های حساب شما است. این برای شما بسیار ارزشمند است. این چیزی است که شما دارید و هیچ کس دیگری ندارد. اما همچنان آن را در دسترس کلود قرار دهید یا آن را در دسترس GPT قرار دهید تا آنها بتوانند داده های مشتری شما را پردازش کنند، زیرا در غیر این صورت شما فقط … به طور کلی مانند استفاده از کلود است. هر کسی می توانست این کار را انجام دهد. اما اگر به داده های خود دسترسی داشته باشید، بسیار قدرتمندتر می شود. شما می توانید شخصی سازی و انواع کارهای شگفت انگیز را انجام دهید. اما فعال کردن آن کاری است که لایه اعتماد انجام می دهد. ما با مدل‌های Frontier توافق‌هایی داریم که از داده‌ها برای آموزش استفاده نمی‌کنند – مانند قراردادهای قراردادی – و انواع کنترل‌ها و توازن‌ها در مورد آنچه بازمی‌گردد وجود دارد. آره بنابراین فقط آن را قابل اعتمادتر می کند.
SS: بنابراین، اگر بتوانم مستقیماً بیان کنم، این یک راه فنی برای پیشگیری است…
MK: نشت داده ها.
SS: بله، دقیقاً همان اصطلاحی است که به آن فکر می کردم.
MK: بله، بله، این نشتی است. آره آره و این، منظورم این است که این یک معامله بزرگ است. من فکر می کنم اگر اصلاً تهدیدی وجود داشته باشد، شرکت ها از آن استفاده نمی کنند. حتی اگر احتمال نشت داده ها 10% از 1% باشد
SS: بله.
MK: غیر قابل قبول.
SS: به خصوص زمانی که مردم به اخلاقیات یک ویرایشگر LLM مشکوک هستند. تنها مؤلفه بزرگ دیگر – و شما آن را مغز Agentforce می نامید – موتور استدلال اطلس است. چگونه کار می کند؟ چه کاری در نظر گرفته شده است؟
MK: موتور استدلال اطلس جایی است که عوامل از هوش خود استفاده می کنند. بنابراین وقتی به نحوه کار این مدل‌ها فکر می‌کنید، برای سادگی، به آنها یک پیام ارسال می‌کنید و پاسخی دریافت می‌کنید، و یک حلقه وجود دارد. سریع و پاسخگو اما یک نماینده، اگر چنین نماینده ای داشته باشید، فقط یک بار این کار را انجام نمی دهد. یک بار موفق می شود. پاسخ می گیرد. این یک مکالمه است.
بنابراین طرف دیگر گفتگو… بنابراین کلود در یک طرف به عنوان مثال قرار دارد و طرف دیگر موتور استدلال اطلس است.این بخش Agentforce است، و این قسمتی است که تصمیم می‌گیرد که چگونه درخواست تغییر کند. و چگونه می توانم این گردش کار را برای رسیدن به هدفی که فرد می خواهد به آن دست یابد بهینه کنم؟ در واقع پیچیده است، موتور استدلال اطلس. این انبوهی از ماموران است. بخش های مختلف خودش را دارد و فقط یک چیز نیست. احتمالا هزاران چیز در اطراف وجود دارد. در مورد یک مشکل خاص و تصمیم گیری در زمان واقعی. این بخشی از تفکر Salesforce است.
SS: این یک دسته مینیون است که دور و بر می دوند.
MK: مینیون ها من یک عکس از آن را دیده ام و به نظر می رسد.
SS: این تنها تصویر در ذهن من است.این یا دسته ای از زنبورها چیز دیگری است که به ذهن می رسد. بنابراین آخرین سوال نیمه فنی. و شما این کار را به خوبی در کتاب انجام می دهید – شما در مورد عوامل خارج از قفسه صحبت می کنید که خارج از قفسه هستند. نگران نباشید… ما ساخته ایم… ما به این فکر می کنیم. اما شما همچنین در مورد اهمیت ایجاد استعداد خود صحبت می کنید. من را در یک سطح بالا ببرید تا با استفاده از پلتفرم Agentforce نماینده خود را بسازم.سطح بالا. [45.05]
MK: بله، منظورم این است که مشخصا بر اساس موارد استفاده است. بنابراین شما ایده ای دارید که می خواهید نماینده چه کاری انجام دهد. و به همین دلیل اجزای مختلفی دارد. عنوان موضوع خواهد بود. بنابراین شما به سادگی عامل را توصیف می کنید و در زیر آن دستورالعمل ها را ارائه می دهید. بنابراین دستورالعمل ها دستورالعمل های روشنی هستند مانند کارهایی که باید انجام دهد، کارهایی که نمی تواند انجام دهد. شما می دانید که برای مثال یک ایمیل مشتری دریافت می کنید و اگر به آن دسترسی ندارید، آن را از آنها بخواهید، یا فقط به عنوان مثال یا سعی کنید مفید باشید، سوالات دشوار نپرسید و لحن صمیمی و مفیدی داشته باشید و همیشه با یک برنامه اقدام یا دعوت به اقدام یا برخی دستورالعمل ها نتیجه بگیرید.
و سپس نرده های محافظ وجود دارد. پس مثل کارهایی است که نمی توانید انجام دهید. و برخی از آن در واقع پخته می شوند… مثل شما، کاربر مجبور نیست آن را بنویسد… مثلاً، زبان سمی و خطرناک… همه این چیزها در پشت صحنه فیلتر می شوند. پس همه اینها خوب است. و سپس شما همچنین می توانید ایده یک معیار را جاسازی کنید … مانند اینکه چگونه می خواهید موفقیت یک نماینده را اندازه گیری کنید؟ شما می دانید که چه چیزی به عنوان یک نتیجه موفق به حساب می آید. و سپس اساساً این چارچوب اساسی است. این موضوعات و دستورالعمل ها است. مرحله بعدی آزمایش آن و بهبود آن و غیره است. بنابراین همه اینها در Agentforce نیز قابل رسیدگی است.
SS: بنابراین به نوعی مبتنی بر مدل، گام به گام است. برای کاربر نهایی آسان است که تمام مراحل را طی کند.
MK: و راهنمایی وجود دارد. و در واقع اولین نسخه از این، این قالب ها، همه چیز خالی بود. مثل اینکه موضوع خالی بود – دستورالعمل‌ها خالی بودند – و مشتریان می‌گویند، اوه، این خیلی سخت است. سپس یک عامل ایجاد کردیم تا قالب را پر کند. بنابراین اساساً شما فقط پروژه خود را توصیف می کنید و موضوع و دستورالعمل ها را برای شما و حفاظ انجام می دهد – اساساً یک طرح به شما می دهد. و این واقعا کمک کرد، به فرزندخواندگی کمک کرد.
SS: باید تصور کنم. بسیار خوب، من قصد دارم از صحبت کردن در مورد آنچه در زیر سرپوش وجود دارد به نحوه شروع به کار شرکت ها در واقع Agentforce بپردازم. و فکر می‌کنم این یکی از بخش‌های دیگر کتاب شما است که برایم جالب بود، زیرا شما دقیقاً می‌دانید که باید به چه چیزی فکر کنید، حتی از کجا شروع می‌کنید. و شما نشان می‌دهید که بدیهی است که کار معمولی است و برای اتوماسیون فریاد می‌زند. اما شما همچنین نشان می‌دهید که باید به جای جایگزین کردن آن، کار را تقویت کند. معیارهای انتخاب کدامند؟ شما به تازگی Agentforce را وارد کرده اید. چیزهای زیادی برای مقابله دارید.چگونه بر اساس معیارهای انتخاب پیشنهادی خود اولویت بندی می کنید؟
MK: بله، من فکر می کنم هر زمان که … شما با تصمیمات زیادی درگیر هستید که باید در مقیاس گرفته شوند. و مثل این است که، برای مثال، اگر مشتریان زیادی دارید و باید تصمیم بگیرید که چگونه پیام‌ها را برای هر مشتری شخصی‌سازی کنید، به نظر می‌رسد که می‌تواند برای یک نماینده خوب کار کند. هر چیزی که فقط به خاطر اندازه تیم شما، ظرفیت تیم افرادتان مانع شما می شود. در روزهای اداری من، گلوگاه همیشه تیم خلاق بود. شما باید منتظر می ماندید تا آنها تصویر را تمام کنند … آنها باید منتظر بمانند تا آنها نسخه را بنویسند.شما می توانستید انجام دهید، هر یک از ما می توانستیم کمپین بسیار بزرگتر و جاه طلبانه تری انجام دهیم. ما فقط منابع نداشتیم.
بنابراین هر جایی که از درون احساس می‌کنید هدفی دارید و سپس به اندازه گروه افراد محدود شده‌اید، مکان خوبی برای نگاه کردن است. و بعد دیگر اینکه، شما به قطعه اتوماسیون اشاره کردید، پس چه کاری روتین است؟ این بیشتر در مورد کارایی است. اما چه کاری تکراری است؟ و فکر می‌کنم از مردم می‌پرسید چه بخش‌هایی از شغلتان تکراری است. حلقه وجود دارد.
SS: خوب، من فکر می کنم شما چند بار در کتاب پرتاب کرده اید.من فکر می‌کنم این عدد حدود 40 درصد از کار بود، چیزی که به راحتی می‌توان آن را خودکار کرد…
MK: بله.
SS: … برای اکثر مشاغل، یا مطمئناً اکثر مشاغل بازاریابی به هر حال.
MK: فکر می کنم درست است، روتین های زیادی وجود دارد. آره در بازاریابی، حداقل در زمان من، برش، چسباندن و قرار دادن در اکسل زیاد بوده است.
SS: مشغله های زیادی وجود دارد…
MK: بله.
SS: … و نه چندان استراتژی. این یکی از مشکلات بازاریابی است. و بیایید در مورد مشکل دیگری که شرکت‌ها با آن مواجه هستند صحبت کنیم، یعنی افزایش، افزایش، تقریباً در برخی موارد هزینه‌های خارج از کنترل هوش مصنوعی، نگرانی‌های مشروع واقعی در مورد رفاه، چگونه این هزینه‌های فزاینده را مدیریت کنیم؟ سود این کار کجاست؟ چگونه می توانم این را در ترازنامه خود جبران کنم؟ و شما در کتاب توضیح می‌دهید که چگونه قیمت‌گذاری را در ابتدا توصیه می‌کردید، بر اساس 2 دلار در هر مکالمه در مقایسه با 11 دلاری که فکر می‌کنم قبلاً ذکر کردم. اما من فکر می کنم که شما در حال راه اندازی یک مدل جدید یا متفاوت هستید. و حدس می‌زنم سوال بزرگتر دیگر این است که چگونه بازاریابی نشان می‌دهد که سرمایه‌گذاری ارزش آن را دارد؟همیشه هدف بازاریابی بسیار گریزان است که بازگشت سرمایه را نشان می دهد.
MK: بله.
SS: امروز چگونه پرونده تجاری توصیه می شود؟ یا بهترین رویکرد برای آن چیست. [50.32]
MK: بله، خیلی سخت است، و نمی‌دانم اکنون اثبات تأثیر بازاریابی آسان‌تر است یا نه. منظورم این است که این همیشه مطرح می شود، اما منظورم این است که اغلب مشکل داده است. با Salesforce هم مشکل داشتیم. می دانید، ما یک خط لوله بازاریابی داریم. ما کانال های زیادی داشتیم، سرنخ های زیادی داریم. 360 تا یک داستان داده را سازماندهی کنید، و سپس می توانید هوش مصنوعی را در بالای آن قرار دهید و یک مدل الگوریتمی خوب بسازید و چیزی 80٪ دقیق بسازید. ایجاد یک کیس بازاریابی تقریباً همان مشکل 10 سال پیش است. داستان داده خود را دریافت کنید و سپس تجزیه و تحلیل را اعمال کنید.
مشکل هزینه قابل توجه است. مردم سال گذشته آن را کشف کردند. قبلاً کسی در مورد هزینه صحبت نمی کرد. به این دلیل است که آنها از هوش مصنوعی استفاده نمی کردند. و هنگامی که شروع به استفاده از آن می کنید، متوجه می شوید که به راحتی می توانید بودجه خود را در یک ماه از بین ببرید. بنابراین چیزهای بیشتری وجود دارد… و راه هایی برای مدیریت آن وجود دارد، و من می دانم که Anthropic و غیره در تلاش هستند تا به مردم کمک کنند تا از نحوه خرج کردن پول خود آگاه شوند. و بنابراین… اما این یک هنر و یک علم است. منظورم این است که خوب است … مثل اینکه ما اکنون قیمت گذاری مبتنی بر مصرف را دوست داریم. مثل این است که شما برای چیزی که استفاده می کنید پول می دهید که عالی است. اما در ابتدای سال باید بودجه خود را به عنوان مشتری تعیین کنید. مثلا چگونه بودجه خود را تنظیم کنم؟ مثلا چه چیزی باعث مصرف می شود؟پیش بینی آن بسیار سخت است.
SS: بله، می خواستم بپرسم که چگونه آن را اندازه گیری می کنید، زیرا مدل اشتراک سنتی شما آسان است، چند نفر از سیستم استفاده می کنند … و اکنون متوجه شدید که چه چیزی، توکن ها، چگونه آن را قیمت گذاری کنم، چگونه آن را مدیریت کنم؟ آره، بزرگ، بزرگ، بزرگ… و کریس اوهارا یک مقاله واقعاً خوب ۸ در مورد این چالش قیمت گذاری نوشت. بنابراین بسیاری از این تغییرات دگرگون کننده، مدیریت تغییر، عوامل تغییر، بدون جناس هستند. آیا شرکای دارید که به شرکت‌های شما کمک می‌کنند تا تغییرات استقرار را تسریع کنند، یا اکنون در موقعیتی هستید که باید به آنجا بروید و آستین‌ها را بالا بزنید و واقعاً به شرکت‌ها کمک کنید تا با بسیاری از این سؤالات چالش‌برانگیز که من امروز می‌پرسم، مقابله کنند.
MK: بله، ما متوجه شدیم که Agentforce بیرون آمد و علاقه زیادی وجود داشت و مشتریان سعی می کردند آن را گسترش دهند و سپس آنها چیزی را مستقر می کردند و مشکلی پیش می آمد و بسیاری از آنها متوقف می شدند و ما احساس ناامیدی می کردیم زیرا فکر می کنیم این می تواند بسیار موفق تر از آنچه هست باشد. بنابراین ما توسعه دادیم، در واقع یک عملکرد کاملاً جدید به نام مهندسان مستقر پیشرو وجود داشت که افراد زیادی داشت. Agentforce فروخته شده است، آنها در مشتری تعبیه شده اند تا دقیقاً همان چیزی را که شما در مورد آن صحبت می کنید انجام دهند. مورد استفاده مناسب را بیابید، نحوه ساخت عوامل، نحوه نظارت بر عوامل برای راه اندازی و راه اندازی آنها را بیابید. در نهایت مهندس پیشرو مستقر می‌رود و مشتری تنها می‌شود. اما اگر چیزی در دنیای هوش مصنوعی کار نکند، مردم تمایل دارند تسلیم شوند. اما در واقع، اگر کمی فشار بیاورید، می‌توانید دریابید که می‌توانید آن را عملی کنید. حرف من است.
SS: خوب، و من فکر می کنم این چالش دیگری است که بازاریابی قطعا با آن مواجه است.اینطور نیست که بتوانید یکی را از خیابان بردارید و سر کار بگذارید و بگویید برو این کار را بکن.
MK: جدید است.
SS: آنها باید آموزش ببینند، آموزش ببینند، درست است؟مثل این است که اوه سوال دیگری که از شما دارم این است که منظورم این است که برخی از نگرانی های بزرگ در بازاریابی این است که آیا من شغلم را به خاطر هوش مصنوعی از دست خواهم داد؟ و در حال حاضر، هیئت منصفه کمی، هنوز هم کمی به این موضوع توجه دارند. بنابراین مشاغل سطح ابتدایی که می دانیم تقریباً نان تست هستند. اما سوال من این است که روز پیش از جیم استرن نیز این را پرسیدم، زیرا او مانند شما مدت زیادی در این صنعت بوده و در آنجا بوده است، او اساسا انقلاب وب را رهبری کرده است. و روز پیش از او این سوال را پرسیدم که اساساً چگونه و چه احساسی نسبت به این که این نردبان تصمیم گیری هوش مصنوعی چقدر پایین است، چگونه بود. منظورم این است که کار چه کسی در خط است؟ زیرا شما به راحتی می توانید ببینید که در چند سال آینده زمانی که هوش مصنوعی بخشی از تصمیم گیری ها را در دست گرفته است، به کجا می رسد، به خصوص زمانی که بازاریابی امروزی است، به این معنی که آنها تأثیر کمی بر شرکت و جهت گیری استراتژی ندارند. و بسیاری از این تصمیمات بازاریابی در واقع معمول تر هستند. اما شما چه فکر می کنیددر مورد این آیا در نهایت از نیروهای پیشرو بازاریابان حمایت خواهد کرد؟ و اینجاست که اختراع مجدد بازاریابی حیاتی می شود. نظر شما در مورد این چیست؟ [55.10]
MK: نه، من اینطور فکر نمی کنم. مثل اینکه همیشه یک CMO وجود دارد و به نوعی مانند یک افسر ارشد حکومتی. آنها نظارت می‌کنند و تعیین می‌کنند که عملکرد چه کاری باید انجام دهد و چه کاری را لازم نیست. و سپس در زیر آنها فکر می کنم برند Czar است که لحن برند را تعیین می کند و فقط سعی می کند مطمئن شود که همه نمایندگان از قوانین پیروی می کنند. سپس پلیس حاکمیت و سپس افراد بسیار فنی هستند که نحوه عملکرد مدل ها را درک می کنند. بنابراین این توابع از بین نمی روند. علم داده، حاکمیت و انطباق، برند، اساساً هویت، هر چه باشد.و پس از آن نقش CMO از بین نمی رود، من فکر نمی کنم.
در زیر آن، شما نقش های جدیدی دارید که ساخته شده اند. برخی از آنها اکنون در حال ظهور هستند، مانند ارکسترهای عامل، افرادی که کمی پایین تر هستند، اما بخشی از کسب و کار را دارند که به آن نگاه می کنند، و به نوعی مسئول تلاش برای کشف استفاده صحیح از هوش مصنوعی هستند… و این همه هوش مصنوعی نیست. ادامه دارد. چه چیزی از بین می‌رود، شما به مشاغل سطح ابتدایی اشاره کردید، من می‌توانم بگویم … برخی از آنها به نوعی سطح ابتدایی‌تر هستند… اما آنها بیشتر متمرکز بر کانال، مشاغل متمرکز بر تک کانال، مشاغل متمرکز بر تک ابزار، مشاغل تکراری هستند. بدیهی است که این چیزها کمی در حال تغییر هستند، و آن افراد در آینده کارهای متفاوتی انجام خواهند داد، احتمالاً تقریباً در همان منطقه.
SS: بله، خوب، من فکر می کنم واضح است که نگرانی این است که اگر نوجوانان را حذف کنیم، کلاس فارغ التحصیلی بعدی کجا خواهد بود؟
MK: آره CMO بعدی کجاست؟
SS: و بنابراین چیز دیگر این است که … و BCG امروز یک کاغذ سفید عالی منتشر کرد، باید بگویم. من به طور کلی چیزهای آنها را دوست دارم، اما این واقعاً خوب است که به نقش آینده CMO مربوط می شود. و نکته ای که ما همین الان در مورد آن بحث کردیم، و این چیزی است که برای مدت طولانی به آن اعتقاد داشتم، بدیهی است که بخشی از ذهنیت مشتری اول است، تلفیق نهایی و اجتناب ناپذیر بازاریابی و تجربه مشتری است به طوری که نقش می تواند در واقع نقش CXMO باشد زیرا شکاف بین وعده برند و تجربه واقعی مشتری افزایش یافته است، درست است؟ به ویژه با توجه به دنیای خرید مصرف کننده با واسطه هوش مصنوعی که با آن روبرو هستیم، باید همگرا شود.
بنابراین من را به آخرین سوالم می رساند. آیا آینده هوش مصنوعی کاملاً تغییر کرده است – متاسفم، می‌دانم که یک اصطلاح بارگیری شده است – این است که با توجه به تمام کارهایی که Salesforce انجام داده است، تصور شما از اینکه کسب‌وکارها امروز کجا هستند و چقدر باید پیش بروند، با توجه به اینکه بیشتر کسب‌وکارها با سرعت فناوری اطلاعات در حال حرکت هستند، با توجه به اینکه در ابتدای مصاحبه در مورد این موضوع صحبت کردید، به نظر می‌رسد چقدر طول کشیده است که کسب‌وکارهای آنلاین به عنوان نتیجه‌ای از تبدیل کسب‌وکارهای آنلاین به آنها تبدیل شده است. در مورد فناوری بسیار سریعتر حرکت می کنیم – فقط هر روز تغییر می کند – آیا ما چند سال با آینده ای تغییر یافته فاصله داریم یا یک دهه فاصله داریم؟ باز هم، با توجه به تجربه شما، چقدر با چیزهایی که واقعاً متفاوت به نظر می رسند، فاصله داریم؟
MK: نه، بیشتر از آنچه مردم فکر می کنند طول می کشد. فکر می کنم 10 سال به آن نزدیک تر است. بدیهی است که تغییرات بزرگی رخ خواهد داد. اما مشکل هرگز تکنولوژی نیست. فناوری این است… منظورم این است که اگر ویلیام گیبسون بود، که مانند آینده بود، آن را گسترش نداده بود و فناوری در آزمایشگاه است. تکنولوژی شگفت انگیزی وجود دارد. اما فرزندخواندگی در دنیای واقعی چیز دیگری است. و نه مقاومت، بلکه اینرسی، سیستم‌های قدیمی، فرآیندها، فناوری‌ها و گردش کار بسیار زیاد است. این همه چیز و اگر در مورد تغییر همه چیز در BCG صحبت می کنید، باید با آنها تماس بگیرید و آنها به شما کمک خواهند کرد و سالها طول می کشد. بنابراین فکر می‌کنم این روند بسیار کندتر از ماست، برخی از ما ممکن است فکر کنیم.
SS: درست، درست، درست است. خوب، به یک معنا مانند یک آتش سوزی است. باید سریعاً آتش نشان ها را در صحنه بیاورید وگرنه از کنترل خارج می شود. من در واقع فکر می کنم بازاریابان ناگهان متوجه می شوند که … آنها حملات پانیک را تجربه می کنند زیرا ما دیگر کنترلی در دست نداریم. و مصرف کننده در نهایت است. اما من حدس می زنم که خواهیم دید. پس موضوع کتاب بعدی شما چیست؟آیا به آن فکر کرده اید؟
MK: متأسفانه هوش مصنوعی اما بله، آخرین علاقه من این است که بفهمم هوش مصنوعی واقعا چگونه کار می کند، و این چیزی است که روی آن کار می کنم.
SS: خوب، من فکر می‌کردم که کتاب فعلی کار بسیار خوبی بر روی آن انجام داده است.
MK: بله.در ابتدا.
SS: آره آره خوب، مارتین، زمان به سرعت گذشت، مثل اینکه ما تازه شروع به صحبت کردیم. ممکن است کمی بیشتر صحبت کنیم. بنابراین وقتی کتاب بعدی شما منتشر شد، ما قطعا یک گفتگوی جدید را آغاز خواهیم کرد. در ضمن، شما اولین مهمانی هستید که در هشت سال گذشته من دو بار آورده ام. و بنابراین حدس می‌زنم که فقط…
MK: اوه لطفا.
SS: … این یک گواهی مطمئن برای شما است. آره و فکر می‌کردم این کتاب شخصاً برای من مفید است. حتی با وجود اینکه شیب Salesforce دارد، فقط به بالا بردن هود به چیزی کمک کرد که در این مرحله بسیار باطنی به نظر می‌رسد، کار خوبی است.
MK: متشکرم.
این پایان مصاحبه من با مارتین کین است. همانطور که فهمیدیم، هنوز روزهای اولیه برای Frontier Models است. چرخه های انتشار هوش مصنوعی در حال افزایش است. پیشرفت های چشمگیری در پیش است. کوه یخ بنابراین، بازاریابان چگونه برای تأثیر آماده می شوند؟ به عبارت ساده، آنها باید نحوه عملکرد خود را تغییر دهند. حتی وقتی آینده اینقدر غیرقابل پیش بینی است، این چه شکلی است؟ خوب، ما این را خیلی می دانیم: مشقت های روزمره وظایف بازاریابی سطح پایین به انبوهی از عواملی که کار را انجام می دهند منتقل می شود. سپس وظیفه بازاریابان تا حدی نظارت بر این عوامل خواهد بود. مفهوم “بازاریابی متنی” – رویایی از دور – سرانجام دست یافتنی خواهد شد و تجربیات غنی، شخصی و در زمان واقعی را به مشتری ارائه می دهد که قبلا هرگز ممکن نبود. اما موانع بسیار بزرگی بر سر راه این دیدگاه آرمان‌شهری وجود دارد: یعنی پایبندی سرسختانه به جریان‌های کاری موجود که حول محور «پیام‌های فشاری» و «کمپین‌های دوره‌ای» طراحی شده‌اند، به‌جای اینکه برای سازماندهی سفرهای همیشه حاضر مشتری بازتعریف شوند – و داده‌های بدون ساختار، بی‌کیفیت و ناقص بازارها که همیشه بوده است. دشمن تنها استراتژی قابل اجرا این است که بازاریابان رویکردی مشتری محور اتخاذ کنند و رهبران تغییر شوند. اما ابتدا، آنها باید سر خود را از انجام وظایف بلند کنند و با تعریف مجدد هدف و نقطه کار بازاریابی شروع کنند.
1. Synthesia، “AI Statistics 2026: Adoption, Usage & Workforce Trends”.
2. ریچارد فاینمن (1918-1988) یک فیزیکدان مشهور آمریکایی بود (او در ساخت بمب اتمی کمک کرد) که می گفت اگر نمی توانید یک ایده دشوار را به زبان ساده توضیح دهید، هنوز آن را به خوبی نمی دانید.
3. در Salesforce، مارتین دو کتاب قبلی را نوشت: «پلتفرم‌های داده‌های مشتری» (2021) و «مشتری 360» (2025).
4. «داده محور: بهره برداری از داده ها و هوش مصنوعی برای اختراع مجدد تعامل با مشتری»، مک گراو هیل، 2019، تام چاوز، کریس اوهارا، ویوک وایدیا
5. «خانه دروغ ها» خاطرات بی زبانی از دوران مشاوره مدیریت مارتین بود که بعداً به سریال Showtime تبدیل شد که پنج فصل پخش شد.
6. Dreamforce یک کنفرانس فنی سالانه است که جامعه جهانی Salesforce را گرد هم می آورد.
7. Hyperforce به پلتفرم Salesforce اجازه می دهد تا بر روی ارائه دهندگان ابر عمومی (مانند AWS) اجرا شود.
8. «تغییر تجاری سوم»، کریس اوهارا، آوریل 2026، «پشته کامل»
استفان شاو مدیر استراتژی در Kenna است، ارائه‌دهنده راه‌حل‌های بازاریابی متخصص در ایجاد تجربه‌ای یکپارچه‌تر برای مشتری. او همچنین میزبان پادکست Customer First Thinking است. می توان با استفان از طریق ایمیل به آدرس sshaw@kenna تماس گرفت.
