Ressourcen- und Kostenoptimierung für das Agentenunternehmen

Autonome Agenten nutzen Salesforce-Ressourcen anders als die deterministische Automatisierung. Agentenarbeitslasten sind unvorhersehbar und kontinuierlich und nicht fest und transaktionsgebunden. Die Value-per-Cost-Thesis der Säule “Ressourcen- und Kostenoptimierung” wird direkt in Agentic Enterprise übernommen. Ressourceneffizienz bedeutet, die Kapazität zu nutzen, für die Sie bereits bezahlen, und Kostenoptimierung bedeutet, die Ausgaben bewusst auf die autonomen Funktionen auszurichten, die eine Rendite erzielen. Agenten ändern die Form von beiden. Ein effizientes Agentendesign hält den Verbrauch im Griff und die Auswahl des Preismodells, die Modellierung der Gesamtbetriebskosten und die Finanz-Governance halten den Wert der Ausgaben im Einklang. In diesem Dokument werden Ressourceneffizienz und Kostenoptimierung als eine Entscheidung behandelt, da Agenten zwei Ansichten desselben Ziels verfolgen.

Agenten ändern die Berechenbarkeit des Verbrauchs. Ein herkömmlicher Apex Prozess arbeitet mit einem bekannten Datensatz mit bekannten Ressourcenkosten. Ein Agent arbeitet konversationsbasiert und eine einzelne Unterhaltung kann Dutzende von Aktionen als Agentengründe durch eine Aufgabe ausführen. Jede Aktion verwendet Obergrenzen in ihrer eigenen Transaktion, statt sie in der Unterhaltung zu kumulieren. Die Kontextvorbereitung für einen Zug kann 200 Datensätze oder 20.000 abfragen, je nachdem, was der Benutzer fragt. Der API-Verbrauch wird beschleunigt, da Agenten autonom handeln können und proaktive, ausgehende und geplante Agenten kontinuierlich und nicht nur während einer Benutzertransaktion agieren. Diese Unberechenbarkeit ist der Grund, warum die Agentenressourcenverwaltung defensiv sein muss, statt nach einer Verbrauchsspitze optimiert zu werden.

Die Kostenseite ändert sich ebenso. Autonome Agenten führen eine verbrauchsbasierte Preisgestaltung ein, die sich von der herkömmlichen Lizenzierung pro Sitzplatz unterscheidet. Agentforce bietet zwei verbrauchsbasierte Preismodelle an: “Flex-Gutschriften” und “Unterhaltung pro Unterhaltung”. Jede Agentenbereitstellung wählt eines dieser Modelle aus. Eine Organisation verwendet jeweils ein Verbrauchsmodell. , aber ein Add-On “Pro Benutzer”, das pro Benutzer und Monat für die nicht dosierte Nutzung angeboten wird, kann sich neben einem Verbrauchsmodell schichten, sodass Agenten mit Kundenkontakt Flex Credits oder “Pro Unterhaltung” verwenden, während Mitarbeiter nicht dosierte Lizenzen verwenden. Data 360 unterstützt die Agentenbildung durch Vektorsuche und -abruf und verbraucht Datenverarbeitungskapazität, während MuleSoft Agentenintegrationen aktiviert, die API-Kapazität verbrauchen. Diese variablen Kosten werden mit der Agentennutzung skaliert, wodurch ein Investitionsmuster erstellt wird, bei dem die Finanz-Governance auf Variabilität und nicht auf ein festes Jahresabonnement ausgelegt ist.

Lösungen, die auf Geschäftswert mit optimierten Kosten im Agentic Enterprise ausgelegt sind, sorgen dafür, dass der Agentenverbrauch effizient bleibt, indem sie Datensätze per Massenvorgang, disziplinierte Kontextfenster und Zwischenspeicherung verarbeiten. Außerdem leiten sie die Ausgaben bewusst über das richtige Preismodell, die vollständige TCO-Modellierung und die kontinuierliche Kostenüberwachung im Vergleich zu den Geschäftsergebnissen. Ohne diese Ausrichtung kumulieren Agentenbereitstellungen die Kosten, ohne einen proportionalen Wert nachzuweisen, und ein Agent, der in einer ungebundenen Schleife Gründe hat, kann Gutschriften schneller verbrennen, als die menschliche Aufsicht eingreifen kann. Durch die gleiche Effizienzarbeit, die einen Agenten innerhalb seiner Obergrenzen hält, bleibt er innerhalb seines Kreditbudgets, was die in Agenten ausgedrückte Pfeilerthese ist.

In diesem Dokument wird beschrieben, was sich ändert, wenn Agenten im Bild sind. Informationen zu den grundlegenden Ressourcen- und Kostenoptimierungsmustern, die für jede Salesforce-Lösung gelten, einschließlich Leistungsoptimierung, Obergrenzen, TCO-Analyse und Lizenzdisziplin, finden Sie in der Säule “Ressourcen- und Kostenoptimierung”. Agentenführung und menschliche Aufsicht sind mit den Säulen Trust und Fairness verbunden, die die Programmkomponenten abdecken, die autonomes Verhalten sicher und verantwortlich machen.

Der Ressourcenverbrauch von Agenten folgt denselben Plattformmechanismen wie Flow oder Apex, aber sein unvorhersehbarer, gesprächsgesteuerter Aufruf erschwert die Prognose und erfordert daher Abwehrmuster. Ihre Optimierungsaufgaben umfassen die Budgetierung der Obergrenzen für Aktionsketten, den API-Verbrauch, die Antwortlatenz, die Data 360-Basiseffizienz, die Verwaltung von Kontextfenstern und das zusammengesetzte Design, mit dem Agenten ohne Duplikate skalieren können. Jede Verantwortung ist eine kostenbasierte Entscheidung, bevor sie eine technische Entscheidung ist, da Agenten Ineffizienzen bei jeder Unterhaltung wiederholen.

Agenten rufen Aktionen auf, die Apex, Flows und Integrationen auslösen. Eine einzelne Unterhaltung kann Dutzende von Aktionen als Agentengründe durch eine komplexe Aufgabe ausführen. Die grundlegende Disziplin ist die gleiche wie bei jeder Salesforce-Lösung, aber das unvorhersehbare Aufrufmuster wirft ein höheres Risiko auf. Entwerfen Sie Aktionen zum Akzeptieren von Sammlungen, sodass ein Agent, der 50 Kundenvorgänge aktualisiert, eine Aktion statt 50 separater Anrufe aufruft. Eine einzelne Aktion, die für eine Sammlung von Datensätzen ausgeführt wird, verbraucht viel weniger SOQL-Abfragen (Salesforce Object Query Language) und DML-Vorgänge (Data Manipulation Language) für dieselbe Arbeit. Verwalten Sie das SOQL-Budget bewusst über Aktionsketten hinweg, da ein Workflow, der 10 bis 15 Aktionen aufruft, sich der synchronen Obergrenze von 100 Abfragen nähern oder sie überschreiten kann, wenn jede Aktion mehrere eigene Abfragen ausführt. Verwenden Sie Beziehungsabfragen, um übergeordnete und untergeordnete Daten in einer einzelnen Anweisung abzurufen und auf Daten zu verweisen, die im Plattform-Cache zwischengespeichert werden, und zwar über Aktionen innerhalb derselben Unterhaltung hinweg. Durch diese beiden Vorgehensweisen bleibt eine Multiaktionskette innerhalb ihres Budgets.

Verschieben Sie Agentenvorgänge, die synchrone Obergrenzen überschreiten, in Queueable oder Batch Apex, wo der asynchrone Kontext die verfügbare SOQL- und CPU-Arbeitskapazität in etwa verdoppelt. Große Analysevorgänge wie das Bewerten von 1.000 Leads oder das Analysieren der Stimmung in historischen Kundenvorgängen gehören zur asynchronen Verarbeitung, statt eine Unterhaltung zu blockieren. Die Rückschlüsse auf große Sprachmodelle selbst erfolgen außerhalb von Salesforce und verbrauchen Flex Credits anstelle von Apex CPU-Zeit. Daher wird das CPU-Budget, das Sie profilieren, durch die Aktionslogik, die Datentransformationen und die durch den Agenten ausgelösten Integrationen verbraucht. Szenarien mit Datenverzerrungen, in denen übergeordnete Datensätze Tausenden von untergeordneten Datensätzen zugeordnet sind, verdienen besondere Aufmerksamkeit bei Agenten. Diese Sicherheitsanfälligkeit tritt auf, da ein Agent möglicherweise “den gesamten Verlauf” für einen Account mit Zehntausenden verwandter Datensätze auf eine Weise anfordert, die eine deterministische Abfrage niemals würde. Entwerfen Sie Aktionen mit Obergrenzen für harte untergeordnete Datensätze und Paginierung und wenden Sie Stichproben an, wenn Volumen den Schwellenwert für Datenverzerrungen überschreiten. Diese Obergrenzen verhindern, dass eine unvorhersehbare Anforderung in eine unlimitierte Abfrage umgewandelt wird. Das Agentforce Session Tracing identifiziert, bei welchen Aktionen übermäßige Abfragen auf Sitzungsebene auftreten, und das Skalierungscenter überwacht die Gesamtleistung von Apex-Transaktionen und den Organisationsstatus.

Agentenarchitekturen nutzen APIs schneller als benutzergesteuerte Workflows, da Agenten autonom und bei proaktiven oder geplanten Agenten kontinuierlich arbeiten. Wie ein Agent angezeigt wird, bestimmt, wie die API-Kapazität reduziert wird. Agenten, die über die REST-API aufgerufen werden, verbrauchen einen Aufruf pro Unterhaltungszug. Agenten, die über Standardkomponenten auf Lightning-Seiten eingebettet sind, verbrauchen keinen API-Aufruf pro Interaktion, obwohl ihre Kosten weiterhin in den Gutschriften oder Unterhaltungen des ausgewählten Preismodells gemessen werden. Benutzerdefinierte Lightning Webkomponenten, die direkte REST-Aufrufe vornehmen, verbrauchen API-Kapazität. Komponenten, die auf Lightning Data Service-Wire-Adaptern basieren, sind dies nicht, da Lightning Data Service über einen freigegebenen clientseitigen Cache bereitstellt, statt einen API-Aufruf zu senden. Überwachen Sie den Verbrauch in der Ereignisüberwachung während eines Pilotprogramms, damit Sie die tatsächliche Nutzung vor einer vollständigen Einführung verstehen.

Ereignisgesteuerte Muster sind der größte Hebel beim Verbrauch verschwenderischer Agenten-APIs. Durch das Veröffentlichen eines Plattformereignisses, wenn eine Bedingung das Eingreifen eines Agenten erfordert, wird die geplante Abfrage vermieden, die API-Aufrufe verbraucht, unabhängig davon, ob Arbeit erforderlich ist, und ein Agent, der Ereignisse der Datenerfassung ändert, behält den aktuellen Kontext bei, ohne die täglichen Abfrageaufrufe, die ein externer Orchestrierer sonst tätigen würde. Die Value-per-Cost-Logik ist direkt: Eine Abstimmung, bei der keine Arbeit gefunden wird, ist für nichts ausgegebene Kapazität und ein Ereignis, das nur bei einer echten Änderung ausgelöst wird, ist nur für echte Arbeit ausgegebene Kapazität. Die abruferweiterte Generierung fügt ihren eigenen Verbrauch hinzu, da jede Vektorsuche für Data 360 Berechnungen verbraucht. Legen Sie daher Abrufobergrenzen fest, um nur die Ergebnisse zurückzugeben, die der Agent tatsächlich verwendet.

Die Latenz für einen Agentenzug ist die Summe aus LLM-Rückschlusszeit, Aktionsausführungszeit, Data 360-Abfragezeit und Integrationszeit, wenn diese Schritte nacheinander ausgeführt werden. Andernfalls ist dies die längste parallele Verzweigung plus alle sequenziellen Schritte. Die Latenz ist sowohl eine Kosten- als auch eine Erfahrungsangelegenheit, da eine langsame Aktion Ressourcen länger offen hält und ein frustrierter Benutzer mehr Unterhaltungen startet als ein gelöster. Kürzere Eingabeaufforderungen generieren schnellere Antworten. Entfernen Sie daher ausführliche Anweisungen, redundante Beispiele und unnötigen Kontext. Selektiver Kontext verbessert die Latenz und die Antwortqualität, wobei ein umfassender Kontext-Dump nur zu Störungen führt. Sorgen Sie dafür, dass Aktionen durch selektive SOQL für indizierte Felder, Massenvorgänge und zwischengespeicherte Referenzdaten schnell ausgeführt werden, da eine 3-Sekunden-Aktion zu einem Engpass wird, unabhängig davon, wie schnell die Rückschlüsse sind. Validieren Sie Aktionsabfragen mit dem Abfrageplan-Tool, um vollständige Tabellenscans zu identifizieren, die die Aktionslatenz erhöhen.

Die Agentengenerator-Orchestrierung kann Aktionen parallel ausführen, wenn keine Abhängigkeiten zwischen ihnen bestehen. Beispielsweise dauert das gleichzeitige Abrufen von Accountdetails und zugehörigen Opportunities so lange wie die langsamere der beiden und nicht die Summe der beiden. Bei Aufrufen, die sich auf mehrere nachgelagerte Systeme aufteilen, können Sie Agentforce mit einer Integrationsplattform wie MuleSoft kombinieren. Der Agent ruft eine einzelne Aktion auf, MuleSoft empfängt die Anforderung und sendet parallele Aufrufe an Backend-Systeme und gibt dann eine aggregierte Antwort zurück. Mit dem Plattform-Cache werden Rückschlüsse und Abfragelatenzen für wiederholte Anforderungen entfernt. Wenn nicht dringende Arbeiten asynchron verarbeitet werden, beispielsweise eine lange Dokumentanalyse, kann der Agent die Anforderung sofort bestätigen und das Ergebnis zurückgeben, wenn es bereit ist, statt die Unterhaltung offen zu halten.

Data 360 bietet die Vektorsuche, die Agentenantworten in aktuellen Daten und nicht nur in den Trainingsdaten des Modells gründet, und ihre Effizienz bestimmt sowohl die Qualität der Kontextbildung als auch die Berechnung, die Sie dafür benötigen. Chunking, Einbettungsauswahl, Metadatenfilterung und Ergebnisobergrenzen sind die wertvollsten Entscheidungen. Teilen Sie Knowledge in semantisch aussagekräftige Segmente auf, da zu kleine Blöcke viele Abrufe für eine Frage erzwingen, während zu große Blöcke die Relevanz mit irrelevantem Kontext verwässern und das daraus abgeleitete Tokenbudget aufblähen. Wählen Sie ein Einbettungsmodell aus, das mit der tatsächlichen Abfrage durch Ihre Agenten übereinstimmt, da sich die Ähnlichkeit von Fragen und Antworten von der Dokumentklassifizierung unterscheidet, und validieren Sie die Auswahl anhand repräsentativer Abfragen. Kombinieren Sie semantische Ähnlichkeit mit Metadatenfiltern, damit Geschäftseinschränkungen unabhängig von der Ähnlichkeit bestehen bleiben, beispielsweise das Ausschließen eingestellter Produkte aus einer Empfehlung, unabhängig davon, wie eng die Übereinstimmung ist. Legen Sie Obergrenzen fest, um nur die Ergebnisse zurückzugeben, die der Agent verwendet. Wenn beispielsweise 5 Ergebnisse eine Antwort enthalten, werden beim Abrufen von 50 45 nicht verwendete Ergebnisse zur Nutzlast und zum Token-Budget hinzugefügt.

Vereinheitlichte Profile sind ressourceneffizient, da ein Agent, der ein zusammengeführtes Data 360-Profil abfragt, den vollständigen Kundenkontext in einem einzelnen Vorgang abruft, statt separate Abfragen für Account, Kontakt, Opportunity, Kundenvorgang und Kampagne für jede Runde zu orchestrieren. Konfigurieren Sie Data 360-Instanzen in den Regionen, die gesetzlich vorgeschrieben sind, sodass Agenten, die Daten für eine bestimmte Gerichtsbarkeit verarbeiten, die Instanz abfragen, in der personenbezogene Daten gespeichert sind.

Kontextfenster mit großen Sprachmodellen enthalten eine begrenzte Anzahl von Token. Durch die Verwaltung dieses Budgets bleibt eine lange Unterhaltung kohärent, ohne dass die Kapazität ausgeschöpft oder die Kosten für jeden Rückschlussaufruf erhöht werden. Priorisieren Sie Folgendes bewusst, statt es beliebig abzuschneiden: Der aktuelle Unterhaltungsverlauf hat höchste Priorität, wichtige Geschäftsdaten wie der aktuelle Datensatzstatus und Berechtigungen stehen an zweiter Stelle und der ältere Verlauf wird nur berücksichtigt, wenn der Speicherplatz dies zulässt. Fassen Sie nach den ersten Runden frühere Unterhaltungen zu einer prägnanten Übersicht zusammen, die wichtige Fakten beibehält, ohne den vollständigen wörtlichen Verlauf zu übernehmen. Diese Zusammenfassung behält die Kontinuität bei, ohne das Token-Budget zu erhöhen. Speichern Sie erweiterten Kontext in Data 360 oder benutzerdefinierten Objekten als externen Speicher, der bei Bedarf abgefragt wird, statt den vollständigen Verlauf bei jedem Aufruf erneut wiederzugeben, und geben Sie nur die wesentlichen Felder aus jeder Aktion zurück, da eine Antwort, die alle 50 Felder eines Datensatzes enthält, wenn die Aufgabe 8 benötigt, das Kontextbudget besser für Unterhaltungen oder Kontextbildungen zugeteilt.

Das Erstellen von Agenten aus wiederverwendbaren Komponenten reduziert die Entwicklungs- und Wartungskosten. Eine einmal erstellte und wiederverwendete Funktion ist über ihre Lebensdauer wesentlich günstiger als dieselbe Funktion, die für jeden Agenten erneut implementiert und separat verwaltet wird. Mit zentralisierten Aktionsbibliotheken, die Datensatzvorgänge, Genehmigungen, Benachrichtigungen und Validierungen abdecken, können Plattformteams konsistentes Verhalten, Sicherheit und Leistung für jeden verbrauchenden Agenten beibehalten und einen neuen Agenten innerhalb weniger Tage aus bewährten Bausteinen zusammenstellen, statt ihn über Wochen aus benutzerdefinierten Aktionen zu erstellen. Konzentrierte spezialisierte Agenten mit klaren Domänengrenzen behalten einen engeren Kontext und ein klareres Verhalten bei, als ein einzelner universeller Agent, der jedes Szenario versucht, und die Orchestrierung des Agentengenerators koordiniert Spezialisten, wenn eine Aufgabe Domänen überschreitet. Validierte Eingabeaufforderungsvorlagen im Eingabeaufforderungsgenerator erfassen bewährte Muster für die Kontextbildung, Argumentation und Antwortformatierung, damit die Qualität im Zuge der beschleunigten Entwicklung konsistent bleibt. Eine freigegebene Knowledge Base in Data 360 ermöglicht vielen Agenten die Kontextbildung aus einer Quelle.

Unternehmensteams setzen sich zunehmend aus mehreren Agenten zusammen, statt einzelne monolithische Agenten zu erstellen, wobei ein Orchestrierungsagent eine Anforderung zerlegt und an spezialisierte Unteragenten delegiert oder spezialisierte Agenten einander übergibt, wenn eine Unterhaltung domänenübergreifend verläuft. Diese Zusammensetzung wirft Fragen hinsichtlich Ressourcen und Kosten auf, die über das hinausgehen, was einem einzelnen Agenten bevorsteht, da sich Orchestrierungsaufwand, Inter-Agent Trust und staatliche Übergabe über eine Kette hinweg zusammensetzen und nicht auf eine Aktion beschränkt bleiben. Halten Sie Orchestrierungsaufforderungen eng und beschränken Sie sich auf die Klassifizierung von Intent und Weiterleitung, statt den Orchestrierer zu bitten, auch über die zugrunde liegende Aufgabe nachzudenken, da diese Überlegungen in den Unteragenten mit dem entsprechenden Kontext und der Tiefe der Obergrenze der Kette gehören, es sei denn, ein Anwendungsfall erfordert eindeutig eine tiefere Verschachtelung als Orchestrierer-zu-Nachkomme. Behandeln Sie jede Unteragentenantwort wie eine nicht vertrauenswürdige Eingabe, wie Sie es bei einer externen API-Antwort tun würden. Validieren Sie die erwartete Form und Einhaltung von Geschäftsregeln, bevor Sie Maßnahmen ergreifen. Erzwingen Sie die Feldebenensicherheit und die Freigabe unabhängig für jede Agentenaktion.

Übergeben Sie nur den Status, den der empfangende Agent benötigt, indem Sie eine strukturierte Nutzlast für die Übergabe von Datensatz-IDs, Aufgabenzusammenfassungen und relevanten Feldern verwenden, statt den rohen Unterhaltungsverlauf weiterzuleiten, damit das Token-Budget in der gesamten Kette kontrolliert bleibt, und behalten Sie den agentenübergreifenden Sitzungsstatus in Data 360 oder einem benutzerdefinierten Objekt bei, wenn eine Übergabe über separate Transaktionen hinweg bestehen bleiben muss. Obergrenzen gelten pro Agent und nicht einmal pro Unterhaltung. Daher bezieht jeder Agent in einer Kette sein eigenes SOQL-, DML- und CPU-Budget. Eine Kette aus einem Orchestrierer und drei Unteragenten verbraucht jede dieser Obergrenzen viermal und tiefere Ketten vervielfachen den Verbrauch. Dieselbe Multiplikation treibt die Kosten, was die unbegrenzte Kettentiefe zu einem Kostenrisiko macht, das höher ist als das Risiko einer Obergrenze.

Definieren Sie, was der Orchestrierer vornimmt, wenn ein Unteragent fehlschlägt, eine Zeitüberschreitung auftritt oder ein Ergebnis mit geringer Konfidenz zurückgibt, unabhängig davon, ob es sich um einen begrenzten Wiederholungsversuch, eine Ausweichreaktion oder eine Eskalation an einen Menschen handelt, damit eine einzelne Zeitüberschreitung für Unteragenten nicht zu einem Ausfall der gesamten Kette führt. Korrelieren Sie eine Anforderung für jeden Agenten, den sie berührt, mit einer freigegebenen Verfolgungs-ID, die über die Übergabenutzlast propagiert wird, da die Diagnose, welcher Agent in einer Kette eine Latenz- oder Kostenspitze verursacht hat, andernfalls die manuellen Korrelationen der Protokolle zwischen separaten Agentensitzungen erfordert.

Fehlgeschlagene Aktionen und fehlgeschlagene untergeordnete Agentenaufrufe wirken sich nicht nur auf die Zuverlässigkeit aus, da bei jedem Versuch die bereits für den fehlgeschlagenen Versuch aufgewendete SOQL-, DML- und CPU-Arbeit erneut ausgeführt werden kann. In einer Multi-Agenten-Kette werden diese Kosten mit der Anzahl der fehlgeschlagenen nachgelagerten Agenten kombiniert. Bei der verbrauchsbasierten Preisgestaltung berechnen und berechnen dieselben Fehlerkombinationen: Bei einer wiederholten Aktion werden Gutschriften unter “Flex-Gutschriften” erneut verbraucht. Entwerfen Sie eine Wiederholungslogik, um Zuverlässigkeit und Kosten zu berücksichtigen. Unterscheiden Sie vorübergehende Fehler wie eine Callout-Zeitüberschreitung oder Sperre von logischen Fehlern wie einem Validierungsfehler oder einer falsch formatierten Eingabe, bevor Sie entscheiden, wie reagiert werden soll, da ein vorübergehender Fehler möglicherweise einen begrenzten Versuch wert ist, während ein logischer Fehler bei Wiederholung identisch fehlschlägt und nur das Budget für einen garantierten Wiederholungsfehler brennt, der stattdessen sofort eskaliert werden sollte.

Begrenzen Sie Wiederholungsversuche pro Aktion auf zwei oder drei Versuche und wenden Sie exponentielle Backoffs zwischen ihnen an, statt sie sofort erneut aufzurufen, da ein unbegrenzter oder enger Wiederholungsversuch für eine SOQL- oder DML-lastige Aktion synchrone Obergrenzen innerhalb einer einzelnen Transaktion ausschöpfen oder das kumulierte Kettenbudget und die kumulierten Kreditausgaben in einer Unterhaltung mit mehreren Agenten durchbrennen kann. Entwerfen Sie Aktionen so, dass ein erneuter Aufruf denselben Endstatus wie ein einzelner erfolgreicher Aufruf erzeugt, indem Sie einen Identitätsschlüssel wie eine Anforderungs-ID oder eine externe ID mit Aktualisierungs- und Einfügelogik verwenden, sodass bei einem erneuten Versuch derselbe Datensatz aktualisiert wird, statt ein Duplikat zu erstellen. Eine Aktion ohne Identität erzwingt einen erneuten Versuch, entweder den Ressourcenverbrauch durch doppelte nachgelagerte Datensätze zu verdoppeln oder die abgerechneten Aktionen oder Unterhaltungen für bereits einmal durchgeführte Arbeit zu verdoppeln.

Verfolgen Sie den Fertigstellungsstatus pro Agent in einer Kette, da die Aktion eines Agenten DML erfolgreich übernehmen kann, bevor ein nachgelagerter Agent fehlschlägt, und ein Fehler-Handler, der weiß, was bereits erfolgreich war, kann den Fehlerpunkt kompensieren oder fortsetzen, statt die gesamte Kette neu zu starten und abzurechnen. Zeigen Sie dem Endbenutzer den Status “Wiederholen” oder “Wird ausgeführt” an, während ein begrenzter Wiederholungsversuch ausgeführt wird, da ein Benutzer, der Stille sieht und seine Anforderung wiederholt, eine völlig neue Unterhaltung und einen neuen Satz an Aktionen auslöst, wodurch die Ressourcen- und Abrechnungskosten des ursprünglichen Versuchs mit einer doppelten Unterhaltung kombiniert werden.

Die in diesem Dokument beschriebenen Ressourcenoptimierungsmuster helfen nur, wenn ein Architekt sehen kann, wo ein Agent tatsächlich SOQL-Abfragen, CPU-Zeit, DML-Zeilen und Token ausgibt, wenn er in der Produktion ausgeführt wird. Ohne Sichtbarkeit pro Aktion und Sitzung wird eine Obergrenzenverletzung oder eine Latenzregression als Symptom angezeigt, ohne dass sie auf die Aktion oder den Agenten in der Kette zurückgeführt werden kann, die bzw. der sie verursacht hat. Diese Sorge unterscheidet sich von der Ausgabensichtbarkeit, die Digital Wallet im Rahmen der Kostenüberwachung und Finanz-Governance bietet. Digital Wallet zeigt an, wie viele Gutschriften oder Unterhaltungen ein Agent verbraucht hat, während das Tooling anzeigt, warum sie auf der Ebene der einzelnen Abfragen, DML-Zeilen oder Aktionen verwendet wurden, die diesen Verbrauch ausgelöst haben. Das richtige Tool hängt davon ab, was die Organisation und die Supportvereinbarung eines bestimmten Kunden tatsächlich gewähren, und nicht davon, welches Tool theoretisch am besten geeignet ist. Passen Sie die Empfehlung daher an Ihre Lizenz und Zugriffsklasse an, statt standardmäßig auf das leistungsfähigste verfügbare Tool zuzugreifen.

Jeder Architekt kann benutzerdefinierte Plattformereignisse erstellen, die am Anfang und Ende jeder Aktion und jedes Aufrufs von Unteragenten ausgelöst werden. Diese Ereignisse verfolgen die Ausführung über eine Unterhaltung hinweg, wobei nur die standardmäßigen Plattformfunktionen verwendet werden, gepaart mit der Protokollierung auf Aktionsebene zu einem benutzerdefinierten Objekt, das die Anzahl der SOQL-Abfragen, die CPU-Zeit, die Anzahl der DML-Zeilen und die Heap-Nutzung erfasst, wenn jede Aktion ausgeführt wird. Beide Ereignisse können über Berichte oder SOQL abgefragt werden und bieten jeder Organisation eine grundlegende Diagnosefunktion, unabhängig von der Edition oder der Add-On-Lizenz. Die Ereignisüberwachung, die früher zur Verfolgung des API-Verbrauchs während der Pilotphase eingeführt wurde, zeigt Kunden, deren Organisation dieses Add-On enthält, auch organisationsweite aggregierte Ressourcennutzungsmuster an, sodass ein Architekt erkennen kann, welche Workflows in vielen Unterhaltungen zu Obergrenzen tendieren, statt sie einzeln zu diagnostizieren. Das Skalierungscenter bietet eine detaillierte Verfolgung von Transaktionen, die sich den Obergrenzen nähern, auf die in der Regel über ein Support-Engagement zugegriffen wird oder die direkt auf Accountstufen verfügbar sind, die sie gewähren.

Die unabhängige Versionierung von Agenten ermöglicht die kontrollierte Einführung, Wiederherstellung und Vergleichbarkeit und schützt die Investition in einen arbeitenden Agenten, während Sie sie verbessern. Mit benutzerdefinierten Metadatentypen und Eingabeaufforderungsgenerator können Sie das Verhalten nach Möglichkeit durch Konfigurationen steuern, damit Administratoren Aufforderungsvorlagen und die Aktionsauswahl ohne Entwicklungszyklus anpassen können. Verwenden Sie die Pilotfunktion für A/B-Tests, um eine kleine Gruppe von Benutzern an eine experimentelle Version weiterzuleiten. Vergleichen Sie Qualität, Zufriedenheit und Aufgabenabschluss vor einer vollständigen Einführung. Dieser Vergleich validiert Verbesserungen bei der realen Nutzung und erkennt Regressionen, während die Exposition begrenzt ist. Definieren Sie klare Schnittstellenverträge zwischen Komponenten und geben Sie Eingaben, Ausgaben, Fehler und Leistungserwartungen an, damit eine Implementierung ersetzt werden kann, ohne die davon abhängigen Agenten zu ändern.

Die Agentenökonomie beginnt mit den Gesamtbetriebskosten, die im Vergleich zum Geschäftswert gemessen werden. Die verbrauchsbasierte Preisgestaltung autonomer Agenten lässt die Kostenseite jedoch so verhalten, wie dies bei herkömmlichen Lizenzen nicht der Fall ist. Das von Ihnen ausgewählte Preismodell ist eine grundlegende architektonische Entscheidung, da es bestimmt, wofür Sie während des gesamten Agentenlebenszyklus optimiert werden. In diesem Abschnitt werden die Preismodelle, das vollständige Gesamtbild der TCO für eine Agentenimplementierung und die Entscheidung für “Build-versus-Buy” für Agentenfunktionen festgelegt.

Agentforce bietet zwei verbrauchsbasierte Preismodelle und eine Organisation wählt eines der beiden für eine bestimmte Agentenbereitstellung aus. Flex Credits price per agent action (Preis für Flex-Gutschriften pro Agentenaktion), wodurch die Effizienz der Aktion zum Hebel für die Kostenkontrolle wird. Bei der Preisgestaltung pro Unterhaltung wird unabhängig von der Länge oder Komplexität eine Pauschalgebühr pro Unterhaltung berechnet, wodurch die Unterhaltungseindämmung zum Hebel wird. Abonnements pro Benutzer bieten die nicht dosierte Agentennutzung als Add-On für Mitarbeiter und nicht als drittes Verbrauchsmodell und verschieben den Optimierungsfokus von der Verbrauchseffizienz zur Akzeptanz, da der Wert von lizenzierten Benutzern davon abhängt, aktiv mit dem Agenten zu interagieren, statt jede Interaktion zu minimieren. Die beiden Verbrauchsmodelle werden nicht für dieselbe Organisation gemischt, aber ein Add-On pro Benutzer, das pro Benutzer und Monat für die nicht erfasste Nutzung angeboten wird, kann sich neben einem Verbrauchsmodell schichten, sodass Agenten mit Kundenkontakt Flex Credits oder “Per Unterhaltung” verwenden, während Mitarbeiter nicht erfasste Lizenzen verwenden.

Unter “Flex-Gutschriften” werden die Aktionskosten pro Aktion bis zu einer definierten Tokenobergrenze festgelegt. Im Gegensatz zum tokenbasierten Rückschlusspreis variieren die Gutschriftskosten nicht mit der Aufforderungslänge oder der Modellkomplexität. Daher kosten eine Antwort mit einem Satz und eine Antwort mit mehreren Absätzen dieselben Kosten. Eine Multi-Aktions-Interaktion verbraucht Gutschriften für jede Aktion. Eine Interaktion, die Daten, Gründe und Aktualisierungen eines Datensatzes abruft, verbraucht also die Gutschriften von drei Aktionen und die abruferweiterte Generierung fügt weitere Aktionen über die Vektorsuche und den Dokumentabruf vor der Argumentation hinzu. Das Verständnis der durchschnittlichen Anzahl von Aktionen pro Geschäftstransaktion ist daher die Voraussetzung für die Kostenmodellierung unter “Flex-Gutschriften”.

Unter “Preise pro Unterhaltung” wird pro Unterhaltung eine Pauschalgebühr berechnet und mehrere Runden innerhalb einer Sitzung zählen als eine einzelne Unterhaltung. Die Kostenkontrolle erfolgt also durch das Lösen eines Problems innerhalb einer Unterhaltung und das Definieren klarer Sitzungsgrenzen, statt durch das Zuschneiden einzelner Aktionen. Die Data 360-Kontextbildung und die MuleSoft-Integration verbrauchen neben dem ausgewählten Modell ihre eigene Kapazität, da die Generierung von Einbettungen und die Ähnlichkeitssuche die Datenverarbeitungskapazität für jede kontextbasierte Abfrage verringern und jede externe Aktion die API-Kapazität im Quell- und Zielsystem beansprucht.

Die Gesamtbetriebskosten (Total Cost of Ownership, TCO) für eine Agentenimplementierung erstrecken sich über sechs Kategorien. Wenn alle sechs modelliert werden, wird eine Kreditschätzung zu einer fundierten Investitionsentscheidung. Die Entwicklungskosten reichen von der Entwicklung von Agenten über die prompte Planung, die Integrationsentwicklung und Tests bis hin zu einem System mit mehreren Agenten und komplexer Orchestrierung. Die Rückschlusskosten hängen vom ausgewählten Preismodell ab und erfordern die Modellierung der erwarteten Aktionsvolumen unter “Flex-Gutschriften”, der Unterhaltungsvolumen unter “Unterhaltung pro Unterhaltung” oder der Anzahl der lizenzierten Benutzer unter “Benutzer”. Bei Agenten, die auf großen Knowledge Bases basieren, kann die Data 360-Infrastruktur, die die Kontextbildung unterstützt, mit den Rückschlusskosten konkurrieren oder sie übertreffen. Die Infrastrukturkosten decken die Data 360- und MuleSoft-Lizenzen, zusätzliche Sandbox-Instanzen und die Überwachungsinfrastruktur ab und basieren überwiegend auf festen oder schrittweisen Funktionen, die auf Kapazitätsstufen basieren. Die Betriebskosten decken Überwachungsvorgänge, die zeitnahe Optimierung, die Reaktion auf Vorfälle und den Benutzersupport ab. Bei ausgereiften Agentenprogrammen entsprechen sie in der Regel einem bedeutenden Bruchteil der Entwicklungskosten pro Jahr, was den allgemeinen Branchen-Benchmarks für AI-Agenten und nicht einer Salesforce-spezifischen Zahl entspricht. Die Governance-Kosten decken die Sicherheitsüberprüfung, die menschliche Aufsicht, die Auditprotokollierung und die Compliance-Validierung ab, die mit der Autonomie und dem Risiko der Agenten zunehmen, und die Säule “Fairness” deckt die wesentlichen Programmkomponenten ab. Die Änderungskosten decken die Schulung von Benutzern, die Anpassung von Geschäftsprozessen und die Organisationsänderungsverwaltung ab und sind die Kategorie, die Teams am häufigsten unterschätzen.

Erstellen Sie Tabellenkalkulations-TCO-Modelle, die Kosten für 3–5 Jahre projizieren. Dokumentannahmen für Interaktionsvolumen, Anzahl der Aktionen und Wachstum. Führen Sie eine Sensitivitätsanalyse aus, um die Annahmen zu identifizieren, die sich am stärksten auf die Gesamtsumme auswirken, und konzentrieren Sie sich dann bei der Validierung auf diese Annahmen. Modellieren Sie alle drei Kostenstrukturen Flex Credits, Per-Conversation und Per-User (Flex-Gutschriften pro Unterhaltung) vor dem Commit mit der prognostizierten Nutzung, da die optimale Struktur vom Nutzungsmuster abhängt und es teuer ist, die falsche Auswahl abzuwickeln, sobald ein Agent in der Produktion ist.

Die Entscheidung für “Build vs. Buy” für Agenten folgt der gleichen Logik wie für jede Salesforce-Funktion und wägt die unmittelbare Wertschöpfungszeit einer fertigen Lösung mit der genauen Anpassung einer benutzerdefinierten Erstellung über einen Zeithorizont von 3–5 Jahren ab. Rohstoff-Workflows begünstigen den Kauf, während die Kernfunktionen, die die proprietäre Unterscheidung fördern, die Erstellung rechtfertigen. Das Agentic Enterprise bietet ein Spektrum an Optionen anstelle einer binären Auswahl. Vorgefertigte Agentforce-Agenten, beispielsweise ein Serviceagent oder ein Mitarbeiter der Vertriebsentwicklung, bieten bewährte Funktionen mit schneller Bereitstellung und Aktualisierungen für die Plattformverwaltung. Sie verbrauchen Gutschriften unter dem ausgewählten Preismodell. Kommerziell verfügbare Agenten aus der Salesforce Independent Software Vendor (ISV) Community werden über AgentExchange angeboten. Dort können Sie eine Lösung finden, die bereits eine Anforderung erfüllt, statt sie zu erstellen. Benutzerdefinierte Agenten, die mit dem Agentengenerator erstellt wurden, bieten eine präzise Anpassung und Wettbewerbsdifferenzierung auf Kosten der Vorabentwicklung sowie der fortlaufenden zeitnahen Optimierung und Wartung. Die Anpassung eines vordefinierten Agenten über den Eingabeaufforderungsgenerator und die Aktionskonfiguration bietet einen Mittelweg, der weniger als die vollständige benutzerdefinierte Entwicklung kostet und den Agenten dennoch an Ihre Organisation anpasst. Wägen Sie nicht nur Kosten ab, sondern auch die Anforderungen an die Zeit bis zur Wertschöpfung, die interne Entwicklungskapazität, die strategische Differenzierung und die Toleranz gegenüber Anbieterabhängigkeiten und zeichnen Sie die Entscheidung in einem Architekturentscheidungsdatensatz auf, damit sie bei sich ändernden Anforderungen neu bewertet werden kann.

Durch die Implementierung von Agenten mit einem klaren Verständnis der zugrunde liegenden Kostenstruktur können autonome Funktionen nachhaltig skaliert werden, statt einen Budgetpool zu erschöpfen. Der Optimierungshebel hängt vom Preismodell ab, da die von Ihnen abgestimmte Kostensteuerung zwischen Zahlung pro Aktion, Zahlung pro Unterhaltung und Zahlung pro Benutzer variiert. Das Prinzip ist in allen dreien konstant: Tunen Sie den Verbrauch mit dem tatsächlich gelieferten Wert ab, damit ein fähiger Agent sein Budget nicht schneller verbrennt, als er das Geschäftsergebnis zurückgibt.

Unter “Flex-Gutschriften” bedeutet Optimierung, dass die Aktionen pro Geschäftsergebnis minimiert und gleichzeitig die Qualität gewahrt bleibt. Lösen Sie einfache Anforderungen in einer einzelnen Aktion und nicht in einem Workflow mit mehreren Schritten, damit das Beantworten von häufig gestellten Fragen oder das Ausführen eines Routine-Nachschlagevorgangs nicht die Gutschriften einer Kette mit drei Aktionen verbraucht. Konsolidieren Sie Vorgänge in einer einzigen Aktion, wo es sinnvoll ist, indem Sie Abruf, Analyse und Antwort kombinieren, statt für jede Aktion separat zu bezahlen. Cache-Antworten für wiederholte Anforderungen, damit häufig gestellte Fragen aus dem Cache übernommen werden, statt neue Aktionen für jede identische Abfrage zu verwenden. Dies ist der einzige größte Effizienzhebel in diesem Modell, wenn sich ein sinnvoller Teil der Abfragen wiederholt.

Bei der Preisgestaltung pro Unterhaltung bedeutet Optimierung, dass Probleme innerhalb einer einzelnen Unterhaltung gelöst werden und nicht über mehrere hinweg. Gestalten Sie Sitzungsgrenzen und -zeitüberschreitungen so, dass eine Unterhaltung angemessen beibehalten wird, ohne sie vorzeitig zu beenden und eine neue abrechnungsfähige Unterhaltung zu erzwingen. Konzentrieren Sie sich bei der Agentenfunktion auf die Lösung der ersten Unterhaltung, damit eine Aufgabe innerhalb der ersten Unterhaltung abgeschlossen wird, statt dass eine Nachbearbeitung erforderlich ist. Verfolgen Sie die Lösungsrate für die erste Unterhaltung als Kosteneffizienzkennzahl und raten Sie davon ab, den Umfang zu erweitern, wenn ein Benutzer separate Unterhaltungen für zugehörige Probleme öffnet, die der vorhandene Unterhaltungskontext hätte verarbeiten können.

Bei Abonnements pro Benutzer bedeutet Optimierung, dass der Wert maximiert wird, den jeder lizenzierte Benutzer zurückgibt, da der Verbrauch nicht erfasst wird und die Kosten pro Sitzplatz festgelegt sind. Konzentrieren Sie sich auf die Akzeptanz, damit lizenzierte Benutzer aktiv mit dem Agenten interagieren, die Auslastung verfolgen, um Benutzer mit geringer Auslastung für gezielte Schulungen oder Lizenzneuzuteilungen zu identifizieren, und Agenteninteraktionen mit Geschäftsergebnissen nach Benutzerpopulation verknüpfen, sodass Anwendungsfälle mit hohem Wert die Investition rechtfertigen, während die Nutzung mit geringem Wert auf Optimierungsbedarf oder ein anderes Preismodell hindeutet. Überprüfen Sie die Benutzerpopulationen in einem Rhythmus, damit die Lizenzen mit der tatsächlichen Nutzung übereinstimmen.

Unabhängig vom Preismodell beeinflusst die Architektur die Kosten. Implementieren Sie Triage-Agenten, die die anfängliche Weiterleitung mit einfacher Logik verarbeiten und Benutzer nur dann an einen spezialisierten Agenten weiterleiten, wenn die Komplexität dies erfordert, sodass teure komplexe Aufrufe nur dann erfolgen, wenn sie gerechtfertigt sind. Greifen Sie für deterministische Szenarien, in denen regelbasierte Logik ausreicht, auf die traditionelle Automatisierung zurück, damit Flows die deterministischen Pfade kostengünstiger bearbeiten können, während Agenten die mehrdeutigen Situationen verarbeiten, die wirklich begründet werden müssen. Rufen Sie Kontextdaten selektiv ab und rufen Sie die Vektorsuche und den Dokumentabruf nur dann auf, wenn die Überlegungen des Agenten dies erfordern, und nicht bei jeder Interaktion, damit der tatsächliche Bedarf durch den Data 360-Verbrauch verfolgt wird. Durch diese Muster bleiben die Argumentations- und Verbrauchskosten der Architektur proportional zur Schwierigkeit der Arbeit.

Die Kostenüberwachung für autonome Agenten ist schwieriger als für herkömmliche Arbeitslasten, da Agenten nicht einem vorhersehbaren Anforderungs-Antwort-Muster folgen. Ein Agent kann die Überlegungen in mehreren Schritten durchlaufen, Tools basierend auf Laufzeitbedingungen adaptiv aufrufen und andere Agenten koordinieren, was zu einem extrem variablen Kreditverbrauch führt, der schwer zu prognostizieren ist. Ohne Überwachung kann ein Agent, der umfassende iterative Arbeit ausführt, ein großes Volumen an Gutschriften verbrauchen, bevor jemand eingreift, und ineffizientes Aufforderungsdesign oder redundante Argumentationsschleifen können Budgets in einer gesamten Agentenflotte stillschweigend leeren. Für eine effektive Governance sind daher Echtzeit-Einblicke in den Verbrauch pro Agent und Vorgang, automatisierte Warnungen und Kontrollen erforderlich, die unkontrollierte Kosten verhindern und gleichzeitig die Autonomie wahren, die Agenten nützlich macht. Die Finanz-Governance für Agenten benötigt zudem eine klare Inhaberschaft und eine gestaffelte Genehmigung, die auf variablen Verbrauch und nicht auf statische Berechnungskosten ausgelegt ist.

Salesforce Digital Wallet ist das integrierte Tool zur Überwachung verbrauchsbasierter Produkte, einschließlich Agentforce Flex Credits. Unternehmen, die Flex Credits verwenden, sollten es als primären Kostenüberwachungsmechanismus festlegen, statt benutzerdefinierte Dashboards zu erstellen, um die bereitgestellten Daten zu reproduzieren. Digital Wallet bietet Verbrauchsdaten nahezu in Echtzeit mit Statistiken zur Nutzung auf Aktionsebene, einer Aufschlüsselung nach Agenten, die anzeigt, welche Agenten am meisten verbrauchen, proaktiven Verbrauchswarnungen und historischen Trends für die Musteranalyse und Prognose. Gleichen Sie die Überwachung mit dem Preismodell ab. Verfolgen Sie unter “Flex-Gutschriften” den Verbrauch nach Agent, Benutzerpopulation, Zeitraum und Aktionstyp und ergänzen Sie Digital Wallet um benutzerdefinierte Dashboards, die den Gutschriftsverbrauch mit Geschäftstransaktionen verbinden. Überwachen Sie unter “Preis pro Unterhaltung” die Unterhaltungsvolumen, die durchschnittliche Länge und die Abschlussraten. Überwachen Sie unter “Pro-Benutzer-Abonnements” die Auslastung anstelle des Verbrauchs und verfolgen Sie aktive Benutzer und den Geschäftswert pro Benutzer, damit die Lizenzinvestition einen proportionalen Wert liefert.

Die Zuordnung der Kosten pro Interaktion verbindet den Verbrauch mit Geschäftstransaktionen und zeigt die Kosten pro gelöstem Kundenvorgang, pro qualifiziertem Lead oder pro verarbeitetem Auftrag an, was eine ROI-Berechnung und einen anwendungsfallübergreifenden Vergleich ermöglicht. Die Budgetbenachrichtigung löst eine Benachrichtigung aus, wenn sich der Verbrauch definierten Schwellenwerten nähert, beispielsweise 70 % und 85 % des Budgets, sodass die Optimierung vor Erreichen einer Obergrenze erfolgt. Konfigurieren Sie Benachrichtigungen pro Agent und Anwendungsfall und nicht nur organisationsweit, um ein Problem an die Quelle zu lokalisieren. Die Anomalieerkennung zeigt die plötzliche Verbrauchsspitze an, die ein unerwartetes Nutzungsmuster oder eine Argumentationsschleife signalisiert, die untersucht werden muss. Geben Sie Kosten-Dashboards für Geschäftsbeteiligte und technische Teams frei, damit Transparenz die Nutzung kostenbewusster Agenten fördert.

Wenden Sie die Finanz-Governance an, bevor Sie Ausgaben für eine Agentenarchitektur übernehmen. Erzwingen Sie einen Geschäftsfall für eine Agenteninvestition, der die prognostizierten TCO über 3–5 Jahre im ausgewählten Preismodell, die erwarteten Geschäftsergebnisse mit einer Messmethode, einen Vergleich mit Alternativen, einschließlich manueller Prozesse und traditioneller Automatisierung, und eine Risikobewertung hinsichtlich Qualität, Sicherheit und Betriebsrisiko abdeckt. Definieren Sie Genehmigungsschwellenwerte, die die Investitionen, die eine Abteilung genehmigen kann, von den Investitionen trennen, die von der Geschäftsleitung genehmigt werden müssen, damit ein Agent mit hohem Investitions- oder Risiko eine angemessene Prüfung erhält. Legen Sie Pilotbereitstellungen fest, die Annahmen vor der vollständigen Produktion validieren, da ein Pilot den tatsächlichen Verbrauch, die Qualität und die Akzeptanz aufdeckt, die sowohl die Entscheidung über Produktionsinvestitionen als auch die Auswahl des Preismodells beeinflussen.

Verwalten Sie den Agentenbestand als Portfolio und nicht als Agent nach Agent, da eine Portfolioansicht Optimierungs-Opportunities anzeigt, die bei einer Einzelagentenüberprüfung verpasst werden. Überprüfen Sie alle Agenten zusammen, vergleichen Sie Kosten, Nutzung, Geschäftswert und strategische Ausrichtung und definieren Sie Kriterien für die Einstellung von Agenten mit geringer Akzeptanz, schlechtem ROI, ersetzten Funktionen oder übermäßigen Kosten, damit Agenten mit geringem Wert nicht unbegrenzt Budget ansammeln und verbrauchen. Verteilen Sie Investitionen von Agenten mit geringer Leistung auf Opportunities mit hohem Wert als kontinuierliche Praxis, bei der die Ausgaben an sich ändernde Prioritäten angepasst werden, statt eine einmalige Bereinigung vorzunehmen.

Die Kostenzuteilung schafft Rechenschaft über den Agentenverbrauch und wird von Organisationen über dieselben beiden Modelle implementiert, die für den Rest der Plattform gelten. Zeigen Sie Agentenkosten ohne interne Kosten nach Geschäftseinheit an, was Kostenbewusstsein schafft und die Optimierungsdiskussion ohne interne Abrechnung fördert. Durch die Kostenerstattung werden die tatsächlichen Agentenkosten den verbrauchenden Geschäftseinheiten zugeteilt, was zu einem stärkeren Optimierungsverhalten führt, da sich die Kosten direkt auf ein Abteilungsbudget auswirken, jedoch eine genaue Zuteilungsmethode erfordert, um Streitigkeiten zu vermeiden. Ein hybrider Ansatz wendet die Rückmeldung auf Produktionsagenten mit hohem Volumen an, während Showback für experimentelle Agenten oder Agenten mit geringem Volumen verwendet wird. Dadurch wird die Rechenschaftspflicht für große Investitionen mit Flexibilität für Innovationen abgewogen.

Agentenarchitekturen führen eigene Nachhaltigkeitsüberlegungen ein, da die Rückschlüsse auf große Sprachmodelle rechenintensiv sind und einige Agenten kontinuierlich und nicht nur in diskreten durch Benutzer ausgelösten Transaktionen ausgeführt werden. Proaktive, ausgehende und geplante Agenten arbeiten ohne Benutzer in der Schleife, Unterhaltungsagenten häufen den Verbrauch über viele Runden und die Vektorsuche, die Kontextvorbereitung und die Aktionsausführung tragen zur Auslastung der Infrastruktur bei. Das nachhaltige Agentendesign minimiert den Rechenaufwand und sorgt gleichzeitig dafür, dass die Erfahrung anpassungsfähig bleibt. Wie in der Säule “Ressourcen- und Kostenoptimierung” ist die Beziehung zwischen einer Lösung und den Emissionen von Rechenzentren indirekt. Die Effizienz eines einzelnen Mandanten senkt die Emissionen nicht direkt. Effizienzsteigerungen über alle Mandanten hinweg helfen Salesforce jedoch, seine Infrastruktur mit höherer Auslastung zu betreiben und die Kapazitätserweiterung zurückzustellen. und die grundlegenden Nachhaltigkeitspraktiken aus der Säule “Ressourcen- und Kostenoptimierung” gelten für Agenten und die folgenden Effizienzstrategien berücksichtigen die Besonderheiten von Unterhaltungssystemen mit großen Sprachmodellen. Jedes senkt auch die Kosten, weshalb Nachhaltigkeit und Wert pro Kosten dieselbe Disziplin sind, gemessen an unterschiedlichen Ergebnissen.

Rückschlüsse sind die ressourcenintensivste Komponente einer Agentenarchitektur. Daher zahlt sich Effizienz mit Eingabeaufforderungslänge, Kontextnutzung und Zwischenspeicherung aus. Optimieren Sie Eingabeaufforderungen so, dass Intent in weniger Token übertragen wird, indem Sie ausführliche Anweisungen und redundante Beispiele entfernen, da eine kürzere Eingabeaufforderung die Vorausfüllberechnung proportional reduziert, auch wenn sie die Berechnung zum Generieren der Antwort nicht ändert. Verwalten Sie das Kontextfenster, indem Sie den Unterhaltungsverlauf nach den ersten Runden zusammenfassen und nur wichtige Felder aus jeder Aktion zurückgeben, damit das in jede Rückschlussfolgerung übernommene Token-Budget begrenzt bleibt und nicht mit der Unterhaltung wächst.

Die Vektorsuche und Abfragen mit vereinheitlichten Profilen verbrauchen Rechenressourcen. Daher reduziert dieselbe Ergebnisobergrenze und Filterdisziplin, die die Erdungskosten steuert, auch die Infrastrukturlast der Erdung. Legen Sie Obergrenzen fest, um nur die Ergebnisse zurückzugeben, die der Agent verwendet, da beim Abrufen von 50 bei 5 die Antwort 45 nicht verwendete Ergebnisse enthält, die das Budget für das Kontextbildungstoken ohne Nutzen nutzen, und verwenden Sie Metadatenfilter, um die Suche vor dem Ähnlichkeitsrang einzugrenzen. Fragen Sie zusammengeführte Profile ab, um den vollständigen Kontext in einem Vorgang zusammenzustellen, statt bei jeder Runde separate Abfragen für mehrere Objekte auszustellen, und zwischenspeichern Sie Profile für Agenten mit hoher Benutzeraffinität, beispielsweise einen Vertriebsagenten, der an einem festen Satz von Accounts arbeitet, damit die Abfrage bei wiederholter Kontextzusammenstellung nicht wiederholt wird.

Agentenaktionen verbrauchen SOQL-Abfragen, DML-Vorgänge und CPU-Zeit, sodass die Massenverarbeitung, Zwischenspeicherung und asynchrone Disziplin der Säule “Ressourcen- und Kostenoptimierung” direkt auf Agentenaktionen angewendet wird. Entwerfen Sie Aktionen zum Akzeptieren von Sammlungen, damit die Aktualisierung vieler Datensätze nur ein Vorgang und nicht viele ist. Verwenden Sie Beziehungsabfragen, um übergeordnete und untergeordnete Daten in einer einzelnen Anweisung abzurufen, Cache-Referenzdaten im Plattform-Cache und Batch-DML in einer Sammlung statt pro Datensatz. Verschieben Sie Vorgänge, die synchrone Obergrenzen überschreiten, in Queueable oder Batch Apex, verarbeiten Sie nicht dringende Arbeiten wie Massenbewertungen oder historische Anreicherungen asynchron und planen Sie nach Möglichkeit durch Agenten ausgelöste Batchaufträge für Zeitfenster außerhalb der Spitzenzeiten, damit sich die Auslastung über die Zeit verteilt und nicht während der Geschäftszeiten konzentriert. Überwachen Sie die asynchrone Ausführung, damit ein Warteschlangenrückstand einen Kapazitätsplanungsbedarf signalisiert, bevor er fehlschlägt.

Die Verbrauchsmuster von Agenten entwickeln sich mit zunehmender Nutzung weiter, sodass Nachhaltigkeit eine fortlaufende Überwachung erfordert und nicht einmalig. Verfolgen Sie die durchschnittlichen Token pro Rückschluss über die verfügbare Nutzungstelemetrie, damit eine steigende Eingabeaufforderungsgröße eine Optimierungs-Opportunity anzeigt, überwachen Sie die Verteilung der Unterhaltungslänge, damit bei nicht begrenzten Unterhaltungen ein Problem mit den Aufgabengrenzen erkannt wird, und analysieren Sie die Ausführungshäufigkeit von Aktionen in der Ereignisüberwachung, damit eine Hochfrequenzaktion zu einer Optimierungspriorität wird. Überprüfen Sie Data 360-Abfragemuster, um allgemeine Abfragen zu finden, die zwischengespeichert oder vorberechnet werden sollten, verfolgen Sie die Trefferrate für den semantischen Cache, damit eine niedrige Rate die Schwellenwertabstimmung auslöst, und messen Sie Latenzperzentile, damit Engpässe durch die Latenz bei der Nachbearbeitung auftreten. Überprüfen Sie die Agentennutzung regelmäßig auf Umfangsabweichungen. Untersuchen Sie beispielsweise einen Agenten, dessen durchschnittliche Unterhaltungsdauer von einer Handvoll Runden auf viele über mehrere Monate anwächst. Grenzen Sie die Grenzen des Agenten ein, damit der Verbrauch wieder planmäßig erfolgt. Einige dieser Überwachungsoberflächen stellen die Nutzung in aggregierten Dashboards und nicht als separates Rückschlussprotokoll zur Verfügung. Überprüfen Sie daher beim Entwerfen der Überwachung die genaue Telemetrie, die für Ihre Konfiguration verfügbar ist.

Die Ressourcenoptimierung bestimmt, ob Agentenarchitekturen mit wachsender Population und zunehmenden Anwendungsfällen skaliert werden, und die Kostenoptimierung bestimmt, ob diese Skalierung einen proportionalen Geschäftswert ergibt. Diese beiden Entscheidungen bilden ein einziges Mandat:

• Architektureffizienz: Entwerfen Sie Aktionen mit Massenvorgang, budgetieren Sie SOQL über Aktionsketten hinweg, verschieben Sie die schwere Verarbeitung auf asynchron, optimieren Sie den API-Verbrauch durch zusammengesetzte und ereignisgesteuerte Muster, verwalten Sie Kontextfenster durch Priorisierung und Zusammenfassung und erstellen Sie zusammengesetzte Architekturen aus wiederverwendbaren Komponenten.
• Finanzielle Anleitung: Wählen Sie das Preismodell bewusst aus, modellieren Sie die vollständige TCO vor dem Commit, überwachen Sie den Verbrauch im Vergleich zu den Geschäftsergebnissen und steuern Sie Investitionen durch gestaffelte Genehmigung und Portfolioüberprüfung.

Organisationen, die diese Muster beherrschen, bieten anpassungsfähige Agentenerfahrungen innerhalb von Plattformeinschränkungen und halten gleichzeitig die Ausgaben an dem Wert ausgerichtet, den die Agenten zurückgeben.

Die grundlegende Anleitung zur Ressourcen- und Kostenoptimierung für alle Salesforce-Lösungen, einschließlich Leistungsoptimierung, Obergrenzen, TCO-Analyse, Lizenzdisziplin und Kostenkontrolle, ist in der Säule “Ressourcen- und Kostenoptimierung” enthalten. Die Komponenten “Agentenführung”, “Menschenaufsicht” und “Sicherheitsprogramm” sind mit den Säulen Trust und Fairness verbunden. Die detaillierten Anleitungen zur Agentenimplementierung in diesem Dokument, die Ressourceneffizienz, Wirtschaftlichkeit, Aktionsoptimierung, Governance und Nachhaltigkeit umfassen, sind in der Bibliothek für Agentenmuster gesammelt.

Teilen Sie uns Ihr Feedback zum Well-Architected Framework mit.