Cosmo SmartPredict

O Cosmo SmartPredict fornece recomendações no contexto com tecnologia de IA durante a configuração, ajudando os usuários a tomar decisões informadas. Ele aprende com dados ativos ou carregados para gerar sugestões precisas, melhorando a velocidade de configuração e a consistência em todos os blueprints. Para maior clareza, as sugestões são rotuladas como Bom, Melhor ou Melhor.

O Cosmo SmartPredict fornece aos usuários recomendações rápidas, contextuais e preditivas à medida que eles concluem suas configurações. O SmartPredict pode ser treinado nas configurações existentes que estão armazenadas no CPQ Ou em dados carregados por meio de um arquivo CSV.

O Cosmo SmartPredict aproveita um forte modelo de IA subjacente, mas depende da quantidade e da qualidade dos dados que são fornecidos para treinamento.

Configurando o Cosmo SmartPredict

O acesso ao Cosmo SmartPredict é restrito. Para ter o SmartPredict provisionado em seu CPQ ambiente, entre em contato com o suporte. Uma vez provisionado, o SmartPredict pode ser habilitado em blueprints individuais seletivamente. Para habilitar o SmartPredict em um blueprint, navegue até o blueprint, clique no novo bloco Previsão inteligente no blueprint e clique no botão de alternância na tela SmartPredict.

Para criar um modelo SmartPredict, clique em Criar para começar a definir os parâmetros do modelo. No mínimo, um modelo deve ter um nome e um nome de variável. Várias configurações adicionais do modelo determinam quais dados o modelo deve usar para treinamento.

• Treinamento com dados em tempo real

  Se você optar por usar dados dinâmicos para treinar seu modelo, configurações existentes e futuras em CPQ que usam este blueprint servirão como entradas para refinar o modelo para os campos no blueprint. Você pode refinar ainda mais os dados de treinamento definindo uma data de início e especificando a inclusão ou exclusão de campos. Você pode criar filtros adicionais com base nos valores de campo. Qualquer filtragem dos dados de treinamento é opcional. Se todos os outros parâmetros forem deixados em branco, o modelo será treinado em todas as configurações existentes do blueprint. Após concluir a configuração dos parâmetros, clique em Salvar e treinar para começar a treinar o modelo.

  Os parâmetros de filtragem opcionais incluem:

  • Data de início: Escolha uma data de início (inclusive) de configurações para treinar. Se estiver em branco, as configurações não serão filtradas por data de criação.
  • Campos: Os campos individuais no blueprint podem ser selecionados para serem incluídos ou excluídos.
  • Filtros adicionais: Para filtrar os dados de configuração de treinamento somente para aqueles que correspondem aos critérios de filtro, você pode selecionar campos individuais e inserir critérios iguais.
• Treinamento com dados de um arquivo CSV

  Os modelos também podem ser treinados com dados de fontes externas formatando e carregando os dados como um arquivo CSV. Em dados CSV, a primeira linha deve ser os nomes de variáveis dos campos. Você pode baixar um arquivo CSV de amostra com todos os campos no blueprint na página de carregamento de CSV.

  Ao formatar o arquivo CSV, você pode optar por fornecer apenas um subconjunto dos campos disponíveis no blueprint.

  • Campos: O cabeçalho da coluna deve ser o nome da variável do campo para o qual os valores são fornecidos. Somente campos que são de um tipo que pode ser previsto são usados no treinamento: Booliano, número, lista de seleção, conjuntos e seletores de produto. Os campos de texto não são previstos e não são usados no treinamento.
  • Listas de seleção de seleção múltipla: Forneça vários valores de uma lista de seleção usando vírgulas sem espaços.
  • Seletores de produto e conjuntos: A formatação dos campos de seletor de produto e conjunto é NomeDeVariableName_index_fieldVariableName ou ProductPickerVariableName_index_fieldVariableName , usando: 0, 1 ou 2 para índices e o nome da variável para os campos, conjuntos ou seletores de produto.

Depois que um modelo é salvo, ele é enfileirado para treinamento com base nos dados carregados ou nos dados em tempo real filtrados. O treinamento é variável com base na quantidade de dados fornecidos, mas normalmente leva algumas horas ou, no máximo, um dia. Depois que o modelo concluir o treinamento, ele poderá ser ativado e implantado.

Os modelos serão retreinados se os filtros, campos ou a data de início forem alterados quando o modelo estiver usando dados dinâmicos. Se novos dados CSV forem carregados, o modelo será retreinado. Os modelos que usam dados em tempo real continuam a ser treinados em dados em tempo real periodicamente. Quando o modelo está sendo treinado automaticamente com novos dados em tempo real, não há necessidade de reimplantar o blueprint para que ele use o modelo atualizado.

Usando o Cosmo SmartPredict

Depois que um modelo for treinado para um blueprint, ele poderá ser ativado. É possível treinar vários modelos do SmartPredict, mas somente um modelo pode estar ativo em um blueprint por vez. Se um modelo for alterado ou ativado para um blueprint, o blueprint deverá ser reimplantado para usar o novo modelo.

Para que um usuário final acione as recomendações do Cosmo SmartPredict, aproximadamente 5% dos campos devem ser preenchidos com um valor.

Os tipos de campo previstos incluem números, listas de seleção, valores boolianos, conjuntos (incluindo número, lista de seleção, e boolianos), seletores de produto e subcampos de todos esses tipos. Os campos de texto não são previstos.

Três tipos de recomendações são fornecidos ao usuário: Bom, Melhor e Melhor. Essas recomendações correspondem às previsões do modelo com base nos dados de treinamento. Como sempre, a qualidade dos dados influencia fortemente a qualidade das previsões.

As recomendações podem mudar com base nos campos preenchidos. Os campos editados pelo usuário não terão uma previsão.

Se conjuntos ou seletores de produto estiverem incluídos nas previsões, todos os campos em uma linha de conjunto ou seletor de produto terão um valor previsto.

SmartPredict V1 e V2

Estão disponíveis dois modelos de SmartPredict: V1 e V2. Enquanto o modelo V1 permanece disponível, V2 tem capacidades superiores.

O modelo V2 introduz várias melhorias e mudanças importantes em comparação com seu antecessor:

• Confiança de previsão aprimorada: O V2 foi projetado para fornecer previsões de maior confiança, geralmente oferecendo uma recomendação única e altamente provável para orientar suas decisões.
• Suporte de campo mais amplo: Os recursos de previsão agora se estendem para incluir conjuntos e campos do seletor de produtos, ampliando significativamente sua aplicabilidade em todas as suas configurações.
• Opções de previsão expandidas: Ao contrário de V1, V2 não se restringe a prever três índices ou opções para conjuntos e seletores de produtos, permitindo sugestões mais abrangentes e flexíveis.
• Acessibilidade de dados de treinamento: Os administradores podem baixar os dados de treinamento CSV usados para qualquer cenário na plataforma, oferecendo maior transparência e controle.

No entanto, os tempos de treinamento do modelo V2 são significativamente mais longos. Para conjuntos de dados de alguns milhares de linhas, o treinamento normalmente varia de 30 a 60 minutos. Além disso, o modelo requer ativação por meio da página da lista de cenários. A ativação leva consistentemente de 20 a 40 minutos, independentemente do tamanho dos dados de treinamento.

O modelo V1 permanece operacional, fornecendo um período de transição suave enquanto você considera se deve adotar V2.

Sua opinião sobre a precisão, desempenho e experiência geral com o modelo V2 é crucial para nossa melhoria contínua. Estamos ansiosos para ouvir sobre suas experiências e celebrar os sucessos dos clientes que aproveitam a IA na configuração. Compartilhe seu feedback com nossas equipes de suporte ou produto.

Anotações e recomendações

Nossa infraestrutura de modelo de IA requer recursos substanciais. Para gerenciar a capacidade de forma eficaz, os modelos que não foram acessados por um período prolongado ou que apresentam uso muito baixo podem ser desativados automaticamente. Se o seu modelo for desativado, você pode reativá-lo facilmente na página da lista de cenários. Reserve aproximadamente 20-40 minutos para que o processo de reativação seja concluído antes que as previsões fiquem disponíveis novamente.

Em geral, cerca de 400 configurações são necessárias para ter um conjunto de dados robusto para treinar o modelo.

Tal como acontece com qualquer modelo de IA, a qualidade dos dados de treinamento é o principal fator na qualidade das previsões.