Dalam rilis resmi Salesforce (11/11), perusahaan memperkenalkan SFR-AutoR&D, sistem yang dapat menyempurnakan diri sendiri untuk melatih dan meningkatkan model embedding dalam AI perusahaan yang siap digunakan di lingkungan produksi. Rilis ini memosisikan agen AI sebagai penggerak tahap pengembangan model, dengan tugas pelatihan dan peningkatan model dijalankan melalui sistem yang bekerja secara otonom.

Perubahan tersebut paling dekat dengan pekerjaan tim enterprise yang membangun atau mengoperasikan aplikasi AI berbasis model embedding. Sebagai ilustrasi umum, bayangkan tim yang perlu menjaga agar pencarian tetap menemukan dokumen yang relevan; pemeliharaan model yang berulang dapat ditangani oleh agen AI. Dalam SFR-AutoR&D, agen tersebut berperan dalam melatih dan meningkatkan model.

Bahan publikasi yang tersedia tidak menguraikan arsitektur agen, data yang digunakan untuk peningkatan, model embedding yang menjadi target, tolok ukur kinerja, maupun mekanisme akses dan ketersediaan produk. Karena itu, efektivitas dan lingkup penerapan SFR-AutoR&D belum dapat dinilai secara rinci berdasarkan rilis ini.

Secara umum, model embedding mengubah input menjadi vektor numerik yang memungkinkan kemiripan makna dihitung. Model ini biasanya digunakan dalam pencarian semantik, rekomendasi, serta sistem retrieval yang mengambil bagian dokumen untuk menjawab pertanyaan dengan AI. Dari sisi posisi technologically, SFR-AutoR&D bekerja pada lapisan yang menjadi dasar bagi fitur-fitur tersebut.