GenAI/ML DGR话术

Common objectives: 1.Digital transformation; 2.Multi-channel engagement; 3.Constituent insights; 4.Improve efficiency by automating operations<br>

参考话术：1."生成式&nbsp;AI是一个激动人心的领域，将为企业带来变革。但现在仍处于早期阶段。您对人工智能/ 机器学习以及对贵公司的愿景是什么?您今年有什么人工智能业务目标?"<br>2."在选择合适的根基模型来构建生成式AI应用程序时，如果按重要性进行排序，您会如何对以下因素进行排名:性能、延迟、成本?"<br>3."您期望通过生成式AI&nbsp;推动实现哪些客户体验或其他使用场景的转型? 您希望如何通过为客户打造更具个性化的用户体验来提高客户保留率?"<br>4."您之前的人工智能和机器学习项目是否达成了所追求的业务成果?"<br>

Common&nbsp;objectives: 1.Prioritizing transactional notifications; 2.Security; 3.Scale; 4.Data and analytice; 5.Cost; 6.And integration with their communications infrastructure<br>

参考话术：1."生成式AI是一个激动人心的领域,将为企业带来变革。但现在仍处于早期阶段。您对人工智能/&nbsp;机器学习以及对贵公司的愿景是什么? " &nbsp; &nbsp; &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 2."您期望通过人工智能/机器学习推动哪些客户体验&nbsp;或其他使用场景的转型?"&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 3."您是否计划针对您的特定使用场景或行业自定义FM?"&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 4."[在客户有数据科学团队或机器学习工程师时] 贵公司在推出与人工智能/机器学相关的产品和业务流程时,遇到了哪些挑战?您在哪些地方会遇到障碍?"

Amazon&nbsp;Bedrock&nbsp;是一项完全托管的服务，通过单个&nbsp;API&nbsp;提供来自&nbsp;AI21&nbsp;Labs、Anthropic、Cohere、Meta、Stability&nbsp;AI&nbsp;和&nbsp;Amazon&nbsp;等领先人工智能公司的高性能基础模型（FM），以及通过安全性、隐私性和负责任的&nbsp;AI&nbsp;构建生成式人工智能应用程序所需的一系列广泛功能。使用&nbsp;Amazon&nbsp;Bedrock，您可以轻松试验和评估适合您的使用案例的热门&nbsp;FM，通过微调和检索增强生成（RAG）等技术利用您的数据对其进行私人定制，并构建使用您的企业系统和数据来源执行任务的代理。由于&nbsp;Amazon&nbsp;Bedrock&nbsp;是无服务器的，因此您无需管理任何基础设施，并且可以使用已经熟悉的&nbsp;AWS&nbsp;服务将生成式人工智能功能安全地集成和部署到您的应用程序中。

Claude3最新介绍：视频回放&nbsp;-&nbsp;&nbsp;https://aws.highspot.com/items/65ea7fd02867aeb1e3ab92e9?lfrm=shp.0

Amazon&nbsp;SageMaker&nbsp;是一项完全托管的服务，它汇集了大量工具，可为任何使用案例提供高性能、低成本的机器学习（ML）。借助&nbsp;SageMaker，您可以使用笔记本、调试器、分析器、管道、MLOps&nbsp;等工具大规模构建、训练和部署机器学习模型——这一切都在一个集成式开发环境（IDE）中完成。SageMaker&nbsp;通过简化的访问控制和机器学习项目的透明度来支持治理要求。此外，您可以使用专门构建的工具来微调、实验、再训练和部署基础模型，构建自己的基础模型（在海量数据集上训练过的大型模型）。&nbsp;SageMaker&nbsp;提供对数百个预训练模型的访问权限，包括公开的基础模型，您只需点击几下即可部署这些模型。

Case:嘉谊互娱