Presentamos la guía de Agentforce

Los agentes de IA tienen el potencial de revolucionar las organizaciones al aumentar la eficiencia, reducir el esfuerzo manual y crear un lugar de trabajo más sofisticado y adaptable. Esa es la razón por la que hemos lanzado Agentforce, una plataforma para crear agentes de IA. Pero con la nueva tecnología también llegan nuevos conceptos y nuevos aspectos relativos a la implementación.

Esta guía explora los elementos principales de Agentforce y es la primera de una serie de guías que irán actualizándose junto con el propio Agentforce. En este recurso encontrará información sobre cómo funciona Agentforce y las capacidades y los contrapesos clave que los arquitectos y todos los profesionales técnicos necesitan conocer al construir con Agentforce.

Temas que abordaremos:

• Conceptos clave:
• Aspectos básicos de Agentforce
• Solicitudes frente a agentes
• Cómo razona Agentforce
• Prácticas recomendadas para usar filtros frente a instrucciones
• Prácticas recomendadas para temas, instrucciones y acciones
• ¿ Agentforce necesita Data Cloud?
• Observaciones finales
• Recursos

• Los agentes se diferencian de otras herramientas de IA generativa, como los chatbots, los copilotos y las solicitudes, en que pueden planificar, razonar y utilizar herramientas con o sin intervención humana.
• La ingeniería de solicitudes es clave para construir agentes. Es el método principal para guiar el comportamiento de un agente y controlar los resultados mediante temas, acciones e instrucciones, y es esencial para diseñar acciones efectivas impulsadas por plantillas de solicitud.
• Los temas, las acciones y las instrucciones son la forma de controlar las solicitudes que impulsan el motor de razonamiento. Por esa razón, son un elemento clave para hacer que Agentforce trabaje para usted.
• Dado que Agentforce forma parte de la Salesforce Platform, los agentes creados con Agentforce pueden utilizar las herramientas de bajo código y código profesional con las que ya está familiarizado.
• Data Cloud es una parte integral de Agentforce. Impulsa la indexación y la fragmentación para la generación aumentada de recuperación (RAG), el análisis de agentes, el aporte de su propio modelo (BYOM) y la billetera digital.
• Los agentes son increíbles, pero a veces una plantilla de solicitud puede ser suficiente.

En pocas palabras, un agente es un tipo de software que utiliza la IA generativa para tomar decisiones sobre qué hacer a continuación y cómo hacerlo. Un agente puede entender una pregunta (a menudo llamada enunciado), razonar de forma autónoma para determinar qué acciones tomar para alcanzar su objetivo, identificar qué datos se necesitan y, a continuación, tomar medidas, con o sin intervención humana. ¿Y sabe qué es lo mejor? Los agentes utilizan modelos de lenguaje de gran tamaño (LLM) en lugar de reglas estrictas y prerredactadas. Esto hace que los agentes sean más dinámicos que la automatización basada en reglas, pero también es un cambio significativo con respecto al software tradicional que sigue instrucciones codificadas.

Capacidades clave de los agentes de IA

• Los agentes son dinámicos y pueden adaptarse a diferentes situaciones, entornos e información.
• Los agentes pueden ser autónomos (es decir, actúan sin intervención humana) o pueden estar guiados para involucrar a un humano en el bucle.
• Los agentes se diferencian de otras herramientas de IA generativa porque pueden planificar, razonar y actuar.

Si bien los agentes no siguen una lógica de codificación rígida como el software tradicional, Agentforce proporciona una serie de componentes para añadir controles adicionales a la forma en que razonan sus agentes. También hay varias características que hacen que Agentforce sea extensible. A continuación tiene un breve resumen de estos componentes:

La planificación estratégica es fundamental en la implementación de un agente de IA. Si su organización no ha desarrollado una estrategia, le sugerimos que recurra a la insignia de estrategia de IA en Trailhead . A partir de aquí, damos por sentado que ya está familiarizado con el proceso de definir la visión de su IA, formar un consejo de IA, implementar un sistema gobernanza de la IA, identificar casos de uso de la IA y crear una hoja de ruta.

Crear un agente requiere tiempo y recursos. Planificar el proceso detalladamente le ayudará a conseguir buenos resultados a la primera. Antes de empezar a crear un agente, defina un caso de uso y elabore un mapa de procesos para cada uno de los agentes que tenga previsto crear. La insignia de planificación de agentes en Trailhead cubre el mapeo de procesos en la unidad "Describir el trabajo del agente". Describa la experiencia de usuario ideal, así como la forma en que responderá el sistema a la entrada del usuario y en que gestionará posibles errores o problemas.

El diagrama resultante le ayudará a comprender el flujo, a generar instrucciones y a saber dónde utilizar acciones, variables y filtros. Entre los beneficios de aplicar este enfoque de planificación de agentes se incluyen los siguientes:

• Involucrar a los usuarios empresariales y acordar el alcance
• Definir acciones, instrucciones y salvaguardas
• Generar instrucciones claras y específicas
• Depurar durante las fases de prueba y evaluación
• Evaluar escenarios completos
• Demostrar el cumplimiento y obtener la pista de auditoría
• Explicar el comportamiento esperado de los agentes y conseguir la aprobación para seguir adelante

Antes de continuar, es importante tener en cuenta que los agentes no son la única herramienta de IA generativa disponible para usar en Salesforce Platform. Las plantillas de solicitudes son otra herramienta potente para desarrollar aplicaciones que usan la IA generativa. Las plantillas de solicitudes, integradas en Generador de solicitudes, le permiten definir un conjunto de instrucciones estructuradas y reutilizables que guían al modelo de IA generativa para producir resultados específicos. Pueden hacer referencia a datos de Salesforce a través de campos predefinidos, gráficos de datos y generación aumentada por recuperación (RAG) de datos contextuales. Las plantillas de solicitudes también son muy seguras: todas las solicitudes se enrutan a través de la capa de confianza de Salesforce, respetando los permisos, enmascarando datos confidenciales y marcando los resultados tóxicos.

Las plantillas de solicitudes son interacciones de un solo turno con la IA y son ideales para tareas puntuales que no requieren memoria ni razonamiento de varios pasos. Una plantilla de solicitud es ideal, por ejemplo, cuando el usuario necesita reformular una frase o resumir un caso, ya que no se necesita un contexto continuo. Al diseñar soluciones con plantillas de solicitudes, es importante recordar que no tienen estado (no retienen memoria entre turnos) y que no toman decisiones ni realizan acciones. Las plantillas de solicitudes generan una respuesta basada en la entrada y la lógica que se les proporcione durante el proceso de diseño.

Las plantillas de solicitudes se pueden utilizar por sí solas en una solución de IA integrada. Otra opción es agregar la plantilla de solicitud a un agente como una acción de agente. Utilizar la plantilla de solicitud por sí sola es ideal cuando:

• El contexto comercial se entiende bien y es estable
• El resultado deseado sigue un formato predecible, aunque la respuesta en sí no es determinista
• No es necesario evaluar diferentes rutas ni realizar acciones autónomas
• No se requiere un contexto ni estado constantes
• No se requiere un razonamiento de varios pasos

Casos de uso de plantillas de solicitudes:

• Generación de un resumen estructurado de un registro, como resumir las notas de casos
• Crear notas de reuniones estructuradas
• Generar respuestas de correo electrónico con plantillas
• Sugerir las siguientes acciones recomendadas
• Identificar un análisis de los sentimientos de un caso

Tenga en cuenta que, aunque las plantillas de solicitudes pueden rellenar datos de forma dinámica y generar respuestas basadas en las entradas dinámicas que se representan en tiempo de ejecución, no pueden razonar a través de las opciones ni realizar ninguna acción.

Los agentes son sistemas de software que deciden de forma autónoma qué hacer, en qué orden y cómo hacerlo, en función de la evolución del contexto. Los agentes van más allá de una simple solicitud, ya que pueden planificar, razonar, llamar a acciones externas (como llamadas a API o búsquedas en bases de datos) y reaccionar en función de los resultados. Pueden elegir diferentes rutas o respuestas dependiendo de lo que aprendan durante el proceso. Los agentes son mejores cuando:

• El entorno o el contexto pueden cambiar dinámicamente
• Son posibles múltiples decisiones o ramificaciones en función de los datos
• La IA debe reemplazar o ayudar al juicio humano a la hora de tomar una decisión o realizar una acción

Casos de uso de agentes de IA:

• Clasificar y enrutar casos de soporte entrantes
• Resolver problemas de reservas mediante la comprobación de políticas y sistemas externos
• Gestionar los flujos de trabajo de varios pasos con bucles de feedback
• Redacción de un correo electrónico de respuesta al caso basado en los detalles del problema del cliente, con posibles soluciones y artículos de conocimiento relevantes de su sitio web orientado al cliente.
• Programación de citas en función de la disponibilidad del representante de servicio y las preferencias del cliente
• Detección de eventos, como problemas de actualización de software, y generación proactiva de tareas de resolución de problemas o resolución remota mediante la activación de una acción para invocar una llamada a la API

¿Quiere comprender cómo entiende Agentforce las solicitudes de los usuarios y decide qué acciones tomar? En esta sección se explicará en qué consiste el núcleo del proceso de toma de decisiones: el motor de razonamiento Atlas. Al igual que conocer el orden de ejecución es clave para comprender lo que sucede cuando se guarda un registro en Salesforce, saber cómo funciona el motor de razonamiento Atlas en segundo plano le permite comprender cómo funciona Agentforce.

El motor de razonamiento Atlas utiliza una serie de solicitudes, código, llamadas al LLM y un conjunto de tres bloques fundamentales para ayudar a los agentes a comprender y responder de manera efectiva. Piense en los siguientes tres elementos (temas, instrucciones y acciones) como las palancas que usted controla para que los agentes trabajen para usted. Al ajustar estos elementos, está diseñando las solicitudes que el motor de razonamiento utiliza para comprender, decidir y actuar. Así es: Agentforce utiliza solicitudes en el motor de razonamiento para clasificar temas y acciones. Eso significa que usted utilizará la ingeniería de solicitudes cada vez que cree un agente en el generador de agentes.

Antes de profundizar en el motor de razonamiento Atlas, vamos a ver con más detalle los temas, las instrucciones y las acciones, tres metadatos importantes que se definen cada vez que se crea un agente con Agentforce.

Los temas son la base de las capacidades de su agente, ya que definen lo que puede hacer y los tipos de solicitudes de los clientes que puede gestionar. Piense en ellos como departamentos especializados con experiencia, herramientas (acciones) y pautas (instrucciones) específicas. Cuando un cliente envía un mensaje, su agente primero determina qué "departamento" (tema) debe gestionar la solicitud, luego sigue las pautas de ese departamento y usa sus herramientas para ayudar al cliente. Los temas también tienen un ámbito que define lo que un agente puede y no puede hacer dentro de esa área temática específica.

Las instrucciones son las pautas o directrices que dirigen cómo se gestionan las conversaciones dentro de un tema, guiando la selección de acciones, estableciendo patrones de conversación y proporcionando contexto comercial. Los temas claros y precisos evitan la superposición y garantizan que el motor de razonamiento clasifique correctamente las solicitudes de los clientes. Las instrucciones deben ser claras, específicas y accionables para guiar al agente de manera efectiva.

Las acciones son las herramientas que utiliza el agente para obtener información o realizar tareas. A la hora de definir acciones, es fundamental entender cómo las procesa el motor de razonamiento. El motor revisa las acciones disponibles en función de sus nombres, descripciones y entradas, así como las instrucciones del tema y el contexto de la conversación. Agentforce viene con una serie de acciones de agente estándar. Si desea ampliar aún más la implementación, puede crear acciones de agente personalizadas. Sin embargo, antes de crear una acción personalizada, siempre es recomendable comprobar si se puede utilizar una acción estándar. Diseñe acciones pensando en su reutilización, de modo que puedan utilizarse en múltiples temas. A continuación se muestra una lista de las acciones de agente personalizadas disponibles y cuándo debe usarlas:

Es posible que se pregunte cómo utiliza exactamente un agente los temas, las instrucciones y las acciones para realizar el trabajo. A continuación, se muestra un desglose paso a paso de lo que sucede dentro del motor de razonamiento Atlas cada vez que se invoca a un agente.

El proceso comienza cuando se recibe un mensaje o una consulta de un usuario, o cuando se invoca un agente desde un evento, un cambio de datos o una llamada a la API.

El motor de razonamiento analiza el mensaje del usuario para clasificarlo bajo el tema más relevante. Para este paso de clasificación, el motor de razonamiento solo examina el nombre del tema y la descripción de la clasificación del tema. Si no coincide con ningún tema adecuado, se establece de forma predeterminada una clasificación "fuera de tema".

El alcance, las instrucciones y las acciones asociadas con el tema seleccionado se insertan en la solicitud junto con el mensaje de usuario original y el historial de conversaciones (de media, los últimos seis turnos). La solicitud resultante se envía al LLM para decidir qué debe hacer el agente a continuación.

El agente analiza la entrada combinada (mensaje de usuario, instrucciones, posibles acciones) y decide el siguiente paso:

• Ejecutar una acción: si se necesita información específica o se debe realizar una tarea.
• Responder al usuario: si tiene suficiente información o está buscando información, el agente puede enviar una respuesta.

• El agente invoca la acción elegida.
• Se registra la producción o el resultado de la acción ejecutada.
• Procesamiento de resultado de acción: el resultado de la acción se envía de vuelta al LLM, combinada nuevamente con el contexto original (instrucciones, acciones e historial de conversaciones).

• El agente vuelve a evaluar la situación en función de la nueva información (resultado de la acción) y del contexto de la conversación en curso.
• La salida se envía junto con el enfoque Ámbito del tema, Instrucción y Acciones, y decide si se debe ejecutar otra Acción o formular una respuesta.
• Este bucle continúa hasta que el agente determina que tiene toda la información necesaria y está listo para responder directamente al usuario.

Antes de enviar la respuesta final, el agente realiza una última verificación para asegurarse de que la respuesta que ha propuesto se fundamenta y se ajusta a las instrucciones proporcionadas para el tema. Este paso consiste en comprobar que la respuesta:

• Está debidamente fundamentada en la información de la fuente.
• Se ajusta a las instrucciones y al ámbito del tema
• No incluye información descabellada o no verificada
• No presenta riesgos potenciales de inserción de solicitudes

Se envía al usuario la respuesta final y validada. Si se produce un error en el paso de fundamentación, el agente volverá a intentarlo e intentará producir una respuesta fundamentada. Si no puede producir una respuesta fundamentada, enviará un mensaje estándar para informar al usuario de que no puede ayudar con la solicitud.

Comprender este flujo de trabajo ayuda a explicar por qué cada componente de su agente (temas, instrucciones y acciones) debe diseñarse cuidadosamente para trabajar con este proceso de razonamiento. Pero la cosa no termina ahí.

Para proporcionar un control adicional y agregar lógica determinista al flujo de trabajo agéntico, Agentforce utiliza el filtrado condicional. Esto es como tener reglas de visibilidad dinámicas para los campos del formulario, pero en este caso para sus agentes durante el razonamiento.

Los filtros condicionales actúan como guardianes que determinan si un tema o acción debe tenerse en cuenta durante el proceso de razonamiento. A diferencia de las instrucciones que guían las decisiones del LLM, los filtros operan a nivel de sistema para eliminar o incluir completamente temas y acciones en función de condiciones específicas.

El filtrado condicional mejora el rendimiento de los agentes de dos maneras fundamentales:

1. Mayor precisión en la clasificación de temas

Al eliminar los temas irrelevantes en función del estado de la conversación, se reduce el "ruido semántico" durante el proceso de clasificación de temas. Esto facilita al LLM la selección del tema correcto para una consulta de usuario determinada.

Por ejemplo, si un usuario aún no se ha autenticado, los filtros pueden ocultar todos los temas relacionados con acciones específicas de la cuenta. Esto evita que el agente clasifique erróneamente consultas generales en temas confidenciales que, en última instancia, darían lugar a errores de autenticación o respuestas inadecuadas.

2. Selección de acciones contextualmente apropiadas

Una vez que se selecciona un tema, los filtros refinan aún más las acciones dentro de ese tema que están disponibles en función del estado actual de la conversación:

• Si las variables requeridas no se rellenan (por ejemplo, el número de pedido), las acciones que dependen de esas variables se pueden ocultar
• Si determinadas acciones solo deben estar disponibles en función de los atributos o asignaciones del usuario, los filtros pueden aplicar esas reglas

Cómo funciona el filtrado condicional

El motor de razonamiento Atlas admite el filtrado basado en dos tipos de variables: variables de contexto y variables personalizadas. A continuación, se muestra una rápida descripción general de las propiedades de cada tipo:

Se trata de variables derivadas de la sesión de mensajería y pueden incluir:

• Campos estándar del objeto Sesión de mensajería
• Campos personalizados agregados al objeto Sesión de mensajería
• Datos del formulario previo al chat
• Información de sesiones de mensajería anteriores

Las variables de contexto son particularmente útiles para personalizar las interacciones en función de la información conocida del cliente sin necesidad de que el agente la solicite en la conversación. Al diseñar una solución con variables de contexto, es importante tener en cuenta que se establecen al inicio de la sesión y son invariables durante esa sesión.

Las variables personalizadas almacenan la información devuelta por las acciones. Estas se pueden utilizar para:

• Seguimiento del estado de la conversación (por ejemplo, estado de autenticación)
• Almacenar resultados de acción que deben persistir en entradas de acción
• Crear dependencias entre acciones, lo que permite que las acciones estén disponibles solo si se cumple una determinada condición

Los filtros se basan en los valores de contexto y variables personalizadas, y se pueden aplicar tanto a nivel de tema como de acción:

• Filtros a nivel de tema: controlan si todo el tema está disponible para su clasificación
• Filtros de nivel de acción: controle la disponibilidad de acciones específicas dentro de un tema, incluso si el tema en sí está seleccionado

A continuación, se muestra una vista sencilla del motor de razonamiento Atlas que representa cómo los filtros a nivel de tema y de acción encajan en el flujo de razonamiento.

El caso de uso más común para el filtrado es el control del acceso a operaciones confidenciales:

Filter: "Requires Authentication"

Condition: authenticationStatus = "verified"

Applied to: Account Management Topic, Payment Processing Topic

Esto garantiza que, incluso si un usuario pregunta sobre su cuenta o sus pagos antes de autenticarse, el agente no permitirá que se llame a estos temas.

Los filtros también pueden ayudar a que los pasos del proceso se ejecuten en el orden correcto:

Filter: "Order Number Required"

Condition: orderNumber != null

Applied to: Check Order Status Action, Modify Order Action

Esto garantiza que las acciones relacionadas con el pedido solo estén disponibles después de que se haya recopilado y almacenado un número de pedido en una variable.

Es importante entender la distinción entre filtrado e instrucciones:

1. Los filtros funcionan de forma determinista: utilizan la coincidencia de variables para incluir/excluir temas y acciones.
2. El LLM interpreta las instrucciones: se basan en la comprensión del LLM y no son deterministas, lo que significa que sus resultados pueden variar en función de la comprensión e interpretación del modelo.
3. Los filtros restringen las decisiones del agente: eliminan por completo opciones a tener cuenta, lo que minimiza el espacio de búsqueda y conduce a una mayor precisión.

Otra parte del motor de razonamiento Atlas son las citas. Puede utilizar citas para validar las fuentes utilizadas por el LLM cuando se genera una respuesta. En el siguiente diagrama, puede ver dónde encajan las citas en el flujo del motor de razonamiento.

En este diagrama, también se destaca la arquitectura componible del motor de razonamiento. La remisión a un nivel superior, las citas y las salvaguardas son componentes modulares que usa el motor de razonamiento al crear un agente mediante la plantilla de Agentforce para Servicio. Hoy en día, los componentes modulares utilizados por el motor de razonamiento se establecen plantilla por plantilla. Estamos trabajando para hacer que estos componentes se parezcan aún más a piezas de lego que puedan ser intercambiadas dentro y fuera de un agente, posiblemente incluso por los clientes en el futuro.

Ya hemos avanzado mucho. Ahora demos un paso atrás y veamos un ejemplo completo de cómo los temas, las instrucciones y las acciones funcionan junto con el motor de razonamiento cuando un cliente hace una pregunta a un agente.

Mensaje del cliente: "Pedí un jersey rojo ayer, pero necesito cambiar la dirección de entrega".

• El motor compara el mensaje con todos los nombres de temas y descripciones de clasificación
• Selecciona el tema "Cambiar pedido" porque su descripción de clasificación menciona "cambio de pedidos"

• El motor de razonamiento lleva el tema "Cambiar hora de entrega" o “Cambiar dirección” a la solicitud de enfoque e incluye el ámbito del tema, las instrucciones y las acciones disponibles junto con el historial de conversaciones y el mensaje del usuario
• El ámbito indica que el agente puede modificar pedidos, pero no puede cancelarlos después de que se hayan procesado
• Las instrucciones incluyen orientación sobre la gestión de modificaciones de pedidos

• En función de las instrucciones del tema y las descripciones de las acciones, el motor determina que debe:
  • En primer lugar, identificar el pedido (utilizando la acción "Buscar pedido por descripción")
  • A continuación, actualizar la dirección de envío (mediante la acción "Actualizar envío de pedido")

• El motor pide al cliente su correo electrónico para encontrar el pedido
• Cuando ha localizado el pedido, registra la nueva dirección de envío
• Ejecuta la acción "Actualizar envío de pedido" con el ID de pedido y la nueva dirección
• Confirma el cambio de dirección con el cliente

Ahora que entiendes cómo funciona el motor de razonamiento y por qué los temas, las acciones y las instrucciones son tan importantes, echemos un vistazo a algunas de las mejores prácticas para crearlos.

Los temas son la base de las capacidades de su agente. Definen lo que su agente sabe hacer y qué tipo de consultas de clientes puede gestionar. Los tres elementos de un tema son el nombre del tema, la descripción de la clasificación y el ámbito.

• Piense: "¿Cómo categorizaría los 'Trabajos a realizar' por mi agente?"
• Utilice nombres fácilmente reconocibles
• Utilice nombres cortos y descriptivos
• Comience los nombres con verbos, como proporcionar, cambiar o cancelar
• Asegúrese de que los diferentes nombres de los temas no coincidan en cuanto a significado
• Revise los temas existentes antes de crear otros nuevos
• Limite los temas a 10-15 por agente, ya que demasiados temas o los temas superpuestos aumentan la probabilidad de que el agente sea inconsistente o inexacto

• Incluya las diferentes formas en que los usuarios pueden solicitar este tipo de ayuda
• Enumere palabras clave y frases específicas que los clientes suelen usar
• Cubra toda la gama de preguntas que este tema debe gestionar
• Escriba en lenguaje natural, no en términos técnicos
• Haga distinción con las descripciones de otros temas

Si encuentra que el agente falla sistemáticamente al seleccionar el tema correcto para las consultas de los usuarios, los nombres y las descripciones de los temas son el primer lugar donde debe investigar y refinar.

• Escriba esto como si le estuviera explicando un trabajo a un nuevo empleado: "Tu trabajo es... No puedes..."
  • Sea explícito sobre los permisos y las limitaciones
• Use un lenguaje claro y sin ambigüedades sobre los límites

Veamos cómo configurar un tema durante el proceso de diseño para que un agente pueda ayudar a los usuarios a restablecer sus contraseñas. Este es el aspecto que podrían tener los temas, las instrucciones y las acciones:

Luego, en el tiempo de ejecución, cuando un cliente está interactuando con nuestro agente desde el sitio web de una empresa, esto es lo que sucede:

1. El cliente dice: "He olvidado mis datos de inicio de sesión".
2. El motor de razonamiento coteja esto con el tema Restablecimiento de contraseña porque la Descripción de la clasificación menciona "contraseñas olvidadas, problemas de inicio de sesión, problemas de acceso a la cuenta".
3. El Ámbito le dice al agente que puede ayudar con el restablecimiento de contraseñas, pero no puede acceder a la información de la cuenta ni realizar cambios en la cuenta.
4. El agente sigue las instrucciones para verificar primero la identidad del cliente y, a continuación, se ofrece a enviar un enlace de restablecimiento de contraseña.
5. El agente utiliza la acción Enviar correo electrónico de restablecimiento de contraseña para completar la tarea.

Las instrucciones son las pautas que le indican a su agente cómo gestionar las conversaciones dentro de un tema. Las instrucciones ayudan al agente a tomar decisiones sobre qué acciones realizar y cómo responder.

Las instrucciones juegan un papel fundamental en el proceso de toma de decisiones de su agente:

1. Guiar la selección de acciones: ayudan a su agente a elegir qué acción usar para situaciones específicas.
2. Establecer patrones de conversación: establecen cómo debe interactuar su agente con los clientes.
3. Proporcionar contexto empresarial: ayudan a su agente a comprender los procesos y la terminología de su empresa.

Sin instrucciones claras, su agente podría seleccionar las acciones incorrectas, malinterpretar las solicitudes de los usuarios o proporcionar respuestas incoherentes. Recuerde que las instrucciones se fusionan en una solicitud y se envían al LLM y, por lo tanto, no son deterministas. No sustituyen la necesidad de reglas empresariales codificadas dentro de la acción.

Cuando el motor de razonamiento procesa una solicitud de un cliente, utiliza sus instrucciones para:

1. Decidir qué acciones ejecutar: las instrucciones ayudan al motor a determinar qué acción es la más adecuada para una situación específica.
2. Determinar la secuencia de pasos: las instrucciones pueden guiar al motor sobre si ciertos pasos deben ejecutarse antes que otros. Para obtener más determinismo, puede utilizar variables de acción y filtros condicionales.
3. Dar formato a la respuesta: las instrucciones determinan cómo se presenta la información al cliente.
4. Gestionar excepciones: las instrucciones indican al motor qué hacer cuando no se aplican los procesos estándar. (Por ejemplo, si se produce un caso extremo, ofrezca la remisión a un agente).

Cuanto más claras y específicas sean sus instrucciones, más consistente será su agente.

Al crear su agente, es fundamental comprender cuándo usar instrucciones y acciones para implementar la funcionalidad. Utilice acciones para la lógica empresarial crítica que se debe aplicar de forma coherente, como cálculos complejos, procesamiento de información confidencial y operaciones de varios pasos que requieren una secuenciación específica. En cambio, utilice las instrucciones para guiar el flujo de la conversación, ayudar al agente a seleccionar las acciones adecuadas en función del contexto, definir el formato y el tono de la respuesta y establecer estrategias de aclaración cuando la información sea ambigua.

• Mal ejemplo: "Nunca emitas reembolsos por pedidos de más de 30 días" (como instrucción)
• Mejor enfoque: incorpore esta lógica en la propia acción Reembolsar pedido introduciendo una fecha y realice la validación de la acción

Ejemplo de acción de reembolso de pedido:

public with sharing class RefundOrderHandler {

public class RefundResult {

@AuraEnabled public Boolean canReturn;

@AuraEnabled public String message;

}

@AuraEnabled

public static RefundResult processRefund(Id orderId, Date orderDate) {

RefundResult result = new RefundResult();

if (orderDate == null || orderId == null) {

result.canReturn = false;

result.message = 'Invalid input: Order ID and Order Date are required.';

return result;

}

Date today = Date.today();

Integer daysSinceOrder = today.daysBetween(orderDate);

if (daysSinceOrder > 30) {

result.canReturn = false;

result.message = 'No puedes devolver el pedido. Han pasado más de 30 días'.;

} else {

result.canReturn = true;

result.message = 'El pedido puede ser devuelto. Envío de comprobante de devolución.';

sendReturnEmail(orderId);

}

return result;

}

• Defina sus términos: no asuma que el agente sabe lo que significan los términos del sector.
  • Ejemplo: "Los códigos promocionales se utilizan para obtener descuentos durante el proceso de pago, mientras que los códigos de registro se utilizan para registrar productos a efectos de la garantía".
• Sea específico acerca de las secuencias: si los pasos deben suceder en un determinado orden, indíquelo claramente e inclúyalos en un cuadro de instrucciones.
  • Ejemplo: "Primero verifica la identidad del cliente mediante la acción Verificar cliente y, a continuación, proporciona información de la cuenta".
• Utilice una terminología coherente: utilice los mismos términos en todas las instrucciones.
  • Mal ejemplo: "Verifica la información del cliente" en una instrucción y "verifica los detalles del cliente" en otra
  • Buen ejemplo: utilizar "cliente" de manera consistente y referirse a las acciones por sus nombres exactos
• Desconfíe de los términos absolutos: palabras como "siempre" y "nunca" se interpretan de forma muy literal.
  • Los términos absolutos pueden tener un impacto considerable en la forma en que interactúa su agente. Asegúrese de que se usan intencionadamente en las instrucciones.
• Empareje acciones con situaciones: especifique claramente qué acciones usar en qué circunstancias.
  • Ejemplo: "Utiliza la acción Seguimiento de pedido cuando los clientes pregunten sobre la ubicación del paquete o las fechas de entrega".
• Proporcione criterios de decisión: ayude a su agente a elegir entre opciones similares.
  • Ejemplo: "Si el cliente tiene acceso a su correo electrónico, utiliza la acción Restablecimiento de contraseña de correo electrónico. Si el usuario no tiene acceso a su correo electrónico, utiliza la acción Verificación de preguntas de seguridad".

Las acciones son las herramientas que utiliza el agente para obtener información o realizar tareas.

Cuando el agente gestiona una solicitud de un cliente, el motor de razonamiento:

1. Analiza el mensaje del cliente y el tema seleccionado
2. Revisa las acciones disponibles en ese tema
3. Decide qué acción o acciones utilizar en función de:
   - los nombres de las acciones, la descripción de las acciones y las entradas de acciones
   - las instrucciones del tema que hacen referencia a las acciones
   - el contexto de la conversación
4. Ejecuta la acción seleccionada con las entradas adecuadas
5. Utiliza el resultado de la acción para formular una respuesta o determinar los siguiente pasos

Para que este proceso funcione de manera efectiva, sus acciones necesitan nombres e instrucciones claros y descriptivos que ayuden al motor de razonamiento a saber cuándo y cómo usarlas. Para minimizar la latencia y mejorar el rendimiento, no asigne más de 15 acciones a un tema y recuerde que las acciones se pueden reutilizar en todos los temas.

Cada acción del agente tiene tres partes importantes que hay que configurar: nombre de la acción, instrucciones de la acción e instrucciones de la entrada de la acción.

• Utilice un lenguaje sencillo que coincida con la forma en que los clientes describirían la acción.
• Dado que el nombre de la API de acción se envía al motor de razonamiento, asegúrese de que el nombre de la API sea claro y describa la funcionalidad.

Prácticas recomendadas para las instrucciones de acción:

• Escriba 1-3 oraciones que expliquen exactamente lo que hace la acción
• Especifique cuándo se debe usar esta acción (tipos de solicitudes de cliente)
• Enumere la información que necesita la acción para ejecutarse correctamente
• Mencione cualquier condición especial o caso límite que gestione la acción
• Incluya ejemplos de frases de cliente que deban activar esta acción

Consejos importantes para las instrucciones de entrada de acciones:

• Describa claramente cuál es la entrada y su propósito.
• Especifique el formato esperado (longitud, caracteres, estructura)
• Incluir criterios de validación o requisitos de formato

Esta es una pregunta que escuchamos a menudo de nuestros clientes. La respuesta corta, es sí. Data Cloud es una parte integral de Agentforce porque la arquitectura de Data Cloud se aprovecha para ciertas funciones en Agentforce como el análisis de agentes y la billetera digital. Además, la infraestructura de Data Cloud potencia la indexación y la búsqueda de datos no estructurados, así como el registro de comentarios y el seguimiento de auditoría. Data Cloud también puede proporcionar extensibilidad adicional a Agentforce Los clientes también pueden optar por habilitar funciones como Aportar su propio lago (BYOL) y Aportar su propio modelo de lenguaje de gran tamaño (BYO-LLM) para utilizar datos y modelos creados en plataformas externas a Salesforce con agentes basados en Agentforce.

Desde el acceso a datos de otros lagos de datos a través de la federación de datos, hasta la utilización de la infraestructura de hiperescala para datos a escala de petabytes, la utilización de la arquitectura de Data Cloud con Agentforce garantiza que los clientes experimenten mejores resultados de IA hoy y garantiza la viabilidad a largo plazo para una adopción exitosa de los agentes, sin importar lo grandes o complejos que puedan ser los conjuntos de datos subyacentes que alimentan esos agentes.

¿Tiene curiosidad por saber qué funciones específicas de Agentforce son impulsadas por Data Cloud? A continuación, encontrará un resumen de las características de Agentforce compatibles con Data Cloud de forma predeterminada y las características de Data Cloud opcionales que pueden activar los clientes que buscan ampliar su implementación.

Hemos analizado los elementos clave que hacen que Agentforce funcione, como el motor de razonamiento Atlas, y hemos visto cómo usar temas, instrucciones y acciones. Comprender estos componentes es fundamental para usar Agentforce de manera efectiva. Recuerde usar esta guía cuando comience a implementar Agentforce para mejorar los resultados de Agentforce. Le recomendamos que consulte los recursos proporcionados para obtener más información.

Planificación de agentes: Describa el trabajo del agente
https://trailhead.salesforce.com/content/learn/modules/agentforce-agent-planning/outline-the-agents-work

Instrucciones de acción:
https://help.salesforce.com/s/articleView?id=ai.copilot_actions_instructions.htm&type=5

Instrucciones del tema:
https://help.salesforce.com/s/articleView?id=ai.copilot_topics_instructions.htm&type=5

Agentes de resolución de problemas:
https://help.salesforce.com/s/articleView?id=ai.copilot_troubleshoot.htm&type=5

Variables de Agentforce:
https://developer.salesforce.com/blogs/2025/04/agentforce-variables-a-new-way-to-structure-agent-memory

https://developer.salesforce.com/blogs/2025/04/control-agent-access-and-decision-making-with-variables-and-filters