La guía Agentforce de ingeniería de contexto

_{Esta guía sirve de apoyo para la última versión de Agentforcedisponible en el Iniciador de aplicación . Consulte la guía heredada si el mantenimiento de sus agentes lo realiza a través de Configuración.}

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.

Esta guía explora los elementos centrales de Agentforce, la plataforma de Salesforce para crear agentes de IA.. Los profesionales se valen de la ingeniería de contexto para proporcionar a los agentes de Agentforce la información, las acciones y las instrucciones específicas necesarias para lograr los objetivos. Examinaremos cómo Agentforce Script usa el razonamiento híbrido para combinar la IA generativa con un control determinista.

Ya sabemos que los desarrolladores crean agentes en muchos entornos diferentes. Nosotros queremos apoyarle en esta flexibilidad para elegir su modelo y entorno preferidos para trabajar.

Tanto ti crea en Claude Code, Labs, Agentforce Studio o en otro plataforma, es útil comprender cómo Agentforce gestiona la lógica y las conexiones entre bastidores.

Temas que abordaremos:

• II Conceptos clave:
• III Aspectos básicos de Agentforce
• IV. Agentforce Script
• V. Solicitudes frente a Agentes
• VI. Ingeniería de contexto
• VII Cómo razona Agentforce
• VIII. Contexto fiable
• IX. Prácticas recomendadas
• X. ¿ Agentforce necesita Data 360?
• XI Conclusión
• XII Más información

• El razonamiento híbrido impulsa el Motor de razonamiento de Agentforce. Este enfoque combina la flexibilidad de los LLM con la fiabilidad determinista de Agentforce Script.
• Agentforce Script le brinda un control determinista absoluto sobre el comportamiento de los agentes, reemplazando las solicitudes del sistema sobrecargadas por una lógica empresarial estructurada.
• Data 360 es una parte integral de Agentforce. Impulsa la indexación y la fragmentación para la generación aumentada de recuperación (RAG), el análisis de agentes y Digital Wallet.

Un agente es un tipo de software que utiliza la IA generativa para tomar decisiones sobre lo que hay que hacer a continuación y cómo. Un agente de IA 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.

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.

Mientras que los agentes usan modelos de lenguaje grandes (LLM) para gestionar el lenguaje natural y la intención, Agentforce usa también Agentforce Script para seguir una lógica empresarial específica. Este modelo de razonamiento híbrido hace que los agentes se comporten de manera más dinámica que en la automatización tradicional, al tiempo que siguen siendo tan fiables como el software codificado.

Agentforce Studio

Agentforce Studio es nuestro espacio de trabajo unificado para todo el ciclo de vida de los agentes.

Agentforce Studio reúne en un mismo lugar todas las acciones que necesita para crear, probar y gestionar el comportamiento de los agentes. Agentforce Studio tiene tres componentes clave le ayudan a gestionar el ciclo de vida del desarrollo de agentes:

• Generador de Agentforce: Utilice el generador de IA nativo para redactar reglas en lenguaje sencillo. Use Agentforce Script, un lenguaje que produce agentes con un comportamiento fiable de unificando la configuración, la lógica empresarial y las instrucciones.
• Centro de pruebas: Revise y apruebe el comportamiento de los agentes antes de implementarlos
• Capacidad de observación de Agentforce: Supervise y analice el rendimiento de los agentes para ver en qué puntos hace falta perfeccionar la lógica.

Agentforce Studio cierra la brecha entre los usuarios técnicos y no técnicos. Katherine Mains de Conagra Brands como “el equilibrio perfecto en diseño, lo bastante avanzado para nuestros arquitectos y a la vez lo suficientemente intuitivo para que nuestros administradores se lancen a la piscina".

Agentforce es el marco que le proporciona a su empresa la previsibilidad que necesita para ir más allá de las preguntas frecuentes simples y dedicarse a un trabajo de alto valor. El razonamiento híbrido y Agentforce Script combinan control y creatividad. El contexto inteligente proporciona a los agentes los datos adecuados en el momento preciso. Con Agentforce Studio, dispone de un espacio de trabajo unificado para gestionar todo el sistema.

Data 360 dispone de una serie de características que hacen que Agentforcesea extensible. A continuación tiene un breve resumen de estos componentes:

Echemos un vistazo en detalle a Agentforce Script, el blueprint para el proceso de razonamiento de un agente.

Agentforce Script es nuestro lenguaje de script específico para Agentforce que sirve como base en lenguaje de texto para crear y gobernar agentes. Funciona como un lenguaje unificado que define todo el comportamiento de un agente. Incorpora configuración, lógica empresarial, acciones e instrucciones de razonamiento en un mismo archivo. En lugar de tratar el lenguaje natural y el código como elementos separados, los profesionales se valen de este blueprint para gestionar toda la arquitectura de los agentes en un solo lugar.

En las acciones de agente que solo usan IA generativa , los usuarios se ven obligados a usar largas solicitudes en lenguaje natural, lo que suele tener resultados incoherentes e impredecibles. Agentforce Script ha llegado para acometer este problema. El razonamiento híbrido con Script combina el lenguaje natural con instrucciones deterministas basadas en reglas.

Los líderes disfrutan de resultados inmediatos con este nivel de control. Scott Van Dusen, partner y director de operaciones de Equitable Trust, señala que Agentforce Script es increíblemente potente. La capacidad de manipular flujos y acciones le parece mucho más sólida que con los métodos basados solo en LLM. "Controlarlo se me está dando mucho mejor", dice Van Dusen.

Grant Roberson, administrador de Agentforce en DataSite , afirma que Script "está a años luz" de los agentes creados por solicitudes.

"Solía tener que escribir párrafos de instrucciones repetitivas en todas partes para intentar forzar el comportamiento buscado", dijo Roberson. "Con Script, es fácil despejar todo ese ruido y reemplazarlo con una lógica condicional que le permita confiar en que tus agentes se comporten justo como quieres".

Con Script, podrás ir más allá de la elaboración de solicitudes y encaminarse a la orquestación escalable. Como usa un formato estructurado y basado en texto, su equipo puede modificar, revisar y gobernar el comportamiento de los agentes igual que con el código tradicional.

Agentforce Script organiza las capacidades de los agentes a través de la sintaxis declarativa. Trata las instrucciones, las acciones y los subagentes como si fueran componentes modulares. Esta estructura proporciona al motor de razonamiento un mapa de recursos claro al tiempo que establece límites para mantener al agente dentro de su alcance previsto. Estos scripts trasladan los flujos de trabajo del razonamiento probabilístico a los resultados garantizados reduciendo las llamadas a los LLM y evitando errores lógicos.

Arquitectura y modularidad

A continuación le proponemos una lista de prácticas recomendadas estructurales organizadas por principios de diseño modular para ayudarle a crear un agente fácil de mantener y predecible.

• Cree scripts pequeños separados para tareas específicas, como verificar la identidad. Esto facilita el mantenimiento del sistema, ya que permite actualizar un solo script cuando cambien las políticas empresariales sin afectar a otras partes del agente. También puede aplicar estos scripts comunes a múltiples subagentes para garantizar una experiencia coherente.
• Organice las acciones dentro del script en función de la intención específica que pretenden satisfacer. Asigne a los subagentes y las acciones nombres que describan claramente su función, ya que el motor de razonamiento utiliza estos nombres para seleccionar la mejor ruta.
• Adopte un enfoque determinista en el que el código se encargue del principio y el final de cada interacción. Use la voz natural de la IA para los procesos intermedios y proporcionar un control total sobre la entrada y la resolución de las conversaciones.

Gestión de datos y contexto

A continuación tiene una lista de técnicas de gestión de datos organizadas por sesiones para ayudarle a reducir la latencia y mejorar la personalización.

• Defina las entradas de datos necesarias al principio de un bloque de script para que el agente recopile el contexto antes de intentar entrar en acción. Tendría que obtener todos los datos necesarios antes de que el agente comience su tarea principal para aumentar la velocidad. Cada llamada de LLM prolonga el tiempo de la interacción, por lo que usar reglas específicas para recopilar datos por adelantado evita llamadas adicionales.
• Almacene datos como el nombre o el estado de un usuario en variables de sesión para manejar los datos durante un chat. Estas variables le permiten transmitir información entre subagentes, lo que evita que el agente repita preguntas. También garantiza que el agente tenga los datos que necesita para emprender acciones sin necesidad de entradas adicionales del usuario.
• Inserte las variables directamente en las instrucciones como campos combinados. Esto ayuda al agente a dar respuestas personalizadas y seguir una lógica específica basada en los datos del usuario.

Lógica y estándares de cumplimiento

A continuación tiene una lista de estándares de configuración organizados por lógica de ejecución para ayudarle a mantener un cumplimiento y fiabilidad estrictos.

• Utilice las instrucciones para influir en el estilo de la conversación mientras el script gestiona la lógica empresarial en sí. Esta separación permite al LLM gestionar el lenguaje mientras que el script se encarga de comprobar los datos o de las secuencias obligatorias. Este enfoque determinista evita las conjeturas que suelen encontrarse en las solicitudes en lenguaje natural.
• Aplique la lógica if-then para guiar a un agente a través de rutas específicas. Por ejemplo, puede programar al agente para que compruebe la fidelidad del cliente antes de ofrecer un descuento.
• Establezca criterios de salida explícitos para definir con precisión en qué momento debe un subagente debe devolver la conversación al agente principal o cerrar la sesión. Unos límites claros garantizan que el agente funcione con la máxima eficiencia.

Implementación estratégica

La siguiente es una lista de directrices de implementación organizadas por selección de herramientas para ayudarle a elegir la ruta de automatización adecuada para su caso de uso.

• Evite diseñar agentes para que actúen como chatbots simples y lineales. Si un proceso es estático y nunca cambia, use un flujo estándar en el Generador de flujos en lugar de un agente de IA. Reserve Agentforce Script para gestionar las entradas de personas, más caóticas o impredecibles.
• Busque soluciones de agente prediseñadas y scripts reutilizables en AgentExchange para ahorrar tiempo de desarrollo. Este mercado incluye acciones de IA listas para usar e integraciones de terceros para ayudarle a automatizar rápidamente las tareas comerciales más comunes. Obtenga más información sobre las ventajas que ofrece AgentExchange en este libro electrónico.

Antes de continuar, es importante tener en cuenta que los agentes no son la única herramienta de IA generativa disponible para usar en Agentforce 360 Platform. Las plantillas de solicitudes son otra herramienta potente para desarrollar aplicaciones que usan la IA generativa. Las plantillas de solicitudes, integradas en Prompt Builder, le permiten definir un conjunto de instrucciones estructuradas y reutilizables que guían a un 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

Saber cómo funciona entre bastidores el motor de razonamiento es clave para una implementación exitosa de los agentes. En los primeros tiempos de los agentes de IA, los profesionales hablábamos mucho sobre la ingeniería de solicitudes, el arte de "convencer" a un LLM para que se comportase como queríamos. Ahora, hemos alcanzado la siguiente fase de su evolución: la ingeniería de contexto.

La ingeniería de contexto es una práctica más holística, que va mucho más allá de solamente escribir una buena solicitud. Con el razonamiento híbrido de Agentforce, podrá diseñar un sistema que equilibra el razonamiento de un LLM autónomo con una lógica basada en reglas para un control determinista.

La ingeniería de contexto es la sucesora de la ingeniería de solicitudes . Implica diseñar un sistema de subagentes, instrucciones, reglas y acciones para proporcionar a un agente la información exacta y los límites que necesita para cumplir su misión, en lugar de tener que romperse la cabeza en busca de las palabras perfectas para intentar que un LLM entre un razón y te dé exactamente las respuestas correctas.

Los tres pilares de la ingeniería de contexto

Los profesionales usan Agentforce Script como lenguaje unificado para definir subagentes, instrucciones, acciones y reglas en un solo lenguaje y archivo.

1. Subagentes. Definen a los agentes especializados y el campo que dominan.
2. Instrucciones. Proporcionan orientación sobre el flujo, el tono y la intención de las conversaciones.
3. Acciones y reglas. Ejecutan acciones y aplican la lógica empresarial obligatoria.

Echemos un vistazo más en detalle a los subagentes, las instrucciones y las acciones, tres tipos de metadatos fundamentales que define cada vez que crea un agente con Agentforce.

Los subagentes 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 campos de dominio específicos, acciones que conducen a tomar medidas e instrucciones. Cuando un cliente envía un mensaje, su agente primero determina qué "departamento" (subagente) debe gestionar la solicitud y, a continuación, utiliza las directrices y herramientas personalizadas de ese subagente para ayudar al cliente.

Las instrucciones son las pautas o directrices que controlan cómo se gestionan las conversaciones dentro de un subagente, guiando la selección de acciones, estableciendo patrones de conversación y proporcionando contexto comercial. Los subagentes 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.

Su agente usa acciones para obtener información o realizar tareas. A la hora de definir acciones, es crucial entender cómo las procesa el motor de razonamiento. El motor revisa las acciones disponibles en función de sus nombres, descripciones y entradas, así como de las instrucciones del subagente y el contexto de la conversación. Agentforce incluye una serie de acciones de agente estándar, y puede crear acciones de agente personalizadas para ampliar aún más su implementación. Sin embargo, compruebe siempre si se puede utilizar una acción estándar antes de crear una acción personalizada. Diseñe acciones teniendo en cuenta que se puedan reutilizar, ya que se podrían aprovechar en múltiples subagentes. A continuación se muestra una lista de las acciones de agente personalizadas disponibles y cuándo debería usarlas:

El motor de razonamiento usa subagentes, instrucciones, acciones y reglas para realizar el trabajo. Dado que Agentforce Script sirve como la definición completa del agente, evita el comportamiento de “caja negra" que suele tener el enrutamiento probabilístico. En pocas palabras, el motor de razonamiento:

• Clasifica los subagentes: El motor busca el subagente más adecuado para un mensaje de cliente en función de su nombre y descripción.
• Ejecuta lógica basada en script: El motor ejecuta las instrucciones y las reglas programadas por el script. Esto sucede antes de que el sistema empieza a evaluar las instrucciones no deterministas.
• Aplica las acciones: Si una tarea va a necesitar datos externos o una actualización, el motor ejecuta las acciones necesarias y recopila los resultados.
• Comprueba la fundamentación: Antes de enviar una respuesta final, el motor se asegura de que la está basada en información precisa a partir de acciones o instrucciones, y sigue las pautas proporcionadas en el script y las instrucciones.

A continuación, se muestra un desglose paso a paso de lo que está sucediendo dentro del motor de razonamiento cada vez que se invoca a un agente.

Si quiere aún más detalles sobre el proceso, consulte la Guía de Agentforce para lograr un comportamiento fiable de los agentes: Un marco con 6 niveles de determinismo

Los profesionales deben comprender la distinción entre filtros e instrucciones para crear agentes precisos. Los filtros controlan lo que ve el LLM y lo que puede hacer en cada turno de una conversación, y operan en varios niveles. Los filtros se pueden aplicar a subagentes, acciones y recuperadores, lo que proporciona a los profesionales un control preciso sobre qué subagentes están disponibles, qué pueden hacer esos subagentes y qué contenido recupera el modelo en cada paso.

Imagine el asistente virtual de un banco. Cuando un cliente hace una pregunta sobre su hipoteca, se activa un subagente destinado a préstamos hipotecarios. Su filtro garantiza que el LLM solo vea los documentos relacionados con la hipoteca, no datos de tarjetas de crédito ni registros de inversiones. Sin embargo, dentro de esa misma conversación, la acción que extrae la tasa actual del cliente utiliza su propio filtro aún más estricto, restringido a la cuenta de ese cliente. El cliente obtiene una respuesta precisa y nunca se echa mano de datos irrelevantes.

Los filtros se pueden configurar como estáticos (predefinidos en la configuración) o dinámicos (aplicados en el tiempo de ejecución desde el contexto de la conversación o las entradas de solicitudes). Con los filtros previos de recuperador mejorados, los usuarios ahora pueden aplicar hasta 10 filtros dinámicos por recuperador, combinarlos con lógica AND/OR y utilizar operadores LIKE para las búsquedas de coincidencias de patrones. Esto reduce el “ruido de información” durante la recuperación y mantiene la ventana de contexto centrada en el contenido más relevante. En los flujos de trabajo de desarrollo de software, por ejemplo, los profesionales podrían aplicar filtros de contexto específicos de la acción para dar a un agente flexibilidad a la hora de interpretar las solicitudes de los usuarios, al tiempo que se mantiene un enfoque estricto del estado actual de la base de código.

Agentforce Script proporciona el más alto nivel de control determinista mediante la codificación de secuencias y reglas específicas para que el agente las siga. Este enfoque evita el bucle de doomprompting, que es cuando las instrucciones se van volviendo más largas o inconexas, de modo que el LLM se hace un lío y no puede seguirlas con precisión.

Si bien los filtros y Agentforce Script proporcionan control en el nivel del sistema, los usuarios también deben proporcionar una forma de verificar la precisión. Las referencias proporcionan a los usuarios un rastro de auditoría claro para cada respuesta, conectando el contexto interno que utilizó el agente con la respuesta que surgió.

El motor de razonamiento organiza estos cuatro componentes para resolver solicitudes combinando flexibilidad y control. Imagine este mensaje del cliente: "Pedí un jersey rojo ayer, pero necesito cambiar la dirección de entrega".

1. Clasificación de subagentes. El motor entonces analiza el mensaje del cliente y realiza la clasificación de subagentes. Hace coincidir la solicitud con el subagente "Cambiar pedido" porque el nombre y la descripción se corresponden con la tarea.
2. Construcción del contexto. El motor construye el contexto para crear la memoria del agente. Entonces, recopila las instrucciones del subagente, el script y las acciones disponibles.
3. Ejecución de Agentforce Script. El motor ejecuta Agentforce Script para aplicar la lógica empresarial determinista. Comprueba el estado del pedido del jersey rojo. Si el pedido sigue en el almacén, el script permite al agente seguir adelante con el cambio.
4. Razonamiento basado en instrucciones. Las instrucciones guían al agente en la conversación. Definen el tono y lo orientan para que le pregunte al cliente por la nueva dirección de envío.
5. Aplicación de la acción. El agente selecciona y ejecuta la acción "Actualizar envío del pedido". Transfiere el ID del pedido y la nueva dirección al sistema para completar la actualización.
6. Respuesta fundamentada. El agente envía una confirmación final al cliente. Verifica la fundamentación e incluye una referencia para verificar la fuente de la información.

Para que la ingeniería de contexto sea eficaz, hace falta la integración perfecta de subagentes, instrucciones, scripts y acciones. Estos cuatro elementos colaboran para mantener que un agente no se salga de los límites de relevancia y precisión óptimas. Los subagentes definen los campos de especialización. Las instrucciones definen la orientación y el tono conversacionales. Agentforce Script añade una capa de control determinista para aplicar reglas empresariales. Las acciones permiten al agente ejecutar acciones y acceder a los datos en tiempo real. Con esta estrategia combinada, garantiza que su agente siga siendo útil y altamente fiable.

Para que la ingeniería de contexto tenga éxito, hace falta saber en qué momento del proceso aplicar su lógica.

• Use acciones y Agentforce Script para mantener el control. Transforme las reglas empresariales críticas y los flujos de trabajo de varios pasos en Agentforce Script o acciones. Esto incluye los cálculos complejos y la secuenciación obligatoria.
• Utilice instrucciones para el comportamiento. Guíe el flujo de la conversación y defina el tono de la respuesta mediante instrucciones.

Mejores prácticas para escribir instrucciones efectivas

• Defina sus términos. No presuponga que el agente sabe lo que significan los términos propios del sector. Por ejemplo, defina la diferencia entre "Códigos promocionales" para los descuentos y "Códigos de registro" para las garantías.
• Sea específico sobre las secuencias. Si los pasos deben suceder en un orden determinad, indíquelos claramente en un bloque de instrucciones.
• Utilice una terminología coherente. Haga referencia a las acciones por sus nombres exactos y utilice los mismos términos en todas las instrucciones.
• Si usa términos absolutos, piense si de verdad son necesarios. Palabras como "siempre" y "nunca" tienen un impacto significativo en la forma en que interactúa su agente.
• Proporcione criterios de decisión. Ayude a su agente a elegir entre varias opciones similares. Por ejemplo, indique al agente que utilice la acción Restablecer por correo electrónico si el usuario tiene acceso a una dirección de correo electrónico o la acción Pregunta de seguridad si no lo tiene.

Esta es una pregunta que escuchamos a menudo de nuestros clientes. La respuesta corta, es sí. Data 360 es una parte integral de Agentforce porque la arquitectura de Data 360 se aprovecha para ciertas funciones en Agentforce como el análisis de agentes y la Digital Wallet. Además, la infraestructura de Data 360 potencia la indexación y la búsqueda de datos no estructurados, así como el registro de comentarios y el seguimiento de auditoría. Data 360 también puede proporcionar extensibilidad adicional. Los clientes de Agentforce 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 360 con Agentforce garantiza que los clientes experimenten mejores resultados de IA hoy. Esta potente arquitectura garantiza también 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 de Agentforce se basan en Data 360? En la siguiente tabla se detallan las funciones de Agentforce que proporciona Data 360 de forma predeterminada, junto con las opcionales que los clientes pueden habilitar para ampliar su implementación.

Hemos analizado los elementos clave que hacen que Agentforce funcione, incluido el motor de razonamiento, y cómo usar Script, subagentes, instrucciones y acciones. Comprender estos componentes es fundamental para usar Agentforce de manera efectiva. Use esta guía para mejorar los resultados a medida que implementa Agentforce. Eche un ojo a los recursos que proporcionamos para obtener más información.

Encontrará blogs, guías, demos en vídeo y más recursos en Agentblazer.com y Agentforce.com

• Guías detalladas:
  • Guía de Agentforce para lograr un comportamiento fiable de los agentes: Un marco con 6 niveles de determinismo
  • Guía para manejar una empresa agéntica
  • Agentforce y RAG: Prácticas recomendadas para crear mejores agentes
  • Guía Agentforce de ingeniería de contexto
    
    
• Para los CIO:
  • Una guía práctica para crear agentes de IA fiables y funcionales
  • La ventaja invisible: 8 principios clave de diseño para una empresa agéntica probados y confirmados con testimonios de CIOs.

• Blog: El “doomprompting” no consigue agentes de IA predecibles, pero un nuevo lenguaje de scripting sí que podría
• Blog de desarrollo: Controle el acceso de los agentes y la toma de decisiones con variables y filtros
  
  
• Trailhead: Planificación de agentes: Describa el trabajo del agente
  
  
• Ayuda y documentación
  • Instrucciones de acción
  • Instrucciones para subagentes
  • Agentes de resolución de problemas