Il paradigma del software sta passando dalla manipolazione diretta alla delega orientata agli obiettivi. In prima linea in questa trasformazione ci sono gli agenti dell'intelligenza artificiale, entità autonome e intelligenti in grado di comprendere, ragionare e agire per conto degli utenti. Questo whitepaper offre un'esplorazione tecnica dei principali tipi di agenti AI: Conversazionale, proattivo, ambientale, autonomo e collaborativo. Definisce ogni tipo, presenta casi d'uso specifici di Customer Relationship Management (CRM) e fornisce un modello architetturale per la creazione di questi agenti sulla Salesforce Agent Platform, completo di esempi tecnici che sfruttano la comunicazione Flow, Apex, Data 360, Agent2Agent (A2A) e l'interoperabilità del protocollo contesto del modello (MCP).

Un agente AI è un sistema che percepisce il proprio ambiente e intraprende azioni per raggiungere obiettivi specifici. Anche se il concetto non è nuovo, l'avvento dei potenti Large Language Models (LLM) ha potenziato le loro capacità. È possibile classificare gli agenti in base alla modalità operativa principale e all'interazione.

Definizione: Gli agenti conversazionali sono il tipo di agente più familiare. Operano in modo reattivo, richiesta-risposta, principalmente attraverso interfacce di linguaggio naturale (testo o voce). La loro funzione principale è comprendere l'intento dell'utente e fornire una risposta pertinente, sia che si tratti di rispondere a una domanda, recuperare informazioni o eseguire un semplice comando.

Importanza: Gli agenti conversazionali sono le porte digitali di accesso a un'organizzazione. Eccellono nel gestire operazioni ben definite e ripetitive, liberando così risorse umane. La loro efficacia si misura dalla loro capacità di risolvere gli intenti degli utenti in modo rapido e preciso e di intraprendere azioni per conto degli utenti.

Definizione: A differenza degli agenti conversazionali che attendono un prompt, gli agenti proattivi agiscono come osservatori vigili. Vengono attivati da eventi specifici, modifiche dei dati o condizioni predefinite all'interno di un sistema. Quando vengono attivati, eseguono un'operazione o avviano un flusso di lavoro senza richiedere l'interazione diretta dell'utente.

Importanza: Gli agenti proattivi trasformano un sistema da archivio passivo di dati a partecipante attivo ai processi aziendali. Identificano opportunità e rischi man mano che emergono, consentendo alle aziende di agire sui segnali critici in tempo reale.

Definizione: Gli agenti ambientali sono un tipo specifico di agenti proattivi che operano continuamente in background nel flusso di lavoro di un utente senza richiedere comandi espliciti. Gli utenti spesso traggono vantaggio dalle loro azioni senza essere consapevoli del loro funzionamento, perché sono progettati per aumentare le capacità umane mantenendo un basso profilo.

Importanza: L'obiettivo di un agente ambientale è ridurre il carico cognitivo sugli utenti automatizzando il banale "lavoro sul lavoro". Rendono i processi più efficienti integrandosi perfettamente negli strumenti che i dipendenti utilizzano quotidianamente, acquisendo e strutturando automaticamente le informazioni.

Definizione: Gli agenti autonomi rappresentano un salto significativo nella complessità. Viene loro assegnato un obiettivo di alto livello e sono in grado di pianificare ed eseguire in modo indipendente una sequenza di fasi per raggiungere tale obiettivo. Possono ragionare, prendere decisioni e persino imparare dalle loro azioni per migliorare le prestazioni nel tempo.

Importanza: Questo è il modo in cui ci avviciniamo di più a un vero dipendente digitale. Agli agenti autonomi può essere delegato un obiettivo complesso in più fasi, ad esempio "Generare 50 nuovi lead qualificati nel settore manifatturiero questo trimestre", e può essere affidato il compito di formulare ed eseguire un piano per raggiungerlo.

Definizione: Gli agenti collaborativi, spesso chiamati "interventi collettivi di agenti", sono una raccolta di agenti specializzati che lavorano insieme per risolvere un problema troppo complesso per essere gestito da un singolo agente. Un agente "orchestratore" o "master" spesso scompone un'operazione di grandi dimensioni, delega operazioni secondarie agli agenti specializzati appropriati e quindi sintetizza i loro output. Un protocollo di comunicazione Agent2Agent (A2A) efficace consente di raggiungere questo obiettivo.

Importanza: Questo approccio rispecchia un team umano. Suddividendo un problema complesso, ogni agente specializzato può mettere a frutto le proprie competenze specifiche: uno specializzato nell'analisi dei dati, un altro nella comunicazione con i clienti e un terzo nell'integrazione dei sistemi, per una soluzione più efficace e completa.

Dopo aver esplorato la tassonomia degli agenti AI, rimane una domanda cruciale: come combinare questi elementi per risolvere i problemi aziendali reali in modo efficiente e affidabile? Questo capitolo risponde a questa domanda fornendo un repository di schemi di progettazione agenti comuni. Ogni schema è una soluzione collaudata a una sfida ricorrente, offrendo un modello per qualsiasi cosa, dagli agenti semplici e monouso agli interventi collettivi di agenti complessi e collaborativi.

Gli agenti conversazionali sono spesso la porta principale per le funzionalità di intelligenza artificiale di un'organizzazione. Sono definiti dalla loro capacità di impegnarsi in un dialogo statico a più turni, fungendo da interfaccia principale attraverso la quale gli utenti eseguono operazioni e recuperano informazioni utilizzando il linguaggio naturale. Questa sezione presenta due procedimenti essenziali per la creazione di agenti conversazionali, ciascuno adattato a un canale specifico: uno per gli scambi rapidi e interattivi di client di messaggistica e un altro per la natura strutturata e asincrona dell'email.

L'intelligenza di un agente conversazionale deriva dalla sua capacità di accedere e ragionare sui dati giusti al momento giusto. Questo schema si basa su una base di dati sofisticata che si collega a record cliente, articoli Knowledge e analisi aziendali. I procedimenti completi e riutilizzabili per queste integrazioni sono disponibili nel capitolo 4: Schemi di integrazione.

Problema

I clienti interagiscono su molti canali digitali e si aspettano risposte istantanee, contestuali e intelligenti. I chatbot tradizionali sono con script o senza dati, il che comporta una scarsa personalizzazione, inoltri precoci al livello umano e costi di servizio elevati.

Context

• L'organizzazione ha un coinvolgimento digitale multicanale (WhatsApp, SMS, Slack e Salesforce Experience Cloud).
• I clienti dell'organizzazione interagiscono con l'organizzazione in più lingue.
• L'organizzazione deve potenziare i flussi di lavoro di assistenza e vendita con agenti che:
  • Estrarre i dati dei clienti affidabili in tempo reale
  • Rispettare i guardrail e i requisiti di conformità
  • Inoltrare al livello superiore agli agenti umani solo quando necessario

Componenti chiave

• Astrazione canale: Service Cloud Enhanced Chat (precedentemente Messaggistica per Web e in app) consente all'agente di comunicare su più canali attraverso una singola esperienza.
• Agente dell'assistenza Agentforce: Il comportamento e lo scopo dell'agente sono definiti dai seguenti componenti.
  • Argomenti e istruzioni: Definisce il profilo dell'agente e lo scopo della conversazione per l'interazione diretta con l'utente. Ciò include la sua missione principale (ad esempio, "Sei un esperto nel risolvere i problemi di assistenza clienti"), le istruzioni per mantenere un tono empatico e professionale e i guardrail chiari sull'ambito delle richieste che è autorizzato a gestire.
  • Azioni: Azioni orientate al servizio, ovvero strumenti utilizzati dall'agente per diagnosticare e risolvere i problemi dei clienti in tempo reale. Questi strumenti sono progettati per eseguire operazioni come il controllo dello stato di un ordine, la ricerca di soluzioni in una Knowledge Base o la creazione di un nuovo caso di assistenza direttamente dall'interfaccia conversazionale.
  • Guardrail: I guardrail fungono da insieme di regole configurabili e controlli in fase di esecuzione che limitano il comportamento dell'agente. Funge da livello di sicurezza in grado di intercettare i prompt, convalidare le azioni proposte dall'agente e filtrare la risposta finale per prevenire contenuti dannosi, applicare le regole aziendali e garantire che l'agente operi nell'ambito designato.
  • Modelli di prompt: Modelli riutilizzabili popolati dinamicamente con dati CRM live tramite campi di unione o dati semantici di Data 360 RAG Retrievers. Questi modelli consentono agli agenti di generare contenuti contestuali e di immagine aziendale mentre Einstein Trust Layer maschera in modo sicuro le informazioni sensibili prima che le istruzioni vengano inviate al componente LLM.
• Data 360
  • I componenti Data 360, inclusi DLO, DMO, vector store e RAG retriever, offrono all'agente una visualizzazione unificata di tutti i dati aziendali pertinenti, dai record cliente strutturati agli articoli Knowledge non strutturati, garantendo risposte accurate e basate sul contesto.
• Service Cloud
  • Dati CRM: Collega l'agente alla cronologia completa dei casi, fornendo un contesto cruciale per i dettagli dell'account, i record referente e i diritti
  • Area di attesa Live Agent: Supporto per l'inoltro al livello superiore e l'instradamento a un agente dell'assistenza umana con il contesto della conversazione completo inserito

Interazioni

1. Il cliente dell'organizzazione avvia la conversazione tramite un canale.
2. Il messaggio viene instradato ad Agenteforce, che determina l'ambito (argomenti) e applica i guardrail.
3. L'intelligenza artificiale compone le risposte utilizzando modelli di prompt mentre Flusso o Apex possono attivare la logica di backend.
4. Il contesto viene recuperato da oggetti Data 360, vector store e CRM tramite RAG retriever.
5. L'intelligenza artificiale restituisce una risposta contestuale.
6. Se l'intelligenza artificiale non può essere risolta, la conversazione viene inoltrata al livello di Service Cloud Live Agent.

Scambi

Schemi correlati

Schema di benvenuto: Uno schema semplice e facile da implementare che utilizza il linguaggio naturale per capire l'intento dell'utente e quindi lo instrada all'agente dell'assistenza appropriato

Schema operatore: Si basa sul Greeter per instradare le richieste all'agente AI specializzato appropriato o all'agente dell'assistenza umana, con l'intento di negoziare se necessario

Schema orchestratore: Gestisce un intervento collettivo di agenti AI. Riceve una richiesta dell'utente, determina l'intento, crea un piano, passa i dati necessari a uno o più agenti specializzati e quindi aggrega le risposte per l'utente. A differenza dell'operatore, rimane il primo punto di contatto.

Problema

I clienti utilizzano in gran parte conversazioni asincrone basate su email, e questo è ancora il modo migliore per raggiungere i clienti. L'organizzazione deve raggiungere questi clienti tramite email, ma gli agenti dello sviluppo vendite non possono rispondere alle email in entrata all'interno del contratto sul livello di servizio, causando la perdita di lead. Inoltre, la forza lavoro impiega tempo su lead non qualificati.

Context

• L'organizzazione utilizza l'email come canale principale per il coinvolgimento dei lead.
• Il DSP ha una capacità limitata di qualificare i lead su larga scala.
• Il processo di vendita prevede la creazione di lead multi-touch prima che incontrino i DSP o i rappresentanti dello sviluppo aziendale.
• L'organizzazione deve potenziare l'assistenza e le vendite con agenti che:
  • Estrarre i dati di abilitazione delle vendite in tempo reale e dei prodotti e del marketing di vendita
  • Rispettare guardrail e conformità
  • Pianificare gli incontri in base ai criteri di qualifica dei lead

Componenti chiave

• Canale email: Gestisce l'acquisizione dei messaggi in entrata, l'analisi del contenuto e degli allegati e il mantenimento della continuità del thread per abilitare le conversazioni asincrone.
• Agente Agentforce SDR: Il comportamento e lo scopo dell'agente sono definiti dai seguenti componenti.
  • Argomenti e istruzioni: Definisce la missione dell'agente di coinvolgere e qualificare i lead in entrata attraverso la conversazione. Sono incluse le istruzioni per comprendere le esigenze dei clienti potenziali, raccogliere dati chiave sulle qualifiche (ad esempio budget, autorità e tempistica) e guidare la conversazione verso una fase successiva chiara, ad esempio la pianificazione di un incontro con un responsabile account.
  • Azioni: Azioni di vendita specializzate che consentono all'agente di gestire il ciclo di vita del lead. Questi strumenti sono progettati per eseguire operazioni DSP principali, ad esempio arricchire i dati dei lead, inviare email di follow-up basate su modelli o integrarsi con i sistemi di calendario per prenotare le chiamate Discovery.
  • Guardrail: I guardrail fungono da insieme di regole configurabili e controlli in fase di esecuzione che limitano il comportamento dell'agente. Funge da livello di sicurezza in grado di intercettare i prompt, convalidare le azioni proposte dall'agente e filtrare la risposta finale per prevenire contenuti dannosi, applicare le regole aziendali e garantire che l'agente operi nell'ambito designato.
  • Modelli di prompt: Modelli riutilizzabili popolati dinamicamente con dati CRM live tramite campi di unione o dati semantici di Data 360 RAG Retrievers. Questi modelli consentono agli agenti di generare contenuti contestuali e di immagine aziendale mentre Einstein Trust Layer maschera in modo sicuro le informazioni sensibili prima che le istruzioni vengano inviate al componente LLM.
• Data 360
  • I componenti Data 360, inclusi DLO, DMO, vector store e RAG retriever, offrono all'agente una visualizzazione unificata di tutti i dati aziendali pertinenti, dai record cliente strutturati agli articoli Knowledge non strutturati, garantendo risposte accurate e basate sul contesto.
• Sales Cloud
  • Dati CRM: Collega l'agente alla cronologia completa dei casi, fornendo un contesto cruciale per i dettagli dell'account, i record referente e i diritti
  • Pianificazione dell'incontro tra cliente e DSP: La consegna di DSP Live Agent può essere configurata per impostare una riunione live utilizzando Operazione e Pianificazione riunione (azioni successive).
  • Registrazione attività: Acquisire eventi, operazioni e attività email e correlarle a lead, account e opportunità in seguito alle interazioni degli agenti DSP.

Interazioni

1. Il cliente invia e riceve email attraverso il canale, che vengono instradate ad Agentforce.
2. Agentforce applica argomenti, azioni e guardrail per analizzare l'intento.
3. Agentforce crea bozze di risposte contestuali utilizzando modelli di prompt arricchiti con contesto CRM e Data 360.
4. Una conversazione email a più turni continua fino alla risoluzione o alle linee guida della policy.
5. Per i lead qualificati, Agentforce pianifica un incontro e aggiorna CRM.
6. Se l'intento supera l'ambito AI, Agentforce passa al livello superiore al DSP Sales Cloud per una risposta dell'agente dell'assistenza.

Scambi

Schemi correlati

Schema del bot: di risposta Un modello efficace per il self-service che utilizza l'intelligenza artificiale generativa per comprendere il linguaggio naturale per il recupero Knowledge e non solo le parole chiave

Mentre gli agenti conversazionali della sezione precedente eccellono nel reagire ai comandi degli utenti, gli agenti proattivi rappresentano un cambiamento di paradigma: agiscono senza essere interpellati. Questa sezione fornisce gli schemi architetturali per gli agenti immobiliari che monitorano in modo autonomo i dati e gli eventi che hanno origine sia all'esterno che all'interno di Salesforce.

Problema

L'organizzazione genera eventi aziendali critici all'interno e all'esterno di Salesforce. È difficile tradurli in azioni contestuali tempestive perché sono sparsi in applicazioni e reparti.

Context

• I processi aziendali si estendono in diversi sistemi per CRM, elaborazione dei pagamenti, spedizione, automazione del marketing, telemetria e CDP.
• Gli eventi dell'organizzazione si verificano 24 ore su 24, 7 giorni su 7, ma la disponibilità della forza lavoro è limitata al di fuori dell'orario di ufficio. I sistemi sono sempre accesi, ma gli umani no.
• Gli eventi non sono consapevoli del contesto: mancano del contesto del cliente disponibile in Salesforce, costringendo al joining multifase delle informazioni. Oggi, l'implementazione esiste come automazione complessa discreta o viene eseguita manualmente.
• Gli esseri umani fungono da compilatore per raccogliere i dati (in formati diversi) e reagire in modo intelligente agli eventi non uniti.
• Le azioni di destinazione vengono applicate a più sistemi.

Componenti chiave

• Origine evento
  • Eventi attivati da azioni dati dopo l'inserimento di dati esterni in Data 360
  • Server MCP Heroku di terze parti o Salesforce in grado di inviare eventi a Salesforce tramite l'API Salesforce Pub/Sub
  • Applicazione esterna in grado di inviare notifiche di eventi tramite l'API Salesforce Pub/Sub
• Middleware facoltativo: MuleSoft o Data 360 per le trasformazioni
• Agente Agentforce: Il comportamento e lo scopo dell'agente sono definiti dai seguenti componenti.
  • Argomenti e istruzioni: Specifica la missione principale dell'agente e i relativi trigger, inclusa la definizione dell'obiettivo principale (ad esempio, "Monitorare tutti i casi con priorità alta e prevenire violazioni degli accordi sul livello di servizio"). Contiene gli eventi specifici o le condizioni dei dati che l'agente deve ascoltare per avviare le proprie operazioni
  • Azioni: Azioni attivate da eventi e pianificate progettate per rispondere a eventi esterni. Benché queste azioni operino in modo autonomo per le operazioni di routine, spesso includono la capacità di orchestrare flussi di lavoro che comportano l'intervento umano, inoltrandoli agli utenti per la revisione, l'approvazione o la gestione di scenari che richiedono un giudizio umano.
  • Guardrail: I guardrail fungono da insieme di regole configurabili e controlli in fase di esecuzione che limitano il comportamento dell'agente. Funge da livello di sicurezza in grado di intercettare i prompt, convalidare le azioni proposte dall'agente e filtrare la risposta finale per prevenire contenuti dannosi, applicare le regole aziendali e garantire che l'agente operi nell'ambito designato.
  • Modelli di prompt: Modelli riutilizzabili popolati dinamicamente con dati CRM live tramite campi di unione o dati semantici di Data 360 RAG Retrievers. Questi modelli consentono agli agenti di generare contenuti contestuali e di immagine aziendale mentre Einstein Trust Layer maschera in modo sicuro le informazioni sensibili prima che le istruzioni vengano inviate al componente LLM.
• Data 360
  • Componenti di Data 360, inclusi DLO e DMO, che memorizzano i dati degli eventi generati da sistemi esterni e inviati a Salesforce, trasformando e creando approfondimenti streaming o in tempo reale
  • Approfondimenti calcolati, streaming e in tempo reale forniscono agli agenti dati immediati e pertinenti sui clienti. Ciò consente la risoluzione preventiva dei problemi, mitigando l'inoltro al livello superiore. Grafici dati che mettono in evidenza in modo proattivo relazioni e approfondimenti da fonti di dati diverse, consentendo il rilevamento precoce di schemi o anomalie relativi al coinvolgimento, all'attività e al profilo del cliente.
  • I recuperatori vettoriali Data 360 e RAG offrono all'agente una visualizzazione unificata di tutti i dati aziendali pertinenti e degli articoli Knowledge non strutturati, garantendo risposte accurate e basate sul contesto.
• Destinazioni evento
  • Avvisare in modo proattivo i dipendenti o contattare i clienti
  • Estensibile agli agenti (vedere Modelli di agenti ambientali e di agenti autonomi)

Interazioni

1. Un cambiamento notevole si verifica nel sistema esterno.
2. Il sistema esterno emette un evento e lo pubblica in Salesforce Event Bus tramite API (crea un evento piattaforma) o API Pub/Sub oppure i dati degli eventi vengono trasmessi in streaming a Data 360.
3. Vengono attivati gli abbonati all'evento. Viene attivato un flusso.
4. Il flusso chiama Azione agente con i dati dell'evento. L'agente determina la linea di condotta corretta e la esegue.
5. Il risultato è una notifica o un flusso di lavoro attivato. Le notifiche vengono inviate a un utente in uno strumento di collaborazione (ad esempio Slack). Vengono generate anche operazioni o eventi. Inoltre, le azioni possono chiamare sistemi esterni. Gli eventi, quindi, non vengono persi ma vengono eseguiti, segnalati e attivati in modo proattivo, rimuovendo l'overhead umano o l'automazione complessa per scoprirli.

Scambi

Schemi correlati

Schema Giudice & Giuria: Può essere utilizzato in combinazione con questo schema per garantire l'accuratezza e l'affidabilità delle decisioni basate sull'intelligenza artificiale utilizzando più agenti "giurati" e un agente "giudice" per la valutazione della congruenza

Modello di modello di modelli: Questo schema abbraccia diversi punti di vista di più agenti esperti per generare approfondimenti più completi, che possono integrare le risposte intelligenti dell'intelligenza artificiale proattiva.

Problema

L'ecosistema Salesforce dell'organizzazione genera un flusso costante di segnali ma ha difficoltà a tradurli in azioni contestuali tempestive, poiché richiedono logica aziendale, governance e personale per il triage e l'azione. Molte volte, i segnali vengono persi senza alcuna azione che porta alla perdita di opportunità.

Context

• L'organizzazione utilizza uno o più cloud Salesforce: Vendite, assistenza, marketing, commercio, salute, produzione e altri.
• È necessario eseguire il triaging intelligente oltre al semplice instradamento o al triaging basato su regole. L'organizzazione gestisce centinaia di regole aziendali complesse.
• Si richiede una risposta agli eventi in tempo reale o quasi reale.
• A volte, gli amministratori con privilegi più elevati diventano l'anello debole della catena per non vedere i segnali.

Componenti chiave

• Livello origine evento
  • Dati CRM, Eventi piattaforma, Acquisizione dati di modifica (CDC) e Monitoraggio evento in tempo reale (RTEM) da attività di piattaforma di basso livello
• Data 360
  • Componenti di Data 360, inclusi DLO e DMO, che memorizzano i dati degli eventi generati da eventi CRM o piattaforma, trasformando e creando approfondimenti streaming o in tempo reale
  • Approfondimenti calcolati, streaming e in tempo reale forniscono agli agenti dati immediati e pertinenti relativi al cliente, all'attività dei dipendenti o alle modifiche dei metadati nel sistema. Ciò consente la risoluzione preventiva dei problemi, mitigando l'inoltro al livello superiore. Questa consapevolezza della situazione in tempo reale consente agli agenti di offrire interventi tempestivi per la governance e la conformità.
  • Grafici dati evidenziano in modo proattivo relazioni e approfondimenti da fonti di dati diverse, consentendo il rilevamento precoce di schemi o anomalie relativi al coinvolgimento, all'attività e al profilo del cliente.
  • I recuperatori vettoriali Data 360 e RAG offrono all'agente una visualizzazione unificata di tutti i dati aziendali pertinenti e degli articoli Knowledge non strutturati, garantendo risposte accurate e basate sul contesto.
• Agente Agentforce: Il comportamento e lo scopo dell'agente sono definiti dai seguenti componenti.
  • Argomenti e istruzioni: Specifica la missione dell'agente di applicare le regole aziendali e automatizzare i processi in base alle modifiche dei dati all'interno di Salesforce. Definisce l'obiettivo dell'agente (ad esempio, "Assicurarsi che tutte le opportunità vengano aggiornate con un referente principale prima di raggiungere la fase di negoziazione") e le specifiche creazioni di record, gli aggiornamenti di campo e così via che attivano l'agente.
  • Azioni: Azioni attivate da eventi e pianificate progettate per rispondere agli eventi Salesforce interni. Benché queste azioni operino in modo autonomo per le operazioni di routine, spesso includono la capacità di orchestrare flussi di lavoro che comportano l'intervento umano, inoltrandoli agli utenti per la revisione, l'approvazione o la gestione di scenari che richiedono un giudizio umano.
  • Guardrail: I guardrail fungono da insieme di regole configurabili e controlli in fase di esecuzione che limitano il comportamento dell'agente. Funge da livello di sicurezza in grado di intercettare i prompt, convalidare le azioni proposte dall'agente e filtrare la risposta finale per prevenire contenuti dannosi, applicare le regole aziendali e garantire che l'agente operi nell'ambito designato.
  • Modelli di prompt: Modelli riutilizzabili popolati dinamicamente con dati CRM live tramite campi di unione o dati semantici di Data 360 RAG Retrievers. Questi modelli consentono agli agenti di generare contenuti contestuali e di immagine aziendale mentre Einstein Trust Layer maschera in modo sicuro le informazioni sensibili prima che le istruzioni vengano inviate al componente LLM.
• Destinazioni evento
  • Avvisare in modo proattivo i dipendenti o contattare i clienti.
  • Estensibile per chiamare altri agenti (vedere intelligenza artificiale ambientale e schemi di intelligenza artificiale autonomi)

Interazioni

1. Nel sistema interno si verifica una modifica notevole, ad esempio un aggiornamento di un record CRM, una modifica dei metadati o un'azione dati attivata da Data 360.
2. Il sistema interno emette un evento e lo pubblica in Salesforce Event Bus tramite API (crea un evento piattaforma) o API Pub/Sub, oppure i dati degli eventi vengono trasmessi in streaming a Data 360.
3. Gli abbonati all'evento vengono attivati e attivano un flusso o Apex.
4. Il flusso o Apex attivato chiama Azione agente.
5. Il risultato è una notifica o un flusso di lavoro attivato. Le notifiche vengono inviate a un utente in uno strumento di collaborazione (ad esempio Slack). Vengono generate anche operazioni o eventi. Inoltre, le azioni possono chiamare sistemi esterni.
6. Gli eventi, quindi, non vengono persi ma vengono eseguiti, segnalati e attivati in modo proattivo, rimuovendo l'overhead umano o l'automazione complessa per scoprirli.

Scambi

Schemi correlati

Schema Ascoltatore/Feed: Può essere combinato con lo schema Listener per attivare azioni proattive basate sugli eventi Salesforce interni

Schema di datasteward: L'intelligenza artificiale proattiva può utilizzare gli steward dei dati per garantire la qualità e la coerenza dei dati quando rispondono agli eventi interni

Modello Zen Data Gardener: Per la preparazione e la standardizzazione dei dati pianificate e proattive attivate da eventi interni o a intervalli regolari

Abbiamo iniziato con gli agenti che rispondono in modo interattivo in un canale di conversazione e poi siamo passati agli agenti che reagiscono a eventi specifici. Andando oltre il modello basato sugli eventi degli agenti proattivi, gli agenti ambientali rappresentano un cambiamento di paradigma dall'interazione diretta all'assistenza in background proattiva. Si tratta di agenti headless che osservano l'ambiente digitale in background. Agiscono come "occhi e orecchie" del sistema, percepiscono il contesto dall'attività dell'utente o dagli stream di dati e quindi si coordinano con altri agenti o persone per completare operazioni, visualizzare approfondimenti o fornire indicazioni.

Problema

Le attività aziendali dell'organizzazione generano flussi continui di informazioni preziose (chiamate, riunioni, chat, dati dei sensori e altro ancora), ma questi dati scompaiono in tempo reale senza acquisizione o analisi. Quando gli esseri umani documentano manualmente queste interazioni, gli approfondimenti critici vengono persi e il momento dell'intervento tempestivo è trascorso. Nelle organizzazioni manca la maggior parte dell'intelligence fruibile necessaria in tempo reale e nascosta in flussi effimeri, causando lacune, opportunità di formazione perse e decisioni prese senza contesto completo.

Context

• Le attività aziendali generano stream continui da varie fonti, tra cui riunioni vocali e video, chat live, telemetria dei sensori, attività dello schermo e dati transazionali.
• Sono necessari approfondimenti in tempo reale o quasi in tempo reale (nel giro di pochi secondi o minuti e non di ore o giorni) per rispondere e agire efficacemente su questi stream.
• I processi di documentazione manuale non riescono, caratterizzati da basse percentuali di conformità e aggiornamento, elevato carico cognitivo per i dipendenti e acquisizione incompleta di informazioni critiche.
• È necessaria una comprensione multimodale, che combina i dati di audio, video, screen share, chat e altri metadati per creare un contesto completo e preciso di interazioni ed eventi.
• Sono necessarie sia analisi immediate per la formazione in tempo reale e gli avvisi, sia analisi storiche per i riepiloghi post-interazione e l'identificazione delle tendenze a lungo termine.
• Il contesto temporale (memoria episodica) è fondamentale per l'analisi, inclusa la comprensione della sequenza, dei tempi, delle transizioni e degli schemi in varie finestre temporali all'interno degli stream di dati.

Componenti chiave

• Sorgente dello stream
  • Voce e video: Strumenti di videoconferenza (come Slack Huddle, Zoom, Google Meet e Microsoft Teams) e sistemi telefonici
  • Strumenti di collaborazione: Slack, Team e altri
• Connettori di acquisizione stream
  • SDK nativo: SDK fornito dal fornitore che consente di recuperare le trascrizioni o i messaggi che supportano segmenti di stream in tempo reale o trascrizioni
• (Facoltativo) Livello di elaborazione stream
  • Per gli stream audio, se le trascrizioni non sono disponibili in tempo reale, una funzionalità da discorso a testo che traduce l'audio in testo. È anche possibile utilizzare un provider gestito come Amazon Transcribe.
  • Per altri stream di dati, se si desidera, un motore di elaborazione stream come Data 360 o Apache Flink
• Data 360
  • Componenti di Data 360, inclusi DLO e DMO, che memorizzano i dati degli eventi, trasformando e creando streaming o approfondimenti
  • Approfondimenti calcolati, streaming e in tempo reale forniscono agli agenti dati immediati e pertinenti sui clienti, sulla loro attività e sugli approfondimenti critici. Ciò consente la risoluzione preventiva dei problemi, mitigando l'inoltro al livello superiore. Questa consapevolezza della situazione in tempo reale consente agli agenti di offrire interventi tempestivi e assistenza personalizzata ai dipendenti, ottimizzando in questo modo la soddisfazione dei clienti e la produttività operativa.
  • Componenti di Data 360, inclusi DLO e DMO, che archiviano i dati dei clienti, trasformando e creando approfondimenti in tempo reale
  • I recuperatori vettoriali Data 360 e RAG offrono all'agente una visualizzazione unificata di tutti i dati aziendali pertinenti e degli articoli Knowledge non strutturati, garantendo risposte accurate e basate sul contesto.
• Agenti Agentforce. Questo schema si concentra su un agente ambientale che osserva uno stream di dati continuo, ad esempio una trascrizione di una chiamata in diretta o un feed video. Funge da ascoltatore in tempo reale, interpretando i dati non strutturati mentre si verificano. Ad esempio, un agente che ascolta una chiamata in diretta potrebbe invocare un agente di Data Discovery per arricchire il record di un lead in base al nuovo contesto condiviso nella conversazione. Ecco un esempio di agente headless di questo tipo:
  • Agente feedback. Il comportamento e lo scopo dell'agente sono definiti dai seguenti componenti.
    • Argomenti e istruzioni: Definisce la missione principale dell'agente di analizzare gli stream conversazionali ed estrarre feedback strutturati e metriche delle prestazioni. Sono incluse le istruzioni per monitorare il sentiment dei clienti, identificare le menzioni di prodotti o concorrenti chiave e valutare se l'agente umano sta rispettando le procedure consigliate della società o un manuale di vendita.
    • Azioni: Azioni per trasformare dati conversazionali non strutturati in business intelligence di immediato valore pratico. Queste azioni consentono all'agente di creare un record "Riepilogo feedback", registrare le richieste di funzioni del prodotto, segnalare le chiamate con sentiment negativo per la revisione del responsabile e aggiornare un cruscotto digitale per monitorare le prestazioni complessive dell'agente rispetto alle metriche chiave.
    • Guardrail: I guardrail fungono da insieme di regole configurabili e controlli in fase di esecuzione che limitano il comportamento dell'agente. Funge da livello di sicurezza in grado di intercettare i prompt, convalidare le azioni proposte dall'agente e filtrare la risposta finale per prevenire contenuti dannosi, applicare le regole aziendali e garantire che l'agente operi nell'ambito designato.
    • Modelli di prompt: Istruzioni LLM strutturate e basate su modelli che possono ricevere input e fornire un output generato da LLM
• Obiettivi atmosfera
  • Avvisare gli utenti in superficie dove si trovano l'agente e l'utente, ad esempio in una videochiamata o in un'applicazione desktop

Interazioni

1. Quando viene attivato uno stream (ad esempio quando un utente entra nella videochiamata), l'agente si collega come osservatore.
2. L'agente inizia a ricevere i dati dello stream, rileva in modo incrementale gli intenti, prende decisioni e chiama azioni.
3. L'agente contestualizza in base all'intento e recupera dati aggiuntivi (strutturati o non strutturati).
4. L'agente fornisce risposte just in time in tempo reale senza richiedere all'utente: può rilevare un'obiezione in una chiamata di vendita e fornire informazioni importanti per gestire l'obiezione.
5. Gli agenti possono compilare un riepilogo e delle azioni consolidate e condividerli con altri agenti e utenti.

Scambi

Schemi correlati

Schema Ascoltatore/Feed: Può essere combinato con lo schema Listener per elaborare stream in tempo reale di dati di conversazione e interazione degli utenti e mettere in evidenza il contesto e gli approfondimenti pertinenti

Schema interrogatore: Può essere utilizzato in combinazione con questo schema per assemblare il contesto da più fonti all'interno dello stream e rispondere alle domande

Problema

I dipendenti eseguono quotidianamente centinaia di attività critiche per l'azienda in email, calendari, chiamate e applicazioni, ma queste attività rimangono invisibili ai sistemi organizzativi fino a quando non vengono registrate manualmente, il che accade raramente. Questa cecità delle attività significa che i dati CRM sono incompleti, che i modelli AI non hanno i segnali necessari per i consigli intelligenti e che i responsabili non hanno visibilità in tempo reale sul coinvolgimento dei clienti. La registrazione manuale delle attività crea un'imposta sulla produttività, pur perdendo la maggior parte del lavoro effettivo.

Context

Proprio come l'osservatore dello stream, questo è un osservatore di dati e contenuti che fornisce operazioni di immediato valore pratico o esegue azioni per conto dell'utente.

Componenti chiave

• Livello di dati
  • Dati: CRM Dati del cliente disponibili in CRM che forniscono contesto all'agente (ad esempio, quando l'utente si trova in una pagina Opportunità, l'agente può recuperare informazioni sull'opportunità e sull'account associato da CRM).
  • Componenti di Data 360, inclusi DLO e DMO, che memorizzano i dati dei clienti pertinenti inseriti da fonti diverse
  • Approfondimenti calcolati, streaming e in tempo reale forniscono agli agenti dati immediati e pertinenti sui clienti, sulla loro attività e sugli approfondimenti critici. Ciò consente la risoluzione preventiva dei problemi, mitigando l'inoltro al livello superiore.
  • I recuperatori vettoriali Data 360 e RAG offrono all'agente una visualizzazione unificata di tutti i dati aziendali pertinenti e Knowledge non strutturato.
• Agente Agentforce: Questo schema si concentra su un agente ambientale che osserva le azioni di un utente direttamente nell'interfaccia utente. Funge da assistente in tempo reale, comprendendo il contesto del flusso di lavoro dell'utente per fornire indicazioni. Ad esempio, un agente potrebbe monitorare la compilazione di un record caso da parte di un rappresentante dell'assistenza e rendere visibile in modo proattivo un articolo Knowledge pertinente. Ecco un esempio di agente headless di questo tipo:
  • Agente feedback. Il comportamento e lo scopo dell'agente sono definiti dai seguenti componenti.
    • Argomenti e istruzioni: Definisce la missione dell'agente di monitorare le azioni di un utente all'interno dell'interfaccia utente e fornire assistenza contestuale. Ciò include il suo obiettivo (ad esempio, "Guidare un agente dell'assistenza nel processo di risoluzione dei casi") e gli eventi specifici dell'interfaccia utente o gli schemi di immissione dati che deve tenere presenti per offrire assistenza in modo proattivo.
    • Azioni: Azioni, create utilizzando Apex o Flusso, per rendere visibili le informazioni pertinenti e le Next Best Action direttamente nel flusso di lavoro dell'utente. Queste azioni consentono all'agente di recuperare e visualizzare un articolo Knowledge pertinente, suggerire una fase successiva valida in un processo o segnalare un campo di immissione dati che potrebbe violare una regola aziendale, il tutto in risposta all'attività in tempo reale dell'utente.
    • Guardrail: I guardrail fungono da insieme di regole configurabili e controlli in fase di esecuzione che limitano il comportamento dell'agente. Funge da livello di sicurezza in grado di intercettare i prompt, convalidare le azioni proposte dall'agente e filtrare la risposta finale per prevenire contenuti dannosi, applicare le regole aziendali e garantire che l'agente operi nell'ambito designato.
    • Modelli di prompt: Modelli riutilizzabili popolati dinamicamente con dati CRM live tramite campi di unione o dati semantici di Data 360 RAG Retrievers. Questi modelli consentono agli agenti di generare contenuti contestuali e di immagine aziendale mentre Einstein Trust Layer maschera in modo sicuro le informazioni sensibili prima che le istruzioni vengano inviate al componente LLM.
• Obiettivi atmosfera
  • Avvisare gli utenti in superficie dove si trovano l'agente e l'utente, ad esempio su una pagina Web o una pagina amministratore

Interazioni

1. Quando un utente visita una pagina o un'app, l'agente si collega come osservatore.
2. L'agente inizia a esaminare i dati e le azioni, rileva in modo incrementale gli intenti, prende decisioni e chiama le azioni.
3. L'agente contestualizza in base all'intento e recupera dati aggiuntivi (strutturati o non strutturati).
4. L'agente fornisce risposte just in time in tempo reale senza richiedere all'utente e può suggerire le azioni migliori o offrire di eseguirle per conto dell'utente.
5. Gli agenti possono condividerlo senza problemi con altri agenti e utenti.

Scambi

Schemi correlati

Schema Ascoltatore/Feed: Può essere combinato con lo schema Listener per attivare azioni proattive basate sull'attività osservata

Schema di datasteward: L'intelligenza artificiale per l'intercettazione delle attività può utilizzare gli steward dei dati per garantire la qualità e la coerenza dei dati durante la registrazione delle attività intercettate.

Schema generatore: Può essere utilizzato per generare automaticamente riepiloghi attività o operazioni di follow-up in base alle attività intercettate

Questa sezione descrive gli schemi per gli agenti collaborativi, in cui uno o più agenti lavorano di concerto con un utente umano per raggiungere un obiettivo condiviso. Questi procedimenti si concentrano sulla creazione di una partnership senza interruzioni: gli agenti gestiscono la raccolta di dati complessi e l'esecuzione di operazioni mantenendo l'utente aggiornato su decisioni, approvazioni e indicazioni strategiche.

In questo modello, gli agenti gestiscono le parti automatizzabili di un flusso di lavoro. Il processo diventa un loop di feedback dinamico.

• Un essere umano potrebbe avviare un'operazione tramite un agente conversazionale, che attiva un agente proattivo per gestire le fasi di backend.
• Contemporaneamente, un agente ambientale potrebbe osservare le proprie azioni per fornire indicazioni in tempo reale.

Questo processo crea una fusione perfetta tra lavoro umano e digitale. Questo schema illustra come Agentforce facilita un sistema multi-agente e human-in-the-loop per gestire lavori complessi che nessun agente, o persona, potrebbe gestire da solo.

Problema

I processi aziendali richiedono la collaborazione di lavoratori di organizzazioni diverse, sia interne che esterne, ciascuno con lavori distinti che richiedono competenze e priorità diverse. I colli di bottiglia dei processi possono verificarsi in qualsiasi momento e ovunque a causa della capacità delle risorse, dei vincoli di competenza o della quantità di informazioni scambiate.

Context

• I processi si estendono tra i team e richiedono la collaborazione di più membri del team per un esito positivo.
• Gli assistenti degli agenti aiutano già la forza lavoro in scenari individuali come agenti conversazionali, proattivi e ambientali.
• I processi utilizzano gli agenti nei segmenti appropriati dei processi aziendali. Tuttavia, i processi richiedono anche la collaborazione uomo-agente. Questa collaborazione può includere la collaborazione da uomo a uomo con l'assistenza di agenti o di agenti umani.
• I gap di competenza vengono chiusi dagli agenti.
• Gli agenti contribuiscono a migliorare la collaborazione riducendo l'impegno umano in operazioni come i follow-up e lo scambio di informazioni critiche per facilitare il processo decisionale.
• Gli agenti possono anche collaborare e delegare in base a policy e linee guida.

Componenti chiave

• Superficie di collaborazione
  La collaborazione tra agenti richiede uno spazio condiviso in cui tutti i partecipanti, sia umani che agenti, possano interagire. Queste superfici di collaborazione non sono più ambienti statici, solo umani. Si tratta invece di canali in cui gli agenti possono essere invitati a partecipare, contribuire e persino avviare conversazioni, modificando radicalmente la natura del lavoro di squadra. Ad esempio, un agente può creare e avviare un intervento collettivo in Slack invitando esperti di materia umana e altri agenti a collaborare al caso.

• Agenti Agentforce
  Questo schema va oltre gli schemi dei singoli agenti per dimostrare come convergono in un modello Agente collaborativo, orchestrando processi complessi che aumentano in modo intelligente le capacità umane. Gli schemi precedenti (Conversazionale (2.1), Proattivo (2.2) e Ambiente (2.3) definiscono la direzione Componenti Agentforce Agent.c. Un agente conversazionale funge da interfaccia principale, lavorando a fianco dell'essere umano e funge da interfaccia tra gli esseri umani e tutti gli agenti coinvolti nella collaborazione. Quando un'operazione è troppo complessa, l'agente conversazionale avvia una sessione collaborativa, riunendo gli utenti umani e gli agenti headless necessari per lavorare contemporaneamente sul problema. Il processo diventa un loop di feedback dinamico in cui un essere umano può avviare un'operazione, che attiva quindi un agente proattivo per gestire le fasi di backend, mentre un agente ambientale può osservare per fornire indicazioni in tempo reale, creando una fusione perfetta di manodopera umana e digitale.

• Livello dati
  Nel modello di agente collaborativo, il livello di dati svolge un ruolo più dinamico rispetto alla semplice fornitura di informazioni; diventa la memoria permanente e l'area di lavoro condivisa per l'intero team uomo-agente. Benché ogni agente coinvolto abbia le proprie esigenze specifiche in termini di dati, come definito nel rispettivo schema, la sua collaborazione a un'operazione complessa si basa su una base di dati condivisa che tiene traccia dello stato del processo complessivo.

  Questo stato condiviso è cruciale. Poiché un'operazione viene passata da un agente conversazionale a un agente proattivo e quindi a un essere umano per l'approvazione, il livello di dati deve tenere traccia dell'avanzamento, del contesto e delle decisioni prese in ogni fase. Questo garantisce che ogni partecipante abbia una visione coerente e aggiornata dell'episodio.

Interazioni

1. Gli esseri umani avviano una sessione di collaborazione con altri esseri umani e agenti.
2. Vengono definiti contesto, obiettivi, processi e risultati.
3. L'agente arricchisce il contesto inserendo ulteriori informazioni e pianifica in modo proattivo le fasi necessarie per completare il lavoro, insieme ai titolari che sono persone o agenti.
4. L'avanzamento viene osservato, il contesto aggiornato e le azioni vengono eseguite.
5. Laddove gli agenti eseguono il lavoro, l'agente fornisce informazioni dettagliate per aiutare gli stakeholder umani a capire il ragionamento, fornire feedback e consentire le intercettazioni.
6. Gli agenti completano il lavoro con la massima trasparenza e conformità.

Scambi

Schemi correlati

Schema operatore: Gli agenti collaborativi spesso fungono da operatori, instradando le richieste agli agenti di intelligenza artificiale specializzati appropriati o agli agenti dell'assistenza umana e negoziando gli intenti.

Schema orchestratore: Negli scenari che prevedono la collaborazione, un agente orchestratore gestisce un intervento collettivo di agenti AI, aggregando le loro risposte per un'esperienza utente senza interruzioni.

Schema dell'area di lavoro (Radar O'Reilly): Gli agenti collaborativi utilizzano questo schema per gestire un'interfaccia utente reattiva a un unico riquadro di vetro, aggiornando il contenuto pertinente in tempo reale all'interno di un flusso di conversazione.

A differenza degli schemi collaborativi che assistono un utente, gli agenti autonomi sono progettati per una delega completa. Questa sezione fornisce i modelli architettonici per gli agenti che possono pianificare ed eseguire in modo indipendente operazioni complesse in più fasi per raggiungere un obiettivo di alto livello senza richiedere l'intervento umano. L'attenzione qui è sulla creazione di un sistema a cui è possibile assegnare un obiettivo e Trust per eseguirlo dall'inizio alla fine.

Problema

L'organizzazione realizza valore attraverso una serie di processi estremamente complessi, ciascuno con processi basati sulle policy, playbook e competenze specifiche specifiche necessarie per l'esecuzione. Si tratta spesso di programmi che richiedono un investimento significativo di tempo e risorse.

L'impostazione di un nuovo programma ha un elevato sovraccarico e può richiedere mesi prima di realizzare il valore. L'implementazione di feedback e miglioramenti spesso richiede più tempo e impegno. La complessità è determinata principalmente dalla struttura dell'organizzazione, in cui le applicazioni e i processi distribuiti possono causare dipendenze che richiedono la gestione del programma da parte degli esseri umani.

Context

• Gli agenti possono operare in modo indipendente dall'inizio alla fine. Gli agenti sono progettati e configurati in modo che l'obiettivo, il piano e la strategia siano predefiniti.
• Gli agenti possono prendere tutte le decisioni senza richiedere l'approvazione umana. Agli agenti vengono fornite linee guida per policy e conformità.
• Gli agenti possono accedere al contesto e ai dati necessari e possono eseguire le azioni necessarie senza bisogno di persone.
• Gli esseri umani vengono avvisati ma non sono "aggiornati".

Componenti chiave

• Livello di definizione obiettivo e strategia
  • Playbook del processo: Descrizioni dettagliate dell'esecuzione autonoma con regole deterministiche che gli agenti devono seguire
  • Criteri decisionali autonomi: Regole che consentono agli agenti di prendere decisioni senza richiedere l'approvazione umana
  • Regole di fallback: Azioni predefinite per la gestione degli scenari predefiniti o di eccezione quando il processo principale di un agente non riesce
  • Ambiti: Confini chiaramente definiti che descrivono ciò che gli agenti possono e non possono fare, incluso il modo in cui devono essere gestite le situazioni fuori dall'ambito
  • Criteri di successo e definizione di done: Le metriche e le condizioni che determinano quando l'operazione di un agente viene completata correttamente
• Agenti Agentforce
  • Agente orchestratore o coreografo: L'agente principale titolare dell'obiettivo, dei motivi e dei piani di esecuzione
    • Argomenti e istruzioni: Una volta definito un obiettivo, l'orchestratore o l'agente coreografo assume l'iniziativa di suddividere l'obiettivo generale in lavori più piccoli e gestibili o operazioni secondarie. Definisce un piano completo che delinea la sequenza dei processi e identifica gli agenti o gli strumenti specifici necessari per ogni fase. Infine, l'agente orchestratore garantisce la perfetta esecuzione del piano, monitorando l'avanzamento, gestendo le dipendenze e apportando le modifiche necessarie per raggiungere l'obiettivo in modo efficiente ed efficace. Nel caso di un agente coreografo, passa il contesto e lo stato agli agenti a valle per portare a termine il lavoro.
    • Azioni: Le azioni richiedono strumenti per eseguire una funzione, recuperare dati o delegare ad altri agenti headless, abilitando una gamma più ampia di funzionalità e flussi di lavoro più complessi.
    • Guardrail: I guardrail fungono da insieme di regole configurabili e controlli in fase di esecuzione che limitano il comportamento dell'agente. Funge da livello di sicurezza in grado di intercettare i prompt, convalidare le azioni proposte dall'agente e filtrare la risposta finale per prevenire contenuti dannosi, applicare le regole aziendali e garantire che l'agente operi nell'ambito designato.
• Livello dati
  • Dati CRM: Dati dei clienti disponibili in CRM che forniscono contesto a uno o più agenti
  • Componenti di Data 360, inclusi DLO e DMO, che memorizzano i dati dei clienti pertinenti inseriti da fonti diverse
  • Approfondimenti calcolati, streaming e in tempo reale forniscono agli agenti dati immediati e pertinenti sui clienti, sulla loro attività e sugli approfondimenti critici. Ciò consente la risoluzione preventiva dei problemi (ad esempio, la gestione dei rimbalzi delle email), mitigando l'inoltro al livello superiore.
  • I recuperatori vettoriali Data 360 e RAG offrono all'agente una visualizzazione unificata di tutti i dati aziendali pertinenti e Knowledge non strutturato
  • Dati del canale Slack come la cronologia dei casi e la cronologia degli agenti conversazionali che forniscono il contesto della conversazione
• Monitoraggio e sorveglianza
  • Monitoraggio dell'avanzamento degli obiettivi degli agenti: Monitora l'avanzamento delle sessioni degli agenti autonomi per misurare i risultati e garantire l'allineamento agli obiettivi
  • Monitoraggio delle operazioni degli agenti: Monitora lo stato in tempo reale degli agenti autonomi per l'intervento e la risoluzione dei problemi, garantendo un funzionamento senza problemi
  • Monitoraggio della governance degli agenti: Tiene traccia dei registri di traccia e controllo per garantire che gli agenti autonomi rispettino obiettivi, obiettivi e linee guida etiche predefiniti

Interazioni

1. Il processo viene definito con esiti chiari.
2. Il processo viene avviato tramite uno dei metodi seguenti:
   • Viene incaricato un agente.
   • Un agente seleziona il lavoro in modo proattivo in base alle qualifiche.
   • Un agente esegue il processo in background.
3. L'agente stabilisce chiaramente le aspettative e informa le persone, descrivendo l'obiettivo, il piano e la strategia. Il piano descrive passo per passo i processi, gli agenti utilizzati, i dati utilizzati, l'ambito, il piano di valutazione degli agenti e i checkpoint per gli utenti per monitorare l'avanzamento, le operazioni e la governance.
4. L'agente inizia l'esecuzione. Ad ogni punto saliente, aggiorna lo stato e l'avanzamento. Gli esseri umani hanno la capacità di fornire feedback o intercettare gli agenti in base alle esigenze.
5. L'agente completa il processo. L'esito e i risultati sono disponibili nel cruscotto digitale di monitoraggio.

Scambi

Schemi correlati

Schema Project Manager: Gli agenti autonomi spesso incarnano questo schema, supervisionando processi a più fasi di lunga durata dall'inizio al completamento con un intervento umano minimo.

Schema del configuratore: Gli agenti autonomi possono utilizzare questo schema per generare e convalidare automaticamente le configurazioni in base ai requisiti del linguaggio naturale o alle policy predefinite, garantendo conformità e precisione senza supervisione manuale.

Modello Zen Data Gardener: Questo schema può essere utilizzato dagli agenti autonomi per la preparazione e la standardizzazione pianificata dei dati in background, garantendo qualità e coerenza dei dati nel tempo per supportare un processo decisionale preciso degli agenti.

Ora, daremo vita alla tassonomia e agli schemi degli agenti esplorando come vengono implementati in Salesforce Platform. Per coloro che non hanno familiarità con i componenti principali di Agentforce, l'appendice fornisce un utile aggiornamento sulle tecnologie chiave cui si fa riferimento in questo capitolo e in quello successivo.

Questa sezione riprende la tassonomia degli agenti e illustra ciascuno con un caso d'uso comune per mostrare come vengono utilizzati nelle applicazioni del mondo reale.

Un cliente, Jane, visita il sito Web di un'azienda per controllare lo stato del suo ordine recente.

• Interazione: Jane apre la finestra della chat (il client Chat Agentforce).
• Azione agente: L'agente di conversazione la saluta e chiede come può essere utile. Jane chiede: "Dov'è il mio ultimo ordine?"
• Processo:
  1. L'agente, basandosi sulle informazioni del cliente di Jane da Salesforce, identifica il suo ordine più recente.
  2. Esegue una query sul sistema di spedizione (tramite un connettore MuleSoft) per le informazioni di tracciamento più recenti e fornisce a Jane un aggiornamento in tempo reale e un link di tracciamento.
  3. Quindi cerca la polizza e passa automaticamente alla spedizione rapida.
  4. Quando Jane pone una domanda complessa che l'agente non è in grado di gestire, la chat viene inoltrata senza problemi a un agente dell'assistenza, fornendo la trascrizione completa per il contesto.

Procedimento

Schemi utilizzati: Schema AI conversazionale, Integrazione dei dati transazionali agli agenti

Tempo di progettazione

1. Impostare un agente di conversazione.

   Impostazione della chat ottimizzata	→	Crea agente dell'assistenza	→	Argomento Definisci ordini di assistenza	→	Azione Crea Ottieni ordine
   						↓
   Aggiunta del flusso Omnicanale di inoltro al livello superiore in uscita	←	Argomento Crea inoltro al livello superiore	←	Aggiunta di azioni agli argomenti	←	Azione Crea Ottieni stato
   ↓
   Pubblicazione dell'agente

2. Impostare Chat ottimizzata come punto di ingresso chat di Jane in modo che possa aprire la finestra Agentforce nella pagina Web.
3. Abilitare Agentforce e creare un agente dell'assistenza in Agentforce Builder per gestire le conversazioni e attivare azioni personalizzate.
4. Definire un argomento Ordini di assistenza con una descrizione e le istruzioni in modo che l'agente riconosca automaticamente "Dov'è il mio ultimo ordine?".
   1. Creare azioni personalizzate per gli agenti:
      1. Azione Ottieni ultimo ordine di contatto per recuperare l'ordine più recente di Jane
      2. Azione Get Shipping Status by Order ID (Ottieni stato spedizione per ID ordine) per recuperare le informazioni di tracciamento tramite MuleSoft
      3. Se si desidera, orchestrare entrambe le azioni in Flusso (recupero dell'ordine più recente e chiamata MuleSoft) utilizzando azioni esterne.
      4. Aggiungere entrambe le azioni all'agente dell'assistenza nel Generatore, collegarle all'argomento Ordini e tracciamento e pubblicare.
5. Definire un argomento Inoltro al livello superiore con una descrizione da inoltrare a un agente dell'assistenza.
   • Creare e attivare un flusso Omnicanale in uscita.
   • Aggiungerlo alla scheda Connessioni del generatore per l'inoltro al livello superiore con un messaggio di inoltro al livello superiore.
6. Impostare Omnicanale.

   Configurazione di Omnicanale

   →

   Definire le regole di inoltro al livello superiore nelle istruzioni

   →

   Impostare le priorità e la capacità

   →

   Testare e convalidare

7. Abilitare l'inoltro senza interruzioni agli agenti dell'assistenza quando l'agente AI non è in grado di risolvere la query. Configurare l'instradamento Omnicanale per assegnare le chat agli agenti dell'assistenza e trasferire la trascrizione completa per il contesto.
8. Integrare la logica di inoltro al livello superiore nelle istruzioni Agentforce e in un'azione di inoltro al livello superiore in modo che l'agente sappia quando trasferire i casi complessi. Gestire priorità e capacità di instradamento tramite il supervisore Omni.
9. Testa l'esperienza completa: Jane apre la chat e l'agente la saluta, identifica il suo ordine, recupera i dati di spedizione e inoltra il tutto al livello superiore senza problemi quando è necessario l'intervento umano (vedere anche Abilitazione dei registri eventi ottimizzati).
10. Impostare l'integrazione dei dati.

    Mappatura dei dati di contesto

    →

    Creazione delle credenziali API MuleSoft

    →

    Registrazione del servizio esterno MuleSoft

11. È possibile collegare l'agente al contesto Salesforce di Jane mappando i record referente e ordine tramite chat autenticata o moduli pre-chat.
12. Connettere Salesforce in modo sicuro all'API spedizioni MuleSoft utilizzando credenziali esterne e denominate per l'autenticazione.
13. Se MuleSoft espone una specifica OpenAPI, registrarla come servizio esterno in modo che Flusso e l'agente possano chiamarla in modo dichiarativo.
14. Impostare l'integrazione dei dati non strutturati.
    1. Creare una nuova libreria dati da Imposta. Assegnarle il nome "Ordine e politica di spedizione".
    2. Aggiungere i PDF dei documenti della polizza che contengono le eccezioni della polizza di spedizione.
    3. Dietro le quinte, i documenti vengono automaticamente suddivisi in blocchi, indicizzati e resi pronti per l'uso.

Flusso processo Runtime agente

Una volta impostato e distribuito l'agente, in fase di esecuzione si verifica la seguente sequenza di passaggi.

1. Avvio chat: Jane apre la chat Agentforce (servizio incorporato). Sessione e contesto referente vengono caricati dopo l'accesso di Jane.

2. Saluto e intento: L'agente saluta Jane. Jane chiede lo stato di un ordine e il rilevamento dell'intento mappa "ultimo ordine" all'argomento Ordini e tracciamento.

3. Ricerca CRM: L'agente attiva l'azione Ottieni ultimo ordine ed esegue una query in Salesforce (riepilogo ordine/ordini) per il record più recente di Jane.

4. Query di spedizione: L'agente chiama l'API MuleSoft tramite una credenziale denominata e /shipping/status/{orderId} restituisce uno stato in tempo reale e un URL di tracciamento.

5. Composizione della risposta: Agentforce unisce i risultati e compone una risposta: "Il tuo ordine [OrderID] spedito tramite [Carrier], in arrivo domani — [Traccia qui]."

6. Fallback: In caso di mancata corrispondenza o errore dell'API, l'agente si scusa e si offre di riprovare a risolvere eventuali problemi dei dati.

7. Inoltro al livello superiore: Le query complesse o emotive vengono trasferite automaticamente a un utente tramite Omnicanale, trasmettendo la chat completa e il contesto.

8. Registrazione: Tutti gli intenti, le azioni e gli esiti sono memorizzati nei registri di interazione. La latenza API viene monitorata in Anypoint Monitoring.

9. Miglioramento continuo: Gli inoltri al livello superiore alimentano la riaddestramento Agentforce; i flussi comuni vengono perfezionati nel rilascio successivo.

Un cliente di valore elevato, John, ha aggiunto al carrello online prodotti per un valore superiore a 1.000 € ma non completa l'acquisto entro 60 minuti.

• Trigger: Dal sistema di ecommerce viene attivato un evento Salesforce Platform, Cart_Abandoned__e, contenente l'ID referente di John e il valore del carrello.
• Azione agente: Un agente proattivo, abbonato a questo evento, entra immediatamente in azione.
• Processo:
  1. L'agente controlla il record di John in Salesforce e vede che è un cliente VIP.
  2. Crea un'operazione con priorità alta per il responsabile account di John, Sarah, con tutti i dettagli del carrello abbandonato.
  3. Invia una notifica a Sarah tramite Slack, invitandola a seguirla.
  4. Contemporaneamente, iscrive John a un journey Marketing Cloud mirato che invia un'email di promemoria con un codice sconto del 10% a tempo limitato per incoraggiarlo a completare l'acquisto.

Procedimento

Questo procedimento descrive in dettaglio l'implementazione di un agente AI proattivo in Salesforce Platform per gestire l'abbandono dei carrelli di valore elevato da parte dei clienti VIP. La soluzione sfrutta Salesforce Platform Events, Data 360 for Knowledge retrieval e Agentforce per orchestrare azioni di follow-up tempestive e intelligenti, trasformando così i dati passivi in un coinvolgimento aziendale attivo.

Tempo di progettazione

1. Impostare un evento carrello abbandonato da attivare quando John, un cliente VIP, lascia il carrello abbandonato.

   Crea campo Referente personalizzato

   →

   Definizione di un nuovo evento piattaforma

   1. Creare un evento piattaforma Cart_Abandoned__e con i campi ID referente, Valore carrello, DateTime ultimo aggiornamento carrello e Dettagli carrello.
   2. Configurare l'evento di abbandono: Utilizzando Commerce Cloud, creare un evento piattaforma per le notifiche degli eventi Checkout. L'abbandono viene rilevato quando lo stato della sessione di Checkout carrello è intermedio e la sessione scade dopo una soglia. In alternativa, se l'ecommerce è un sistema esterno, pubblicare l'evento in Salesforce utilizzando uno dei metodi seguenti: Flussi, Apex, API Salesforce o API Pub/Sub.
   3. Nell'oggetto Referente, creare un nuovo campo, Customer_Tier__c, con i valori dell'elenco di selezione Standard, Premium e VIP.
2. Impostare l'inserimento di dati non strutturati in Data 360: Aggiungere un documento della policy sugli sconti proveniente da un archivio di documenti a Data 360 tramite Amazon S3.

   Creazione delle credenziali AWS S3	→	Creazione di un nuovo stream di dati S3	→	Configurazione e distribuzione dello stream	→	Crea indice di ricerca
   						↓
   				Funzione di recupero test	←	Configurazione e distribuzione dell'indice

   1. Creare credenziali esterne per accedere a S3: Creare un nuovo insieme di chiavi di accesso e segreti per un utente IAM o IAM Amazon Resource Name (ARN) per un IdP.
   2. Creare un nuovo stream di dati S3: Nella scheda Stream di dati, creare lo stream di dati Policy Documents Stream (Stream documenti policy), selezionare l'origine S3, scegliere il tipo di file PDF, impostare la frequenza di aggiornamento, mappare i campi dei metadati (nome e dimensione del file) e quindi distribuire.
   3. Al termine dello stream di dati, creare un indice di ricerca: Utilizzare l'estrazione del passaggio per suddividere, il modello di incorporamento E5-large-v2 e il tipo di ricerca ibrida e quindi distribuire l'indice.
   4. Testare la funzione di recupero creata.
3. Impostare l'agente VIP Cart Recovery.

   Crea agente dal modello	→	Aggiungi argomento Recupera carrello VIP	→	Aggiungi istruzioni argomento	→	Azione di avviso Crea Slack
   						↓
   Aggiunta di azioni all'argomento	←	Creazione di un'azione di iscrizione al journey	←	Azione Crea offerta sconto	←	Crea operazione di ripristino carrello

   1. Creare un agente dal modello Agentforce Employee Agent.
   2. Aggiungere un nuovo argomento, Recupera carrello VIP, con la descrizione che questo agente gestisce l'abbandono del carrello di valore elevato per i clienti VIP.
   3. Aggiungere istruzioni sull'argomento per convalidare lo stato VIP, qualificare il carrello, informare il responsabile account in Slack, consigliare un'offerta di sconto e iscrivere il cliente al journey email di recupero carrello.
   4. Creare azioni e un'operazione.
      • Azione Avvisa responsabile account: Invia una notifica Slack proattiva
      • Operazione Recupera carrello abbandonato, assegnata al responsabile con i dettagli del carrello
      • Azione Ottieni offerta di sconto: Analizza la cronologia delle polizze e degli acquisti precedenti. Creare un modello di prompt con radicamento nel contesto, fare riferimento alla funzione di recupero nel modello di prompt e utilizzare i dati.
      • Azione Iscriviti al journey di ripristino: Si iscrive al journey di ripristino di Marketing Cloud tramite l'API e riceve tutti i dati dell'abbonato e il messaggio email dell'offerta scontata generato dall'agente.
   5. Aggiungere le azioni all'argomento.
   6. Creare un journey di ripristino del carrello del cliente VIP utilizzando i modelli in Marketing Cloud o creare un nuovo journey.
4. Collegare un evento piattaforma per chiamare l'agente.

   Crea flusso attivato da evento

   →

   Abbonamento all'evento piattaforma

   →

   Aggiungi azione invocabile agente

   →

   Passare i dati degli eventi all'agente

   1. Creare un nuovo flusso attivato da evento piattaforma, VIP Cart Abandonment Recovery.
   2. Selezionare l'evento Carrello abbandonato a cui deve abbonarsi il flusso.
   3. Impostare un'azione invocabile in Flow Builder e selezionare l'agente VIP Cart Recovery. Inviare la richiesta per avviare il recupero di un carrello abbandonato VIP per il cliente e inviare il payload dell'evento piattaforma.

Flusso processo Runtime agente

Una volta impostato e distribuito l'agente, in fase di esecuzione si verifica la seguente sequenza di passaggi.

1. Rilevamento abbandono carrello: John aggiunge 1.200 € al carrello e nessun Checkout o avanzamento di fase dopo 60 minuti attiva l'abbandono.
2. Pubblicazione evento piattaforma: Commerce Cloud pubblica l'evento Cart_Abandoned__e con l'ID referente di John, il valore del carrello di 1.200 $, la data di modifica del carrello e altri dettagli.
3. Inizializzazione del flusso: L'evento piattaforma attiva il flusso di ripristino abbandono carrello VIP.
4. Attivazione agente dipendente: Quando viene eseguito il flusso, l'agente VIP Cart Recovery viene richiamato.
5. Esecuzione argomento: L'agente passa all'argomento Recupera carrello VIP ed esegue le istruzioni.
6. Creazione della notifica: L'agente avvisa Sarah, la responsabile account di John in Slack.
7. Creazione operazione: L'agente crea un'operazione per Sarah, informandola dei follow-up che eseguirà.
8. Analisi degli sconti: L'agente esegue l'analisi degli sconti chiamando la funzione di recupero di Data 360 per chiedere "sconti massimi consentiti" in base al valore del carrello, al livello del cliente e alla cronologia degli acquisti. In questo caso, la funzione consiglia un'offerta di sconto del 10%.
9. Preparazione email e iscrizione al journey: L'agente prepara un'email di offerta di sconto e iscrive John al journey Marketing Cloud VIP Customer Cart Recovery con il nuovo prezzo del carrello.
10. Registrazione e attribuzione: John riscatta l'offerta, creando un'attribuzione del registro e le metriche di conversione.
11. Analisi dei commenti: Il risultato viene analizzato per determinare ulteriormente le offerte, il tempo necessario per il recupero e altri fattori di ottimizzazione.

Un agente di vendita, David, è impegnato in una chiamata di scoperta con un nuovo cliente potenziale. Un agente intelligente monitora attivamente la chiamata in tempo reale, fornendo assistenza immediata a David rispondendo alle domande del cliente potenziale.

Esempio: Se il cliente potenziale chiede informazioni su una specifica di prodotto specifica, l'agente recupera automaticamente i dettagli pertinenti e li consegna a David tramite Slack o un messaggio privato.

• Trigger: Un cliente potenziale pone una domanda che richiede informazioni specifiche sul prodotto durante una chiamata Discovery con un agente di vendita (David).
• Azione agente: L'agente ambientale analizza continuamente i registri delle chiamate e i messaggi, identificando e recuperando in modo intelligente le informazioni richieste.
• Processo:
  1. L'agente analizza la trascrizione della chiamata in tempo reale.
  2. Identifica automaticamente le voci delle azioni chiave e recupera le informazioni pertinenti.
  3. In questo caso, l'agente recupera le informazioni sul prodotto direttamente da Salesforce.
  4. Quindi presenta automaticamente le informazioni recuperate a David tramite Slack o un messaggio privato.

Procedimento

In questo procedimento sono presenti prerequisiti che richiedono funzionalità di sintesi vocale in tempo reale e si presume che siano disponibili tramite il provider di comunicazioni. Ad esempio, ecco un procedimento per integrare le chiamate Zoom.

Prerequisito: Esempio di trascrizione in tempo reale di una chiamata Zoom:

• Creare un'app Zoom nella Zoom Developer Platform con gli ambiti richiesti per la lettura della registrazione, l'invio di webhook e lo stream di incontri. Abilitare le funzioni del prodotto richieste, ad esempio Realtime Media Streams (RTMS).
• Impostare un server di segnalazione intermedio (esempio RTMS zoom) che riceve lo stream audio, lo inoltra al servizio Amazon Transcribe e restituisce il testo trascritto. Le trascrizioni vengono quindi pubblicate in Salesforce come evento piattaforma.

Tempo di progettazione

1. Impostare un agente Sales Call Realtime Response.

   Crea agente dal modello	→	Aggiungi argomento chiamata assistita	→	Aggiungi istruzioni argomento	→	Creazione di un'azione di analisi della trascrizione
   						↓
   		Aggiunta di azioni all'argomento	←	Azione Crea approfondimenti Slack	←	Creazione di un'azione specifica prodotto

   1. Creare un agente dal modello Agentforce Employee Agent.
   2. Aggiungere un nuovo argomento, Chiamata di assistenza, con la descrizione che l'agente ascolta le trascrizioni live, comprende l'intento e aiuta con i dati dei prodotti.
   3. Aggiungere istruzioni sull'argomento per analizzare le trascrizioni, recuperare le specifiche del prodotto e inviare messaggi Slack.
   4. Creare azioni.
      • Azione Analizza trascrizione chiamata: Analizza i dati delle trascrizioni delle chiamate ricevute in tempo reale ed estrae le domande o le azioni chiave
      • Azione Get Product Spec (Ottieni specifiche prodotto): Esegue query sugli articoli di Product Knowledge
      • Inviare approfondimenti Slack all'utente "interno"
   5. Aggiungere le azioni all'argomento.
2. Impostare una libreria di dati Product Knowledge.

   Creazione di una nuova libreria di dati

   →

   Aggiunta di articoli Knowledge

   →

   Blocchi e indici di sistema

   →

   Libreria di terra in azione

   1. Creare una nuova libreria dati da Imposta. Chiamalo "Product Knowledge".
   2. Aggiungere gli articoli Knowledge che contengono le informazioni sul prodotto.
   3. Dietro le quinte, i documenti vengono automaticamente suddivisi in blocchi, indicizzati e resi pronti per l'uso.
   4. Utilizzare la base nell'azione Ottieni specifica prodotto.
3. Pubblicare la trascrizione in tempo reale in Salesforce tramite l'API Pub/Sub.

   Il server riceve la trascrizione audio

   →

   Il server pubblica l'evento piattaforma

   1. Creare un evento piattaforma, Transcript_Segment__e, con i campi ID chiamata, Sequenza, Relatori, Ora iniziale segmento, Ora finale segmento, Durata e Dati di trascrizione.
   2. Nel server di segnalazione (vedere la sezione dei prerequisiti), una volta ricevuto il testo trascritto dall'audio, pubblicare immediatamente i dati tramite l'evento Transcript_Segment__e. È possibile pubblicare l'evento in Salesforce utilizzando uno dei metodi seguenti: Flussi, Apex, API Salesforce o API Pub/Sub.
4. Flusso di fili per abbonarsi all'evento Transcript_Segment__e pubblicato.

   Crea flusso attivato da evento	→	Evento Abbonati alla trascrizione	→	Aggiungi azione invocabile agente	→	Invia payload all'agente
   						↓
   						L'agente invia il DM Slack

   1. Creare un nuovo flusso attivato da evento piattaforma, Discovery Call Insights.
   2. Selezionare l'evento Transcript_Segment__e a cui deve abbonarsi il flusso.
   3. Impostare un'azione invocabile in Flow Builder e selezionare l'agente Sales Call Realtime Response. Inviare il payload dell'evento per l'instradamento all'argomento Chiamata di assistenza. Dopo aver derivato la domanda dall'argomento, la domanda viene inviata all'azione Ottieni specifica prodotto per una risposta.
   4. La risposta finale viene compilata e inviata immediatamente all'utente tramite un DM Slack.

Flusso processo Runtime agente

Una volta impostato e distribuito l'agente, in fase di esecuzione si verifica la seguente sequenza di passaggi.

1. Iniziazione chiamata: David avvia una chiamata Discovery con un cliente potenziale in una chiamata Zoom. Zoom RTMS trasmette l'audio live all'endpoint di trascrizione del server di segnalazione.
2. Trascrizione in tempo reale: Il server di segnalazione riceve l'audio, lo trascrive in testo e pubblica un evento piattaforma Segmento trascrizione in Salesforce Platform.
3. Ascolto degli agenti e classificazione contesto: Salesforce riceve l'evento piattaforma e attiva il flusso Approfondimenti chiamata Discovery.
4. Il flusso avvia l'agente Sales Call Realtime Response che riceve il segmento, identifica le domande (ad esempio "Il tostapane 2XP si integra con i dispositivi mobili?") e le classifica nell'argomento Chiamata di assistenza.
5. Recupero Knowledge: L'agente attiva l'azione Ottieni specifica prodotto ed esegue una query sui dati Knowledge per trovare le risposte corrispondenti.
6. Invia DM Slack privato: L'agente esegue Invia approfondimento Slack, pubblicando nel DM Slack di David: "Product Toaster 2XP può essere integrato con dispositivi Apple e Android e può essere collegato tramite Bluetooth. Una volta installata l'app, è sufficiente connettersi tramite Bluetooth e azionare il tostapane. Ecco il link al manuale."
7. Continuazione in tempo reale: L'agente continua a ricevere il testo della trascrizione; se emergono più approfondimenti, inserisce nei thread le risposte Slack contestuali senza interrompere il flusso di chiamata.
8. Riepilogo post-chiamata: Al termine della sessione, l'agente compila automaticamente un riepilogo: domande chiave, azioni intraprese e prodotti con riferimenti.
9. Miglioramento continuo: Agentforce Analytics valuta la latenza trascrizione-risposta, la precisione delle corrispondenze dei prodotti e i risultati di vendita per perfezionare le istruzioni sull'argomento nel tempo.

Un responsabile vendite, Bob, assegna un compito a un agente autonomo con un obiettivo: "Aumentare le nostre opportunità di vendita nel settore manifatturiero della California di 5 milioni di dollari nei prossimi 60 giorni."

• Trigger: Il responsabile assegna l'obiettivo tramite un comando in Slack.
• Azione agente: L'agente autonomo inizia il loop di pianificazione ed esecuzione.
• Processo:
  1. Ricerca: L'agente esegue una query in Salesforce Data 360 e nelle fonti di dati esterne (tramite MuleSoft) per identificare le aziende del settore manifatturiero della California che non sono clienti correnti.
  2. Qualifica: Analizza queste aziende alla ricerca di segnali di acquisto come round di finanziamento recenti, nuove assunzioni di dirigenti o annunci di lavoro pertinenti. Valuta e assegna la priorità ai primi 20 clienti potenziali.
  3. Identifica referenti: Trova i referenti chiave (ad esempio i vicepresidenti delle attività e i responsabili di stabilimento) presso queste aziende.
  4. Spostamento: Crea bozze di email di contatto personalizzate per ogni referente, che fanno riferimento a notizie aziendali o punti deboli specifici. Pianifica l'invio di questi messaggi email nella settimana successiva.
  5. Seguito: Tiene traccia delle aperture e delle risposte delle email. Una risposta positiva da parte di un cliente potenziale attiva un'analisi del suo calendario per suggerire gli orari degli incontri, generando automaticamente un evento Salesforce e una nuova opportunità alla conferma.
  6. Rapporto: Fornisce Rapporti sull'avanzamento al responsabile vendite di Slack.

Procedimento

Si tratta di uno scenario multi-agente in cui ogni agente esegue un'operazione specifica e passa il contesto, i dati e il controllo all'agente successivo. Useremo alcuni agenti headless personalizzati per la ricerca e la qualifica e l'agente Sales Development Agent (SDR) pronto all'uso per il contatto e il monitoraggio dei clienti potenziali. Assumeremo anche che la società di Bob utilizzi ZoomInfo per le sue ricerche di mercato. L'azienda riceve anche i dati della rete di fornitori che sono conservati in un database e contengono informazioni preziose sulle aziende con cui collabora.

Tempo di progettazione

1. Impostare l'architettura multi-agente.

   L'agente di ricerca raccoglie informazioni

   →

   L'agente qualificato calcola il punteggio del lead

   →

   L'agente DSP inizia il contatto

   1. Agente di ricerca: Esegue query su Data 360 e fonti esterne tramite MuleSoft
   2. Agente qualificato: Assegna priorità, calcola il punteggio e arricchisce i lead
   3. Agente DSP: Ottiene le assegnazioni dei lead, esegue il contatto, segue e pianifica gli incontri. Monitorare l'attività e l'avanzamento degli agenti SDR con Agentforce Analytics per gli agenti SDR.
2. Scoprire e inserire nuovi dati aziendali.

   Creazione di un nuovo spazio dati

   →

   Inserimento di dati Salesforce CRM

   →

   Inserimento di dati ZoomInfo

   →

   Inserimento dei dati del database dei fornitori

   1. Impostare un nuovo spazio dati denominato Vendite e marketing. Questo nuovo spazio dati conterrà tutti i dati necessari per gli agenti autonomi.
   2. Utilizzare i connettori Salesforce per far fluire i dati di Lead, Account, Referente e Opportunità CRM nello spazio dati.
   3. Configurare un connettore Data 360 per ZoomInfo. Far fluire i dati nello spazio dati di vendita e marketing di Data 360.
   4. Configurare il connettore Anypoint Salesforce Data 360 per connettersi al database dei fornitori e inserire i dati in Data 360.
3. Impostare un evento piattaforma per avviare l'agente Ricerca e qualifica headless.

   Crea nuovo evento piattaforma

   1. Creare un nuovo evento piattaforma AgentGoal__e con l'obiettivo sul campo che acquisisce l'obiettivo generale dell'utente umano.
4. Impostare un agente Goal Orchestrator, un agente di intelligenza artificiale conversazionale che riceve l'obiettivo dell'utente e lo orchestra ad altri agenti.

   Crea agente dal modello	→	Aggiungi argomento Obiettivo analisi	→	Aggiungi istruzioni argomento	→	Azione Crea evento obiettivo
   						↓
   						Aggiungi azione all'argomento

   1. Creare un agente dal modello Agentforce Employee Agent.
   2. Aggiungere un nuovo argomento, Analizza obiettivo, con la descrizione che l'agente comprende l'intento dell'obiettivo ed è in grado di chiamare altri agenti in base alle esigenze.
      • Aggiungere istruzioni sull'argomento per analizzare l'obiettivo e attivare eventi per altri agenti.
   3. Creare un evento Obiettivo, AgentGoal__e.
5. Impostare un agente Ricerca e qualifica lead, attivato da un agente orchestratore.

   Crea argomento di ricerca	→	Creazione di un'azione di deduplica	→	Creazione di un'azione di arricchimento lead	→	Creazione di un'azione di calcolo del punteggio lead
   						↓
   				Aggiunta di azioni all'argomento	←	Creazione di un'azione di qualificazione lead

   1. Creare un argomento Ricerca di potenziali clienti con la descrizione "Ricerca di nuovi lead in una regione o in uno stato".
   2. Creare azioni.
      • Azione Apex lead duplicato: Controllare e convalidare i nuovi lead rispetto ai clienti esistenti
      • Azione Arricchisci lead Apex, che utilizza un modello di prompt: Esamina l'approfondimento marketing non strutturato e i dati del database dei fornitori per arricchire i dati dei lead
      • Azione Punteggio lead: Calcolo del punteggio proattivo di un lead con i dati dei lead aggiornati
      • Azione Qualifica lead per agente: In base al punteggio, assegnare i parametri che qualificano il lead per un agente DSP
6. Impostare un agente SDR Agentforce per eseguire attività di contatto, lead nurturing e pianificazione degli incontri.

   Creazione di un agente DSP dal modello	→	Configurazione della Knowledge Base agente	→	Configurazione delle impostazioni email degli agenti	→	Impostazione delle regole di assegnazione dei lead
   						↓
   						Definire criteri per i lead qualificanti

   1. Creare un nuovo agente DSP dalla pagina Imposta utilizzando il modello Agente lead Nurture preconfigurato. Configurare le impostazioni email e le regole di assegnazione dei lead selezionando l'oggetto Lead o Referente e definendo i criteri di qualificazione (punteggio lead soglia e nuovo lead) per le regole di assegnazione.
   2. Impostare Agentforce Lead Nurturing configurando l'agente, assegnando le autorizzazioni e impostando la cadenza e le regole di assegnazione.
   3. Configurare Knowledge necessario per l'agente SDR per rispondere alle domande.
7. Impostare un nuovo flusso per abbonarsi all'evento AgentGoal__e pubblicato.

   Crea flusso attivato da evento

   →

   Evento Abbonati all'obiettivo agente

   →

   Aggiungi azione invocabile agente

   1. Creare un nuovo flusso attivato da evento piattaforma denominato Instrada obiettivi agli agenti.
   2. Selezionare l'evento Obiettivo agente a cui il flusso deve abbonarsi.
   3. Impostare un'azione invocabile in Flow Builder e selezionare l'agente Ricerca e qualifica lead.

Flusso processo Runtime agente

Una volta impostato e distribuito l'agente, in fase di esecuzione si verifica la seguente sequenza di passaggi.

• Assegnazione obiettivo: Bob incarica un agente autonomo di "aumentare le opportunità in corso di realizzazione nella produzione in California di 5 milioni di dollari in 60 giorni".
• Orchestrazione obiettivo: L'agente Goal Orchestrator autonomo riceve l'obiettivo, analizza l'intento e crea un evento piattaforma, AgentGoal__e. L'agente Goal Orchestrator è progettato per espandere continuamente le proprie funzionalità per gestire più obiettivi. È possibile espanderlo per aggiungere ulteriori funzionalità di orchestrazione o chiedere chiarimenti all'utente per comprendere meglio l'intento e avviare l'obiettivo.
• Instradamento: Il flusso Instrada obiettivi agli agenti viene attivato e chiama l'agente Ricerca e qualifica lead.
• Ricerca: L'agente Ricerca e qualifica lead esegue query su Data 360 per ottenere nuove informazioni sui lead, esegue duplicati rispetto ai clienti esistenti, estrae ulteriori dati dalle ricerche di mercato da Data 360 e arricchisce il lead. Inoltre, calcola il punteggio del lead, identifica i referenti chiave e qualifica il lead.
• Spostamento: Una volta qualificato, il lead diventa idoneo per l'agente DSP tramite le regole di assegnazione lead. L'agente SDR esegue il contatto iniziale e mantiene le conversazioni con il referente rispondendo alle domande relative al prodotto.
• Seguito: Al termine della cadenza o su richiesta del lead, l'agente richiede una pianificazione dell'incontro se il lead è qualificato per il coinvolgimento dell'agente dell'assistenza. Pianifica quindi l'incontro e esce dal flusso.
• Agente Analytics: Il cruscotto digitale SDR Agent Analytics offre informazioni sull'efficacia delle prestazioni dell'agente.

Un cliente di lunga data sta riscontrando un problema multiforme: è stato fatturato in eccesso, la parte di ricambio ricevuta non era corretta e il servizio è ora disconnesso.

• Trigger: Il cliente avvia una chat e l'agente conversazionale iniziale riconosce rapidamente la complessità e inoltra l'intervento collettivo a un agente.
• Azione agente: Un agente orchestratore prende il comando.
• Processo:
  1. Orchestratore: Mantiene la conversazione con il cliente, fornendo aggiornamenti
  2. Delegati orchestratori: Utilizzando l'implementazione del protocollo A2A, l'orchestratore rileva gli "agenti correlati" (Fatturazione, Logistica e Provisioning) con le funzionalità richieste e invia le operazioni.
     • Ad agente fatturazione: "Indagare sulla fattura #INV-7890 per il cliente X. Ci sono differenze?"
     • All'agente logistico: "Controllare il numero di tracciamento #TN-12345 per il cliente X. Confermare il numero di parte spedito e l'inventario corrente per il pezzo corretto."
     • All'agente provisioning: "Verificare lo stato del servizio per l'account #ACC-5678. Se disconnesso, qual è il codice motivo?"
  3. Gli agenti specializzati eseguono: Ogni agente riceve la richiesta A2A, interroga il rispettivo sistema e formula una risposta.
  4. Sintesi: Gli agenti riportano i risultati all'Orchestratore tramite le risposte A2A. L'orchestratore sintetizza le informazioni: "Il cliente è stato effettivamente sovrafatturato di $ 50. La parte sbagliata è stata spedita a causa di un errore di magazzino. Il servizio è stato disconnesso automaticamente a causa del problema di fatturazione."
  5. Conferma: L'orchestratore informa il cliente del problema e propone di inoltrarlo a un agente dell'assistenza con indicazioni chiare sui passaggi successivi.
  6. Risoluzione: Propone quindi una soluzione completa all'agente dell'assistenza per l'approvazione. L'agente dell'assistenza si unisce alla conversazione. L'agente dell'assistenza esamina rapidamente tutti i dati relativi al problema, inclusa la soluzione consigliata dall'agente: "Creare un nuovo ordine di spedizione per la parte destra con spedizione rapida. Avviare un reso per la parte sbagliata. Approvare il 10% di sconto sul nuovo ordine e up-selling del pezzo con l'ultima versione migliorata. Aggiornare le informazioni di pagamento e offrire di impostare un accordo di fatturazione ricorrente."

Procedimento

Questo procedimento descrive l'implementazione di un sistema di agenti collaborativi progettato per affrontare problemi complessi di assistenza clienti che coinvolgono più aspetti. Utilizzando un agente orchestratore per delegare le operazioni ad agenti specializzati (Fatturazione, Logistica e Provisioning) tramite un protocollo A2A e quindi sintetizzarne i risultati, il sistema offre soluzioni complete e integra perfettamente gli agenti dell'assistenza per l'approvazione finale e l'interazione con i clienti.

Tempo di progettazione

1. Impostare Chat ottimizzata come punto di ingresso chat del cliente in modo che possa aprire la finestra Agentforce nella pagina Web.
2. Impostare un Agentforce Billing Agent, un agente specializzato headless che può ricevere un ordine o una fattura ed eseguire una richiesta di fatturazione.

   Crea agente dal modello

   →

   Definizione dell'argomento Richiesta di informazioni sulla fatturazione

   →

   Creazione di un'azione di flusso personalizzata

   →

   Aggiungi azione all'argomento

   1. Abilitare Agentforce e creare un agente dipendente a partire dal modello Agentforce Employee Agent.
   2. Definire un argomento, Richiesta di fatturazione, con la descrizione "Indagare sulle discrepanze delle fatture, sui problemi di pagamento e sugli errori di fatturazione".
      1. Aggiungere un'azione di flusso personalizzata, Controlla discrepanza fattura, con un input di Numero fattura, ID cliente e Intervallo di date e un output di Ammontare discrepanza, Causa principale e Transazioni interessate.
3. Impostare un Agentforce Logistics Agent, un agente specializzato headless in grado di verificare le spedizioni, tenere traccia delle spedizioni e controllare l'inventario.

   Crea agente dal modello

   →

   Argomento Definisci verifica spedizioni

   →

   Creazione di un'azione di flusso personalizzata

   →

   Aggiungi azione all'argomento

   1. Abilitare Agentforce e creare un agente dipendente a partire dal modello Agentforce Employee Agent.
   2. Definire un argomento: Verifica spedizioni, con una descrizione per verificare la spedizione per la fattura.
      1. Aggiungere un'azione personalizzata Flusso, Verifica dettagli di spedizione, con l'immissione di Numero fattura, ID cliente e Intervallo di date e un output di Parte spedita, Data e Stato inventario.
4. Impostare un Agentforce Provisioning Agent, un agente specializzato headless in grado di verificare lo stato del provisioning e del servizio.

   Crea agente dal modello

   →

   Argomento Definisci controllo del servizio

   →

   Creazione di azioni di flusso personalizzate

   →

   Aggiungi azione all'argomento

   1. Abilitare Agentforce e creare un agente dipendente a partire dal modello Agentforce Employee Agent.
   2. Definire un argomento, Controllo del servizio, con una descrizione per verificare la connettività del servizio e lo stato dell'account.
      1. Aggiungere un'azione di flusso personalizzata, Verifica servizio, con un input di ID cliente e ID asset e un output di Stato servizio e Motivo eccezione servizio.
5. Esporre gli agenti di fatturazione, logistica e provisioning come server A2A e registrarli nel Registro agenti.

   Esporre gli agenti tramite MuleSoft

   →

   Registrazione degli agenti nel registro

   1. In assenza di supporto A2A diretto sugli agenti Agentforce, i connettori MuleSoft possono essere utilizzati per esporre API agenti come server A2A.
   2. Registrare questi server A2A nel Registro agenti.
   3. Utilizzare Anypoint Agent Fabric per l'orchestrazione degli agenti.
      1. MuleSoft Agent Broker può aiutare a orchestrare qualsiasi agente tra le piattaforme in base alle funzionalità degli agenti menzionate nelle schede degli agenti.
6. Impostare un Agentforce Help Agent, un agente di intelligenza artificiale conversazionale che interagisce con i clienti, valuta la complessità e si coordina con più agenti specializzati per risolvere il problema.

   Creazione di un agente dell'assistenza	→	Definisci argomento di indagine	→	Azione Crea notifica	→	Argomento Definizione dell'orchestrazione
   						↓
   Definizione dell'argomento Inoltro al livello superiore	←	Azione Crea Crea caso	←	Azione Crea agente chiamata	←	Creazione di un flusso di orchestrazione agente
   ↓
   Crea flusso Omnicanale	→	Flusso Connect per l'inoltro al livello superiore

   1. Abilitare Agentforce e creare un agente dell'assistenza in Agentforce Builder per gestire le conversazioni e attivare azioni personalizzate.
   2. Definire un argomento, Indagine sul servizio, con una descrizione e istruzioni in modo che l'agente riconosca naturalmente un argomento complesso con, in genere, più problemi simultanei.
      1. Creare azioni agente personalizzate.
         • Azione Notifica stato per confermare il problema e fornire aggiornamenti sull'avanzamento
   3. Definire un argomento Orchestrazione che può chiamare altri agenti tramite azioni.
      1. Creare un'azione Chiama agente che chiama un'azione Flusso. L'azione Flusso include diverse azioni agente e può avviare ciascuno degli agenti headless: l'agente fatturazione, l'agente logistico e l'agente provisioning.
      2. Creare un'azione Crea caso che crea un caso, aggiunge dettagli e imposta lo stato.
   4. Definire un argomento Inoltro al livello superiore con una descrizione da inoltrare a un agente dell'assistenza.
   5. Creare e attivare un flusso Omnicanale in uscita.
      • Aggiungerlo alla scheda Connessioni dell'agente per l'inoltro al livello superiore con un messaggio di inoltro al livello superiore.

Flusso del processo di orchestrazione degli agenti

Anypoint Code Builder ora supporta la creazione di broker agenti. Un broker agente è un livello di instradamento e orchestrazione intelligente che connette gli agenti tra i domini e coinvolge gli agenti e gli strumenti più adatti. MuleSoft Dev Agent genera il codice per creare una base per il broker.

In base alle funzionalità degli agenti menzionate nelle schede agente (server A2A), precedentemente registrate nel Registro agenti, le ulteriori configurazioni vengono eseguite automaticamente dal Generatore di codici Anypoint. Infine, possiamo distribuire questo broker agente nel cloud.

Una volta che il broker agente è disponibile per il consumo, queste richieste vengono instradate agli agenti appropriati. Un broker riceve un prompt e utilizza il componente LLM per suddividerlo in operazioni e determinare quale agente chiamare per primo. In ogni loop iterativo, determina se il prompt originale è stato risolto correttamente o se è necessario collaborare con altri agenti per completare il processo.

Flusso processo Runtime agente

Una volta impostato e distribuito l'agente, in fase di esecuzione si verifica la seguente sequenza di passaggi.

1. Avvio chat: Un cliente apre la chat Agentforce (servizio incorporato). Il contesto Sessione e Referente viene caricato dopo che il cliente ha eseguito l'accesso.
2. Saluto e intento: L'agente saluta il cliente. Il cliente, con evidente frustrazione, invia una notifica in caso di sovraccarichi, parte sbagliata e servizio disconnesso.
3. Ricerca CRM: L'agente attiva l'azione Ottieni ultimo ordine ed esegue una query in Salesforce (riepilogo ordine/ordini) per il record più recente del cliente. L'agente conferma quindi l'ordine nel contesto e comunica al cliente che esaminerà. Cerca inoltre l'ID fattura, il numero di tracciamento associato alla fattura e l'ID asset correlato al servizio.
4. Attivazione Orchestrator: L'agente orchestratore riceve l'inoltro al livello superiore e l'ID ordine e quindi crea un caso. Passa i dati di contesto e comunica con tre agenti: l'agente fatturazione, l'agente logistico e l'agente provisioning.
5. Risposta agente fatturazione: L'agente fatturazione restituisce i dettagli sul componente, il costo unitario e il costo totale. Rileva inoltre una discrepanza tra la parte nell'ordine e la parte nella fattura. L'agente fatturazione cerca il prezzo del pezzo nell'ordine e i motivi del sovrapprezzo.
6. Risposta dell'agente logistico: L'agente logistico restituisce i dettagli della parte spedita e le note di eccezione create dal sistema logistico che indicano che la parte errata potrebbe essere stata inviata a causa di problemi di etichettatura. L'agente logistico verifica inoltre che il problema sia stato risolto e che il componente corretto sia disponibile nelle versioni originali e più recenti.
7. Risposta dell'agente provisioning: L'agente provisioning restituisce i dettagli sulla disconnessione del servizio e sul problema relativo alle informazioni di pagamento scadute. Fornisce inoltre le notifiche inviate per consigliare al cliente di aggiornare le informazioni di pagamento.
8. Sintesi dell'orchestratore: L'agente orchestratore sintetizza le risposte di tutti questi agenti e compone una soluzione esaminando gli articoli Knowledge per ciascuno dei problemi. Per prima cosa cerca informazioni sulla parte sbagliata e avvia un reso. In secondo luogo, offre uno sconto per il problema in base ai documenti della policy di risoluzione e consiglia anche un aggiornamento a una versione più recente che il cliente può acquistare (ma c'è una differenza di prezzo). In terzo luogo, necessita di nuove informazioni di pagamento da parte del cliente, quindi passa al repository di servizio per comunicare la risoluzione.
9. Inoltro al livello superiore: L'agente orchestratore passa al livello superiore all'agente dell'assistenza, fornendo tutto il contesto, le note di indagine e i consigli di risoluzione necessari insieme alle approvazioni necessarie, e coinvolge l'agente dell'assistenza nella chiamata.
10. Umano nel loop: L'agente dell'assistenza ringrazia il cliente per la pazienza, si scusa per il disturbo e spiega il problema. L'agente dell'assistenza offre quindi uno sconto del 10% per il pezzo come risarcimento e informa anche il cliente di un nuovo pezzo aggiornato e dei relativi vantaggi. Infine, spiegano la disconnessione, ottengono le nuove informazioni di pagamento e aggiornano il sistema.
11. Ripristino proattivo: L'agente AI assiste alla conversazione e agisce in modo proattivo ripristinando il servizio, ordinando il componente aggiornato e creando una nuova fattura con lo sconto e il prezzo rettificato.
12. Chiusura del caso: Infine, compila il riepilogo, aggiorna il caso e lo chiude.

Per essere efficace, un agente deve essere in grado di integrarsi con un'ampia gamma di dati e strumenti aziendali. Questo fornisce il contesto essenziale necessario a un agente per eseguire l'obiettivo configurato. Il framework Agentforce fornisce una sofisticata architettura di integrazione che integra dati sia interni a Salesforce che esterni a Salesforce.

Questa sezione esplora gli schemi di connessione degli agenti a queste risorse. Questi schemi si basano su due approcci fondamentali per l'integrazione.

• Integrazione interna (accesso ai dati e accesso agli strumenti): Per le risorse all'interno dell'ecosistema Salesforce, un agente ha due modi di operare.
  • Accesso ai dati: Il runtime centrale Agentforce è profondamente integrato con Data 360, consentendogli di eseguire query dirette sui servizi dati interni. Può formulare ed eseguire query in modo nativo sui Grafici dati per avere una visione a 360 gradi del cliente, eseguire ricerche semantiche tramite RAG per comprendere Knowledge non strutturato e accedere a informazioni in blocco utilizzando l'API Data 360 Query. Questo percorso diretto è ottimizzato per velocità e flessibilità nel recupero dei dati.
  • Accesso allo strumento: Quando un'operazione coinvolge una logica aziendale complessa o processi in più fasi, o quando richiede una governance rigorosa, le sue funzionalità sono incapsulate in Azioni. Create con Apex o Flusso, queste azioni offrono all'agente un'interfaccia sicura e riutilizzabile che non si limita a leggere i dati: consentono di aggiornare i record, attivare eventi piattaforma o eseguire qualsiasi processo aziendale stabilito.
• Integrazione esterna (MCP/A2A): Quando un agente necessita di informazioni esterne a Salesforce (ad esempio, da un'applicazione esterna, un microservizio o un altro agente), utilizza il Model Context Protocol (MCP). Questo standard aperto fornisce un linguaggio comune per l'interoperabilità. I server MCP possono essere aggiunti da AgentExchange o un amministratore può aggiungere nel Registro agenti o una chiamata Apex al server MCP. Quindi l'azione avvia la richiesta a un server MCP esterno, collegando il mondo interno ed esterno in modo strutturato. Analogamente, quando un agente deve comunicare con un altro agente, il protocollo Agent2Agent (A2A) facilita questa interazione. Ciò consente la creazione di sistemi complessi multi-agente in cui agenti specializzati possono collaborare per risolvere problemi complessi, favorendo la modularità e la riutilizzabilità.

Gli schemi seguenti sono organizzati in base ai temi di integrazione dei dati specifici necessari agli agenti. Dimostreremo come questi schemi vengono applicati per risolvere sfide specifiche dei dati, dalla connessione ad applicazioni esterne utilizzando MCP all'accesso a dati in blocco in Data 360, a record transazionali in tempo reale e a contenuti non strutturati utilizzando la potente combinazione di accesso diretto e azioni formali in Data 360.

Problema

L'efficacia di un agente dipende dalla sua capacità di utilizzare strumenti esterni. Tuttavia, questi strumenti, dagli ERP legacy alle moderne applicazioni SaaS, non hanno un linguaggio condiviso. Ognuno ha un'API, un modello di autenticazione e un formato di dati univoci. Ciò costringe gli sviluppatori a un ciclo fragile e inscalabile di creazione e manutenzione di integrazioni personalizzate da punto a punto per ogni nuovo strumento che l'agente deve utilizzare.

Context

Considerare un agente incaricato di risolvere un caso di spedizione danneggiato. Per avere successo, deve interagire con tre diversi sistemi esterni: deve eseguire query sull'API di un fornitore per verificare la presenza di scorte sostitutive, chiamare il servizio di partner logistico per organizzare una nuova consegna e accedere a un sistema finanziario per elaborare un credito. Senza un protocollo comune, l'agente richiederebbe tre integrazioni separate e personalizzate, ciascuna un potenziale punto di errore. MCP fornisce un livello di comunicazione standardizzato per rendere queste interazioni semplici e affidabili.

Di seguito sono riportati i procedimenti per integrare i servizi esterni esposti tramite MCP all'agente.

Procedimento 1: Abilitazione degli strumenti esterni con MCP

Problema

Le organizzazioni utilizzano un mix di ERP legacy e SaaS moderni, ma integrarli con un agente è difficile perché non esiste un protocollo comune: ogni strumento ha le proprie API, autenticazione e modello di dati. Gli sviluppatori finiscono per creare e gestire connettori point-to-point personalizzati per ogni strumento, producendo integrazioni fragili, non scalabili e costose.

Schema

L'agente invoca uno strumento esterno (esposto tramite MCP) tramite un'azione strutturata, consentendogli di utilizzare strumenti specializzati al di fuori della piattaforma Salesforce.

Context

• L'agente funge da proxy per una serie di strumenti esistenti all'esterno della piattaforma Salesforce.
• Questi strumenti esterni possono avere API, meccanismi di autenticazione e formati di dati diversi.
• È necessario un protocollo di comunicazione standardizzato per consentire un'interazione senza interruzioni tra l'agente e questi strumenti esterni.
• La riutilizzabilità è una preoccupazione fondamentale, poiché gli stessi strumenti esterni possono essere utilizzati da più agenti per scopi diversi.

Interazioni

1. Trigger: Una richiesta dell'utente o un evento interno in Agentforce richiede l'uso di uno strumento esterno.
2. Intento di agire: L'agente Agentforce identifica l'intento e determina che è necessario uno strumento basato su MCP esterno.
3. Planner (interno): Il pianificatore Agentforce seleziona lo strumento o l'azione MCP appropriata in base alle istruzioni configurate e agli strumenti disponibili.
4. Esecuzione: L'agente Agentforce invia una richiesta compatibile con MCP al server MCP esterno (ad esempio, tramite una chiamata Apex a un endpoint MuleSoft, che quindi viene instradato al server MCP esterno).
5. Elaborazione esterna: Il server MCP esterno elabora la richiesta, interagisce con l'applicazione esterna sottostante e prepara una risposta conforme a MCP.
6. Risultato: Il server MCP esterno restituisce la risposta all'agente Agentforce.
7. Seguito: L'agente Agentforce elabora la risposta, ne aggiorna lo stato interno e continua l'operazione o fornisce un feedback all'utente.

Scambi

La logica decisionale di un agente è valida solo quanto i dati sottostanti. Perché un agente possa agire in modo intelligente, deve avere una comprensione completa e in tempo reale del mondo che lo circonda. Senza un'architettura di inserimento dati definita, l'agente non può accedere né elaborare le informazioni a volume elevato in tempo reale essenziali per il suo funzionamento.

Integrazione dei dati transazionali con gli agenti

Problema

Gli agenti hanno spesso la necessità di eseguire operazioni di lettura/scrittura a bassa latenza su singoli record che risiedono in sistemi di record (ad esempio, aggiornare un caso o recuperare uno stato dell'ordine). Queste azioni richiedono integrità e affidabilità dei dati per garantire la coerenza del modello di dati sottostante. La sfida architetturale principale è fornire uno schema sicuro, in tempo reale e scalabile per questo accesso ai dati transazionali senza creare integrazioni da punto a punto fragili.

Context

Collegare correttamente un agente a questi record richiede un'architettura robusta composta da diversi componenti principali.

• Sistemi transazionali: Queste sono le fonti autorevoli dei dati, ad esempio i sistemi di registrazione, come Salesforce, Workday o SAP, o i servizi ospitati su piattaforme come AWS.
• Livello di integrazione: Un potente livello di integrazione, solitamente gestito da MuleSoft, è cruciale per connettersi in modo sicuro a questi sistemi diversi, trasformare i dati ed esporli alla piattaforma Agentforce.
• Server MCP: Per garantire l'interoperabilità, gli agenti comunicano con questi sistemi esterni utilizzando lo standard MCP. Il livello di integrazione può connettersi a vari server MuleSoft, Heroku o MCP di terze parti che ospitano i servizi o gli agenti esterni.
• Scambio di agenti: Questo componente funge da elenco o centralino, consentendo all'agente Salesforce di individuare e connettersi in modo sicuro al servizio esterno o all'agente corretto per completare la propria operazione.

Procedimento 1: Operazioni record dirette tramite MCP

Schema

L'agente utilizza MCP per connettersi a un sistema di dati transazionali ed esegue operazioni CRUD stateful su record specifici identificati con requisiti di coerenza immediati.

Context

• Gli agenti conversazionali e collaborativi devono eseguire transazioni sui dati del sistema di record nel flusso di lavoro.
• Il sistema di record è un sistema esterno.
• Le transazioni devono essere idempotenti.

Componenti chiave

• Agente Agentforce: Con argomenti e istruzioni per eseguire un aggiornamento delle transazioni. Actions chiama un server MCP esterno o un server MCP registrato da Agentforce Exchange.
• Server MCP: Server MCP che espone i dati e la funzione della transazione (ad esempio, tool=billing.update_record con dati di input)
• Sistema di record esterno: Il sistema in cui si verifica la modifica stateful

Interazioni

1. Trigger: Si verifica un comando o un evento che richiede una transazione su un record.
2. Intento di agire: Un agente Agentforce identifica un intento di modifica dello stato.
3. Planner (interno): Il pianificatore sceglie uno strumento MCP.
4. Esegui: Lo strumento viene eseguito dopo il superamento dei controlli di accesso a livello di policy, record e campo.
5. Risultato: Il server MCP restituisce una risposta
6. Seguito: L'agente Agentforce elabora la risposta.

Scambi

Procedimento 2: Orchestrazione complessa tramite l'API Mulesoft

Schema

L'agente sfrutta l'API Mulesoft per transazioni atomiche complesse, a più fasi e tra sistemi. Questo fornisce un unico endpoint gestito, garantendo un'elaborazione end-to-end affidabile ed evitando i problemi di coerenza, affidabilità, latenza e dati associati alle chiamate dirette ai singoli sistemi.

Context

• Gli agenti conversazionali e autonomi spesso hanno bisogno di eseguire diverse operazioni in modo affidabile.
• In una transazione sono presenti più sistemi e operazioni transazionali.
• I flussi di lavoro richiedono transazioni/ritiri, tentativi e applicazione delle policy.
• Le esigenze delle transazioni sono in tempo reale, idempotenti, osservabili e conformi.

Interazioni

1. Trigger: Si verifica un comando o un evento che richiede il completamento di una transazione complessa.
2. Intento di agire: L'agente Agentforce identifica l'intento.
3. Planner (interno): Il pianificatore sceglie un'azione invocabile per l'API.
4. Esecuzione: L'API viene eseguita e viene restituita una risposta.
5. Seguito: L'agente Agentforce elabora la risposta.

Scambi

Integrazione dei dati analitici con gli agenti

Problema

Le organizzazioni hanno investito molto in infrastrutture analitiche (data warehouse e lake, sistemi di analisi in tempo reale e piattaforme di business intelligence), ma gli agenti dell'intelligenza artificiale rimangono disconnessi da questi sistemi. Questo crea un vuoto nella capacità di un agente di ottenere un contesto arricchito (ad esempio, che un cliente abbia restituito i ricambi tre volte nell'ultimo trimestre) per aiutare a prendere decisioni migliori (in questo caso, l'inoltro al livello superiore).

Context

L'intelligenza operativa di un agente deriva dalla sua capacità di sintetizzare informazioni da formati e fonti di dati fondamentalmente diversi. Questo schema architettonico, pertanto, non è progettato per un singolo caso d'uso ma come framework di inserimento dati di base. Un agente efficace deve essere in grado di elaborare fonti strutturate per eseguire analisi logiche basate sui dati; un agente deve poter accedere a feed strutturati a volume elevato. Ciò include l'integrazione con data lake aziendali (tramite l'integrazione copia zero con Data 360), l'elaborazione di stream di dati trasformati in middleware o l'inserimento di file batch come CSV.

Procedimento 1: Data lake integrati tramite Data 360 Zero-Copy

Problema

Le organizzazioni affrontano costi elevati quando utilizzano le pipeline di dati tradizionali per copiare, gestire e trasformare i dati analitici archiviati in data lake (ad esempio Snowflake). Storicamente, gli analytics sono stati in gran parte offline, con conseguenti mancate opportunità di azione tempestiva.

Schema

L'agente esegue query sui dati copia zero (e sugli approfondimenti calcolati) disponibili in Data 360 anziché eseguire query sui data warehouse esterni per ottenere approfondimenti critici. Questo aiuta gli agenti a basare i dati sia transazionali che analitici per prendere decisioni migliori.

Context

• L'organizzazione archivia i dati dei clienti e operativi in data warehouse e lake.
• Gli agenti devono poter accedere a metriche aggregate, trend storici e approfondimenti analitici.
• Il contesto dell'agente richiede sia dati transazionali che analitici (considerare la necessità di un agente di ricerca di dati con trend storico).

Interazioni

1. Trigger: Un agente riceve una query relativa a un approfondimento che richiede l'accesso a dati analitici o a un approfondimento calcolato.
2. Esecuzione: L'agente esegue un'azione che chiama Approfondimenti calcolati Data 360 tramite l'API Query e l'approfondimento calcolato viene restituito.
3. Seguito: L'agente Agentforce elabora la risposta.

Scambi

Procedimento 2: Attivazione di azioni da stream di dati

Problema

Le organizzazioni generano continuamente informazioni preziose da attività aziendali come visite ai siti Web, chiamate, riunioni, chat e dati dei sensori. Tuttavia, quando queste interazioni diventano disponibili o recuperate dai data warehouse, gli approfondimenti critici vengono persi e l'opportunità di un intervento tempestivo è passata. Di conseguenza, le organizzazioni non dispongono della maggior parte dell'intelligence di immediato valore pratico necessaria in tempo reale, che spesso è nascosta in questi flussi effimeri. Questo porta a lacune, opportunità di formazione mancate e decisioni prese senza contesto completo.

Schema

L'agente riceve approfondimenti in tempo reale o quasi in tempo reale da un approfondimento streaming o da un approfondimento in tempo reale in Data 360 tramite un'azione dati, oppure accede a un approfondimento streaming in tempo reale eseguendo query su un server MCP che si interfaccia con un motore di elaborazione in tempo reale come Apache Flink.

Context

• I sistemi di streaming come gli eventi piattaforma, l'API Pub/Sub e RTEM generano enormi quantità di dati di stream.
• Sistemi di elaborazione stream come Data 360 e Apache Flink elaborano questi singoli eventi non appena arrivano.
• Agentforce deve eseguire query sui sistemi stream (ad esempio, la trascrizione più recente di 30 secondi per l'incontro in diretta con ulteriore contesto) o viene attivato da un'azione sui dati (ad esempio, il rilevamento di frodi).
• C'è bisogno di un'azione quasi in tempo reale e a bassa latenza.

Interazioni

1. Stream emette: Il sistema di origine emette un flusso continuo di dati.
2. Elaborazione stream: I motori di elaborazione stream come Data 360 o Apache Flink elaborano le informazioni.
3. Trasforma: Gli approfondimenti vengono aggregati, trasformati e sintetizzati in dati sensibili agli agenti nel middleware (per trasformazioni complesse) o in Data 360.
4. Evento approfondimento stream: Per i dati sintetizzati viene attivata un'azione dati di Data 360 (ad esempio, la trascrizione di uno stream audio di 30 secondi).
5. Arricchisci: Un agente aggiunge contesto e rileva l'intento.
6. Esegui: L'agente esegue l'azione.
7. Seguito: L'agente attende il successivo approfondimento streaming.

Scambi

Integrazione dei dati semantici con gli agenti

Le organizzazioni dispongono di artefatti aziendali (cataloghi, manuali, policy, grafici Knowledge, mappe delle relazioni) in diversi formati e forme. Per andare oltre la semplice esecuzione di operazioni e intraprendere ragionamenti sofisticati, gli agenti devono essere in grado di comprendere questi dati dove è archiviata la maggior parte di Knowledge umana.

Procedimento 1: RAG: Sbloccare la potenza dei dati non strutturati per gli agenti

Problema

Le organizzazioni spesso dispongono di informazioni non ricercabili che ostacolano la capacità degli agenti di accedervi con sicurezza. Questa carenza spesso causa risposte incomplete da parte degli agenti, che mancano della profondità del contesto e delle citazioni verificabili necessarie per stabilire Trust. Di conseguenza, è evidente la necessità di un metodo standardizzato per consentire agli agenti di recuperare in modo coerente contenuti semanticamente pertinenti e precisi.

Schema

Questo schema offre l'architettura per consentire agli agenti di inserire e interpretare un'ampia varietà di informazioni non strutturate, dai documenti interni ai contenuti Web pubblici. Concedere a un agente l'accesso a questi dati è la chiave per sbloccare funzionalità avanzate come l'analisi del sentiment di mercato, il riepilogo dei documenti e la ricerca della concorrenza.

Context

• Knowledge è in file in formati e forme diverse.
• Il contenuto ridondante è prevalente in questi documenti.
• Un agente ha bisogno di informazioni accurate che possano essere citate.
• Knowledge cambia spesso, quindi i file devono essere aggiornati e reindicizzati.

Interazioni

Il contenuto non può essere inserito o utilizzato dall'agente così com'è. Il contenuto deve essere suddiviso in blocchi, incorporato, archiviato in un database vettoriale e indicizzato prima di poter essere recuperato e utilizzato dagli agenti.

Inserire e preparare

1. Fonti di strisciamento e inserimento: Le fonti possono essere identificate in due modi: manualmente, ad esempio caricando un file PDF, o in base alla loro posizione, ad esempio AWS S3.
2. Chunking: Il contenuto inserito viene suddiviso in blocchi più piccoli e gestibili per facilitare l'elaborazione e il recupero efficienti. Questo è un passaggio fondamentale per RAG, poiché garantisce che vengano recuperate solo le informazioni più rilevanti, anziché interi documenti.
3. Incorporamento: Ogni blocco viene quindi convertito in una rappresentazione numerica denominata incorporamento utilizzando un modello di linguaggio specializzato. Questi incorporamenti acquisiscono il significato semantico del testo, consentendo ricerche basate sulla similarità.
4. Memoria vettoriale: Gli incorporamenti sono archiviati in un archivio vettoriale di Data 360, un database specializzato ottimizzato per ricerche di similarità ad alte prestazioni. Ciò consente all'agente di trovare rapidamente i contenuti correlati.
5. Indicizzazione: Il contenuto e i relativi incorporamenti sono indicizzati all'interno dell'archivio vettoriale, rendendoli facilmente ricercabili per il recupero.

Funzioni di Data 360 retriever

• Recupera contenuto: Questa funzione accetta una query come input ed esegue una ricerca semantica nell'archivio vettoriale di Data 360 per trovare i blocchi di contenuto più pertinenti.
• Contenuto del filtro: Questa funzione consente di filtrare il contenuto recuperato in base ai metadati, ad esempio tipo di documento, autore o data, per perfezionare ulteriormente i risultati.
• Classifica contenuto: Questa funzione classifica i blocchi di contenuto recuperati in base al punteggio di similarità (ricerca vettoriale), al punteggio delle parole chiave o a una combinazione di entrambi (ricerca ibrida).

Recuperare e generare

• Query: Quando un agente necessita di informazioni, formula una query incorporata in un vettore.
• Ricerca semantica: L'agente esegue una ricerca semantica nell'archivio vettoriale di Data 360, confrontando l'incorporamento della query con l'incorporamento dei blocchi di contenuto memorizzati. In questo modo vengono recuperati i blocchi semanticamente più rilevanti in base al punteggio vettoriale o al punteggio ibrido (vettore e parola chiave combinati).
• Generazione aumentata di recupero (RAG): I blocchi di contenuto recuperati vengono quindi forniti come contesto agli agenti Agentforce insieme alla query originale. LLM utilizza questo contesto per generare una risposta precisa, precisa e citabile.
• Risposta e citazione: L'agente presenta la risposta generata, spesso con citazioni ai documenti di origine o ai link Web originali, per creare Trust e consentire la verifica.

Scambi

Procedimento 2: Grafici dati: Dati del grafico strutturato pre-curato per gli agenti

Problema

Le organizzazioni spesso possiedono dati di relazione in silo che ostacolano la capacità di un agente di recuperarli. Questo problema causa spesso risposte incomplete da parte degli agenti che non dispongono di dettagli contestuali sufficienti per creare Trust sul modo in cui le diverse entità sono collegate o causa ritardi quando gli agenti devono recuperare informazioni da più database.

Schema

Questo schema offre l'architettura per consentire agli agenti di inserire e interpretare un'ampia varietà di informazioni sulle relazioni strutturate e semi-strutturate, dai dati CRM interni ai grafici Knowledge esterni. Concedere a un agente l'accesso a questi dati è la chiave per sbloccare funzionalità avanzate come le visualizzazioni Customer 360, l'analisi delle dipendenze complessa e la creazione dinamica del contesto.

Context

1. I dati delle relazioni sono sparsi in vari sistemi e formati.
2. Gli agenti devono comprendere le connessioni tra le entità (ad esempio, un cliente, i suoi casi, i suoi ordini e i prodotti correlati).
3. I grafici Knowledge e i modelli di dati connessi sono essenziali per comprendere le relazioni complesse.
4. L'agente necessita di informazioni accurate sulle relazioni tra entità che possono essere citate.

Interazioni

I dati relazionali devono essere armonizzati e rappresentati in una struttura a grafici prima di poter essere interrogati e utilizzati in modo efficace dagli agenti.

Inserire e preparare

1. Fonti di inserzione di Crawland: Le fonti di dati (ad esempio, sistemi CRM, ERP, API esterne e CSV) vengono identificate e inserite in Data 360.
2. Armonizzazione dei dati: I dati grezzi vengono mappati agli oggetti modello di dati (DMO) in Data 360, standardizzandone la struttura e creando una visualizzazione unificata.
3. Risoluzione dell'identità: I profili cliente duplicati vengono consolidati e i record correlati collegati per creare una visualizzazione unica e precisa di ogni cliente.
4. Creazione grafico dati: I DMO sono collegati per formare un grafico dei dati, che rappresenta le relazioni tra entità diverse (ad esempio, un DMO cliente è collegato a un DMO caso, che è collegato a un DMO prodotto). Questo grafico consente un attraversamento efficiente delle relazioni.
5. Approfondimenti calcolati: Le metriche aggregate e gli attributi derivati (ad esempio, la cronologia acquisti totale di un cliente) vengono calcolati e aggiunti al grafico dei dati per un contesto più completo.

Recuperare e generare

1. Query: Quando un agente necessita di informazioni che riguardano relazioni tra entità, formula una query in base al grafico dei dati (ad esempio, "Quali sono tutti i casi aperti per questo cliente e quali prodotti sono associati?").
2. Attraversamento grafico e API Query: L'agente utilizza l'API Query di Data 360 per attraversare il grafico dei dati e recuperare i record connessi, gli approfondimenti calcolati e gli attributi pertinenti in base alla query.
3. Generazione contestuale: I dati sensibili alle relazioni recuperati vengono quindi forniti come contesto agli agenti Agentforce insieme alla query originale. LLM utilizza questo contesto arricchito per generare una risposta precisa, precisa e citabile che rifletta l'interconnessione dei dati.
4. Risposta e citazione: L'agente presenta la risposta generata, spesso con riferimenti ai record o alle relazioni specifiche all'interno del grafico dei dati che ha informato la risposta, per creare Trust e consentire la verifica.

Scambi

L'azienda si trova ai margini di una nuova era di automazione e intelligenza, guidata da agenti dell'intelligenza artificiale. Dalla gestione di semplici query dei clienti all'esecuzione autonoma di strategie aziendali complesse, gli agenti promettono di ridefinire la produttività e il coinvolgimento dei clienti. La piattaforma Salesforce Agentforce offre le basi essenziali e affidabili per questa trasformazione. Con una solida suite di strumenti dichiarativi e pro-code, una piattaforma dati unificata e l'impegno a standard aperti tramite A2A e MCP, Agentforce offre una base completa e affidabile per creare ogni tipo di agente. Questa architettura consente alle organizzazioni di distribuire agenti intelligenti e orientati agli obiettivi che agiscono come partner connessi, non isolatamente, per favorire un successo aziendale misurabile.

Salesforce offre un potente insieme integrato di strumenti, unificato dalla piattaforma Agentforce, che funge da base per la creazione di agenti sofisticati. I procedimenti e gli esempi di questo documento presuppongono una certa familiarità con le funzionalità della piattaforma Agentforce e con l'interazione degli agenti. Questa sezione offre un aggiornamento sui componenti chiave che è necessario conoscere per utilizzare al meglio i procedimenti e gli schemi di questo documento.

Questa sezione descrive le funzionalità di base della piattaforma essenziali per architetti e sviluppatori che creano agenti su Agentforce.

• Flusso Salesforce: Strumento principale per la definizione della logica degli agenti. La sua interfaccia visiva dichiarativa è ideale per orchestrare le fasi che un agente dovrà eseguire.
• Apex: Offre la potenza di una logica personalizzata complessa, la gestione dello stato per gli agenti autonomi e le integrazioni complesse
• Eventi piattaforma: Sistema nervoso per agenti proattivi e collaborativi, che funge da livello di trasporto per il protocollo A2A.
• Data 360: La memoria unificata a lungo termine dell'agente. Fornisce il contesto necessario per un'azione intelligente ed è la base per la generazione aumentata di recupero (RAG).
• MuleSoft: Il ponte dell'agente con il mondo esterno, che consente sia l'integrazione del sistema che la comunicazione tra piattaforme tramite MCP.
• Slack: Superficie principale dell'interazione uomo-agente, che include operazioni, notifiche e approvazioni
• Client Chat Agentforce: Front-end personalizzabile e incorporabile per gli agenti conversazionali indirizzati ai clienti

Perché gli agenti siano veramente efficaci, non possono esistere in un silo. Agentforce adotta due schemi di interoperabilità fondamentali:

• Comunicazione Agent2Agent (A2A): Questo protocollo regola le modalità di comunicazione tra gli agenti dell'ecosistema Salesforce. La piattaforma Agentforce funge sia da client A2A che da server effettuando e ascoltando le richieste, rispettivamente, il che è cruciale per gli interventi collettivi di agenti collaborativi. Gli agenti possono essere configurati con agenti correlati per individuare e invocare altri agenti con competenze specifiche, creando un sistema dinamico e ampliabile. Gli eventi piattaforma fungono da meccanismo di trasporto asincrono e duraturo per questi messaggi A2A.

• Modello di protocollo contesto (MCP): Questo standard garantisce che gli agenti non siano bloccati in un'unica piattaforma. MCP definisce un formato di messaggio comune che consente agli agenti creati su framework diversi di comunicare. In questo modello, Agenteforce funge da client MCP. Ad esempio, un agente Salesforce potrebbe eseguire una query su un agente esterno specializzato in calcoli logistici complessi inviandogli una richiesta conforme al protocollo MCP. MuleSoft funge da gateway, trasformando la richiesta A2A interna in una chiamata API in formato MCP esterno, garantendo un'interoperabilità senza interruzioni in tutta l'azienda.