一、启动你的 AI 项目（Kick Off Your AI Project）
学完本单元，你将能够：为你的 AI 项目识别干系人、目标和解决方案；阐述 AI 项目的各个阶段；安排项目的时间线。
开始之前（Before You Start）
启动一个 AI 项目对公司来说是一个重要的里程碑，但在开始之前，请务必先完成 AI Strategy 模块。在那个模块中，你将学习如何识别组织的 AI 用例、构建 AI 路线图，并选择正确的项目。
为你的 AI 项目做准备（Prepare for Your AI Project）
驾驭 AI 项目的复杂性可能看起来令人生畏，尤其是当你是技术新手时。如果你负责在组织中实施一个 AI 项目，规划项目时需要考虑什么？怎么做才能让项目顺利成功？
在本模块中，你将跟随 Coral Cloud Resorts 的 Salesforce 管理员 Becca Cloudier，看她规划自己的第一个「数据 + AI」项目。Coral Cloud 是一家度假酒店，致力于为每位客人提供轻松愉快的住宿体验。组织希望简化入住流程，同时保持个性化。这意味着度假村员工能把更多注意力放在客人身上，而客人也能减少在前台排队等候的时间。
那么让我们开始，看看 Becca 如何启动一个 AI 项目。她先从识别干系人、定义项目目标、选择解决方案开始。
识别项目干系人（Identify Project Stakeholders）
首先，识别你的项目干系人。这些人对项目有兴趣、影响力或影响。尽早了解这些人并让他们参与进来，有助于确保项目与每个人的目标保持一致，不会忽视某个特定领域或受众。
要记住，项目干系人通常不同于公司层面的战略 AI 干系人，尽管两者可能略有重叠。项目干系人专注于实施这个具体的 AI 项目，而战略干系人负责管理全公司的 AI 战略。尽管战略干系人提供监督，但对项目负责的是各个项目团队的负责人。
Becca 在开始实施项目之前，需要争取一些人的支持：
- 最终用户的人员经理：这个人管理受 AI 项目影响的最终用户。对 Becca 来说，这是 Coral Cloud 的客户成功经理 Josef Rose。
- 高管发起人（Executive sponsor）：这个人分配资源、为 AI 项目排定优先级。对 Becca 来说，这是 Coral Cloud 的客户体验副总裁。
- 安全与法务：这些干系人确保 Becca 的 AI 项目合乎伦理、安全，并合法地使用客户数据。
- 技术团队：他们负责构建 AI 项目。在本例中，Becca 计划自己来构建这个项目。
在项目开发过程中，要定期与干系人沟通。了解他们的需求、收集反馈，并根据这些需求和反馈调整你的项目。
可视化成功（Visualize Success）
接下来，通过定义目标来可视化项目的成功。牢记你在 AI Strategy 模块中识别的用例。目标是定义一个 SMART 目标：具体（Specific）、可衡量（Measurable）、可实现（Achievable）、相关（Relevant）、有时限（Time-bound）。
Becca 与领导层一起定义了这些目标：
- 将入住办理时间缩短 50%。
- 让客户满意度保持在项目开始前的水平或更高。
不要跳过这一步。没有恰当的指标和关键绩效指标（KPI），你就无法衡量项目的成功。Becca 知道，缩短前台办理时间能提升客户满意度，进而增加客人在度假村的消费。通过把 AI 与收入增长直接挂钩，你可以展示高投资回报率（ROI），这有助于为未来的 AI 项目争取支持。
考量技术需求（Consider the Technical Requirements）
开始一个 AI 项目时，评估项目的技术需求至关重要。以下是一些需要问的问题：
- 项目需要什么类型的 AI？预测式、生成式，还是两者都要？
- 这个方案是否需要与其他系统集成？
- 有没有可以拿来定制使用的开箱即用方案，还是需要自己构建？
- 如果选择自己构建，你的组织是否具备相应的内部技能？
- 你会使用哪些模型、编程语言、框架、库和工具？
- 你如何在准确性与速度、复杂性与简单性、创新与成本之间权衡取舍？
如果你在 Salesforce 中构建项目，需要在组织中启用 Data 360 和 Einstein Generative AI。
除了项目的技术需求，你还需要考虑数据需求。你将在下一个单元学习这些。
选择 AI 解决方案（Choose an AI Solution）
Coral Cloud Resorts 已经在使用 Salesforce 处理客人入住，所以 Becca 先审视当前流程，找出 AI 可以如何优化体验。
每当客人到达酒店时，Coral Cloud 的员工会手动创建一条入住记录。此外，员工还会手动发送一封包含个性化短途游推荐的欢迎邮件。这提升了客人体验，也提高了交叉销售转化率。但这种高接触的方式非常耗时，所以 Becca 决定用 AI 来加速流程：通过 AI 驱动的自动入住来触发一封 AI 生成的欢迎邮件。
为了缩短实施时间线、降低成本，并确保 AI 方案能轻松与 Salesforce 集成，她选择 Einstein Generative AI 作为合适的工具。
接下来，她花时间浏览 Einstein Generative AI Help 门户，看看有没有开箱即用的 Salesforce AI 功能适合她的用例。她开始设想如何把这些功能与 Data 360 结合使用。她意识到可以用一个 flow 来触发 Agentforce 中的动作，并发现 Prompt Builder 可以根据模板生成个性化邮件。
Becca 决定了一个由三部分组成的项目，涉及不同的 Data 360 和 AI 功能。这是她的计划：
- 用一个 flow 基于 Data 360 中最新预订数据创建一条 Guest Event 记录。
- 教会 Agentforce 通过对话式语言来启动这个 flow。例如，当客人 Sofia Rodriguez 到达开始住宿时，员工只需对 Einstein 说「Check in Sofia Rodriguez」，Einstein 就会完成剩下的事！
- 用 Prompt Builder 生成个性化欢迎邮件，根据客人之前购买过的短途游推荐相关内容。
AI 项目的阶段（Stages of an AI Project）
让我们前瞻一下 Becca 的 AI 项目会经历什么。
构思（Ideate）：这是你在本模块中学习的阶段。
- 定义要用 AI 解决的问题以及如何衡量成功。
- 评估项目的技术和数据需求。
- 识别解决问题所需的功能和定制。
- 准备你的数据。
- 构建信任战略。
- 与项目干系人分享你的计划。
在定义项目需求的同时，你应在沙盒环境中同步构建和测试项目。尝试不同的方法，搞清楚什么可行、什么不可行。用测试和迭代来指导你的规划和开发工作。
构建与测试（Build and test）：构建你的方案、测试它，并迭代它。这个阶段与构思阶段重叠。
- 设置、定制或构建方案。
- 开展试点并收集反馈。
- 迭代你的方案以完善它。
部署（Deploy）：把项目交付给最终用户。
- 向组织宣布这一变更。
- 提供培训。
- 对指标做一次基线测量。
- 向所有最终用户推广。
- 收集反馈。
- 评估项目的成功。
项目发布后，不要完全撒手不管。你的项目需要持续维护才能保持有效。持续收集关于项目的定性和定量反馈，并根据反馈更新你的方案。
确定项目时间线（Determine the Project Timeline）
随着一些重要细节的敲定，Becca 终于可以为项目规划时间线了。要记住，你的项目可能因为方案的复杂度不同而需要更多或更少的时间。这个示例时间线是假设性的，而且不包括达到数据就绪度所需的时间——这一时间会因数据的质量、可用性和可访问性而有很大差异。
| 阶段 | 时间线 |
|---|---|
| 构思（Ideate） | 1 周 |
| 构建与测试（Build and test） | 2-4 周（1-2 周构建，1-2 周测试） |
| 部署（Deploy） | 1 周 |
现在你已经知道如何通过识别项目干系人、目标和解决方案来启动 AI 项目了。你也理解了项目的阶段和时间线。在下一个单元，你将学习如何准备数据、以及评估数据质量的准则。
二、准备你的数据（Prepare Your Data）
学完本单元，你将能够：阐述如何识别并解决数据挑战；定义项目的数据需求。
数据就绪度的重要性（The Importance of Data Readiness）
你的组织要启动 AI 项目，必须「数据就绪」（data-ready），这意味着项目所需的数据是准确、可用、可访问且被安全治理的。
在许多组织中，数据质量是实施 AI 项目的一大障碍。这是有充分理由的！数据是 AI 算法的基础，让它们能够学习、适应并做出更好的决策。
高质量的数据可以提升 AI 系统的准确性、效率、可靠性和公平性。
在实施 AI 项目之前解决数据质量问题至关重要。然而，不要让「完美数据」的想法阻碍项目推进。许多项目在数据就绪度上卡住，是因为团队试图追求完美。相反，与团队合作，为数据就绪度设定合理的目标。你可以利用构建（Build）阶段来识别并弥补那些影响 AI 输出的数据缺口。
本单元概述了如何评估数据质量、为 AI 项目准备数据。可使用预测式 AI 数据准备清单或生成式 AI 数据准备清单工作表来规划你的 AI 项目数据战略。
创建数据盘点（Create a Data Inventory）
Becca 知道，要获得项目数据的完整视图，最好的办法是创建一份数据盘点（data inventory）。数据盘点能帮你管理多样的数据资产并识别潜在问题。
按以下步骤创建你的数据盘点：
- 识别项目需要什么数据。
- 识别数据存储在哪里。
- 数据类型是结构化、非结构化还是半结构化的？
- 数据多久刷新一次？
- 数据是实时、每小时、每天、每月更新，还是静态的？
- 数据如何访问？
- 是否为这些数据实施了治理标准？
- 有哪些数据考量可能给项目带来挑战？
Coral Cloud 的数据盘点（Coral Cloud’s Data Inventory）
让我们继续 Becca 的 AI 项目：为 Coral Cloud Resorts 自动化入住流程。作为回顾，这里是 Becca 的实施计划，关键数据点已加粗。
- 用一个 flow 基于 Data 360 中最新预订数据创建一条 Guest Event 记录。
- 教会 Agentforce 通过对话式语言启动这个 flow。例如，当客人 Sofia Rodriguez 到达开始住宿时，员工只需对 Einstein 说「Check in Sofia Rodriguez」，Einstein 就会完成剩下的事！
- 用 Prompt Builder 生成个性化欢迎邮件，推荐客人可能感兴趣的短途游并发送。
Becca 审视她的计划，弄清楚实施方案需要哪些数据：
- 在第 1 步，她需要预订数据。Coral Cloud 使用一个名为 Reserv-o-matic 的外部平台存储预订数据，所以她用 Data 360 把这些数据带入 Salesforce。
- 在第 2 步，她需要能根据客户姓名检索预订数据。客户数据在 Salesforce 中已有。
- 在第 3 步，她需要客人之前购买过的短途游数据。客户购买历史在 Salesforce 中也已有。
在追踪到所需的数据源后，Becca 创建了一份数据盘点：
| 数据名称 | 数据来源 | 数据类型 | 更新节奏 | 考量 |
|---|---|---|---|---|
| Contact records（联系人记录） | CRM | 结构化 | 每天 | 日期为 MM/DD/YY 格式 |
| Reservations（预订） | Reserv-o-matic | 结构化 | 实时 | 日期为 DD/MM/YY 格式 |
| Excursions（短途游） | CRM | 结构化 | 每天 | 日期为 MM/DD/YY 格式 |
明确项目的数据需求（Capture the Project’s Data Requirements）
项目的数据需求是项目成功所需的基础需求。理解你的数据需求可以减少不必要的工作。
评估数据质量（Assess Data Quality）
高质量的数据能打造可靠、有效的 AI 项目。在评估数据质量时，找出数据在哪些地方不达标。这些就是需要数据清洗的地方。数据清洗（data cleaning）是指修复或删除数据集中不正确、损坏、格式错误、重复或不完整的数据，也包括弥补数据缺口。
数据清洗可能很耗时，所以从项目所需的高优先级数据开始。先清洗低投入的高优先级数据，然后是高投入的高优先级数据。如果时间和资源允许，再继续清洗低优先级的数据。
正如 Becca 在数据盘点中记录的那样，预订日期是 DD/MM/YY 格式，而 Contact records 和短途游是 MM/DD/YY 格式。日期格式不一致，因此不符合质量准则。Becca 写了一个小程序，把所有预订日期转换成 MM/DD/YY 格式。
当 Becca 继续清理更多数据问题时，她开始意识到数据实在太多，无法做到完美。Coral Cloud 是一家世界级度假村，每年有数千名客人。她一度感到气馁，直到她意识到自己高估了项目的数据需求——她一直在清洗过去几年的预订数据。她只需要清洗未来的预订，因为只有未来的预订才会使用自动入住。未来的预订才是 Becca 项目的高优先级数据。Becca 按未来日期筛选预订。通过理解项目的数据需求，她现在需要处理的记录少了很多。
迁移与集成数据（Migrate and Integrate Data）
当你有多来源的数据时，就需要迁移数据。迁移（migrate）意味着把来自多个来源的数据集中到一个中心来源。如果你的项目在 Salesforce 中构建，就把外部数据带入 Salesforce。迁移数据之后，通过把来自不同来源的数据组合成一个统一、全面的视图来集成（integrate）数据。只迁移和集成项目所需的数据。这有助于保持项目可控，避免用不必要的数据塞满系统。
由于 Becca 的项目涉及基于 Reserv-o-matic 的预订数据和 Salesforce 的 Contact 记录创建 Guest Event 记录，她知道需要把预订数据关联到 Contact 记录。否则，flow 就不知道哪条预订属于哪个联系人。Becca 不想集成无用的数据，所以她查看预订记录，找出哪些字段是不必要的。她发现预订有一个 Notes 字段，供客户填写特殊要求。这个字段没有固定格式，而且很多客户留空。Becca 创建 Guest Event 记录不需要 Notes 字段，所以她在把预订迁移到 Salesforce 之前删除了这个字段。
Becca 设置了一个 Data Stream，从 Reserv-o-matic 带入数据。然后她用 Identity Resolution 把 Salesforce 中的 Sofia 与 Reserv-o-matic 中的 Sofia 匹配起来。现在，Sofia 的记录同时包含了来自 Salesforce 的联系人详情和来自 Reserv-o-matic 的预订详情。
建立数据治理（Establish Data Governance）
建立数据治理以保障数据安全。Becca 使用 Data 360 Governance，通过访问策略、动态数据脱敏等来安全地管理她的数据。更多内容见 Data 360 Governance: Quick Look 模块。
规划数据分析（Plan Analytics）
制定一份数据分析计划来衡量成功。这对于监控性能、展示项目的投资回报率（ROI）很重要。展示 ROI 是为进一步开发项目或未来 AI 项目争取支持的关键。
数据分析计划应与你在上一单元中列出的项目目标保持一致。作为回顾，这里是 Becca 的项目目标：
- 将入住办理时间缩短 50%。
- 让客户满意度保持在项目开始前的水平或更高。
她决定如何收集和分析数据来衡量项目是否达成这些目标：
- 每天结束时计算前台电脑的屏幕使用时间。比较实施 AI 入住流程前后的平均屏幕时间。
- 在每位客人住宿结束时提供一份可选调查，让他们为满意度打分。比较实施 AI 入住流程前后的平均满意度。
现在 Becca 有了一个具体的方法来展示项目的影响。
解决数据挑战（Resolve the Data Challenges）
在定义完项目需求后，Becca 完成了对最关键数据挑战的解决，这些挑战通常包括质量问题、集成障碍、数据缺口，有时甚至是过时的数据基础设施。Becca 知道，如果不及早解决这些问题，Coral Cloud 的新 AI 项目可能会建立在不可靠或不准确的数据之上。
到目前为止，Becca 的项目进展神速！她像真正的专家一样处理数据。在下一个单元，学习 Becca 如何评估她 AI 项目的风险，并以可信赖、负责任的方式实施项目。
三、规划你的信任战略（Plan Your Trust Strategy）
学完本单元，你将能够：通过评估项目的 AI 风险来创建风险画像；根据风险画像实施护栏。
从信任开始（Get Started with Trust）
AI 伴随一定的风险。那么，你如何知道你的 AI 方案是合乎伦理、安全且负责任的？答案是创建一份信任战略（trust strategy）。
项目的信任战略是你缓解信任风险的方案，例如保障敏感数据安全、满足监管要求、保护公司声誉。
定义信任战略的第一步是为项目创建一份风险画像（risk profile）。风险画像指导你如何管理和优先处理项目的风险。它涵盖风险的类型和级别、负面效应发生的可能性，以及每种风险的干扰程度或成本。一份有效的风险画像会告诉你该优先处理哪些风险。
风险领域（Areas of Risk）
回答三个主要风险领域的问题来创建你的风险画像：数据泄露、监管要求、声誉损害。作为示例，看看 Becca 如何为她的项目回答这些问题。
数据泄露（Data Leaks）：当安全信息被意外暴露时，就会发生数据泄露。它可能源于网络攻击、未授权访问，以及把敏感数据暴露给外部 AI 模型。为防止数据泄露，要安全地存储数据，并确保只有授权用户才能访问。这个风险领域也包括保护敏感数据，如个人身份信息（PII）。
- 要问的问题：你的项目中有哪些数据泄露的机会？你使用了哪些敏感数据？
- Becca 的回答：Becca 知道 Coral Cloud 有安全的数据存储系统。然而，她的项目包含 human-in-the-loop（人机协作，即有人交互），有人通过让 Einstein 为客人办理入住来触发入住流程。Becca 看到这里有数据泄露的机会，因为执行操作的用户可以查出客人住在哪里、住哪些日期。如果这些信息泄露给未授权的人，就很危险。Becca 的项目包含全名、联系方式和信用卡信息等敏感数据。
监管要求（Regulatory Requirements）：确保你的项目满足你所运营的司法管辖区和行业的法律要求。如果不满足所有法规，你可能面临罚款、声誉损害和其他法律后果。你在第一单元中识别的法务团队可以帮助你识别并满足所有法规。
- 要问的问题：你的项目需要满足哪些法规？
- Becca 的回答：由于 Coral Cloud 在欧盟运营，Becca 的项目需要遵守《通用数据保护条例》（GDPR）。Becca 联系法务团队，请他们研究她还需要遵守哪些其他法规。
声誉损害（Reputation Harm）：由于你的 AI 项目在与客户交互，它代表了公司的声音。由于数据集毒性或技术攻击，AI 有时可能生成有害或不真实的回复。
- 要问的问题：如果你的项目表现不佳，对声誉有什么影响？
- Becca 的回答：如果 AI 生成的欢迎邮件包含冒犯性语言，Coral Cloud 会被视为无礼、不友好。他们将失去宝贵的现有和潜在客户。在酒店行业，Becca 知道声誉损失是个严重问题。
创建风险画像（Create a Risk Profile）
基于对不同风险领域的评估，Becca 为她的项目创建了一份风险画像。1 代表极低风险，5 代表极高风险。
| 风险类型 | 负面效应等级 | 负面效应可能性 | 干扰或成本 |
|---|---|---|---|
| 数据泄露（Data Leaks） | 4：如果数据泄露，客人安全和隐私受损 | 3：Coral Cloud 的数据存储安全，但应落实其他控制措施以进一步应对此风险 | 4：客户信任丧失 |
| 监管要求（Regulatory Requirements） | 5：Coral Cloud 面临罚款、其他法律后果和客户信任丧失 | 5：如果 Becca 的项目不满足法规，Coral Cloud 极有可能面临负面后果 | 5：法律后果、罚款和客户信任丧失 |
| 声誉损害（Reputation Harm） | 5：如果 Coral Cloud 声誉受损，他们会失去潜在客人和利润 | 4：Becca 需要优化她的 prompt，并落实其他措施防范声誉损害 | 4：客户信任丧失 |
基于风险画像，Becca 决定优先处理监管要求，然后是声誉损害，最后是数据泄露。她开始规划如何管理每项风险。
护栏的类型（Types of Guardrails）
现在你知道了自己的风险，接下来实施 AI 护栏。AI 护栏（guardrails）是确保你的 AI 项目合法、合规运营的机制。你需要护栏来防止 AI 因偏见决策、有毒语言和数据暴露而造成伤害。护栏对于保护项目免受技术攻击也必不可少。
AI 护栏有三种类型——技术护栏、安全护栏和伦理护栏。
技术护栏（Technical Guardrails）
这些护栏确保项目遵守法律法规，并保护私有数据和人权。常见工具包括安全数据检索（secure data retrieval）、数据脱敏（data masking）和零数据留存（zero-data retention）。
- 安全数据检索意味着你的项目只访问执行用户被授权访问的数据。例如，如果一个没有财务记录访问权限的人触发了 AI 模型的回复，模型就不应该检索与财务记录相关的数据。
- 数据脱敏意味着在把敏感数据暴露给外部模型之前，用占位数据替换敏感数据。这确保敏感数据不会面临泄露风险。
- 模型提供商强制执行零数据留存策略，这意味着数据不会在任务直接需求之外被存储。所以回复生成之后，所使用的数据就消失了。
安全护栏（Security Guardrails）
这些护栏保护项目免受黑客的技术攻击，例如 prompt 注入（prompt injection）和越狱（jailbreaking），或其他迫使模型暴露敏感信息的方法。网络攻击可能导致你的项目生成不真实或有害的回复。
伦理护栏（Ethical Guardrails）
这些护栏让你的项目与人类价值观保持一致。这包括筛查毒性和偏见。
毒性（Toxicity）是指 AI 模型生成仇恨、辱骂、亵渎（HAP）或淫秽内容。偏见（Bias）是指 AI 反映有害的刻板印象，如种族或性别刻板印象。可以想象，那是一场灾难！由于 AI 会学习它的回复，毒性和偏见可能表明你的数据正在向模型引入不受欢迎的语言和观念。毒性检测会识别可能含有毒语言的回复，以便你人工审查并做出调整以减少毒性。
现在你知道了护栏是什么，以及它们如何保护项目免受风险。接下来，看看 Becca 如何在她的信任战略中实施护栏。
Coral Cloud 的信任战略（Coral Cloud’s Trust Strategy）
实施信任战略的方式因你使用的系统而异。由于 Becca 使用 Salesforce，她的信任战略建立在 Einstein Trust Layer（爱因斯坦信任层）之上。信任层是一系列功能、流程和政策的集合，旨在保护数据隐私、提升 AI 准确性，并在整个 Salesforce 生态系统中促进负责任地使用 AI。当你用 Einstein Generative AI 功能（如 Becca 项目中的 Prompt Builder）创建项目时，项目会自动经过信任层。
Becca 定义了一份针对每个风险领域的信任战略，使用信任层中的功能。她还可视化了期望的结果。这是她信任战略的摘录。
| 风险领域 | Becca 的信任战略 | 信任层中的功能 | 结果 |
|---|---|---|---|
| 数据泄露 | 防止未授权用户访问受保护信息；用数据脱敏保护客人姓名、联系方式和信用卡信息 | 安全数据检索与 grounding、数据脱敏 | 没有预订详情访问权限的用户无法用 prompt 获取预订详情；敏感信息永远不会进入第三方 LLM |
| 声誉损害 | 用系统策略告诉 AI 方案如何应对意外 prompt，保护方案免受诱导它生成不正确或有害回复的技术攻击 | prompt 防御（prompt defense） | 技术攻击因为 prompt 防御策略而失效。例如，如果不在 Coral Cloud 系统中的人尝试办理入住，AI 方案不会生成回复 |
在 Becca 最终确定她的信任战略之前，她与法务和安全团队会面，确保没有漏洞。
下一步（Next Steps）
有了信任战略在手，Becca 就完成了项目规划！她准备进入构建（Build）阶段，在 Salesforce 中实施她的项目。在 Connect Data 360 to Agentforce and Prompt Builder 项目中继续跟随 Becca 的项目。
在你构建项目的过程中，要记住缓解风险不是一劳永逸的任务。实施项目之后，要持续监控和审计你的风险。监控有助于你及早发现问题的趋势并做出调整。审查毒性评分和反馈，找出你的方案哪里出了问题，并做出调整以消除风险因素。
在开始推广之前，请务必完成 Change Management for AI Implementation 模块。凭借新知识，你离成功发布 AI 项目又近了一步！