Utilizzare Knowledge in Agentforce per Service
Obiettivi di apprendimento
Al completamento di questa unità, sarai in grado di:
- Comprendere in che modo Agentforce per Service utilizza la Libreria dati Agentforce.
- Spiegare le differenze fondamentali tra Knowledge di Agentforce e Knowledge di Bot Einstein.
Trailcast
Se vuoi ascoltare una registrazione di questo modulo, usa il player qui sotto. Quando hai finito, ricorda di tornare a ciascuna unità, consultare le risorse e completare le valutazioni associate.
Agentforce e il suo profondo radicamento nei dati
Immagina di dotare un agente della capacità di rispondere alle domande in tempo reale attingendo informazioni dalla knowledge base aziendale. È esattamente quel che fa Agentforce, senza nessuna fatica.
Confronto tra Libreria dati Agentforce e Risposte con articolo (Bot Einstein)
L'aggiunta di una Libreria dati Agentforce aumenta la precisione e rinsalda la fiducia dei clienti nelle risposte fornite. La Libreria dati supporta sia articoli Knowledge (record e campi) che file caricati, ricerche web e retriever personalizzati. Ma dov'è il miglioramento significativo?
In precedenza, i bot Einstein si basavano su dati altamente strutturati utilizzando Risposte con articolo, un processo che richiedeva l'Elaborazione del linguaggio naturale (NLP) per addestrare i bot a comprendere l'intento e a recuperare le informazioni dagli articoli Knowledge. Era necessaria una mappatura manuale per collegare le domande (per le quali occorreva creare anche diverse varianti) a specifici campi all'interno di ogni articolo. Era possibile indicizzare ed eseguire ricerche solo negli articoli pubblicati con campi compilati, il che limitava le risposte ai campi mappati corrispondenti. Di conseguenza, i bot potevano rispondere soltanto a domande specifiche e predefinite e non erano in grado andare oltre questo ambito. A seconda delle dimensioni della knowledge base, la creazione di una build poteva richiedere fino a 30 minuti e oltre. Era come parlare con qualcuno che poteva rispondere solo a domande per le quali era stato specificamente addestrato e che dovevano essere formulate in modi molto particolari.
La potenza dei dati non strutturati
Agentforce sfrutta la potenza dei Large Language Model (LLM) per l'elaborazione dei dati non strutturati, supportata dalla Libreria dati Agentforce. Spesso i dati non strutturati comprendono trascrizioni di chat, PDF, file audio e video, documenti legali e file di testo di grandi dimensioni, ad esempio libri. In Salesforce, questo tipo di dati possono essere derivati da articoli Knowledge o allegati in formato PDF durante l'integrazione di una Libreria dati Agentforce.
Mentre i dati non strutturati non hanno un formato coerente, gli LLM, come quelli utilizzati da Agentforce, sono in grado di elaborare ed eseguire ricerche senza difficoltà in questo tipo di informazioni. Ciò significa che è possibile caricare un articolo o un PDF nella Libreria dati Agentforce. Non è necessario mappare campi specifici per il recupero dei dati né aggiornare articoli Knowledge o attendere una build. Soprattutto, non occorre addestrare Agentforce su come rispondere a domande specifiche, poiché è studiato per comprendere naturalmente le interazioni umane.
La Libreria dati utilizza il radicamento nel contesto mediante Generazione aumentata di recupero (RAG, Retrieval-Augmented Generation) per indicizzare gli articoli Knowledge e gli allegati ed è pertanto in grado di recuperare le informazioni più pertinenti e aggiornate. Quando una libreria dati viene aggiunta in Agentforce, Salesforce crea automaticamente una soluzione basata su RAG per recuperare i dati, strutturati e non, da articoli Knowledge e PDF. Con questi dati indicizzati, Einstein può verificare rapidamente le informazioni riportate nelle risposte rispetto a informazioni e policy specifiche. Non si tratta dunque di "tirare a indovinare" la risposta corretta. In sostanza, quando un cliente pone una domanda, Agentforce accede alle informazioni pertinenti nella libreria dati e fornisce una risposta in uno stile naturale e conversazionale.
Nel Generatore Agentforce, gli utenti possono scegliere di utilizzare una Libreria dati Agentforce esistente o di crearne una nuova. Solo un avvertimento: prima di impostare una libreria dati, è necessario attivare Data Cloud. Una volta attivato, gli utenti possono caricare allegati o link ad articoli Knowledge esistenti: è tutto quel che serve per permettere a Agentforce di iniziare a fare miracoli. Tutto qui.
Riepilogo
Agentforce per Service mira a migliorare la produttività e l'efficienza degli agenti dell'assistenza utilizzando gli agenti IA per gestire e interagire in modo più efficiente con i dati non strutturati. Se si aggiungono argomenti, azioni e istruzioni, le attività sono chiaramente definite da linee guida che indicano all'agente quando e come interagire con i clienti e quando astenersi dal farlo. Ora che sai come funziona Agentforce per Service, passa a Avvio rapido: Creare un agente dell'assistenza con Agentforce per fare esperienza pratica.