Slack与ServiceNow联手,将在聊天应用中融入机器学习技术

简介:

Slack与ServiceNow联手,将在聊天应用中融入机器学习技术

近日,团队沟通软件开发商Slack和企业公司ServiceNow宣布进行合作,将两家公司的产品更紧密的融合在一起。Slack应用集成版本将在今秋推出,该版本将会在Slack渠道提供ServiceNow通知。而在今年春天,ServiceNow新推出的软件允许客户同意或拒绝Slack的自动化流程,包括一些由预测机器学习支持的流程。

两家公司在9月12日和13日于旧金山举办的Slack开发人员大会Frontiers上宣布了这一消息。大会的第一天,Slack首次推出了供企业互相交流的分享渠道,以及法语、西班牙语和德语的应用版本。用于管理共享渠道的对话API接口也于12日首次亮相。

Slack产品副总裁April Underwood表示,集成ServiceNow服务将会让Slack更接近自己的总体目标,即在聊天应用中包含所有的工作活动。

她说:“我们认为,在未来十年,也就是到2025年,渠道将会取代电子邮件成为人们处理工作的主要方式。而现在,人们已经开始在自己的团队中使用Slack渠道处理所有的工作了。”

“对于我们的联合客户来说,拥有ServiceNow服务将会立刻让Slack更有价值。但是,它也让ServiceNow更有价值,这种利益关系是相互的,也符合我们当初开发这一平台的目的——我们希望客户能够在Slack中使用他们所使用的工具来完成工作。”

自2015年12月推出App Directory以来,Slack已经添加了1000多项服务,包括如谷歌G Suite这样的企业领导者、如Zendesk这样的客户服务平台,也包括来自Polly等创企的聊天机器人和来自Hubspot的Growthbot。据公司发言人介绍 ,目前每周约有15.5万名开发人员使用Slack API接口。

ServiceNow帮助其4000多家客户自动化任务和工作流程,如IT帮助桌面活动或人力资源处理。今年春天上线的机器学习模式可以让客户选择适合自己的AI模型。这些模型会围绕进程进行预测,如新员工入职或安全事故。

ServiceNow CTO Allan Leinwand表示:“它是专门用于生成预测的监督式机器学习,客户可以根据数据确定他们所希望获得的预测置信水平。然后,模型只有在置信水平大于客户要求时才会进行交付。”

虽然ServiceNow拥有自己的聊天解决方案Connect,但是它将会通过Slack以更加实时的团队沟通提供服务。

Leinwand说:“我们希望能够让开发人员使用他们正在合作的工具,但是我们也希望开发人员能够在我们的平台上自动化工作流程。我们并不仅仅只是一个实时对话平台,我们的目标是整合企业正在使用的其他平台。”

Leinwand没有说明ServiceNow集成版本是否可以在共享渠道中使用。


本文转自d1net(转载)

相关文章
|
1天前
|
机器学习/深度学习 自然语言处理 监控
利用机器学习进行情感分析:技术详解与实践
【5月更文挑战第13天】本文探讨了利用机器学习进行情感分析的方法,包括技术原理、常用算法和实践应用。情感分析涉及文本预处理(如清洗、分词和去除停用词)、特征提取(如词袋模型、TF-IDF和Word2Vec)及分类器训练(如朴素贝叶斯、SVM和RNN/LSTM)。常见情感分析算法有朴素贝叶斯、支持向量机和深度学习模型。实践中,情感分析应用于社交媒体监控、产品评论分析等领域。通过本文,读者可了解情感分析的基础知识及其应用价值。
|
1天前
|
机器学习/深度学习 算法
理解并应用机器学习算法:决策树
【5月更文挑战第12天】决策树是直观的分类与回归机器学习算法,通过树状结构模拟决策过程。每个内部节点代表特征属性,分支代表属性取值,叶子节点代表类别。构建过程包括特征选择(如信息增益、基尼指数等)、决策树生成和剪枝(预剪枝和后剪枝)以防止过拟合。广泛应用在信贷风险评估、医疗诊断等领域。理解并掌握决策树有助于解决实际问题。
|
2天前
|
机器学习/深度学习 人工智能 算法
【机器学习】K-means聚类有哪些应用?
【5月更文挑战第11天】【机器学习】K-means聚类有哪些应用?
|
3天前
|
机器学习/深度学习 存储 监控
利用机器学习技术优化数据中心能效
【5月更文挑战第11天】 在云计算和大数据的背景下,数据中心作为信息处理的核心设施,其能效问题一直是研究的热点。传统的能效管理方法难以应对日益增长的能源消耗和复杂多变的工作负载。本文提出一种基于机器学习技术的数据中心能效优化方案,通过实时监控和智能调度策略,有效降低能耗并提升资源利用率。实验结果表明,该方案能够减少约15%的能源消耗,同时保持服务质量。
|
8天前
|
机器学习/深度学习 算法 数据挖掘
【C 言专栏】C 语言与机器学习的应用
【5月更文挑战第6天】C语言在机器学习中扮演关键角色,以其高效性、灵活性和可移植性实现底层算法、嵌入式系统和高性能计算。在神经网络、决策树和聚类算法等领域的实现中不可或缺。C语言被用于TensorFlow和OpenCV等知名库的底层,常与C++、Python结合使用。尽管面临开发难度和适应新算法的挑战,但C语言在机器学习领域的价值和潜力将持续展现,为科技进步贡献力量。
【C 言专栏】C 语言与机器学习的应用
|
11天前
|
机器学习/深度学习 算法
构建高效机器学习模型的五大关键技术
【5月更文挑战第3天】 在数据驱动的时代,机器学习已经成为挖掘信息、预测未来和优化决策的关键工具。本文将深入探讨构建高效机器学习模型的五大关键技术:特征工程、模型选择、超参数调优、集成学习和模型评估。这些技术不仅能够提高模型的性能,还能确保模型的泛化能力和可解释性。
|
11天前
|
机器学习/深度学习 运维 自然语言处理
探索机器学习在金融欺诈检测中的应用
【5月更文挑战第3天】 随着金融科技的迅猛发展,机器学习作为其核心推动力之一,正逐渐改变着我们对金融服务安全与效率的理解。本文将深入探讨机器学习技术在金融欺诈检测领域内的应用现状与前景。通过分析多种算法和实际案例,我们揭示了如何利用机器学习提高识别欺诈行为的准确率,降低金融机构的风险损失。同时,文章还将讨论在此过程中遇到的挑战及未来的发展趋势,为读者提供一个全面而深入的视角。
|
12天前
|
机器学习/深度学习 自然语言处理 算法
机器学习算法原理与应用:深入探索与实战
【5月更文挑战第2天】本文深入探讨机器学习算法原理,包括监督学习(如线性回归、SVM、神经网络)、非监督学习(聚类、PCA)和强化学习。通过案例展示了机器学习在图像识别(CNN)、自然语言处理(RNN/LSTM)和推荐系统(协同过滤)的应用。随着技术发展,机器学习正广泛影响各领域,但也带来隐私和算法偏见问题,需关注解决。
|
13天前
|
机器学习/深度学习 算法 自动驾驶
探索机器学习在图像识别中的应用
【5月更文挑战第1天】 随着人工智能技术的飞速发展,机器学习已成为其最活跃的分支之一。特别是在图像识别领域,机器学习技术已展现出强大的能力与广泛的应用前景。本文将深入探讨机器学习在图像识别中的关键作用,从基础原理到实际应用案例,剖析其背后的算法和模型。同时,我们将讨论当前面临的挑战和未来的发展趋势,为读者提供一个全景式的技术分享。
22 3
|
2月前
|
机器学习/深度学习 存储 搜索推荐
利用机器学习算法改善电商推荐系统的效率
电商行业日益竞争激烈,提升用户体验成为关键。本文将探讨如何利用机器学习算法优化电商推荐系统,通过分析用户行为数据和商品信息,实现个性化推荐,从而提高推荐效率和准确性。