Tableau AI och förtroende

Det är viktigt att dina data förblir säkra medan du innoverar med ny teknik. Med Tableau AI behåller vi förtroende som högsta prioritet, och vi strävar efter att se till att dina data skyddas samtidigt som vi skapar upplevelser som är korrekta och säkra.

Tableau AI och dina data

För att hålla dina data säkra har Salesforce avtal med leverantörer av stora språkmodeller (LLM), som OpenAI. Organisationer kan utnyttja generativ AI utan att privata data används för att träna LLM.

Pålitlig generativ AI

Salesforces Einstein-lösningar med generativ AI utformas, utvecklas och levereras baserat på fem principer för pålitlig generativ AI.

  • Korrekthet: Vi prioriterar korrekthet, precision och återkallande i våra modeller, och vi backar upp våra modellutdata med förklaringar och källor när så är möjligt. Vi rekommenderar att en människa kontrollerar modellens utdata innan detta delas med slutanvändare.

  • Säkerhet: Vi jobbar på att identifiera och mildra partiskhet, toxicitet och skadliga effekter från modeller som används i våra produkter genom branschledande tekniker för identifiering och begränsning.

  • Transparens: Vi säkerställer att våra modeller och funktioner respekterar datas ursprung och är förankrade i dina data när det är möjligt.

  • Befogenhet: Vi tror att våra produkter bör öka människors kapacitet och göra dem mer effektiva och målmedvetna i sitt arbete.

  • Hållbarhet: Vi strävar efter att bygga modeller i rätt storlek som prioriterar korrekthet och minskar vårt koldioxidavtryck.

Mer information om pålitlig AI finns i Salesforce Research: Trusted AI(Länken öppnas i ett nytt fönster)

Så fungerar Einstein Förtroendelager

Tableau AI drivs av Einstein AI och ärver Einsteins förtroendelager och säkerhetskontroller.

Med Tableau Pulse grundar vi insiktssammanfattningarna som vi genererar med hjälp av mallar på ett naturligt språk och värden som beräknats med hjälp av deterministiska statistiska modeller. Tableau Pulse är också baserad på ett mätvärdeslager som ger ett avgränsat, säkert utrymme för insikter att identifiera.

Tableau Pulse använder generativ AI för att förbättra och syntetisera språket i de insikter som genereras av Tableau. Resultatet är sammanfattade insikter på ett lättförståeligt språk som användaren snabbt kan engagera sig i.

För att göra det möjligt för Einstein Copilot för Tableau att returnera en beräkning eller en tillgångsbeskrivning måste vi först förankra Einstein Copilot i dina data.

När du startar Einstein Copilot frågar vi datakällan som du är ansluten till och skapar en sammanfattning av fältnamn, beskrivningar, datatyper och de första 1 000 unika fältvärdena (icke-numeriska) per fält. Denna sammanfattning skickas till den stora språkmodellen (LLM) för att skapa vektorinbäddningar så att Einstein Copilot kan förstå sammanhanget för dina data. Sammanfattningsskapandet sker inom Tableau och sammanfattande kontextdata glöms bort av LLM så snart vektorinbäddningarna skapats.

När du skriver en fråga eller förfrågan i konversationsrutan i Einstein Copilot flödar en kombinerad uppmaning som består av användarens indata och historiskt sammanhang från konversationsrutan genom Einstein Förtroendelager till LLM. Känslig information identifieras och maskeras med platshållartext för att bibehålla sammanhanget. Mer information om PII-maskering finns i Einstein Trust Layer Region Language Support(Länken öppnas i ett nytt fönster) (på engelska) i Salesforce-hjälpen.

Svaret flödar tillbaka genom Einstein Förtroendelager för att söka efter toxicitet och avmaskera eventuella maskerade data. På grund av vår policy om noll datalagring som finns hos våra tredjeparts LLM-leverantörer sparas inte några data som skickas till LLM, utan de raderas efter att ett svar skickats tillbaka.

Resultatet är en beräkning eller en tillgångsbeskrivning redo för dig att granska.

Sådana här tekniker säkerställer att våra produkter använder generativ AI på ett tillförlitligt sätt. Samtidigt används inte kunddata för att träna någon global modell.

Vill du lära dig mer om Einstein Förtroendelager? Se Einstein Trust layer: Designed for Trust(Länken öppnas i ett nytt fönster) i Salesforce-hjälpen eller gå igenom modulen Einstein Förtroendelager(Länken öppnas i ett nytt fönster) på Salesforce Trailhead.

Granska utdata från generativ AI

Tableau AI är ett verktyg som kan hjälpa dig att snabbt identifiera insikter, fatta smartare affärsbeslut och bli mer produktiv. Denna teknik ersätter inte mänskligt omdöme. Du är ytterst ansvarig för alla LLM-genererade utdata som du införlivar i din dataanalys och delar med dina användare.

Oavsett om det handlar om att generera beräkningar som ska användas i ett Tableau Prep-flöde, att sammanfatta insikter gällande mätvärden som du följer, att skapa visualiseringar för dig från dina data eller att skapa utkast till beskrivningar av dina datatillgångar, är det viktigt att alltid verifiera att LLM-utdata är korrekta och lämpliga.

Fokusera på innehållets korrekthet och säkerhet innan du införlivar det i dina flöden, visualiseringar och analyser.

  • Korrekthet: Generativ AI kan ibland "hallucinera" – fabricera utdata som inte är grundade på fakta eller på befintliga källor. Innan du lägger till några förslag, kontrollera att viktiga detaljer är korrekta. Till exempel, stöds den föreslagna syntaxen för en beräkning av Tableau?

  • Partiskhet och toxicitet: Eftersom AI skapas av människor och tränas på data skapade av människor, kan den också innehålla partiskhet mot historiskt marginaliserade grupper. I sällsynta fall kan vissa utdata innehålla skadligt språk. Kontrollera dina utdata och se till att de är lämpliga för dina användare.

Om resultatet inte uppfyller dina standarder eller affärsbehov behöver du inte använda det. Med vissa funktioner kan du redigera svaret direkt innan du tillämpar det på dina data, och du kan också försöka börja om för att generera annan utdata. För att hjälpa oss att förbättra resultatet, tala om för oss vad som var fel genom att använda tummen upp- och tummen ned-knapparna där de är tillgängliga och ge feedback.

Tack för din feedback!Din feedback har skickats in. Tack!