Atualizar a IA com dados do mundo real
Objetivos de aprendizagem
Após concluir esta unidade, você estará apto a:
- Descrever os benefícios de usar a Biblioteca de dados do Agentforce.
- Definir quatro conceitos principais envolvidos na transformação e organização de dados de IA.
- Explicar como os processos de configuração e tempo de execução da Biblioteca de dados do Agentforce funcionam.
Nova experiência de criação de agentes disponível em breve!
O Agentforce vai receber uma atualização! Na Dreamforce 2025, anunciamos a nova experiência de criação de agentes, que pode diferir do processo e dos recursos apresentados neste emblema. A nova experiência deverá ficar disponível em versão beta aberta nas semanas seguintes à Dreamforce. A disponibilidade geral virá logo em seguida. A experiência atual do criador continua disponível para oferecer suporte a agentes criados anteriormente. Fique atento a mais informações.
Antes de começar
Antes de iniciar este módulo, considere a possibilidade de concluir este conteúdo recomendado.
Por que fundamentar a IA com dados?
Seus dados desempenham um papel crucial para garantir que os sistemas de IA operem com precisão e eficácia. Se você der a resposta errada a um cliente, isso poderá desencorajá-lo a fazer compras futuras. Se você der informações incorretas aos representantes de serviço, eles poderão frustrar os clientes em vez de ajudá-los. Se as recomendações oferecidas aos representante de vendas estiverem desatualizadas, eles poderão não cumprir suas metas de receita e perder oportunidades comerciais valiosas.
Embora os dados sejam a espinha dorsal de qualquer sistema de IA eficaz, os modelos de IA têm uma origem generalistas: eles treinam em enormes conjuntos de dados que oferecem uma ampla base de conhecimento. Essa ampla base de conhecimento significa que eles não têm as informações especializadas necessárias para realizar tarefas específicas ou responder a perguntas técnicas para seus casos de uso exclusivos.
A fundamentação de dados do mundo real permite que os modelos de IA avancem além dos conjuntos de treinamento estáticos. Quando você fundamenta seu modelo de IA em fontes de informação verificadas, como sua base de conhecimento do Salesforce, seus arquivos carregados ou sites, o LLM pode retornar respostas a consultas de clientes com mais precisão, sugerir respostas a agentes, fornecer resumos de pesquisa sofisticados e muito mais.
O desafio dos dados empresariais
A maioria das empresas armazena suas bases de conhecimento em formatos não estruturados, como coleções de vídeos, imagens, documentos, emails, dados de sensores, publicações em redes sociais, arquivos de áudio e muito mais. Esses formatos não são adequados para planilhas ou bancos de dados. Esses dados, que representam quase 90% dos dados empresariais, são mais difíceis de pesquisar, mas estão repletos de informações valiosas, como feedback, percepções, opiniões, tom e sentimento dos clientes. Portanto, como você pode desbloquear o potencial desses dados?
Apresentamos a Biblioteca de dados do Agentforce, uma ferramenta poderosa que pode ajudar você a fundamentar a IA com seus dados do mundo real. Com a Biblioteca de dados do Agentforce, você pode conectar sua base de conhecimento aos recursos de IA do Salesforce e garantir conteúdos atualizados, gerados por IA e personalizados para sua organização e casos de uso. Ao configurar uma Biblioteca de dados do Agentforce, você tem acesso às ferramentas necessárias para transformar grandes conjuntos de dados não estruturados ou semiestruturados em conteúdo mais útil e pesquisável. Vamos ver como.
Transformar dados para uso eficiente com grandes modelos de linguagem
As Bibliotecas de dados do Agentforce facilitam a vinculação de agentes e grandes modelos de linguagem (LLMs) aos seus dados não estruturados, automatizando diversas etapas da configuração no Data 360 e no Criador de prompts. Isso inclui o envio de fluxos de dados por push para o Data 360, o mapeamento de objetos de dados e a criação de um índice de pesquisa e um buscador. Com isso, suas ferramentas de IA estarão sempre trabalhando com as informações mais atualizadas e relevantes.
Antes de saber como criar uma biblioteca de dados, vamos ver alguns conceitos importantes: fundamentação, formação de blocos, indexação e buscadores.
Fundamentação
A fundamentação acontece quando você adiciona conhecimento específico do domínio ou informações do cliente a um prompt, fornecendo ao LLM o contexto necessário para responder com mais precisão a uma pergunta ou tarefa. Como já mencionamos, suas fontes de fundamentação podem incluir artigos de conhecimento, arquivos carregados, sites, transcrições de conversas e muito mais. No entanto, documentos extensos e complexos podem exigir muito tempo e recursos para serem pesquisados, e os LLMs têm um limite máximo de tokens ou palavras para o volume de texto que podem processar de uma só vez.
Formação de blocos e indexação
Para resolver isso, as fontes de dados são divididas em partes menores, chamadas blocos. Em seguida, pesquisamos os blocos e retornamos apenas as informações mais relevantes para que o LLM considere.
Depois que os dados são agrupados em blocos, eles são organizados e categorizados em um índice de pesquisa. O armazenamento de informações em um índice de pesquisa organizado facilita e agiliza a recuperação de dados específicos quando necessário. Quando os dados são divididos em blocos e organizados dessa forma, as pesquisas se tornam mais eficientes, a relevância dos resultados melhora e fica mais fácil lidar com conjuntos de dados muito grandes.
Pense em uma grande loja online com milhões de produtos. A organização adequada do catálogo de uma loja ou a taxonomia de um site permite que os clientes encontrem rapidamente os produtos desejados em categorias como nome, tipo, marca ou até recursos específicos. Dividir dados em partes menores e organizá-los em um índice de pesquisa é como criar um catálogo para seu conteúdo. Em seguida, os LLMs podem usar esse catálogo ou índice para encontrar as informações certas para responder às consultas dos usuários.
Buscadores
Os buscadores atuam como indicadores entre dados e recursos. Eles são criados para automaticamente extrair e oferecer dados relevantes de diferentes bancos de dados, sistemas ou plataformas. Quando um usuário faz uma pergunta, o buscador atribuído a cada biblioteca de dados determina quais conjuntos de dados no Data 360 as ferramentas de IA do Salesforce podem acessar. Isso torna os buscadores particularmente importantes em aplicativos como mecanismos de busca, sistemas de perguntas e respostas e sistemas de recomendação.
Você acabou de conhecer alguns conceitos básicos sobre a organização de dados na IA. A seguir, vamos ver como esses processos se desenrolam durante a configuração e o tempo de execução da biblioteca de dados.
O que acontece na configuração?
Ao criar uma biblioteca de dados, os processos que conectam seus dados aos agentes e recursos de IA são imediatamente iniciados. Primeiro, um fluxo de dados é criado, seguido pelos objetos do data lake e do modelo de dados. Em seguida, esses objetos são mapeados e o formação de blocos de dados é iniciada. O tempo necessário para a formação de blocos varia de acordo com fatores como o número, o tamanho e a complexidade dos artigos de conhecimento ou arquivos carregados, e o número de campos de conhecimento selecionados para a formação. Após a conclusão do processo e quando o índice de pesquisa estiver pronto, um buscador será criado. Cada Biblioteca de dados do Agentforce tem seu próprio buscador exclusivo, que pode indicar o mesmo índice de pesquisa, mas funciona de forma independente.
O que acontece no tempo de execução?
Após a configuração do buscador e a preparação total do índice de pesquisa, o sistema estará pronto para tratar das consultas dos usuários em tempo de execução.
Em tempo de execução, a consulta do usuário é adicionada ao modelo de prompt, que consulta o buscador conectado aos dados relevantes. Em seguida, o sistema pesquisa o índice de pesquisa para encontrar as informações mais pertinentes e elas são reincorporadas ao prompt. O LLM recebe esse prompt enriquecido, que inclui a consulta do usuário, as informações adicionadas e as instruções do prompt, e então gera uma resposta. O Planejador de serviço analisa essa resposta para garantir que ela esteja alinhada com as instruções do prompt. Por fim, o usuário final recebe uma resposta que responde com precisão à consulta e é contextualizada com informações relevantes e específicas do domínio, adaptadas à tarefa específica.
Vamos recapitular
Ótimo trabalho! Nessa unidade, você viu por que é importante fundamentar a IA em seus dados e explorou alguns termos especializados e processos técnicos. Agora é hora de configurar tudo e você verá como isso pode ser simples!