Sprinklr
PulseAugur coverage of Sprinklr — every cluster mentioning Sprinklr across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
Apple新AI功能需订阅；Sprinklr推出AI营销活动代理
Apple为其Keynote、Pages和Numbers应用程序推出了新的AI助手，但这些功能被锁定在每月12.99美元的订阅计划之后。此举赋予了外部AI代理在macOS上的iWork应用程序中进行编辑的能力。与此同时，Sprinklr为其六款旨在将简报转化为营销活动的AI代理启动了一个测试版计划，尽管研究表明，相当一部分美国从业者难以量化AI实施的成果。
-
营销人员声称人工智能成功但难以证明投资回报率
一项最新研究表明，尽管绝大多数组织认为他们面向客户的人工智能工具是有效的，但在证明这些说法方面却存在巨大差距。研究发现，92% 的使用人工智能进行客户互动的公司报告了积极的结果，但只有 27% 的公司能够提供证据支持这一点。此外，只有 10% 的公司在部署前建立了基准指标，只有 17% 的公司指定了负责业务成果的特定负责人。
-
Apple新AI助手需订阅；Sprinklr推出AI营销活动代理测试版
Apple为其Keynote、Pages和Numbers应用程序推出了一款新的AI助手，可通过每月12.99美元的订阅计划获得。此功能允许外部AI代理在macOS上编辑这些应用程序中的文档。与此同时，Sprinklr推出了一个测试计划，包含六款AI代理，旨在根据初步简报自动创建营销活动。然而，研究表明，只有27%的美国营销从业者能够准确衡量AI驱动的营销活动的效果。
-
企业AI大脑成为克服代理局限性的关键
公司正将焦点从单个AI代理转向一个
-
生产环境中的企业级AI失败是由于架构问题，而非模型
企业级AI项目在生产环境中频繁失败，并非由于模型限制，而是由于底层架构问题。成功的AI试点与其部署之间存在显著差距，许多组织在数据碎片化、系统脱节和治理不一致方面面临挑战。专家认为，大多数AI在生产环境中的挑战源于必要的基础设施、数据标准化和工作流编排，而非模型本身。为克服这一问题，建议采用一种分两部分的架构方法：创建统一的企业级知识、治理和可操作性环境，并垂直解耦解决方案以管理其演进。
-
AI答案引擎根据相关性和位置引用来源
一项新的研究论文探讨了AI答案引擎如何决定引用哪些来源，这是超越简单排名的可见性的关键因素。研究发现，主题相关性和列表位置是来源被首次引用的最重要驱动因素。诸如明确的价格信息和最近的时间戳等因素也会对引用的可能性产生积极影响，而完整性和信任线索则带来较小的收益，格式更改的影响最小。
-
专家称，人工智能的实施取决于员工的信任
实施新技术，尤其是人工智能，需要高度关注建立和维护员工的信任。专家建议，变革管理策略应优先考虑透明度、清晰沟通人工智能的目的（提高生产力，而非取代工作），并使决策背后的逻辑可见。持续讲述变革过程、解释对日常工作的影响以及赋能一线团队解决问题，对于持续采纳至关重要。