开始使用 Agentforce
学习目标
完成本单元后,您将能够:
- 说明 Agentforce 是什么。
- 识别 Agentforce 的主要特点。
- 列出 Agentforce 的一些用例。
开始之前
开始此模块前,请考虑完成下列推荐内容。
我们旅程中的英雄
让我们来认识一下 Cloud Kicks 的 Salesforce 管理员 Linda Rosenberg。Cloud Kicks 销售时尚舒适的定制运动鞋,公司发展迅速。Linda 一直在寻找更好地服务客户并使 Cloud Kicks 的员工工作更轻松的方法。她对 Agentforce 提供的价值感到兴奋。
Linda 的目标是通过自动执行耗时和重复的任务来提高员工的工作效率,让员工腾出时间从事更具战略性的活动。她还希望为客户提供更加个性化的回复,确保他们得到所需的帮助。
有一天,客户 Alex 向 Cloud Kicks 提出了一系列问题。以下是目前在没有 Agentforce 的情况下互动的方式。
客户 (Alex):“嗨,我刚刚订购了一双定制运动鞋。能告诉我什么时候能送达吗?”
客户服务代表 (CSR):“您好,Alex!您的订单将在接下来的 2 至 3 个工作日内发货,发货后 5 至 7 个工作日内送达您的地址。”
Alex:“谢谢!你们在纽约市有实体店吗?”
CSR:“我不确定。让我查一下实体店位置。请稍等。”
CSR(在长时间的停顿之后):“我找不到关于纽约实体店的任何信息。您可能需要查看我们的网站了解更多详细信息。”
Alex:“好的,谢谢。还有一件事——你能给我推荐一下纽约市适合跑步的路线吗?”
CSR:“对不起,我不了解关于这方面的信息。我建议查看当地的跑步俱乐部或者旅游网站,以获取建议。您还有其他问题吗?”
Alex:“不,就这些。感谢你的帮助。”
CSR:“不客气,Alex。祝您过得愉快!”
Alex 可能很友好,但这次对话凸显了在没有全面信息和实时数据访问权限的情况下,自动化客户服务面临的挑战。延迟和不完整的回答会影响客户的体验。
Linda 对 Agentforce 在改变客户互动方面的潜力感到兴奋。借助 Agentforce,客户服务在提供相关信息的同时变得更加自主。Agentforce 可以确保每一次互动都顺利、高效且有用。
了解 Agentforce
Agentforce 是一套可自定义的自主型和辅助型人工智能(AI 代理)。AI 代理是执行任务和业务交互、以目标为导向的 AI 应用程序。Agentforce 旨在做出明智的决策,可以发起并完成一系列任务,处理自然语言对话,并安全地提供从业务数据中提取的相关答案。无论您的用户使用的是台式机还是移动设备,Agentforce 都可以在各种工作流程和交互中提供帮助。
最重要的是,您完全不需要掌握任何代码就能在 Salesforce 中设置 AI 代理。您所要做的就是启用 Agentforce,然后创建一个代理。以下是 AI 代理可以立即采取的一些操作。
- 汇总 Salesforce 记录,例如业务机会、客户、个案。
- 起草或修改电子邮件。
- 查找并更新 Salesforce 记录。
- 聚合 Salesforce 数据。
- 用知识库中的信息回答问题。
此外,您还可以使用现有的 Salesforce Platform 轻松扩展 AI 代理。例如,如果您在 Salesforce 中已经有了一个进行产品推荐的流,您只需点击几下就可以将该功能添加到您的代理中。
Agentforce 的特点
让我们来详细了解一下 Agentforce 的特点,以便您更熟悉您的新数码搭档。
值得信赖
在 Salesforce,信任是我们的首要价值观。这就是我们以信任为核心构建 Agentforce 等生成式 AI 工具的原因。
您的 AI 代理遵循 Salesforce 的标准访问控制,确保操作安全。Agentforce 与 Einstein 信任层集成,后者是 Salesforce Platform 中内置的安全 AI 架构。您可以在不损害客户数据的情况下享受生成式 AI 带来的好处,并且可以利用可信的数据来增强 AI 的响应。
以下是它的工作原理:
-
数据落地训练:信任层利用值得信赖的公司数据对生成性提示进行落地训练和增强。
-
零数据留存:您的数据安全无忧;绝不会被第三方大语言模型 (LLM) 提供商留存。
-
AI 监控:记录 AI 交互,让您了解每个用户交互。
对于准确性至关重要的关键场景,代理能够无缝地将对话转接给人工客服。例如,如果用户在重置密码等复杂问题上需要帮助,并且更倾向于获得人工服务,代理会先核实用户身份,然后迅速将对话转接,以便提供个性化支持。
主动出击
部分 AI 代理不仅是被动型,而且是主动型,这在动态业务环境中至关重要。AI 代理使用 Agentforce 中的推理引擎来执行推理和操作过程。推理引擎可帮助代理自动执行日常任务、处理繁琐的职责并为客户找到合适的解决方案。这简化了 Cloud Kicks 服务代表的工作流程,使他们的工作更轻松、更高效。
以下是 AI 代理如何使用推理来增强这些操作。
个案状态更新:
-
原因:代理查看个案上下文、当前状态和最近的更新。
-
操作:代理告知客户发生的变更或将问题上报给更高级别的支持团队。
-
观察:代理监测个案结果并调整其方法以确保有效解决。
收到电子邮件:
-
原因:代理审查电子邮件内容和请求的性质。
-
操作:代理处理电子邮件,创建新的支持工单,或将其路由到相关部门。
-
观察:代理监测响应,以确保问题得到正确处理,并根据需要做出调整。
销售人员跟进:
-
原因:代理审查客户的兴趣及其查询的上下文。
-
操作:代理安排与销售代表的后续通话,以保持潜在客户的参与。
-
观察:代理监测跟进结果并调整其方法以改善未来的交互。
自然语言
对话界面让人们可以用自然语言提问或给出指令,就像与人交谈一样。Agentforce 保留对话上下文,使后续问题和相关请求无缝衔接。
例如,销售代表无需在 Salesforce UI 中查找记录,只需键入“显示我的 Acme 交易”即可。AI 代理解读该请求,用自然语言回复,并显示匹配的业务机会列表。这种感觉就像与值得信赖的同事聊天。
在同一次对话中,该销售代表还可以问:“显示其未处理的个案。”AI 代理会记住上下文,并知道“其”指的是 Acme。此功能可确保多次、连贯和高效的交互。
但是使用 Agentforce,您就不会再局限于对话界面和聊天窗口。您可以从任何可以调用流或 Apex 类的地方触发代理来完成后台或事件驱动的任务。
动态信息检索
动态信息检索使 AI 代理在处理复杂任务时非常有效。以下是它的工作原理:
-
检索增强生成 (RAG):代理对 Data Cloud 中的结构化和非结构化数据使用语义搜索,从外部来源和数据库获取相关信息。
-
通用信息检索工具:网络搜索和知识问答等工具可帮助代理处理复杂的任务。例如,您可以在线研究公司或产品,并将其与内部知识相结合以创建电子邮件汇总。
-
在流、API 和 Apex 类中部署:可以在这些环境中部署代理,将所有上下文信息传递给代理。这样就无需在每个场景中使用自定义解决方案,从而使代理更加通用和高效。
现在,您已经了解了 Agentforce 如何增强无缝的客户交互并自动执行繁琐的任务,让我们再来回顾一下初始对话,查看 Agentforce 在实际应用中的转换效果。
客户 (Alex):“嗨,我刚刚订购了一双定制运动鞋。能告诉我什么时候能送达吗?”
Agentforce:“您好,Alex!您的订单将在接下来的 2 至 3 个工作日内发货,发货后 5 至 7 个工作日内送达您的地址。关于您的订单,您还有什么想了解的吗?”
Alex:“谢谢!你们在纽约市有实体店吗?”
Agentforce:“我们在纽约市没有实体店,但下个月 10 月 1 日至 10 月 15 日,我们将在时尚大道 123 号开设一家快闪店。您也可以在网上购买最新款式。”
Alex:“太棒了,谢谢!还有一件事——你能给我推荐一下纽约市适合跑步的路线吗?”
Agentforce:“当然!关于适合跑步的路线,我推荐中央公园 (Central Park) 的 Reservoir Loop,全长 1.58 英里,景色优美。如果想长跑,可以试试哈德逊河绿道 (Hudson River Greenway),全长约 13 英里。祝您跑步愉快!”
Alex:“太好了,非常感谢你提供的所有信息!”
Agentforce:“不客气,Alex!如果您还有其他问题,请随时联系我们。祝您愉快!”
哇,这可太有用了!每个问题都得到了详尽的回答,没有丝毫停顿,也没有含糊其辞。Linda 深信不疑,迫不及待地想要开始使用 Agentforce。
接下来,让我们跟随 Linda 一起探索 Agentforce 的不同组成部分,并进一步了解其功能运作方式。