Agentforce の詳細を知る
学習の目的
この単元を完了すると、次のことができるようになります。
- 自律型エージェントを定義する。
- Agentforce が業務の遂行をどのように補佐するか説明する。
Agentforce の概要
エージェントはプロアクティブな自律型アプリケーションで、特殊なタスクを実行して従業員やお客様を補佐するように設計されています。エージェントは大規模言語モデル (LLM) を使用して、お客様とのやり取りや自動トリガーのコンテキスト全体を分析して理解し、次のステップについての判断を自律的に推論します。
さらに、Salesforce CRM データや Data 360 からの外部データなど、信頼できるビジネスデータを使用して、会社のブランドボイスやガイドラインに即した応答を生成します。また、セルフサービスポータルやメッセージングチャネルなど、さまざまなプラットフォームで 24 時間稼働でき、設定されたガードレール内でタスクをプロアクティブに処理します。範囲を超えた複雑な問題に直面したときは、事態を人間のエージェントにエスカレーションして、クエリが効率的かつ的確に解決されるようにします。
Agentforce の標準エージェントは、コードではなく、クリック操作で簡単にカスタマイズしてリリースできます。数分で設定した後、簡単に拡張でき、あらゆるチャネルで 24 時間稼働します。
-
Service Agent: 従来のチャットボットの後任となる AI で、事前にシナリオをプログラムしなくても幅広いサービスの問題を処理できるため、カスタマーサービスの効率性が向上します。
-
Sales Development Representative (SDR): 24 時間いつでも見込み客にエンゲージし、CRM データや外部データを基に質問に答え、オブジェクションに対処し、ミーティングをスケジュールして、営業担当が確固たる顧客関係の構築に注力できるようにします。
-
Sales Coach: 営業チームにパーソナライズされたロールプレイセッションを実施します。Salesforce データと生成 AI を使用して、営業担当が特定の案件向けのセールストークやオブジェクションを練習できるようにします。
-
Merchandiser: e コマースのマーチャンダイザーのサイト設定、目標設定、パーソナライズされたプロモーション、商品説明、データドリブンのインサイトを補佐し、日常業務を簡便にします。
-
Buyer Agent: B2B 購入エクスペリエンスを改善します。バイヤーが商品を見つけて購入し、チャットやセールスポータル内で注文を追跡できるようにします。
-
Personal Shopper: e コマースサイトやメッセージングアプリケーションでデジタルコンシェルジュの役割を果たします。パーソナライズされた商品のおすすめを提示したり、検索クエリで助けたりします。
-
Campaign Optimizer: キャンペーンのライフサイクル全体を自動化します。AI を利用して、ビジネス目標を基にマーケティングキャンペーンの分析、生成、パーソナライズ、最適化を実行します。
-
Agentforce: 従業員の業務の流れの中で、データの検索、アクションプランの作成や実行などの方法で特定のタスクをサポートし、職場の効率性を向上させます。
エージェントの主要なコンポーネント
各エージェントには、そのエージェントが実行できるジョブとアクションを定義するパラメーターが設定されています。
-
ロール: エージェントの目的。遂行すべきジョブと、エージェントがチーム内で達成すべき広範な目標を定義します。
-
知識: エージェントが成果をあげるために必要なデータ。たとえば、会社のナレッジ記事、CRM データ、Data 360 経由の外部データ、公開 Web サイトなどが該当します。
-
アクション: エージェントが達成可能な目標。エージェントがトリガーや指示に基づいてジョブを遂行するために実行可能な事前定義されたタスクです。たとえば、エージェントはフロー、プロンプトテンプレート、Apex などを実行できます。
-
ガードレール: エージェントが稼働時に従うガイドライン。エージェントができることとできないこと、人間にエスカレーションすべき時点などを伝える自然言語の指示などで、Einstein Trust Layer に組み込まれているセキュリティ機能に基づく場合もあります。
-
チャネル: エージェントがジョブを遂行するアプリケーション。Web サイト、CRM、モバイルアプリケーション、Slack などが該当します。
エージェントの頭脳である Agentforce 推論エンジン
Agentforce 推論エンジンは、ユーザーとテンポよくやり取りしながら、高度な会話を続けることを目的に設計されています。この概要と主な機能をご紹介します。
-
マルチターンチャット: 推論エンジンは、進行する会話のコンテキストを考慮して適応するという方法で対話型コミュニケーションを促進し、実施するサービスの正確性を高めます。
-
トピック分類: 事前に定義された説明に基づいてユーザー発言をトピックに分類して、適切な応答になるようにします。
-
指示とアクション: どのトピックも、注文の詳細の確認や詳細情報の取得など、ユーザーを正確かつ効率的に補佐するための具体的な指示とアクションを伴います。
-
知識の取得: 高度な検索拡張生成 (RAG) など複数の手法を使用して、関連性が最も高い知識チャンクを取得すると同時に、応答の品質を評価します。ちなみに、RAG は複数の言語モデルを選択的に使用して、クエリの品質を反復的に改良していく技法です。
-
検索可能な公開データ: エージェントが Einstein Trust Layer 経由で公開データに安全にアクセスできるようになり、知識ベースが拡大しました。
エージェントがアクションを実行する方法
エージェントは、タスクと動作の境界について概説する自然言語の説明を使用して、ガードレールを遵守しながらアクションを実行します。以下はその実行方法の概要です。
- エージェントがまず、トリガー (従業員やお客様との会話、データの変更、自動化など) を受け取ります。
- エージェントが LLM と自然言語の説明を使用してコンテキストを特定し、範囲、必要なデータ、必須条件など、実行するジョブに最適なトピックを選択します。
- エージェントがタスクに必要なアクションを選択して連結します。一連のアクションは、フロー、Apex クラス、API、直接的なプロンプトを使用して実行されます。
- エージェントが事前定義されたガードレールに厳密に従いながら、動的にタスクを計画して実行します。また、Einstein Trust Layer を使用して有害性を検出するメカニズムも組み込まれているため、不適切あるいは有害な活動には関与しないようになっています。
これで、エージェントの概要と、エージェントが何をどのように行うのかを多少なりとも理解することができました。詳細は、「リソース」に記載されている Trailhead のコンテンツを参照してください。Agentforce を実際に操作するコンテンツもあります。