Bestimmen der Automatisierung von Agenten und traditionellen Workflows

Mit Agentforce können Unternehmen nun neue Paradigmen für automatisiertes Arbeiten freischalten, die sich nicht einfach auf Regeln reduzieren lassen. Zu diesen neuen Funktionen zählen die Lösung von Kundenabsichten aus unstrukturierten Unterhaltungen, die systemübergreifende Koordination von Prozessen mehrerer Parteien und die Reaktion auf betriebliche Bedingungen in Echtzeit. Agentische Workflows verwenden eine Automatisierung, die darauf ausgelegt ist, auf Ergebnisse hinzuarbeiten, statt vordefinierte Schritte auszuführen. Um diese Anforderung zu erfüllen, ist eine Plattform erforderlich, die über das gesamte Spektrum der Automatisierungskomplexität hinweg funktioniert, und ein Framework, das anzeigt, wo die einzelnen Funktionen hinpassen.

Agentforce kombiniert die Einstein Trust Layer, das Argumentationsmodul, das Agentenskript, Flow, Apex und Data 360 in einer einzigen einheitlichen Plattform. Diese Kombination verarbeitet alles – von der einfachen Automatisierung von Datensatzauslösern bis hin zur komplexen Orchestrierung von mehreren Agenten über Sprach-, Bildverarbeitungs-, Dokument- und Echtzeittelemetrie hinweg. MuleSoft erweitert diese Plattform um die MuleSoft-Struktur, -Governance und -systemübergreifende Orchestrierung, die zum Verbinden von Agenten-Workflows in einem Unternehmen erforderlich sind. Agentforce Operations (zuvor Agentforce Supply Chain) wendet diese Funktionen auf die spezifischen Anforderungen von Betriebs- und Fertigungsprozessen an.

Dieser Leitfaden stellt das Framework für Orchestrierungsdichten und Richtlinien für fundierte Entscheidungen in dieser Produktlandschaft vor. Das Framework bietet Architekten einen wiederholbaren Ansatz, um mithilfe von Dichtestufen für Anwendungsfälle der intelligenten Automatisierung auf Salesforce Platform die richtigen Tools und Muster auszuwählen.

Agentforce stellt einen grundlegenden Wandel bei der Arbeit auf Salesforce Platform dar – von der regelbasierten Automatisierung hin zu rationalisierungsbasierten Workflows. Architekten müssen bewusste, fundierte Entscheidungen darüber treffen, wo Agenten hinpassen, wie sie zusammengesetzt sind und was sie orchestrieren, um ihr Potenzial zu entfalten. Die folgenden Grundsätze bieten eine wiederholbare Richtlinie für agentische Entscheidungen.

• Verwenden Sie das richtige Tool für die richtige Aufgabe. Verwenden Sie die Orchestrierungsdichte auf der Grundlage des Ausführungspfads, des Modalitätsmix und der Zielkomplexität, um die am besten geeignete Lösung zu bestimmen.

  • Verwenden Sie die traditionelle Automatisierung mit Flows und Apex für regelbasierte deterministische Arbeiten, bei denen das Ergebnis vollständig durch einen Satz von Regeln begrenzt und definiert werden kann. Die traditionelle Automatisierung führt zu einem statischen Ausführungspfad, der vorhersehbare und wiederholbare Ergebnisse garantiert und für die Überprüfbarkeit entscheidend ist. Wählen Sie die traditionelle Automatisierung für Aufgaben, die eine strenge Einhaltung und Einhaltung gesetzlicher Vorschriften erfordern.

  • Verwenden Sie Agentforce Grid für Anwendungsfälle für Massenrückschlüsse mit geringer bis mittlerer Orchestrierungskomplexität. Dieses Muster verwendet generative Argumentation in einem einzigen Schritt, um Daten für ein hohes Volumen an CRM-Datensätzen zu klassifizieren, zu bewerten oder zusammenzufassen und so eine Ausführung mit hohem Durchsatz und sofortiger Überprüfbarkeit zu gewährleisten.

  • Verwenden Sie Agentforce mit Agentenskript für Aufgaben mit offenen Zielen, bei denen das gewünschte Ergebnis bekannt ist, der genaue Ausführungspfad jedoch nicht zum Zeitpunkt des Entwurfs angegeben werden kann. Wenden Sie dieses Muster auf Anforderungen an, für die Argumentation über den geführten Determinismus erforderlich ist, um vorhersehbare und rückverfolgbare Ergebnisse zu gewährleisten.

  • Verwenden Sie Agentforce Operations, um gemeinschaftliche Geschäftsprozesse mit AI-fähiger Verwaltung für Lieferketten-Workflows zu optimieren und zu automatisieren.

• Vermeiden Sie die Anwendung von Agenten-Workflows auf Anwendungsfälle mit geringer Orchestrierungsdichte. Werten Sie Kompromisse zwischen traditioneller und agentischer Automatisierung für funktionale und nicht funktionale Anforderungen aus. Die herkömmliche Automatisierung kann die für Ihren Anwendungsfall erforderliche Skalierung, Zuverlässigkeit und Leistung bieten.

• Verwenden Sie einen Ansatz vom Typ “Agentenautomatisierungs-Hybrid”, bei dem Agentforce und die traditionelle Automatisierung mit Flows und Apex kombiniert werden, wenn diese Synergie einen größeren Nutzen bietet als die Verwendung der Agentenautomatisierung oder der traditionellen Automatisierung allein.

Das Salesforce sObject ist traditionell der primäre Einstiegspunkt für die Datensatzautomatisierung. Das System führt eine Logik anhand von Regeln aus, die unmittelbar nach einem Ereignis der Datenmanipulationssprache (DML) wie Einfügen, Aktualisieren oder Löschen beginnt. Um zwischen Tools für eine effiziente durch Datensätze ausgelöste Automatisierung zu wählen, wurde die Automatisierungsdichte als Mittel zur Messung der Komplexität des Systems eingeführt, wobei die Automatisierungsmenge, das Datensatzvolumen und die Abhängigkeitsstreuung berücksichtigt werden. Die herkömmliche Automatisierung wird durch die umfangreiche Vorarbeit eingeschränkt, die erforderlich ist, um Daten in ein strukturiertes, schemakonformes und regelbasiertes Konstrukt zu integrieren.

Die Agentenautomatisierung aktualisiert die herkömmliche Automatisierung mithilfe von Benutzerabsichten oder unstrukturierten Daten als Eingabe, bei denen Argumente angewendet werden können, um ein gewünschtes Ergebnis zu erzielen. Architekten müssen entscheiden, wann sie probabilistische Argumente für multimodale unstrukturierte Daten verwenden und wann sie geführte, deterministische Workflows erzwingen, um das Risiko unvorhersehbarer Ergebnisse zu minimieren.

Wenn sich die Anforderung von der Ausführung regelbasierter Schritte zur Argumentation hin zu Ergebnissen verschiebt, benötigen Architekten ein standardisiertes Framework, um die Argumentationstiefe und die Zielkomplexität der vorgeschlagenen Lösung zu bewerten.

Die Orchestrierungsdichte ist die Maßeinheit für die Komplexität in einem Agenten-Workflow. Drei Faktoren bestimmen die Orchestrierungsdichte: Ausführungspfad, Zielkomplexität und Modalitätsmix. Während die Automatisierungsdichte die physische Komplexität der Regeln und des Volumens des Systems misst, misst die Orchestrierungsdichte die Argumentationskomplexität des Pfads des Agenten zu einem Ziel. Verwenden Sie die Dichte der zusammengesetzten Orchestrierung, um Ihre Designanforderungen auszuwerten und dem Architekturstandard zuzuordnen.

• Ausführungspfad: Der Grad, in dem der Workflow zum Zeitpunkt des Entwurfs vollständig umrissen und angegeben werden kann. Ein vollständig angegebener Workflow bedeutet, dass der Workflow jede Verzweigung und jedes Ergebnis definiert, was zu einem vorbestimmten Ausführungspfad führt. Ein nicht spezifizierter Workflow weist einen Pfad auf, der während der Laufzeit durch Überlegungen zu Kontextdaten und Anweisungen entstehen kann.
• Zielkomplexität: Die Anzahl der unterschiedlichen Ergebnisse, Entscheidungspunkte und Pfadvariationen, die der Workflow zur Laufzeit auflösen muss. Ein Workflow mit geringer Komplexität verarbeitet eine einzelne in sich geschlossene Aufgabe mit einem vorbestimmten Ergebnis, während ein Ziel mit hoher Komplexität mehrere Phasen mit konkurrierenden oder in Konflikt stehenden Zielen mit Randfällen umfasst, die zum Zeitpunkt des Designs nicht zu erwarten sind.
• Modalitätsmix: Der Bereich der Eingabetypen, die ein Workflow verarbeiten muss, und die Ausgabeformulare, die er erstellen muss. Ein Mix mit niedriger Modalität liest CRM-Standardfelder und generiert Datensatzaktualisierungen. Eine mittlere Modalität verwendet eine Kombination aus strukturierten CRM-Feldern und statischen, unstrukturierten Daten wie E-Mail-Nachrichten oder Kundenvorgangsabschriften, um Datensatzaktualisierungen zu erstellen. Ein Mix mit hoher Modalität verwendet dynamische Echtzeit-Streams wie Live-Audio oder Telemetrie und generiert multimodale Ausgaben über mehrere externe Systeme hinweg.

Zum Bestimmen der entsprechenden Orchestrierungsdichteebene müssen der Ausführungspfad, die Zielkomplexität und der Modalitätsmix sequenziell ausgewertet werden. Untersuchen Sie zunächst den Ausführungspfad. Wenn ein Pfad vollständig angegeben werden kann, beginnen Sie mit der traditionellen Automatisierung. Die Verwendung einer agentischen Lösung, nur um einen deterministischen Pfad ohne Begründung zu orchestrieren und auszuführen, ist ein Anti-Pattern. Dies führt zu einer Vermehrung von Agenten (übermäßige, nicht verwaltete AI-Agentenvermehrung) und zu Agentenrückgängen (minderwertige, unnötige AI-generierte Ausgabe), was zu schlechten Werterträgen führt.

Bewerten Sie bei teilweisen oder nicht spezifizierten Pfaden weiterhin die Zielkomplexität. Wenn die Zielkomplexität genau definiert ist, bestimmte Knoten entlang des Pfads jedoch probabilistische Auswertungen benötigen, sollten Sie ggf. Agenten über Flow oder Apex anrufen, um die spezifische lokalisierte Anforderung zu erfüllen. Wenn für die Schritte im Ausführungspfad eine oder mehrere AI-gesteuerte Anforderungen für eine große Menge an Datensätzen erforderlich sind, sollten Sie stattdessen Agentforce Grid in Betracht ziehen. Raster unterstützt mehrstufige, blattbasierte Workflows über mehrere AI- oder Agentenspalten. Sie eignet sich am besten für die zeilenorientierte Massenausführung. Durch diesen Ansatz wird sichergestellt, dass der Workflow hochleistungsfähig und überprüfbar bleibt und probabilistische Argumente nur dann aufgerufen werden, wenn der Pfad nicht vordefiniert werden kann.

Wenn die Komplexität der Ziele mit konkurrierenden Dimensionen zunimmt (z. B. die Ermittlung einer Auszahlung von Versicherungsansprüchen zusammen mit der Betrugserkennung, die Einhaltung von Policen und die Kundenzufriedenheit) und nicht spezifizierte Ausführungspfade, sollten Sie Agentforce mit Agentenskript als geführten Determinismus in Ihrer Automatisierung berücksichtigen. Verwenden Sie MuleSoft Fabric und Agent Broker für unternehmensübergreifende Anwendungsfälle, die Salesforce und Drittanbietersysteme betreffen.

Evaluieren Sie abschließend den Modalitätsmix, um die erforderlichen technischen Funktionen wie die multimodale Verbindung oder die spezielle Integration zu identifizieren. Der Modalitätsmix fungiert als Funktionsauswahl und nicht als Dichterechner. Es hilft Ihnen, die Infrastruktur zu bestimmen, die für die Verarbeitung der Eingabe- und Ausgabeform der Lösung erforderlich ist, ohne ihre grundlegende Orchestrierungslogik zu ändern.

Verwenden Sie diese Matrix, um den Architekturstandard für Ihre Agentenautomatisierung zu bestimmen. Wählen Sie den Ansatz aus, der Ihr Automatisierungsproblem löst, um die traditionelle und die Agentenautomatisierung in Einklang zu bringen.

• Traditionelle Automatisierung (geringe Orchestrierungsdichte): Verwenden Sie die traditionelle Automatisierung, wenn der Prozess durch eine Datensatzänderung ausgelöst wird, die Daten strukturiert sind, die Logik regelbasiert und vordefiniert ist und das Ergebnis vorhersehbar sein muss (z. B. Standardpreisberechnungen oder Erstellung automatischer Aufgaben).
• Agentforce Grid (niedrige bis mittlere Orchestrierungsdichte): Verwenden Sie Agentforce Grid, wenn AI-Aufgaben in Massenvorgängen über vorhandene Datensätze hinweg verarbeitet werden müssen (fassen Sie beispielsweise die letzten 50 Kundenvorgänge für jeden Account in dieser Liste zusammen, berechnen Sie die Stimmungsbewertung und behalten Sie die Bewertung im Kundenvorgangsfeld bei).
• Hybridorchestrierung (High-Order Augmented Automation): Verwenden Sie die hybride Orchestrierung, wenn Sie einen komplexen durchgängigen Geschäftsprozess automatisieren (z. B. die Anspruchsverarbeitung oder die Einarbeitung), der die Planungsfunktionen von AI, aber die Transaktionsintegrität von Flow und Apex erfordert.
• Agentforce Agent Script (High Intent Complexity): Verwenden Sie Agentenskript, wenn der Einstiegspunkt unstrukturiert ist (z. B. Chat, E-Mail und Voice) und die Lösung eine Unterhaltung oder die Fähigkeit erfordert, mehrdeutige Benutzeranforderungen zu verarbeiten.

Diese Tabelle enthält allgemeine Empfehlungen für die am besten geeigneten Anwendungen.

Latenz

Synchrone durch einen Datensatz ausgelöste Flows werden innerhalb der Plattformtransaktion ausgeführt und in Millisekunden abgeschlossen. Die Agentforce-Rückschlusszeit ist vom Atlas Reasoning Engine abhängig und wird mit der Tiefe der Argumentation und der Modalitätskomplexität skaliert. Agentforce eignet sich nicht für die synchrone Datensatzverarbeitung mit hohem Volumen, wenn die Latenz eine primäre Einschränkung ist.

Kosten

Die Argumentationskosten eines Agenten-Workflows müssen mit dem Geschäftswert des Ergebnisses verglichen werden. Bei Aufgaben mit hohem Volumen und geringer Orchestrierungsdichte, bei denen ein deterministischer Pfad vorhanden ist, ist die herkömmliche Automatisierung oder das Agentforce Grid möglicherweise wirtschaftlicher als ein durchgängiger agentischer Workflow. Stellen Sie sicher, dass das Design das richtige Wiederholungsmuster mit expliziten Obergrenzen für die maximale Wiederholung und Unterbrechungen berücksichtigt. Diese Leitplanke begrenzt das Risiko der Kostenüberschreitung bei der Massenverarbeitung.

Obergrenzen

Werten Sie Agenten-Workflows mit hohem Volumen im Vergleich zu täglichen Plattformobergrenzen für die asynchrone Ausführung aus. Agentforce Grid-Batchvorgänge folgen den standardmäßigen Plattformtransaktionsobergrenzen. Beachten Sie bei der Automatisierung von Salesforce-Objekten die tägliche Gesamtanzahl der DML-Vorgänge, da Salesforce die Verwaltung gemeinsamer Ressourcen in einer Umgebung mit mehreren Mandanten und Obergrenzen erzwingt, um zu verhindern, dass Automatisierungen gemeinsam genutzte Ressourcen monopolisieren.

Überprüfbarkeit und Compliance

Die traditionelle Automatisierung erstellt vollständig überprüfbare Ausführungsprotokolle über Flow-Auslöser-Explorer und Apex Protokolle. Agentforce durchgängige oder hybride Muster erzeugen Argumentationsprotokolle, die Transparenz in die Entscheidungsfindung von Agenten bieten, deren Interpretation jedoch Fachwissen erfordert. Der geführte Determinismus über das Agentenskript ist das empfohlene Muster für regulierte Branchen, in denen die vollständige Überprüfbarkeit der Ausführung eine Compliance-Anforderung ist.

Eskalation

Agentische Workflows, die mit hoher Dichte ausgeführt werden, sollten explizite menschliche Genehmigungs- oder Eskalationstores für Aktionen mit irreversiblen Folgen wie Finanztransaktionen, behördlichen Einreichungen oder Lieferantenverpflichtungen enthalten. Bedingte Steuerelemente für Agentenskripts bieten den Mechanismus zum deterministischen Erzwingen dieser Gates in einem ansonsten agentenbasierten Workflow.

Priorisieren Sie die Einfachheit Ihres Orchestrierungsdesigns. Beginnen Sie mit der minimalen Orchestrierungsebene, mit der das Ziel erreicht werden kann, validieren Sie es unter realer Last und wiederholen Sie es. Jeder zusätzliche Agent, jede Übergabe oder Abhängigkeit in Ihrer Kette führt zu einer neuen Oberfläche, die zu inkonsistentem Verhalten führen kann.

Beginnen Sie in Ihrem angebbaren Ausführungspfad an Knoten, an denen Argumentation erforderlich ist, mit dem Einbetten eines Agenten. Befolgen Sie die bewährten Vorgehensweisen zum Erstellen von Agenten in Agentforce. Vermeiden Sie es, zahlreiche Unteragenten (zuvor “Themen”) zu packen und Anweisungen niemals aufzublähen. Agenten, die in Automatisierungsanwendungsfällen bereitgestellt werden, können es sich leisten, schlank zu sein, da sie nicht die einzige Oberfläche sind. Wählen Sie den richtigen Primitiven für die Verkettung aus. Ein Orchestrierungsmuster (Delegationsmuster) hat eine strengere Kontrolle über die Ausführungsreihenfolge und kann Teilaufgaben an Spezialisten delegieren. Vermeiden Sie choreographierte Muster (Übergabemuster). Wenn Sie ein Übergabedesign implementieren müssen, geben Sie dem empfangenden Agenten das Ziel, den Kontext und den Status an, damit er globale und nicht lokale Ziele optimieren kann.

Vermeiden Sie Aktionen oder umfangreiche Tools. Aktionen sind der Ort, an dem die Argumentation der Agenten realisiert wird, und ihr Design bestimmt, ob sie zuverlässige Ergebnisse oder Fehler zur Folge haben. Jede Aktion muss eine strukturierte, beobachtbare Antwort zurückgeben, mit der der AI-Agent die nächste Unterhaltung planen kann.

Wenn mehrere Aktionen (und unterschiedliche Ausgabekonstrukte) dieselbe Aufgabe ausführen, ist der Agent nicht mehr in der Lage, das richtige Tool für den Auftrag zu finden oder auszuwählen. Es kann dazu führen, dass der Agent Nuancen übersieht. Wenn sich Aktionsdefinitionen überschneiden, besteht das Risiko einer falschen Klassifizierung. Stellen Sie sicher, dass Ihre Aktionsbibliothek überprüft, versioniert und mit dem Umfang “Unteragent (zuvor Thema)” konform ist.

Definieren Sie beobachtbare Ziele. Definieren Sie das Ziel als beobachtbares Ergebnis und nicht nur als Verfahren. Ein vages Ziel lädt zur Agentenabwanderung ein. Vergrößerung um einen angebbaren Ausführungspfad. Verwenden Sie das Agentendiagramm mit hybrider Argumentation, um das Ziel als Diagrammknoten mit explizitem Status zu modellieren. Die Laufzeit verfolgt die aktuelle Position des Agenten im Workflow und stellt sie nach tangentialen Eingaben wieder her. Das Ziel geht nicht verloren, wenn er zusätzliche Informationen im Kontextfenster erhält.

Testen und auswerten. Implementieren Sie ein zuverlässiges Test- und Evaluierungs-Framework, um die Argumentation probabilistischer Knoten und die Ausgabe von Agentenautomatisierungen zu validieren. Überprüfen Sie Ausführungspfade mit einem erwarteten Ergebnispfad, um sicherzustellen, dass das Modell das richtige Ergebnis erzielt. Verhindern Sie stille Fehler, wenn ein Agent fälschlicherweise einen Erfolg meldet oder in eine Endlosschleife oder eine nicht behebbare Schleife gerät, indem Sie die Ergebnisse in Ausführungsschritten bestätigen. Verwenden Sie die Sitzungsverfolgung, um Turn-by-Turn-Interaktionen, Ausführungen des Argumentationsmoduls, Aktionen, Eingabeaufforderungen und Gateway-Ausgaben, Fehlermeldungen und endgültige Antworten zu untersuchen.

Über den Autor

Arvind Palaniswamy ist ein Software-Engineering-Architekt im Büro des Chefarchitekten “Well-Architected Team”. Er mag es, komplexe Systeme in ihren einfachsten Formen mit ersten Prinzipien zu erstellen. Er versteht Engineering, Operations und Business durch jahrzehntelange Erfahrung und MS/MBA(Kellogg) Ausbildung.