Ressurs- og kostnadsoptimalisering – agentiske mønstre
Lær mer om velbygd ressurs- og kostnadsoptimalisering → Agent Enterprise Resource and Cost Optimization
Mønstre
| Hvor du kan se | Hvordan det ser bra ut |
|---|---|
| Agentforce | Handling | ✅ Utformingshandlinger som godtar samlinger. Agent som behandler 50 saksoppdateringer, kaller opp én enkelt handling med samling av saks-IDer, ikke 50 separate kall |
| Agentforce | Handling | ✅ Bruk relasjonsspørringer som henter overordnede og underordnede data i enkelt SOQL-setninger, til å behandle SOQL-budsjett på tvers av handlingskjeder |
| Plattform-buffer | Plattformbuffer | ✅ Bufferreferansedata i plattformbuffer som eliminerer gjentatte spørringer på tvers av handlinger i samme samtale |
| Plattform | Apex | ✅ Flytt agentoperasjoner som overskrider synkrone grenser, til Apex i kø eller gruppe. |
| Plattform | Apex | ✅ Profilhandlinger under innlasting med Apex. Flytte omfattende databehandling til asynkron kontekst når synkron grense nærmes |
| Agentforce | Handling | ✅ Utforme handlinger med grenser for permanente underordnede poster og sideinndeling for dataskjevhetsscenarier |
| Agentforce | Handling | ✅ Implementer sampling når volumer overskrider terskler for agenter som kan be om “all historikk” uforutsigbart |
| Plattform | Skaleringssenter | ✅ Bruk Skaleringssenter-transaksjonssporing til å identifisere hvilke handlinger som bruker for store spørringer |
Anti-Mønstre
| Hvor du kan se | Hvordan dårlig ser ut |
|---|---|
| Agentforce | Handling | ⚡️ Kalle opp separate handlinger for hver post (for eksempel 50 separate samtaler for 50 saksoppdateringer) i stedet for å godta samlinger |
| Plattform | Apex | ⚡️ Kjøre 5-10 SOQL-spørringer per handling i komplekse arbeidsflyter på 10-15 handlinger, nærmer seg grensen på 100 synkron SOQL |
| Plattform | Apex | ⚡️ Kjøre stor behandling synkront i en handling i stedet for i en asynkron kontekst (f.eks. score 1000+ salgsemner i synkron Apex) |
| Agentforce | Handling | ⚡️ Tillate agenter å hente ubegrensede underordnede poster fra kontoer med 15 000 salgsmuligheter eller saker med 5000 aktiviteter uten defensiv koding |
Mønstre
| Hvor du kan se | Hvordan det ser bra ut |
|---|---|
| Plattform | Hendelsesovervåking | ✅ Overvåk API-forbruk i Hendelsesovervåking i pilotfasen for å forstå faktisk bruk før full utrulling |
| Data 360 | Konfigurasjon | ✅ Angi topp-k-grenser for vektorsøk for å hente bare antall resultater som faktisk brukes |
| Data 360 | Analytics | ✅ Overvåk utnyttelse av vektorsøkeresultater i Data 360 Analytics for justering av top-k-parametere |
| Plattform | Plattformhendelser | ✅ Publisere plattformhendelser når betingelser krever agentintervensjon i stedet for planlagt avspørring som forbruker API-kall uavhengig av arbeidstilstedeværelse |
| Integrasjon | Handling | ✅ Bruk sammensatte mønstre: opprette en enkelt MuleSoft Experience API for å aggregere flere systemkontroller (lagerbeholdning, pris, kreditt) parallelt, agenten kaller opp én ekstern handling som bruker ett oppkall |
| Integrasjon | Handling | ✅ Utform enkelt MuleSoft-flyter som utfører alle nedstrøms oppdateringer i stedet for flere sekvensielle flyter per agentinteraksjon |
| Agentforce | Agent-konfigurasjon | ✅ Bygg inn agenter på Lightning med standardkomponenter for å unngå å forbruke API-kall per interaksjon |
| Virksomhet | Planlegging | ✅ Evaluer MuleSoft-lisensmodeller (transaksjonsbasert kontra plattformlisens) mot projiserte agenttransaksjonsvolumer for å bestemme beste økonomi |
Anti-Mønstre
| Hvor du kan se | Hvordan dårlig ser ut |
|---|---|
| Data 360 | Konfigurasjon | ⚡️ Hente de 50 beste vektorsøkeresultatene når du bruker bare de 5 beste, og bruke 90 % av databehandlings- og kontekstbudsjettet |
| Plattform | Planlagte jobber | ⚡️ Planlagt avstemning som forbruker API-kall uavhengig av arbeidstilstedeværelse (for eksempel å sjekke hvert femte minutt for å finne noe arbeid 80 % av tiden) |
| Integrasjon | Navngitt legitimasjon | ⚡️ Bruke tre separate handlinger som bruker tre oppkall i stedet for en enkelt sammensatt API som samler flere systemkall |
| Plattform | Apex | ⚡️ Tilpassede LWC-er som foretar eksplisitte API-forespørsler, forbruker API-kall når standard Lightning kan unngå dette |
| Integrasjon | Eksterne systemer | ⚡️ Eksterne systemer som spør Salesforce etter statusendringer som bruker hundrevis av daglige API-kall i stedet for å abonnere på CDC-hendelser |
| Integrasjon | Handling | ⚡️ Utføre sekvensielle API-kall for hvert trinn (spørringskunde, spørringsprodukter, sjekk lagerbeholdning, opprett bestilling, oppdater lagerbeholdning, varsle forsendelse) forbruker 12+ samtaler per transaksjon når sammensatte mønstre vil redusere forbruket med 75 % |
| Integrasjon | Agentkonfigurasjon | ⚡️ Orkestrer agenthandlinger på tvers av mange systemer uten å evaluere om hver systeminteraksjon er nødvendig, og multipliser API-forbruket med hvert system som legges til |
Mønstre
| Hvor du kan se | Hvordan det ser bra ut |
|---|---|
| Agentforce | Ledetekstmal | ✅ Minimer ledetekstlengde: fjerne overflødige instruksjoner, overflødige eksempler og unødvendig kontekst. Selektiv kontekst forbedrer både latens og kvalitet |
| Plattform | Apex | ✅ Bruk selektiv SOQL med indekserte filtre. Bruke Spørringsplanverktøy som identifiserer manglende indekser som fører til fullstendige tabellskanninger |
| Agentforce | Agent-konfigurasjon | ✅ Bruk parallell utføring av handlinger når det ikke finnes noen avhengigheter. Henting av kontodetaljer og salgsmuligheter halverer latens i forhold til sekvensiell henting samtidig |
| Plattform-buffer | Plattformbuffer | ✅ Bufr ofte brukte referansedata (produktkataloger, områdetilordninger, prisregler) som eliminerer gjentagende SOQL |
| Plattform-buffer | Plattformbuffer | ✅ Implementer semantisk bufring som samsvarer med lignende spørringer for å betjene gjentatte forespørsler uten ny utledning |
| Plattform | Apex | ✅ Behandle ikke-hurtige forespørsler asynkront (statusoppdateringer, gruppebehandling, rapportgenerering) med generelle asynkrone styringsgrenser |
| Plattform | Apex | ✅ Profilhandlinger under realistiske datavolumer. En handling som tar 3 sekunder, blir en flaskehals uavhengig av rask LLM-utledning |
| Agentforce | Handling | ✅ Implementer masseutførelse i handlinger for å minimere utførelsestiden per operasjon |
Anti-Mønstre
| Hvor du kan se | Hvordan dårlig ser ut |
|---|---|
| Agentforce | Ledetekstmal | ⚡️ Inkludere omfattende kontekst som legger til støy i stedet for selektiv kontekst som forbedrer både latens og kvalitet |
| Agentforce | Agent-konfigurasjon | ⚡️ Utføre handlinger sekvensielt når det ikke finnes noen avhengigheter (for eksempel kontospørring 2s + salgsmulighetsspørring 2s = 4s sekvensielt i stedet for 2s parallelt) |
| Plattform | Apex | ⚡️ Kjøre fullstendige tabellskanninger på grunn av manglende indekser i stedet for å bruke selektiv SOQL med indekserte filtre |
| Plattform-buffer | Plattformbuffer | ⚡️ Spørre 360-data gjentatte ganger (1,5 sekunder per samtale) for vanlige data som kan bufres (50 ms fra plattformbuffer) |
| Agentforce | Agent-konfigurasjon | ⚡️ Krever synkron fullføring for ikke-hurtige operasjoner (statusoppdateringer, gruppebehandling, rapportgenerering) |
Mønstre
| Hvor du kan se | Hvordan det ser bra ut |
|---|---|
| Data 360 | Konfigurasjon | ✅ Samle Knowledge, produktdokumenter og sakshistorikk i semantisk meningsfylte 250-750 ordsegmenter |
| Data 360 | Konfigurasjon | ✅ Valider delstørrelse mot agentspørringsmønstre. Balansepresisjon (mindre biter) kontra kontekstfullstendighet (større biter) |
| Data 360 | Konfigurasjon | ✅ Bruk innbyggingssamsvarsspørringsmønstre for agenter. Validere valg mot representative spørringer som måler hentingspresisjon og tilbakekalling |
| Data 360 | Konfigurasjon | ✅ Forbedre vektorlikhet med metadatafiltre som sikrer forretningsbegrensninger (for eksempel filtrere til aktive produkter unntatt avbrutte elementer uavhengig av semantisk likhet) |
| Data 360 | Konfigurasjon | ✅ Bruk forente profiler som samler kundedata fra flere kilder i én visning. Få tilgang til fullstendig kontekst (attributter, innsikt, engasjement, forutsigelser) i én enkelt spørring |
| Data 360 | Konfigurasjon | ✅ Aktiver Identitetsløsning som gir nøyaktig kundesamsvar på tvers av systemer |
| Data 360 | Konfigurasjon | ✅ Konfigurere Data 360-forekomster i regioner som samsvarer med lovpålagte krav for overholdelse av krav om dataoppbevaring |
Anti-Mønstre
| Hvor du kan se | Hvordan dårlig ser ut |
|---|---|
| Data 360 | Konfigurasjon | ⚡️ Bruk av for store biter som inkluderer irrelevant informasjon som utvider relevansen i søkeresultater med vektorer |
| Data 360 | Konfigurasjon | ⚡️ Bare basert på semantisk likhet uten metadatafiltre, returnerer avbrutte resultater eller resultater av lav kvalitet |
| Data 360 | Konfigurasjon | ⚡️ Orkestrer flere separate kildespørringer i stedet for å bruke Data 360-forente profiler til fullstendig kundekontekst |
| Data 360 | Konfigurasjon | ⚡️ Bruke innebyggingsmodeller som ikke samsvarer med agentspørringsmønstre (for eksempel dokumentklassifiseringsinnbygginger for likhet mellom spørsmål og svar) |
| Data 360 | Konfigurasjon | ⚡️ Behandle europeiske kundedata i ikke-europeiske Data 360-forekomster, som bryter kravene til dataoppbevaring |
Mønstre
| Hvor du kan se | Hvordan det ser bra ut |
|---|---|
| Agentforce | Agent-konfigurasjon | ✅ Prioriter kontekst eksplisitt: siste samtalehistorikk (høyest), viktige forretningsdata/poststatus/tillatelser (andre), historisk kontekst (lavest, bare når plass tillater det) |
| Agentforce | Agent-konfigurasjon | ✅ Etter 10-15 omgange oppsummerer du tidlig samtale til en presis oversikt ved å beholde viktige fakta uten full litteral historikk |
| Data 360 | Konfigurasjon | ✅ Lagre utvidet kontekst i Data 360-objekter eller tilpassede objekter i stedet for full historikk i alle LLM-kall. Spørring om etterspørsel for å holde ledetekster fokusert på gjeldende behov |
| Agentforce | Handling | ✅ Returner bare viktige felt fra Handlingssvar. Kontotjeneste returnerer felt som er relevante for gjeldende oppgave, ikke alle 50 felt |
| Agentforce | Agent-konfigurasjon | ✅ Utform eksplisitt prioriteringslogikk kontra vilkårlig forkorting for kontekstvinduildeling |
Anti-Mønstre
| Hvor du kan se | Hvordan dårlig ser ut |
|---|---|
| Agentforce | Agent-konfigurasjon | ⚡️ Vilkårlig avkorting av kontekst uten eksplisitt prioriteringslogikk |
| Agentforce | Agent-konfigurasjon | ⚡️ Vedlikehold av full muntlig samtalehistorikk ut over 10-15 omgange, uttømt kontekstbudsjett |
| Agentforce | Agent-konfigurasjon | ⚡️ Inkludere full historikk i hvert LLM-kall i stedet for å lagre utvidet kontekst eksternt og spørre på forespørsel |
| Agentforce | Handling | ⚡️ Returnerer alle 50 felt fra kontohenting når bare et delsett er relevant for gjeldende oppgave, forbruker kontekstbudsjett |
| Agentforce | Agent-konfigurasjon | ⚡️ Tildeling av kontekstbudsjett uten å reservere nok plass til generering av svar |
Mønstre
| Hvor du kan se | Hvordan det ser bra ut |
|---|---|
| Plattform | Handling | ✅ Utvikle sentraliserte handlingsbiblioteker som dekker post-CRUD, godkjenninger, varsler, rapportering og validering. Plattformteam vedlikeholder å sikre konsistent virkemåte, sikkerhet og ytelse |
| Agentforce | Agent-konfigurasjon | ✅ Opprett fokuserte spesialistagenter med dyp kompetanse (tjenesteagent for saksbehandling, salgsagent for salgsmulighetsveiledning) ved å opprettholde smalere kontekst og klarere grenser |
| Agentforce | Agent-konfigurasjon | ✅ Bruke agentbyggerorkestreringskoordinere spesialistagenter for behov på tvers av domener |
| Agentforce | Ledetekstmal | ✅ Vedlikehold validerte ledetekstmønstre i Ledetekstbygger. Maler fanger opp velprøvde tilnærminger for RAG-spørringsdannelse, flertrinns resonans og svarformatering |
| Agentforce | Ledetekstmal | ✅ Versjonsmeldingsmaler som aktiverer A/B-testing av forbedringer |
| Data 360 | Konfigurasjon | ✅ Vedlikehold delte Knowledge i Data 360 som betjener flere agenter. For salgs-, service- og partnerportalagenter med Knowledge for enkeltprodukter |
| Agentforce | Agent-konfigurasjon | ✅ Lag nye agenter fra bekreftede byggeblokker: definere formål, velge Handlinger, konfigurere ledetekster (dager kontra uker for tilpassede bygg) |
Anti-Mønstre
| Hvor du kan se | Hvordan dårlig ser ut |
|---|---|
| Agentforce | Ledetekstmal | ⚡️ Opprette adhoc-ledetekster for hver agent i stedet for å gjenbruke validerte ledetekstmalbiblioteker |
| Agentforce | Handling | ⚡️ Implementere handlinger på nytt for hver agent i stedet for å bruke sentraliserte gjenbrukbare handlingsbiblioteker |
| Agentforce | Agent-konfigurasjon | ⚡️ Bygg universelle agenter som prøver alle scenarier i stedet for fokuserte spesialagenter med dype domenekunnskaper |
| Data 360 | Konfigurasjon | ⚡️ Duplisere Knowledge per agent i stedet for å dele en enkelt Knowledge som grunnlegger flere agenter |
Mønstre
| Hvor du kan se | Hvordan det ser bra ut |
|---|---|
| Plattform | Tilpassede metadatatyper | ✅ Bruk tilpassede metadatatyper og Ledetekstbygger som kontrollerer virkemåten uten kodeendringer. Administratorer endrer ledetekstmaler og vurderingsparametere uten utviklingssykluser |
| Agentforce | Agent-konfigurasjon | ✅ Rut delsett til eksperimentelle versjoner som sammenligner kvalitetsmålinger, tilfredshet og fullføring av oppgaver før full utrulling (for eksempel 10 % til v2, 90 % på v1) |
| Agentforce | Agent-konfigurasjon | ✅ Overvåk valideringsperioden og oppretthold tilbakekallingskapasitet hvis problemer oppdages under A/B testing |
| Agentforce | Handling | ✅ Definer tydelige grensesnittkontrakter mellom komponenter: Handlinger angir inndata, utdata, feil og forventninger til ytelse |
| Agentforce | Agent-konfigurasjon | ✅ Utvid gradvis vellykkede versjoner (10 % til 25 % til 50 % til 100 %) over flerukers utrullingsperioder |
| Agentforce | Handling | ✅ Erstatte handlingsimplementasjoner uten agentendringer når grensesnittkontrakter beholdes |
Anti-Mønstre
| Hvor du kan se | Hvordan dårlig ser ut |
|---|---|
| Plattform | Apex | Krever kodeendringer for å endre agentvirkemåten i stedet for å bruke konfigurasjonsdrevne tilnærminger (Tilpassede metadatatyper, Ledetekstbygger) |
| Agentforce | Agent-konfigurasjon | ⚡️ Full utrulling av nye agentversjoner uten A/B-testing på et delsett som sammenligner kvalitetsmålinger og tilfredshet |
| Agentforce | Handling | ⚡️ Agenter avhengig av handlingsimplementeringsdetaljer i stedet for grensesnittkontrakter, som brytes når implementeringer endres |
| Agentforce | Agent-konfigurasjon | ⚡️ Distribuere nye versjoner til 100 % av brukerne umiddelbart uten gradert utrulling |
| Agentforce | Agent-konfigurasjon | ⚡️ Drift uten tilbakekalling under testing av eksperimentelle versjoner |
Mønstre
| Hvor du kan se | Hvordan det ser bra ut |
|---|---|
| Agentforce | Agent-konfigurasjon | ✅ Løs hver forespørsel i så få agenthandlinger som mulig – Flex-kreditter forbrukes per handling, så å konsolidere logikk med flere trinn til én enkelt handling reduserer kostnaden direkte |
| Agentforce | Agent-konfigurasjon | ✅ Modeller månedlige kostnadsprognoser basert på dokumenterte forbruksrater for Flex Credit og forventede interaksjonsvolumer som muliggjør budsjettplanlegging |
| Einstein | Overvåking | ✅ Overvåk Flex Credit-forbruk etter agent, bruksområde og brukerpopulasjon for å identifisere mønstre med høy forbruk som krever optimalisering |
| Einstein | Overvåking | ✅ Sammenlign faktisk forbruk mot projeksjoner for å informere om fremtidig planlegging og identifisere optimaliseringsmuligheter |
Anti-Mønstre
| Hvor du kan se | Hvordan dårlig ser ut |
|---|---|
| Agentforce | Agent-konfigurasjon | ⚡️ Kjeding av mange små handlinger der én konsolidert handling ville løse forespørselen, multiplisert forbruk av fleksikreditt per interaksjon |
| Virksomhet | Planlegging | ⚡️ Oppdagelse Flex Credit-forbruket overskrider projeksjoner først etter produksjonsdistribusjon fordi det ikke ble utført noen kostnadsmodellering per interaksjon |
Mønstre
| Hvor du kan se | Hvordan det ser bra ut |
|---|---|
| Agentforce | Agent-konfigurasjon | ✅ Utform øktgrenser og tidsavbrudd slik at en samtale vedvarer riktig uten å avslutte for tidlig og tvinge en ny fakturerbar samtale |
| Agentforce | Agent-konfigurasjon | ✅ Fokusere agentfunksjonalitet på første samtaleløsning slik at en oppgave fullføres i den første samtalen i stedet for å kreve en fakturerbar oppfølging |
| Einstein | Overvåking | ✅ Spor løsningsgrad for første samtale som kostnadseffektivitetsmåling under Prissætning pr. samtale |
| Agentforce | Agent-konfigurasjon | ✅ Håndter relaterte problemer innenfor den eksisterende samtalekonteksten i stedet for å åpne separate samtaler som hver medfører en flat avgift |
Anti-Mønstre
| Hvor du kan se | Hvordan dårlig ser ut |
|---|---|
| Agentforce | Agent-konfigurasjon | ⚡️ Avslutte samtaler for tidlig gjennom korte økttidsavbrudd, tvinge brukere til å starte nye fakturerbare samtaler for å fullføre en enkelt oppgave |
| Einstein | Overvåking | ⚡️ Overvåker bare totalt samtalevolum uten å spore løsningsgraden for første samtale, og mangler den primære kostnadsspaken under prissetting per samtale |
Mønstre
| Hvor du kan se | Hvordan det ser bra ut |
|---|---|
| Virksomhet | Dokumentasjon | ✅ Fremdrive tilpassing slik at lisensierte brukere aktivt engasjerer agenten, fordi under ikke-målt prisverdi per bruker kommer fra bruk i stedet for fra å minimere hver interaksjon |
| Einstein | Overvåking | ✅ Spor utnyttelse for å identifisere lisensierte brukere med lite bruk for målrettet opplæring eller ny tildeling av lisenser |
| Virksomhet | Dokumentasjon | ✅ Koble agentinteraksjoner til forretningsutfall etter brukerpopulasjon slik at brukstilfeller med høy verdi berettiger investeringen per plass |
| Virksomhet | Planlegging | ✅ Se gjennom brukerpopulasjoner i en kadens slik at lisenser holdes på linje med faktisk bruk i stedet for å gå over til overlisensiering |
Anti-Mønstre
| Hvor du kan se | Hvordan dårlig ser ut |
|---|---|
| Virksomhet | Planlegging | ⚡️ Klargjøring Per bruker-lisenser uten en tilpassingsplan, betaler en fast kostnad per plass for brukere som sjelden engasjerer agenten |
| Einstein | Overvåking | ⚡️ Aldri gjennomgå utnyttelse etter brukerpopulasjon, la lisenser gå over i samme overlisensiering som sløser tradisjonelle plasser |
Mønstre
| Hvor du kan se | Hvordan det ser bra ut |
|---|---|
| Agentforce | Agent-konfigurasjon | ✅ Implementer sorteringsagenter som håndterer første ruting med enkel logikk, og dirigere brukere til en spesialisert agent bare når kompleksiteten krever det |
| Plattform | Flyt | ✅ Gå tilbake til flytautomatisering for deterministiske scenarier der regelbasert logikk er tilstrekkelig, og reserver agentenes vurderinger for de tvetydige situasjonene som virkelig trenger det |
| Data 360 | Agent-konfigurasjon | ✅ Hent landingsdata selektivt ved å kalle opp vektorsøk og dokumenthenting bare når agentens resonnement krever det, i stedet for ved hver interaksjon |
Anti-Mønstre
| Hvor du kan se | Hvordan dårlig ser ut |
|---|---|
| Agentforce | Agent-konfigurasjon | ⚡️ Ruting av alle forespørsler direkte til en spesialisert agent, med dyre komplekse kall for forespørsler som enkel sorteringslogikk kunne ha håndtert |
| Plattform | Flyt | ⚡️ Bruke agentvurdering til deterministiske arbeidsflyter basert på regler som en flyt ville utføre med lavere kostnad uten variabelforbruk |
| Data 360 | Agent-konfigurasjon | ⚡️ Hente landingsdata for hver interaksjon uavhengig av om det kreves eller ikke, noe som fører til Data 360-forbruk som ikke sporer reelle behov |
Mønstre
| Hvor du kan se | Hvordan det ser bra ut |
|---|---|
| Data 360 | Agent-konfigurasjon | ✅ Bufre produktkataloginnbygginger med definert oppdateringskadens (for eksempel 24 timer), hente fra bufferen for rutinespørsmål og spørre Data 360 bare for nye eller kundespesifikke data |
| Data 360 | Agent-konfigurasjon | ✅ Implementer bufringsstrategier for å redusere gjentatte spørringer for vanlige forespørsler, balansere kostnadsoptimalisering mot krav til datakurighet |
| Data 360 | Organisasjon | ✅ Modeller kostnader for inntak og behandling av forhåndsdata (harmonisering, identitetsløsning, generering av innebygde data) separat fra kostnader for økt vekst |
| Data 360 | Agent-konfigurasjon | ✅ Evaluer om RAG-overhead berettiger kvalitetsforbedringer for bestemte brukstilfeller før du legger til generering med utvidet henting |
Anti-Mønstre
| Hvor du kan se | Hvordan dårlig ser ut |
|---|---|
| Data 360 | Agent-konfigurasjon | ⚡️ Ingen bufring implementert selv om de fleste spørringer er identiske vanlige spørsmål, som bruker fleksikreditter for gjentatte identiske svar |
| Data 360 | Organisasjon | ⚡️ Implementere aggressiv bufring uten å vurdere krav til dataoppdatering, og levere foreldet informasjon til brukere |
Mønstre
| Hvor du kan se | Hvordan det ser bra ut |
|---|---|
| Plattform | Organisasjon | ✅ Bruke Delvis kopi-Sandbox-enhet med målrettet kundedataeksempel til agentutvikling, reservere Full kopi-Sandbox-enhet eksklusivt for validering før produksjon |
| Plattform | Organisasjon | ✅ Planlegg for utvikling av infrastrukturkostnader på forhånd, inkludert Data 360-kapasitet, Flex Credits for ledetekst og integrasjonstilkobling |
Anti-Mønstre
| Hvor du kan se | Hvordan dårlig ser ut |
|---|---|
| Plattform | Organisasjon | ⚡️ Hver utvikler som klargjør Full kopi-Sandbox-enheter for agentutvikling, multipliserer Sandbox-kostnadene fem ganger |
| Plattform | Organisasjon | ⚡️ Avhengig av ad-hoc manuell testing som gir utilstrekkelig dekning, oppdager kvalitetsproblemer bare i produksjon |
| Virksomhet | Planlegging | ⚡️ Gjøre utviklingsinfrastrukturkostnader usynlige under planlegging, noe som fører til betydelige uventede kostnader under implementering |
Mønstre
| Hvor du kan se | Hvordan det ser bra ut |
|---|---|
| Virksomhet | Dokumentasjon | ✅ Bygg en omfattende TCO-modell som dekker alle seks kostnadskategorier: utvikling, utledning (Flex Credits), infrastruktur (Data 360 + MuleSoft), drift, styring og endringsbehandling |
| Virksomhet | Dokumentasjon | ✅ Opprett regneark-TCO-modeller som projiserer 3-5 års kostnader med dokumenterte forutsetninger for interaksjonsvolumer, kredittforbruk og vekstbaner |
| Virksomhet | Dokumentasjon | ✅ Utfør sensitivitetsanalyse som avdekker hvilke antagelser som påvirker totalinvesteringen mest, og aktiver fokuserte valideringsarbeid |
| Virksomhet | Dokumentasjon | ✅ Modeller løpende driftskostnader som en meningsfylt, gjentakende andel av utviklingskostnadene årlig for modne agenter, trukket fra generelle bransjeindikatorer for AI-agent i stedet for en fast Salesforce-tall |
| Virksomhet | Planlegging | ✅ Inkluder endringsbehandlingskostnader (brukeropplæring, tilpassing av forretningsprosesser, organisasjonsendringer) som ofte undervurderes |
Anti-Mønstre
| Hvor du kan se | Hvordan dårlig ser ut |
|---|---|
| Virksomhet | Planlegging | ⚡️ Inkludere bare utviklingskostnader i agentforretningssaker uten å modellere pågående forbruk (Flex Credits, Data 360, operasjoner), oppdage betydelige ikke-planlagte årlige kostnader etter distribusjon |
| Virksomhet | Planlegging | ⚡️ Utelate overhead for styring (sikkerhetsgjennomganger, infrastruktur for menneskelig oversikt, revisjonslogging, validering av samsvar) som øker med agentens autonomi og risikonivå |
| Virksomhet | Planlegging | ⚡️ Underskatte endringskostnader spesielt for agenter som oppretter betydelige arbeidsflytskift, som fører til budsjettunderskudd |
Mønstre
| Hvor du kan se | Hvordan det ser bra ut |
|---|---|
| Virksomhet | Dokumentasjon | ✅ Evaluer forhåndsbygde Agentforce agenter kontra tilpasset utvikling gjennom omfattende 3-årig TCO-sammenligning, inkludert vedlikeholdskostnader |
| Virksomhet | Dokumentasjon | ✅ Dokumentbygning kontra kjøpsbeslutninger i Beslutningsposter for arkitektur som aktiverer fremtidig vurdering etter hvert som kostnader og funksjoner endres |
| Agentforce | Agent-konfigurasjon | ✅ Vurder tilpassing av forhåndsbygde agenter gjennom Ledetekstbygger og handlingskonfigurasjon som mellomliggende mellom forhåndsdefinert og helt tilpasset |
| Virksomhet | Planlegging | ✅ Faktorbeslutningskriterier ut over kostnad: tid-til-verdi, organisasjonsutviklingsmulighet, strategisk differensieringsverdi og toleranse for leverandøravhengighet |
Anti-Mønstre
| Hvor du kan se | Hvordan dårlig ser ut |
|---|---|
| Virksomhet | Planlegging | ⚡️ Bygg tilpasset agent fordi “vi vil ha kontroll” uten å modellere 3-års TCO som viser forhåndsbygde alternativer, kan være betydelig billigere |
| Virksomhet | Planlegging | ⚡️ Valg av å bygge eller kjøpe basert utelukkende på første års kostnader uten å projisere pågående vedlikeholds-, kredittforbruk- og leverandøroppdateringsfordeler over flere års horisont |
Mønstre
| Hvor du kan se | Hvordan det ser bra ut |
|---|---|
| Virksomhet | Dokumentasjon | ✅ Sammenlign agent TCO med tradisjonelle automatiseringsalternativer (flyt, Apex, manuelle prosesser) før distribusjon, valider investeringsbegrunnelsen |
| Virksomhet | Dokumentasjon | ✅ Opprett grunnleggende for manuell prosess, inkludert fullbelastede ansattkostnader, feilfrekvenser, behandlingstid og gjennomløpskapasitet for å avdekke potensielle besparelser |
| Agentforce | Agent-konfigurasjon | ✅ Distribuer agenter for oppgaver som krever forståelse av naturlig språk, adaptivt resonnement eller håndtering av høy scenariovariabilitet der tradisjonell automatisering ikke kan samsvare med funksjonalitet |
| Plattform | Flyt | ✅ Bruke flytautomatisering til deterministiske arbeidsflyter med tydelige regler som gir tilsvarende utfall til lavere kostnad uten forbruk av variabel utledning |
Anti-Mønstre
| Hvor du kan se | Hvordan dårlig ser ut |
|---|---|
| Agentforce | Agent-konfigurasjon | ⚡️ Distribueringsagent for enkel deterministisk rutingsoppgave som bruker 15 000 USD årlig kreditt når Flyt gir tilsvarende funksjonalitet uten variabelkostnader |
| Virksomhet | Planlegging | ⚡️ Standard til agenttilnærming for all automatisering uten å evaluere om tradisjonell automatisering gir like resultater til lavere totalkostnad |
Mønstre
| Hvor du kan se | Hvordan det ser bra ut |
|---|---|
| Einstein | Overvåking | ✅ Bygg Flex Credit-forbrukskontrollpaneler som viser forbruk etter agent, brukerpopulasjon, tidsperiode og interaksjonstype for å raskt identifisere forbruksspiker |
| Einstein | Overvåking | ✅ Implementer kostnadsattribusjon per interaksjon som knytter kredittforbruk til forretningstransaksjoner (kostnad per løst sak, kostnad per kvalifisert salgsemne, kostnad per behandlet bestilling) |
| Einstein | Overvåking | ✅ Konfigurer budsjettvarsler ved eksempler på terskler som 70 % og 85 % etter agent og bruksområde (ikke bare i hele organisasjonen) som aktiverer proaktiv intervensjon før overføring |
| Einstein | Overvåking | ✅ Implementer avvikdeteksjon som identifiserer uvanlige forbruksmønstre (sudden spike som indikerer ineffektivitet, uventede bruksmønstre eller misbruk) |
| Virksomhet | Dokumentasjon | ✅ Del kostnadskontrollpaneler med forretningsinteressenter og tekniske team som oppretter gjennomsiktighet som aktiverer kostnadsbevisst agentbruk |
| Virksomhet | Dokumentasjon | ✅ Utfør kvartalsvise budsjettgjennomganger som sammenligner faktisk forbruk med prognoser, evaluerer forretningsutfall og justerer tildelinger basert på demonstrert verdi |
| Virksomhet | Planlegging | ✅ Reserve 10-15 % av kredittbudsjettet for eksperimentering og uventet forbruksvekst for å hindre flaskehalser for innovasjon |
| Virksomhet | Planlegging | ✅ Opprett flerårige prognoser basert på agenttilpassingstrender, nye distribusjoner og utvidede brukstilfeller som muliggjør kapasitetsplanlegging og leverandørforhandlinger |
Anti-Mønstre
| Hvor du kan se | Hvordan dårlig ser ut |
|---|---|
| Einstein | Overvåking | ⚡️ Overvåking av kredittforbruk bare gjennom månedlig fakturagjennomgang, oppdagelse av budsjettoverskridelser 6 uker i kvartalet uten tid til å optimalisere før fornyelse |
| Einstein | Overvåking | ⚡️ Konfigurere budsjettvarsler bare på organisasjonsnivå, mangler økende forbruk per agent og per bruksområde som angir optimaliseringsmuligheter |
| Virksomhet | Planlegging | ⚡️ Krever økning i hastebudsjettet fordi forbruksovervåking ikke ble implementert tidlig nok til å identifisere og håndtere overstyringer proaktivt |
| Virksomhet | Planlegging | ⚡️ Angi et årlig budsjett én gang ved start av regnskapsår uten gjennomganger, sultne agenter med høy verdi for kreditter mens agenter med lav avkastning på investeringer bruker tildelingen |
| Virksomhet | Planlegging | ⚡️ Tildel null budsjettreserve for eksperimentering, tvinger team til å rettferdiggjøre hvert nytt bruksområde gjennom langvarig godkjenning før utforsking |
Mønstre
| Hvor du kan se | Hvordan det ser bra ut |
|---|---|
| Einstein | Overvåking | ✅ Spor forbruk etter agentforekomst som aktiverer sammenligning på tvers av agenttyper og brukstilfeller, og avslører hvilke agenter som gir beste avkastning på investeringer (ROI) |
| Virksomhet | Dokumentasjon | ✅ Koble forbruk til forretningsprosesser (salgsemnekvalifisering, saksløsning, bestillingsbehandling) slik at forretningsledere kan evaluere strategisk justering |
| Einstein | Overvåking | ✅ Spor forbruk etter avdeling, rolle eller brukersegment som viser hvor agenttilpassingen er høyest og hvor kostnader konsentreres |
| Virksomhet | Planlegging | ✅ Bruk kvartalsvise kostnadsgjennomganger til å sammenligne agent-ROI på tvers av portefølje og tildele investeringer på nytt fra agenter med lav ROI til agenter med høy ROI basert på demonstrert verdi |
Anti-Mønstre
| Hvor du kan se | Hvordan dårlig ser ut |
|---|---|
| Virksomhet | Planlegging | ⚡️ Tildeling av alle agentkostnader til IT-budsjettet uten tilskriving av forretningsenheter, som hindrer at forretningsledere vurderer om utgiftene er i samsvar med prioriteringer |
| Virksomhet | Planlegging | ⚡️ Behandle agentforbruk som ikke-differensiert kostnad uten å koble forbruk til forretningsutfall, slik at beregning av avkastning på investeringer blir umulig |
Mønstre
| Hvor du kan se | Hvordan det ser bra ut |
|---|---|
| Virksomhet | Dokumentasjon | ✅ Implementer tilbakemeldingsrapportering som gir forbrukssynlighet etter forretningsenhet, og opprett kostnadsbevissthet som aktiverer informerte bruksbeslutninger uten omstridte tilbakekostningsdiskusjoner |
| Virksomhet | Dokumentasjon | ✅ Bruk hybridtildeling med chargeback for produksjonsagenter med stor trafikk og showback for eksperimentelle eller agenter med lav trafikk, og balanser ansvarlighet med innovasjonsfleksibilitet |
| Virksomhet | Dokumentasjon | ✅ Utfør kvartalsvise vurderinger som diskuterer om forbruket er i samsvar med verdien som leveres, som fører til optimaliseringsforpliktelser |
Anti-Mønstre
| Hvor du kan se | Hvordan dårlig ser ut |
|---|---|
| Virksomhet | Planlegging | ⚡️ Implementere full tilbakekostnad for eksperimentelle agenter, avverge innovasjon og utforsking ved umiddelbart å påtvinge budsjettansvar for nye brukstilfeller |
Mønstre
| Hvor du kan se | Hvordan det ser bra ut |
|---|---|
| Agentforce | Ledetekstmal | ✅ Eliminer unødvendig overflødighet i systemledetekster som gjenkjenner hvert ekstra token, og legger til forhåndsutfylling og latens på tvers av alle interaksjoner – beskjær systemledetekster til det agenten faktisk bruker |
| Agentforce | Ledetekstmal | ✅ Inkluder bare relevant informasjon via selektiv konteksthenting med relevansrangering som sikrer at informasjon med høyeste verdi passer innenfor kontekstgrenser |
| Agentforce | Ledetekstmal | ✅ Angi presis svarformatering for rutineinteraksjoner, minimere fullføringstokener ved å unngå forespørsler om omfattende formatering eller omfattende forklaringer |
| Agentforce | Ledetekstmal | ✅ Gjenbruk standardiserte ledetekstmaler på tvers av lignende agenter for å redusere investeringer i ledetekstoptimalisering samtidig som konsistens og effektivitet opprettes |
Anti-Mønstre
| Hvor du kan se | Hvordan dårlig ser ut |
|---|---|
| Agentforce | Ledetekstmal | ⚡️ Skriving av ledetekster i samtalen uten optimalisering som forbruker 2K+-tokener per interaksjon, inkludert omfattende instruksjoner og omfattende eksempler som agenter sjelden refererer til |
| Agentforce | Ledetekstmal | ⚡️ Hente alle potensielt relaterte data for kontekst i stedet for selektivt å inkludere bare relevant informasjon, øker forbruket av ledetekster |
| Agentforce | Ledetekstmal | ⚡️ Opprette unike ledetekstmaler for hver agent i stedet for å standardisere mønstre, multiplisere ledetekstarbeid uten proporsjonal kvalitetsfordel |
Mønstre
| Hvor du kan se | Hvordan det ser bra ut |
|---|---|
| Agentforce | Agent-konfigurasjon | ✅ Bufre vanlige agentsvar for vanlige spørsmål som betjenes direkte fra bufferen for duplikatspørringer (bufferoppdagelsesfrekvenser over 30 % angir betydelig optimaliseringsmulighet) |
| Data 360 | Agent-konfigurasjon | ✅ Cache stabile Knowledge kontekst (produktkataloger, policy dokumenter, referanse materiale) reduserer henting overhead for hver interaksjon refererer til felles informasjon |
| Agentforce | Agent-konfigurasjon | ✅ Implementer bufring av samtaler i brukerøkter ved å opprettholde kontekst på tvers av omganger uten å sende full historikk på nytt, og redusere tokenforbruket i interaksjoner med flere omganger |
| Agentforce | Agent-konfigurasjon | ✅ Definer strategier for bufferversjon basert på innholdsvolatilitet (produktinformasjon bufres i timer/dager, sanntidsdata bør ikke bufres) |
Anti-Mønstre
| Hvor du kan se | Hvordan dårlig ser ut |
|---|---|
| Agentforce | Agent-konfigurasjon | ⚡️ Ingen bufring implementert selv om 60 % av spørringene er identiske vanlige spørsmål, og unødvendig forbruk av fleksikreditter for gjentatte identiske svar |
| Agentforce | Agent-konfigurasjon | ⚡️ Bufring av sanntidsdata (lagerbeholdningsnivåer, priser, tilgjengelighet) som krever ferskhet, og betjening av foreldet informasjon som fører til feil agentsvar |
| Agentforce | Agent-konfigurasjon | ⚡️ Aldri oppdatering av bufrede svar som fører til utdaterte svar etter hvert som produkter, poliser eller prosesser endres |
Mønstre
| Hvor du kan se | Hvordan det ser bra ut |
|---|---|
| Virksomhet | Dokumentasjon | ✅ Krev forretningssak, inkludert projisert 3-års TCO, forventede forretningsutfall med målingsmetodikk, sammenligning med alternativer og risikovurdering |
| Virksomhet | Dokumentasjon | ✅ Definer godkjenningsterskeler som skiller investeringer en avdeling kan godkjenne fra de som krever godkjenning fra ledere, slik at agenter med høyere investeringer eller høyere risiko får proporsjonal kontroll fra ledere |
| Virksomhet | Dokumentasjon | ✅ Mandate pilotdistribusjoner som validerer forutsetninger (forbruk, kvalitet, tilpassing) før full produksjonsinvestering |
| Virksomhet | Dokumentasjon | ✅ Inkluder beregning av avkastning på investeringer (ROI) i agentforslag (for eksempel 4:1-avkastning demonstrert gjennom løste saker og kostnadsbesparelser ved manuell håndtering) |
Anti-Mønstre
| Hvor du kan se | Hvordan dårlig ser ut |
|---|---|
| Virksomhet | Planlegging | Distribuere agenter uten forretningssak, oppdage 3x projisert kredittforbruk samtidig som det leveres uklar forretningsverdi, opprette ikke-planlagt årlig forbruk uten dokumentert avkastning på investeringer (ROI) |
| Virksomhet | Planlegging | ⚡️ Hopp over pilotdistribusjon og gå direkte til full produksjon, mangler mulighet til å validere forbruksforutsetninger før du forplikter deg til fullt budsjett |
| Virksomhet | Planlegging | ⚡️ Godkjenning av agentinvesteringer uten sammenligning med alternative tilnærminger (manuelle prosesser, tradisjonell automatisering) som kan levere tilsvarende verdi til lavere kostnad |
Mønstre
| Hvor du kan se | Hvordan det ser bra ut |
|---|---|
| Virksomhet | Dokumentasjon | ✅ Utfør årlig porteføljegjennomgang som evaluerer alle agenter ved å sammenligne kostnad, bruk, forretningsverdi og strategisk justering for å avdekke optimaliseringsmuligheter som er manglet av agent-for-agent-gjennomgang |
| Virksomhet | Dokumentasjon | ✅ Definer solnedgangskriterier (lav tilpassing, dårlig avkastning på investeringer, overdreven funksjonalitet, overdreven kostnad) som hindrer akkumulering av agenter med lav verdi som bruker budsjett |
| Virksomhet | Planlegging | ✅ Øv kontinuerlig omfordeling av investeringsressurser fra agenter med lav ytelse til salgsmuligheter med høy verdi, i samsvar med utviklende forretningsprioriteter |
| Virksomhet | Dokumentasjon | ✅ Kategorisere agenter etter ROI-nivå (f.eks. leverer top 2 70 % verdi ved 50 % kostnad = utmerket; midtre 4 leverer 25 % verdi ved 35 % kostnad = akseptabelt; bunn 2 leverer 5 % verdi ved 15 % kostnad = solnedgangskandidater) |
Anti-Mønstre
| Hvor du kan se | Hvordan dårlig ser ut |
|---|---|
| Virksomhet | Planlegging | ⚡️ Agenter som distribueres, forblir i produksjon på ubestemt tid uten utnyttelses- eller verdivurdering, og akkumulerer agenter med lav verdi som forbruker budsjett som kan finansiere salgsmuligheter med høyere verdi |
| Virksomhet | Planlegging | ⚡️ Evaluerer agenter bare individuelt uten porteføljeperspektiv, mangler innsikt om at noen få agenter leverer mest verdi mens mange forbruker uforholdsmessige ressurser |