Optimización de recursos y costes - Patrones agentes

Obtenga más información acerca de la optimización de recursos y costes bien arquitectada → Optimización de recursos y costes empresariales

Patrones

Dónde buscar	Qué buen aspecto tiene
Agentforce \| Acción	✅ Acciones de diseño aceptando recopilaciones. El agente que procesa 50 actualizaciones de casos invoca una única acción con recopilación de identificadores de casos, no 50 invocaciones separadas
Agentforce \| Acción	✅ Utilizar consultas de relaciones recuperando datos principales y secundarios en declaraciones SOQL únicas para gestionar el presupuesto de SOQL en cadenas de acciones
Plataforma \| Caché de plataforma	✅ Datos de referencia de caché en caché de plataforma eliminando consultas repetidas entre acciones en la misma conversación
Plataforma \| Apex	✅ Mueva operaciones de agentes que superen los límites síncronos a Apex en cola o por lotes.
Plataforma \| Apex	✅ Acciones de perfil bajo carga con registros de ejecución Apex. Trasladar el procesamiento de gran capacidad de cálculo a contexto asíncrono cuando se acerca al límite síncrono
Agentforce \| Acción	✅ Acciones de diseño con límites de registros secundarios y paginación para escenarios de sesgo de datos
Agentforce \| Acción	✅ Implementar muestreo cuando los volúmenes superan umbrales para agentes que pueden solicitar “todo el historial” de forma impredecible
Plataforma \| Scale Center	✅ Utilizar rastreos de transacciones de Scale Center para identificar qué acciones consumen consultas excesivas

Antipatrones

Dónde buscar	Aspecto negativo
Agentforce \| Acción	⚠️ Invocación de acciones separadas para cada registro (por ejemplo, 50 llamadas separadas para 50 actualizaciones de casos) en vez de aceptar recopilaciones
Plataforma \| Apex	⚠️ Ejecución de 5-10 consultas SOQL por acción en flujos de trabajo complejos de 10-15 acciones, acercándose al límite de 100 SOQL síncronos
Plataforma \| Apex	⚠️ Ejecutar un gran procesamiento de forma síncrona en una acción en vez de en un contexto asíncrono (por ejemplo, puntuar más de 1.000 candidatos en Apex síncrono)
Agentforce \| Acción	⚠️ Permitir a los agentes recuperar registros secundarios ilimitados desde cuentas con 15.000 oportunidades o casos con 5.000 actividades sin codificación defensiva

Patrones

Dónde buscar	Qué buen aspecto tiene
Plataforma \| Supervisión de eventos	✅ Supervisar el consumo de API en Supervisión de eventos durante la fase piloto para comprender el uso real antes de la implementación completa
Data 360 \| Configuración	✅ Establecer límites máximos en la búsqueda vectorial para recuperar solo el número de resultados utilizados actualmente
Data 360 \| Análisis	✅ Supervisar la utilización de resultados de búsqueda vectorial en Data 360 Analytics para ajustar parámetros top-k
Plataforma \| Eventos de plataforma	✅ Publicar eventos de plataforma cuando las condiciones requieren la intervención de agentes en vez de sondeos programados que consumen llamadas de API independientemente de la existencia de trabajo
Integración \| Acción	✅ Utilice patrones compuestos: crear una única API de MuleSoft Experience para agregar múltiples comprobaciones del sistema (inventario, precios, crédito) en paralelo, el agente invoca 1 acción externa que consume 1 llamada
Integración \| Acción	✅ Diseñar flujos de MuleSoft únicos que ejecuten todas las actualizaciones descendentes en vez de múltiples flujos secuenciales por interacción de agente
Agentforce \| Configuración de agentes	✅ Integrar agentes en páginas Lightning utilizando componentes estándar para evitar consumir llamadas de API por interacción
Negocio \| Planificación	✅ Evaluar modelos de licencia de MuleSoft (basados en transacciones frente a licencias de plataforma) frente a volúmenes de transacciones de agentes proyectados para determinar la mejor economía

Antipatrones

Dónde buscar	Aspecto negativo
Data 360 \| Configuración	⚠️ Recuperación de 50 resultados de búsqueda vectorial principales cuando se utilizan solo 5 resultados principales, desperdiciando el 90% del presupuesto de computación y contexto
Plataforma \| Trabajos programados	⚠️ Sondeo programado que consume llamadas de API independientemente de la existencia de trabajo (por ejemplo, comprobación cada 5 minutos sin encontrar trabajo el 80% de las veces)
Integración \| Credenciales nombradas	⚠️ Uso de 3 acciones separadas que consumen 3 llamadas en vez de una única API compuesta agregando múltiples llamadas del sistema
Plataforma \| Apex	⚠️ Los LWC personalizados que realizan solicitudes de API explícitas que consumen llamadas de API cuando los componentes Lightning estándar podrían evitar esto
Integración \| Sistemas externos	⚠️ Sistemas externos que sondean a Salesforce en busca de cambios de estado que consumen cientos de llamadas de API diarias en vez de suscribirse a eventos de CDC
Integración \| Acción	⚠️ Realizar llamadas de API secuenciales para cada paso (consultar clientes, consultar productos, comprobar inventario, crear pedidos, actualizar inventario, notificar envío) consumiendo más de 12 llamadas por transacción cuando los patrones compuestos reducirían el consumo 75%
Integración \| Configuración de agente	⚠️ Orquestar acciones de agentes entre muchos sistemas sin evaluar si cada interacción del sistema es necesaria, multiplicando el consumo de API con cada sistema agregado

Patrones

Dónde buscar	Qué buen aspecto tiene
Agentforce \| Plantilla de solicitud	✅ Minimizar la longitud de la solicitud: eliminar instrucciones verborrea, ejemplos redundantes, contexto innecesario. El contexto selectivo mejora tanto la latencia como la calidad
Plataforma \| Apex	✅ Utilice SOQL selectivo con filtros indexados. Aproveche la Herramienta de plan de consulta para identificar índices que faltan que causan exploraciones de tabla completa
Agentforce \| Configuración de agentes	✅ Utilice la ejecución de acciones paralelas cuando no haya dependencias. La recuperación de detalles y oportunidades de cuenta reduce a la mitad simultáneamente la latencia frente a la recuperación secuencial
Plataforma \| Caché de plataforma	✅ Almacenar en caché datos de referencia a los que se accede con frecuencia (catálogos de productos, asignaciones de territorios, reglas de precios) eliminando SOQL repetido
Plataforma \| Caché de plataforma	✅ Implementar el almacenamiento en caché semántico comparando consultas similares para servir solicitudes repetidas sin nuevas inferencias
Plataforma \| Apex	✅ Procese solicitudes no urgentes de forma asíncrona (actualizaciones de estado, procesamiento por lotes, generación de informes) utilizando generosos límites reguladores asíncronos
Plataforma \| Apex	✅ Acciones de perfil bajo volúmenes de datos realistas. Una acción que tarda 3 segundos se convierte en un cuello de botella independientemente de la inferencia LLM rápida
Agentforce \| Acción	✅ Implementar masificación en Acciones para minimizar el tiempo de ejecución por operación

Antipatrones

Dónde buscar	Aspecto negativo
Agentforce \| Plantilla de solicitud	⚠️ Incluir contexto exhaustivo que agrega ruido en vez de contexto selectivo que mejora tanto la latencia como la calidad
Agentforce \| Configuración de agentes	⚠️ Ejecución de acciones secuencialmente cuando no existen dependencias (por ejemplo, consulta de cuenta 2s + consulta de oportunidades 2s = 4s secuencial en vez de 2s paralelo)
Plataforma \| Apex	⚠️ Ejecución de exploraciones de tabla completa debido a índices que faltan en vez de utilizar SOQL selectivo con filtros indexados
Plataforma \| Caché de plataforma	⚠️ Consulta de Data 360 repetidamente (1,5 s por llamada) para datos comunes que se podrían almacenar en caché (50 ms desde Caché de plataforma)
Agentforce \| Configuración de agentes	⚠️ Requerimiento de finalización síncrona para operaciones no urgentes (actualizaciones de estado, procesamiento por lotes, generación de informes)

Patrones

Dónde buscar	Qué buen aspecto tiene
Data 360 \| Configuración	✅ Artículos de Chunk Knowledge, documentos de productos, historial de casos en segmentos de 250-750 palabras con significado semántico
Data 360 \| Configuración	✅ Valide el tamaño de los fragmentos con respecto a los patrones de consulta de agentes. Precisión de equilibrio (trozos más pequeños) frente a completitud de contexto (trozos más grandes)
Data 360 \| Configuración	✅ Utilice incrustaciones que coincidan con patrones de consulta de agentes. Validar la selección frente a consultas representativas que miden la precisión y la recuperación
Data 360 \| Configuración	✅ Mejorar la similitud vectorial con filtros de metadatos garantizando restricciones comerciales (por ejemplo, filtrar a productos activos excluyendo elementos descontinuados independientemente de la similitud semántica)
Data 360 \| Configuración	✅ Utilice perfiles unificados agregando datos de clientes de múltiples orígenes en una única vista. Acceder a contexto completo (atributos, perspectivas, implicación, predicciones) en una única consulta
Data 360 \| Configuración	✅ Activar Resolución de identidad proporcionando coincidencia de clientes entre sistemas precisa
Data 360 \| Configuración	✅ Configurar instancias de Data 360 en regiones que cumplen los requisitos normativos para el cumplimiento de la residencia de datos

Antipatrones

Dónde buscar	Aspecto negativo
Data 360 \| Configuración	⚠️ Uso de fragmentos demasiado grandes que incluyen información irrelevante que diluye la relevancia en resultados de búsqueda vectorial
Data 360 \| Configuración	⚠️ Basándose únicamente en similitud semántica sin filtros de metadatos, devolviendo resultados descontinuados o de baja calidad
Data 360 \| Configuración	⚠️ Orquestación de múltiples consultas de origen separadas en vez de utilizar perfiles unificados de Data 360 para un contexto de cliente completo
Data 360 \| Configuración	⚠️ Uso de modelos integrados que no coinciden con patrones de consulta de agentes (por ejemplo, incrustaciones de clasificación de documentos para similitud pregunta-respuesta)
Data 360 \| Configuración	⚠️ Procesamiento de datos de clientes europeos en instancias no europeas de Data 360, infringiendo los requisitos de residencia de datos

Patrones

Dónde buscar	Qué buen aspecto tiene
Agentforce \| Configuración de agentes	✅ Priorice el contexto explícitamente: historial de conversaciones recientes (más alto), datos comerciales críticos/estado/permisos de registros (segundo), contexto histórico (más bajo, solo cuando el espacio lo permite)
Agentforce \| Configuración de agentes	✅ Después de 10-15 turnos, resuma la conversación temprana en una descripción general concisa manteniendo hechos críticos sin historial literal completo
Data 360 \| Configuración	✅ Almacene contexto ampliado en Data 360 u objetos personalizados en vez de historial completo en cada llamada LLM. Consulta sobre demanda manteniendo solicitudes centradas en necesidades actuales
Agentforce \| Acción	✅ Devuelve solo campos esenciales desde respuestas de acción. La recuperación de cuenta devuelve campos relevantes para la tarea actual, no los 50 campos
Agentforce \| Configuración de agentes	✅ Diseñar lógica de priorización explícita frente a truncamiento arbitrario para asignación de ventana de contexto

Antipatrones

Dónde buscar	Aspecto negativo
Agentforce \| Configuración de agentes	⚠️ Truncado arbitrario del contexto sin lógica de priorización explícita
Agentforce \| Configuración de agentes	⚠️ Mantener el historial de conversaciones literales completo más allá de 10-15 turnos, agotando el presupuesto de contexto
Agentforce \| Configuración de agentes	⚠️ Incluir el historial completo en cada llamada LLM en vez de almacenar contexto ampliado de forma externa y consultar bajo demanda
Agentforce \| Acción	⚠️ Devolviendo los 50 campos desde la recuperación de cuenta cuando solo un subconjunto es relevante para la tarea actual, consumiendo presupuesto de contexto
Agentforce \| Configuración de agentes	⚠️ Asignación de presupuesto de contexto sin reservar espacio suficiente para la generación de respuestas

Patrones

Dónde buscar	Qué buen aspecto tiene
Plataforma \| Acción	✅ Desarrollar bibliotecas de acciones centralizadas que cubren CRUD de registros, aprobaciones, notificaciones, creación de informes y validación. Los equipos de plataforma mantienen garantizando un comportamiento coherente, seguridad y rendimiento
Agentforce \| Configuración de agentes	✅ Crear agentes especializados centrados con experiencia en dominio profundo (Agente de servicio para la gestión de casos, agente de ventas para orientación de oportunidades) manteniendo un contexto más estrecho y límites más claros
Agentforce \| Configuración de agentes	✅ Utilizar agentes especialistas de coordinación de orquestación de Agent Builder para necesidades de dominios cruzados
Agentforce \| Plantilla de solicitud	✅ Mantenga patrones de solicitudes validados en Generador de solicitudes. Las plantillas capturan enfoques probados para la formación de consultas RAG, razonamiento de múltiples pasos, formato de respuesta
Agentforce \| Plantilla de solicitud	✅ Plantillas de solicitud de versión que permiten pruebas A/B de mejoras
Data 360 \| Configuración	✅ Mantener bases Knowledge compartidas en Data 360 sirviendo a múltiples agentes. Agentes de ventas, servicio y portal de socios de base de Knowledge de producto único
Agentforce \| Configuración de agentes	✅ Redacte nuevos agentes desde elementos constructivos probados: definir propósito, seleccionar Acciones, configurar solicitudes (días frente a semanas para compilaciones personalizadas)

Antipatrones

Dónde buscar	Aspecto negativo
Agentforce \| Plantilla de solicitud	⚠️ Creación de solicitudes ad-hoc para cada agente en vez de reutilizar bibliotecas de plantillas de solicitudes validadas
Agentforce \| Acción	⚠️ Volver a implementar acciones para cada agente en vez de utilizar bibliotecas de acciones reutilizables centralizadas
Agentforce \| Configuración de agentes	⚠️ Crear agentes universales que intenten todos los escenarios en vez de agentes especializados centrados con experiencia en dominios profundos
Data 360 \| Configuración	⚠️ Duplicar bases Knowledge por agente en vez de compartir una única base Knowledge que fundamenta múltiples agentes

Patrones

Dónde buscar	Qué buen aspecto tiene
Plataforma \| Tipos de metadatos personalizados	✅ Utilice tipos de metadatos personalizados y Generador de solicitudes controlando el comportamiento sin cambios de código. Los administradores modifican plantillas de solicitudes y parámetros de razonamiento sin ciclos de desarrollo
Agentforce \| Configuración de agentes	✅ Enrute subconjuntos a versiones experimentales comparando mediciones de calidad, satisfacción, realización de tareas antes de la implementación completa (por ejemplo, 10% a v2, 90% en v1)
Agentforce \| Configuración de agentes	✅ Supervisar el periodo de validación y mantener la capacidad de reversión si se detectan problemas durante las pruebas A/B
Agentforce \| Acción	✅ Definir contratos de interfaz claros entre componentes: Las acciones especifican entradas, salidas, errores, expectativas de rendimiento
Agentforce \| Configuración de agentes	✅ Ampliar gradualmente versiones exitosas (10% a 25% a 50% a 100%) durante periodos de implementación de varias semanas
Agentforce \| Acción	✅ Sustituir implementaciones de acciones sin modificaciones de agentes cuando se mantienen los contratos de interfaz

Antipatrones

Dónde buscar	Aspecto negativo
Plataforma \| Apex	⚠️ Requerir cambios de código para modificar el comportamiento de los agentes en vez de utilizar enfoques dirigidos por la configuración (Tipos de metadatos personalizados, Generador de solicitudes)
Agentforce \| Configuración de agentes	⚠️ Implementación completa de nuevas versiones de agentes sin pruebas A/B en un subconjunto comparando mediciones de calidad y satisfacción
Agentforce \| Acción	⚠️ Agentes dependiendo de los detalles de implementación de la acción en vez de los contratos de interfaz, interrumpiéndose cuando cambian las implementaciones
Agentforce \| Configuración de agentes	⚠️ Implementación de nuevas versiones para el 100% de los usuarios inmediatamente sin implementación graduada
Agentforce \| Configuración de agentes	⚠️ Funcionamiento sin capacidad de reversión durante las pruebas de versión experimental

Patrones

Dónde buscar	Qué buen aspecto tiene
Agentforce \| Configuración de agentes	✅ Resuelva cada solicitud en el menor número posible de acciones de agentes: Los créditos flexibles se consumen por acción, de modo que la consolidación de la lógica de múltiples pasos en una sola acción reduce el coste directamente
Agentforce \| Configuración de agentes	✅ Proyecciones de costes mensuales de modelo basadas en índices de consumo de Flex Credit documentados y volúmenes de interacción previstos que permiten la planificación presupuestaria
Einstein \| Supervisión	✅ Supervisar el consumo de Flex Credit por agente, caso de uso y población de usuarios para identificar patrones de alto consumo que requieren optimización
Einstein \| Supervisión	✅ Comparar el consumo real con proyecciones para informar la planificación futura e identificar oportunidades de optimización

Antipatrones

Dónde buscar	Aspecto negativo
Agentforce \| Configuración de agentes	⚠️ Encadenando muchas acciones pequeñas donde una acción consolidada resolvería la solicitud, multiplicando el consumo de crédito flexible por interacción
Negocio \| Planificación	⚠️ Descubrir el consumo de crédito flexible supera las proyecciones solo después de la implementación de producción porque no se realizó ningún modelado de costes por interacción

Patrones

Dónde buscar	Qué buen aspecto tiene
Agentforce \| Configuración de agentes	✅ Diseñar límites de sesión y tiempos de espera de modo que una conversación persista de forma apropiada sin finalizar prematuramente y forzar una nueva conversación facturable
Agentforce \| Configuración de agentes	✅ Centrar la capacidad del agente en la resolución de la primera conversación de modo que una tarea se complete en la conversación inicial en vez de requerir un seguimiento facturable
Einstein \| Supervisión	✅ Realizar un seguimiento del índice de resolución de la primera conversación como la medición de rentabilidad bajo Precios por conversación
Agentforce \| Configuración de agentes	✅ Gestionar problemas relacionados dentro del contexto de conversación existente en vez de abrir conversaciones separadas en las que cada una incurre en una tarifa plana

Antipatrones

Dónde buscar	Aspecto negativo
Agentforce \| Configuración de agentes	⚠️ Finalizar conversaciones prematuramente a través de cortos tiempos de espera de sesiones, obligando a los usuarios a iniciar nuevas conversaciones facturables para finalizar una única tarea
Einstein \| Supervisión	⚠️ Supervisión solo del volumen total de conversaciones sin realizar un seguimiento del índice de resolución de la primera conversación, perdiendo la palanca de costes principal bajo Precios por conversación

Patrones

Dónde buscar	Qué buen aspecto tiene
Negocio \| Documentación	✅ Dirija la adopción de modo que los usuarios con licencia impliquen activamente al agente, ya que el valor de precios por usuario no medido proviene del uso en vez de minimizar cada interacción
Einstein \| Supervisión	✅ Realizar un seguimiento de la utilización para identificar usuarios con licencia de bajo uso para formación dirigida o reasignación de licencias
Negocio \| Documentación	✅ Conectar interacciones de agentes con resultados comerciales por población de usuarios de modo que los casos de uso de alto valor justifiquen la inversión por asiento
Negocio \| Planificación	✅ Revisar las poblaciones de usuarios en una cadencia de modo que las licencias permanezcan alineadas con el uso real en vez de derivar en sobrelicencias

Antipatrones

Dónde buscar	Aspecto negativo
Negocio \| Planificación	⚠️ Aprovisionamiento de licencias Por usuario sin un plan de adopción, pagando un coste fijo por asiento para usuarios que rara vez implican al agente
Einstein \| Supervisión	⚠️ Nunca revisando la utilización por población de usuarios, permitiendo que las licencias se desvíen hacia la misma sobrelicencia que desperdicia asientos tradicionales

Patrones

Dónde buscar	Qué buen aspecto tiene
Agentforce \| Configuración de agentes	✅ Implementar agentes de triaje que gestionan el enrutamiento inicial con lógica sencilla, dirigiendo los usuarios a un agente especializado solo cuando la complejidad lo requiere
Plataforma \| Flujo	✅ Volver a la automatización de flujos para escenarios deterministas donde la lógica basada en reglas es suficiente, reservando el razonamiento de agentes para las situaciones ambiguas que realmente lo necesitan
Data 360 \| Configuración de agentes	✅ Recuperar datos de fundamentación de forma selectiva, invocando la búsqueda de vectores y la recuperación de documentos solo cuando el razonamiento del agente lo requiere en vez de en cada interacción

Antipatrones

Dónde buscar	Aspecto negativo
Agentforce \| Configuración de agentes	⚠️ Enrutar cada solicitud directamente a un agente especializado, incurriendo en costosas invocaciones complejas para solicitudes que una lógica de triaje sencilla podría haber gestionado
Plataforma \| Flujo	⚠️ Uso del razonamiento de agentes para flujos de trabajo basados en reglas deterministas que un flujo ejecutaría a un coste inferior sin consumo variable
Data 360 \| Configuración de agentes	⚠️ Recuperación de datos de fundamentación en cada interacción independientemente de si el razonamiento lo requiere, impulsando el consumo de Data 360 que no realiza un seguimiento de necesidades reales

Patrones

Dónde buscar	Qué buen aspecto tiene
Data 360 \| Configuración de agentes	✅ Integraciones de catálogo de productos en caché con cadencia de actualización definida (por ejemplo, 24 horas), recuperación de caché para preguntas rutinarias y consulta de Data 360 solo para datos nuevos o específicos del cliente
Data 360 \| Configuración de agentes	✅ Implementar estrategias de almacenamiento en caché para reducir las consultas repetidas para solicitudes comunes, equilibrando la optimización de costes con los requisitos de actualización de datos
Data 360 \| Organización	✅ Modelar costes de introducción y procesamiento de datos por adelantado (Armonización, Resolución de identidad, Generación de integración) de forma separada de los costes de crecimiento incrementales
Data 360 \| Configuración de agentes	✅ Evaluar si la sobrecarga de RAG justifica mejoras de calidad para casos de uso específicos antes de agregar generación aumentada de recuperación

Antipatrones

Dónde buscar	Aspecto negativo
Data 360 \| Configuración de agentes	⚠️ No se implementó almacenamiento en caché a pesar de que la mayoría de las consultas son preguntas comunes idénticas, lo que consume créditos flexibles para respuestas idénticas repetidas
Data 360 \| Organización	⚠️ Implementación de caché agresivo sin considerar requisitos de actualización de datos, sirviendo información obsoleta a usuarios

Patrones

Dónde buscar	Qué buen aspecto tiene
Plataforma \| Organización	✅ Utilizar sandbox de copia parcial con muestra de datos de clientes dirigida para el desarrollo de agentes, reservando sandbox de copia completa exclusivamente para validación de preproducción
Plataforma \| Organización	✅ Planificar costes de infraestructura de desarrollo por adelantado incluyendo capacidad de Data 360, Flex Credits para pruebas rápidas y conectividad de integración

Antipatrones

Dónde buscar	Aspecto negativo
Plataforma \| Organización	⚠️ Cada desarrollador aprovisiona entornos sandbox de copia completa para el desarrollo de agentes, multiplicando los costes de entornos sandbox por 5
Plataforma \| Organización	⚠️ Confiar en pruebas manuales ad-hoc proporcionando cobertura insuficiente, descubriendo problemas de calidad solo en producción
Negocio \| Planificación	⚠️ Hacer invisibles los costes de infraestructura de desarrollo durante la planificación, dando como resultado costes inesperados significativos durante la implementación

Patrones

Dónde buscar	Qué buen aspecto tiene
Negocio \| Documentación	✅ Construya un modelo de TCO integral que cubra las seis categorías de costes: desarrollo, inferencia (Flex Credits), infraestructura (Data 360 + MuleSoft), operaciones, gobernanza y gestión de cambios
Negocio \| Documentación	✅ Crear modelos de TCO de hojas de cálculo proyectando costes de 3 a 5 años con suposiciones documentadas para volúmenes de interacción, tasas de consumo de crédito y trayectorias de crecimiento
Negocio \| Documentación	✅ Realizar análisis de sensibilidad revelando qué supuestos afectan más a la inversión total, permitiendo esfuerzos de validación centrados
Negocio \| Documentación	✅ Modelar los costes operativos en curso como una fracción recurrente significativa de los costes de desarrollo anuales para agentes maduros, tomados de indicadores generales del sector de agentes de IA en vez de una cifra fija de Salesforce
Negocio \| Planificación	✅ Incluir costes de gestión de cambios (capacitación de usuarios, adaptación de procesos comerciales, cambio organizativo) que se subestiman con frecuencia

Antipatrones

Dónde buscar	Aspecto negativo
Negocio \| Planificación	⚠️ Incluyendo solo el coste de desarrollo en el caso comercial de agentes sin modelar el consumo continuo (Flex Credits, Data 360, operaciones), descubriendo costes anuales no planificados significativos después de la implementación
Negocio \| Planificación	⚠️ Omitir los gastos generales de gobernanza (revisiones de seguridad, infraestructura de supervisión humana, registro de auditoría, validación de cumplimiento) que crecen con la autonomía de los agentes y el nivel de riesgo
Negocio \| Planificación	⚠️ Subestimación de costes de cambio especialmente para agentes que crean turnos de flujo de trabajo significativos, lo que lleva a déficits presupuestarios

Patrones

Dónde buscar	Qué buen aspecto tiene
Negocio \| Documentación	✅ Evaluar agentes Agentforce predefinidos frente al desarrollo personalizado a través de una comparación de TCO integral de 3 años incluyendo costes de mantenimiento
Negocio \| Documentación	✅ Construcción de documentos frente a decisiones de compra en registros de decisiones de arquitectura que permiten una futura reevaluación a medida que cambian los costes y las funciones
Agentforce \| Configuración de agentes	✅ Considere la personalización de agentes preintegrados a través del Generador de solicitudes y la configuración de acciones como punto medio entre la configuración de uso inmediato y completamente personalizada
Negocio \| Planificación	✅ Criterios de decisión de factores más allá del coste: tiempo en valor, capacidad de desarrollo organizativo, valor de diferenciación estratégica y tolerancia a la dependencia de proveedores

Antipatrones

Dónde buscar	Aspecto negativo
Negocio \| Planificación	⚠️ Crear un agente personalizado porque “queremos el control” sin modelar el TCO de 3 años mostrando la opción preconstruida puede ser significativamente más barato
Negocio \| Planificación	⚠️ Selección de construcción o compra basándose únicamente en los costes del primer año sin proyectar beneficios de mantenimiento continuo, consumo de crédito y actualización de proveedores en un horizonte de varios años

Patrones

Dónde buscar	Qué buen aspecto tiene
Negocio \| Documentación	✅ Comparar el TCO de agentes con alternativas de automatización tradicionales (Flujo, Apex, procesos manuales) antes de la implementación, validando la justificación de la inversión
Negocio \| Documentación	✅ Establecer la línea base del proceso manual incluyendo costes de empleados cargados completamente, índices de error, tiempo de procesamiento y capacidad de rendimiento para revelar posibles ahorros
Agentforce \| Configuración de agentes	✅ Implemente agentes para tareas que requieren comprensión del lenguaje natural, razonamiento adaptativo o gestión de alta variabilidad de escenario donde la automatización tradicional no puede coincidir con la capacidad
Plataforma \| Flujo	✅ Utilice la automatización de flujos para flujos de trabajo deterministas con reglas claras, proporcionando resultados equivalentes a menor coste sin consumo de inferencia variable

Antipatrones

Dónde buscar	Aspecto negativo
Agentforce \| Configuración de agentes	⚠️ Agente de implementación para una tarea de enrutamiento determinista sencilla que consume 15.000 créditos anuales cuando el flujo proporcionaría funciones equivalentes sin costes variables
Negocio \| Planificación	⚠️ Toma como valor predeterminado el enfoque de agentes para toda la automatización sin evaluar si la automatización tradicional proporciona resultados equivalentes a un coste total inferior

Patrones

Dónde buscar	Qué buen aspecto tiene
Einstein \| Supervisión	✅ Cree paneles de consumo de Flex Credit mostrando el consumo por agente, población de usuarios, periodo de tiempo y tipo de interacción para una identificación rápida de picos de consumo
Einstein \| Supervisión	✅ Implementar la atribución de costes por interacción conectando el consumo de crédito con transacciones comerciales (coste por caso resuelto, coste por candidato cualificado, coste por pedido procesado)
Einstein \| Supervisión	✅ Configure alertas de presupuestos en umbrales de ejemplo como 70% y 85% por agente y caso de uso (no solo toda la organización) activando la intervención proactiva antes de sobrecostes
Einstein \| Supervisión	✅ Implementar la detección de anomalías identificando patrones de consumo inusuales (picos repentinos que indican ineficiencias rápidas, patrones de uso inesperados o abuso)
Negocio \| Documentación	✅ Compartir paneles de costes con partes interesadas comerciales y equipos técnicos creando transparencia permitiendo el uso de agentes conscientes de los costes
Negocio \| Documentación	✅ Realizar revisiones presupuestarias trimestrales comparando el consumo real con proyecciones, evaluando resultados comerciales y ajustando asignaciones basándose en valor demostrado
Negocio \| Planificación	✅ Reservar del 10 al 15% del presupuesto de crédito para experimentación y crecimiento inesperado del consumo, evitando cuellos de botella de innovación
Negocio \| Planificación	✅ Crear proyecciones multianuales basadas en tendencias de adopción de agentes, nuevas implementaciones y casos de uso en expansión que permiten la planificación de la capacidad y las negociaciones con proveedores

Antipatrones

Dónde buscar	Aspecto negativo
Einstein \| Supervisión	⚠️ Supervisión del consumo de crédito solo a través de la revisión mensual de facturas, descubriendo sobrecostes de presupuesto de 6 semanas en el trimestre sin tiempo para optimizar antes de la renovación
Einstein \| Supervisión	⚠️ Configuración de alertas de presupuestos solo a nivel de la organización, picos de consumo por agente y caso de uso que faltan que indican oportunidades de optimización
Negocio \| Planificación	⚠️ Necesidad de aumentos presupuestarios de emergencia porque la supervisión del consumo no se implementó lo suficientemente pronto para identificar y abordar los sobrecostos de forma proactiva
Negocio \| Planificación	⚠️ Establecer un presupuesto anual una vez al inicio del año fiscal sin revisiones, privando a los agentes de alto valor de créditos mientras los agentes de bajo rendimiento de las inversiones consumen la asignación
Negocio \| Planificación	⚠️ Asignación de reserva de presupuesto cero para experimentación, obligando a los equipos a justificar cada nuevo caso de uso a través de una aprobación prolongada antes de cualquier exploración

Patrones

Dónde buscar	Qué buen aspecto tiene
Einstein \| Supervisión	✅ Realizar un seguimiento del consumo por instancia de agente permitiendo la comparación entre tipos de agentes y casos de uso, revelando qué agentes entregan mejor rendimiento de las inversiones (ROI)
Negocio \| Documentación	✅ Conectar el consumo con procesos comerciales (calificación de candidatos, resolución de casos, procesamiento de pedidos) permitiendo a los líderes comerciales evaluar la alineación estratégica
Einstein \| Supervisión	✅ Realizar un seguimiento del consumo por departamento, función o segmento de usuario revelando dónde es más alta la adopción de agentes y dónde se concentran los costes
Negocio \| Planificación	✅ Utilice revisiones de costes trimestrales para comparar el rendimiento de las inversiones de los agentes entre carteras y reasignar la inversión de agentes con bajo rendimiento de las inversiones a agentes con alto rendimiento de las inversiones en base al valor demostrado

Antipatrones

Dónde buscar	Aspecto negativo
Negocio \| Planificación	⚠️ Asignación de todos los costes de agentes al presupuesto de TI sin atribución de unidad comercial, evitando que los líderes comerciales evalúen si el gasto se alinea con prioridades
Negocio \| Planificación	⚠️ Tratar el consumo de agentes como coste no diferenciado sin conectar el consumo con resultados comerciales, haciendo imposible el cálculo del rendimiento de las inversiones (ROI)

Patrones

Dónde buscar	Qué buen aspecto tiene
Negocio \| Documentación	✅ Implementar informes de devolución de cargos que proporcionen visibilidad de consumo por unidad comercial, creando conciencia de costes que permitan decisiones de uso fundamentadas sin disputas de devolución de cargos contenciosas
Negocio \| Documentación	✅ Utilice la asignación híbrida con devolución de carga para agentes de producción de gran volumen y devolución para agentes experimentales o de bajo volumen, equilibrando la responsabilidad con la flexibilidad de innovación
Negocio \| Documentación	✅ Realizar revisiones trimestrales debatiendo si el consumo se alinea con el valor entregado, lo que lleva a compromisos de optimización

Antipatrones

Dónde buscar	Aspecto negativo
Negocio \| Planificación	⚠️ Implementar la devolución de cargos completa para agentes experimentales, desalentando la innovación y la exploración imponiendo de inmediato responsabilidad presupuestaria en casos de uso incipientes

Patrones

Dónde buscar	Qué buen aspecto tiene
Agentforce \| Plantilla de solicitud	✅ Eliminar la verbosidad innecesaria en solicitudes del sistema reconociendo cada token adicional agrega cálculo de prerrelleno y latencia entre todas las interacciones: recortar solicitudes del sistema a lo que el agente utiliza realmente
Agentforce \| Plantilla de solicitud	✅ Incluya solo información relevante a través de la recuperación de contexto selectiva con clasificación de relevancia garantizando que la información de mayor valor se ajuste a los límites del contexto
Agentforce \| Plantilla de solicitud	✅ Especifique un formato de respuesta conciso para interacciones rutinarias, minimizando los tokens de finalización evitando solicitudes de formato elaborado o explicaciones extensas
Agentforce \| Plantilla de solicitud	✅ Reutilizar plantillas de solicitudes estandarizadas entre agentes similares, amortizando la inversión de optimización de solicitudes mientras crea coherencia y eficiencia

Antipatrones

Dónde buscar	Aspecto negativo
Agentforce \| Plantilla de solicitud	⚠️ La escritura solicita conversacionalmente sin optimización consumiendo tokens 2K+ por interacción incluyendo instrucciones verborrágicas y ejemplos extensos a los que los agentes rara vez hacen referencia
Agentforce \| Plantilla de solicitud	⚠️ Recuperación de todos los datos potencialmente relacionados para contexto en vez de incluir selectivamente solo información relevante, inflando el consumo de tokens de solicitud
Agentforce \| Plantilla de solicitud	⚠️ Creación de plantillas de solicitudes exclusivas para cada agente en vez de estandarizar patrones, multiplicando el esfuerzo de ingeniería de solicitudes sin beneficio de calidad proporcional

Patrones

Dónde buscar	Qué buen aspecto tiene
Agentforce \| Configuración de agentes	✅ Respuestas de agentes comunes de caché para preguntas más frecuentes que sirven directamente desde caché para consultas duplicadas (los índices de coincidencias de caché por encima del 30% indican una oportunidad de optimización significativa)
Data 360 \| Configuración de agentes	✅ Contexto de Knowledge estable en caché (catálogos de productos, documentos de políticas, materiales de referencia) reduciendo los gastos generales de recuperación para cada interacción haciendo referencia a información común
Agentforce \| Configuración de agentes	✅ Implementar el almacenamiento en caché de conversaciones en sesiones de usuario manteniendo el contexto entre turnos sin volver a enviar el historial completo, reduciendo el consumo de tokens en interacciones de múltiples turnos
Agentforce \| Configuración de agentes	✅ Definir estrategias de invalidación de caché basándose en la volatilidad del contenido (cachés de información de productos para horas/días, los datos en tiempo real no deben almacenarse en caché)

Antipatrones

Dónde buscar	Aspecto negativo
Agentforce \| Configuración de agentes	⚠️ No se implementó almacenamiento en caché a pesar de que el 60% de las consultas son preguntas comunes idénticas, consumiendo innecesariamente créditos flexibles para respuestas idénticas repetidas
Agentforce \| Configuración de agentes	⚠️ Almacenamiento en caché de datos en tiempo real (niveles de inventario, precios, disponibilidad) que requieren actualización, sirviendo información obsoleta que lleva a respuestas incorrectas de agentes
Agentforce \| Configuración de agentes	⚠️ Nunca actualizando respuestas en caché que conducen a respuestas desfasadas a medida que cambian productos, políticas o procesos

Patrones

Dónde buscar	Qué buen aspecto tiene
Negocio \| Documentación	✅ Requerir un caso comercial incluyendo el TCO proyectado a 3 años, resultados comerciales esperados con metodología de medición, comparación con alternativas y evaluación de riesgos
Negocio \| Documentación	✅ Definir umbrales de aprobación que separan las inversiones que un departamento puede autorizar de las que requieren aprobación ejecutiva, de modo que los agentes de mayor inversión o mayor riesgo reciban un escrutinio ejecutivo proporcionado
Negocio \| Documentación	✅ Implementaciones piloto de mandato validando hipótesis (consumo, calidad, adopción) antes de la inversión de producción completa
Negocio \| Documentación	✅ Incluya el cálculo del rendimiento de las inversiones en propuestas de agentes (por ejemplo, una devolución 4:1 demostrada a través de casos resueltos y ahorros de costes de gestión manual)

Antipatrones

Dónde buscar	Aspecto negativo
Negocio \| Planificación	⚠️ Implementación de agentes sin argumentos comerciales, descubriendo un consumo de crédito proyectado 3 veces mientras entrega un valor comercial no claro, creando un consumo anual no planificado sin ROI documentado
Negocio \| Planificación	⚠️ Omitir la implementación piloto e ir directamente a producción completa, perdiendo la oportunidad de validar hipótesis de consumo antes de confirmar presupuesto completo
Negocio \| Planificación	⚠️ Aprobación de inversiones de agentes sin comparación con enfoques alternativos (procesos manuales, automatización tradicional) que pueden entregar valor equivalente a menor costo

Patrones

Dónde buscar	Qué buen aspecto tiene
Negocio \| Documentación	✅ Realizar una revisión de cartera anual evaluando todos los agentes comparando el coste, el uso, el valor comercial y la alineación estratégica para revelar oportunidades de optimización perdidas por la revisión agente por agente
Negocio \| Documentación	✅ Definir criterios de extinción (baja adopción, mal rendimiento de las inversiones (ROI), funcionalidad sustituida, coste excesivo) evitando la acumulación de agentes de bajo valor que consumen presupuesto
Negocio \| Planificación	✅ Practicar la reasignación continua de inversiones cambiando recursos de agentes de bajo rendimiento a oportunidades de alto valor alineadas con prioridades comerciales en evolución
Negocio \| Documentación	✅ Categorizar agentes por nivel de ROI (por ejemplo, los 2 principales entregan un valor del 70% a un coste del 50% = excelente; los 4 centrales entregan un valor del 25% a un coste del 35% = aceptable; los 2 inferiores entregan un valor del 5% a un coste del 15% = candidatos al atardecer)

Antipatrones

Dónde buscar	Aspecto negativo
Negocio \| Planificación	⚠️ Agentes desplegados que permanecen en producción indefinidamente sin utilización o revisión de valor, acumulando agentes de bajo valor que consumen presupuesto que podría financiar oportunidades de mayor valor
Negocio \| Planificación	⚠️ Evaluar agentes solo individualmente sin perspectiva de cartera, perdiendo la perspectiva de que unos pocos agentes entregan más valor mientras que muchos consumen recursos desproporcionados