Usar o Knowledge no Agentforce para serviço
Objetivos de aprendizagem
Após concluir esta unidade, você estará apto a:
- Entender como o Agentforce para serviço usa a Biblioteca de dados do Agentforce.
- Explicar as principais diferenças entre o Knowledge do Agentforce e o Knowledge dos bots do Einstein.
Agentforce, você está preso! (a dados)
Imagine capacitar um agente para responder a perguntas em tempo real mediante a recuperação de informações da sua base de conhecimento. É exatamente isso que o Agentforce faz, sem qualquer esforço.
Biblioteca de dados do Agentforce vs. Respostas do artigo (Bots do Einstein)
A adição de uma Biblioteca de dados do Agentforce aumenta a precisão e aumenta a confiança do cliente nas respostas fornecidas. A Biblioteca de dados é compatível com arquivos carregados de artigos do Knowledge (registros e campos), pesquisa na web e recuperadores personalizados. Por que isso é um aprimoramento tão significativo?
Anteriormente, os bots do Einstein dependiam de dados altamente estruturados usando respostas de artigos, o que exigia o processamento de linguagem natural (PNL) para treinar os bots para entender a intenção e recuperar informações de artigos do Knowledge. Era necessário um mapeamento manual para associar perguntas (que também tinham que ser criadas com diversas variações) a campos específicos em cada artigo. Apenas os artigos publicados com campos preenchidos podiam ser indexados e pesquisados, o que limitava as respostas a esses campos mapeados. Como resultado, os bots só podiam responder a perguntas específicas e predefinidas. Além disso, não podiam ir além desse âmbito. Dependendo do tamanho da base do Knowledge, uma criação poderia levar até 30 minutos ou mais. Era como conversar com alguém que só podia responder a perguntas para as quais tinha sido especificamente treinado e que tinham de ser formuladas de formas muito particulares.
O poder dos dados não estruturados
O Agentforce aproveita o poder dos grandes modelos de linguagem (LLMs) para processar dados não estruturados, com o suporte da biblioteca de dados do Agentforce. Os dados não estruturados geralmente incluem transcrições de bate-papos, PDFs, arquivos de áudio e vídeo, documentos legais e arquivos de texto grandes, como livros. No Salesforce, esse tipo de dados pode ser obtido em artigos do Knowledge ou anexos de PDF ao integrar uma biblioteca de dados do Agentforce.
Embora os dados não estruturados não tenham um formato consistente, os LLMs, como o usado pelo Agentforce, podem processar e pesquisar facilmente esse tipo de informação. Isso significa que um artigo ou PDF pode ser carregado na biblioteca de dados do Agentforce. Não há necessidade de mapear campos específicos para recuperação de dados, atualizar artigos de conhecimento ou esperar por uma compilação. Mais importante ainda, o Agentforce não precisa ser treinado para responder a perguntas específicas, pois foi criado para entender naturalmente as interações humanas.
A biblioteca de dados usa a fundamentação com geração aumentada por recuperação (RAG) para indexar artigos do Knowledge e anexos, garantindo a recuperação das informações mais relevantes e atualizadas. Quando uma biblioteca de dados é adicionada ao Agentforce, o Salesforce cria automaticamente uma solução baseada em RAG para recuperar dados não estruturados (e estruturados) de artigos do Knowledge e PDFs. Com esses dados indexados, o Einstein pode verificar rapidamente as respostas em relação a políticas e informações específicas. Assim, ele não está simplesmente “adivinhando” o caminho para a resposta certa. Tudo isso para dizer que, quando um cliente faz uma pergunta, o Agentforce acessa as informações relevantes da biblioteca de dados e fornece uma resposta que parece natural e conversacional.
No Criador do Agentforce, os usuários podem optar por usar uma Biblioteca de dados do Agentforce existente ou criar uma nova. Apenas um lembrete: O Data Cloud precisa ser ativado antes da configuração de uma Biblioteca de dados. Depois disso, os usuários podem carregar anexos ou criar links para artigos do Knowledge existentes e isso é tudo o que é necessário para que o Agentforce comece a funcionar. É fácil assim.
Em resumo
O Agentforce para serviço tem como objetivo melhorar a produtividade e a eficácia dos agentes de atendimento usando a IA para gerenciar e interagir com dados não estruturados de forma mais eficiente. Ao adicionar tópicos, ações e instruções, as tarefas são claramente definidas com diretrizes que orientam os agentes sobre quando e como interagir com os clientes, e quando não fazê-lo. Agora que você entende como o Agentforce para serviço funciona, confira o Início rápido: Criar um Agente de atendimento com o Agentforce para passar à prática!