Ecco la guida di Agentforce

Gli agenti AI hanno il potenziale per rivoluzionare le organizzazioni aumentando l'efficienza, riducendo le attività manuali e creando un ambiente di lavoro più sofisticato e adattivo. Ecco perché abbiamo lanciato Agentforce, una piattaforma per la creazione di agenti di intelligenza artificiale. Ma alla nuova tecnologia si associano anche nuovi concept e vanno operate nuove considerazioni sull'implementazione.

La guida esplora gli elementi essenziali di Agentforce ed è la prima di una serie di guide che si evolveranno insieme allo stesso Agentforce. In questa risorsa troverai dettagli su come funziona Agentforce, sulle sue funzionalità chiave, ma anche sui compromessi che gli architetti e tutti i professionisti tecnici devono conoscere quando utilizzano Agentforce.

Di cosa parleremo:

• Punti principali
• Agentforce: le basi
• Prompt vs. agenti
• In che modo ragiona Agentforce
• Best practice per l'utilizzo di filtri vs. istruzioni
• Best practice per argomenti, istruzioni e azioni
• Agentforce necessita di Data Cloud?
• Osservazioni conclusive
• Risorse

• Gli agenti si distinguono dagli altri strumenti di AI generativa come chatbot, co-piloti e prompt perché sono in grado di pianificare, ragionare e utilizzare strumenti con o senza l'intervento umano.
• L'ingegneria dei prompt è un elemento fondamentale per la creazione degli agenti: costituisce il principale metodo per guidare il comportamento degli agenti e controllare i risultati attraverso argomenti, azioni e istruzioni ed è essenziale per progettare azioni efficaci basate su modelli di prompt.
• Gli argomenti, le azioni e le istruzioni sono il modo in cui puoi controllare i prompt che attivano il motore di ragionamento. Ecco perché sono un elemento chiave per assicurarti di ottenere il meglio da Agentforce.
• Dal momento che Agentforce fa parte della Salesforce Platform, gli agenti creati con Agentforce possono utilizzare gli strumenti low-code e pro-code con cui hai già familiarità.
• Data Cloud è parte integrante di Agentforce. Alimenta l'indicizzazione e la suddivisione in blocchi per la generazione aumentata dal recupero (RAG), l'Analytics per gli agenti, il BYOM (Bring Your Own Model) e il Digital Wallet.
• Gli agenti sono uno strumento straordinario, ma a volte è sufficiente un modello di prompt.

In poche parole, un agente è un tipo di software che utilizza l'intelligenza artificiale generativa per prendere decisioni su cosa fare in seguito e in che modo. Gli agenti sono in grado di comprendere una domanda (spesso chiamata espressione), ragionare autonomamente per determinare quali azioni intraprendere per raggiungere il proprio obiettivo, identificare quali dati sono necessari e quindi agire, con o senza l'intervento umano. La parte migliore? Gli agenti utilizzano modelli linguistici di grandi dimensioni (LLM) anziché regole rigide e predefinite. Ciò rende gli agenti più dinamici rispetto all'automazione basata su regole, ma costituisce anche un cambiamento significativo rispetto al software tradizionale che segue istruzioni codificate.

Funzionalità chiave degli agenti AI

• Gli agenti sono dinamici e sanno adattarsi a situazioni, ambienti e informazioni differenti.
• Gli agenti possono essere autonomi (ossia agire senza l'intervento umano) o possono essere guidati, affinché coinvolgano un essere umano nell'azione.
• Gli agenti sono diversi dagli altri strumenti di intelligenza artificiale generativa perché sono in grado di pianificare, ragionare e agire.

Sebbene gli agenti non seguano una logica hardcoded come i software tradizionali, Agentforce offre una serie di componenti per aggiungere ulteriori elementi di controllo del modo in cui gli agenti ragionano. Vi è anche una serie di funzionalità che consentono di ampliare Agentforce. Ecco una rapida panoramica di tali componenti:

La pianificazione strategica è una parte fondamentale dell'implementazione di un agente AI. Se la tua organizzazione non dispone di una strategia, ti consigliamo di seguire il corso Strategia per l'intelligenza artificiale su Trailhead . Da questo momento in avanti, supporremo che tu abbia già definito la tua visione sull'AI, costituito un team dedicato, stabilito la governance, identificato i casi d'uso e creato una roadmap.

La creazione di un agente richiede tempo e risorse. Un'attenta pianificazione ti aiuterà ad agire in modo corretto al primo tentativo. Prima di iniziare a creare un agente, definisci un caso d'uso e crea una mappa procedurale per ogni agente che intendi creare. Nell'unità "Outline the Agent's Work " del corso Agent Planning su Trailhead viene illustrato come creare una mappa procedurale. Descrive l'esperienza utente ideale e il modo in cui il sistema risponderà all'input dell'utente e gestirà potenziali errori o problemi.

Il diagramma che ne deriverà ti aiuterà a comprendere il processo, a generare istruzioni e a capire dove utilizzare azioni, variabili e filtri. I vantaggi di questo approccio alla pianificazione degli agenti includono:

• Coinvolgimento degli utenti aziendali e accordo sull'ambito di applicazione
• Definizione di azioni, istruzioni e limiti di azione
• Generazione di istruzioni chiare e specifiche
• Esecuzione del debug durante i test e la valutazione
• Valutazione di scenari completi
• Dimostrazione della conformità e del log di audit
• Spiegazione del comportamento atteso dagli agenti e ricezione dell'approvazione

Prima di continuare, è importante sottolineare che gli agenti non sono l'unico strumento di intelligenza artificiale generativa disponibile sulla Salesforce Platform. I modelli di prompt sono un ulteriore potente strumento per la creazione di applicazioni che utilizzano l'AI generativa. Integrati nel Prompt Builder, consentono di definire una serie di istruzioni strutturate e riutilizzabili che portano un modello di AI generativa a generare output specifici. Possono fare riferimento ai dati Salesforce attraverso campi predefiniti, grafici dati e la generazione aumentata dal recupero (RAG) di dati contestuali. I modelli di prompt sono anche estremamente sicuri, poiché attraversano tutti il trust layer di Salesforce, che garantisce il rispetto delle autorizzazioni, il mascheramento dei dati sensibili e la segnalazione di output dannosi.

I modelli di prompt sono interazioni con l'AI a una battuta e sono ideali per attività una tantum che non richiedono memoria o un ragionamento in più passaggi. Ad esempio, un modello di prompt è la soluzione ideale quando è necessario riformulare una frase o riassumere un caso, poiché non è necessario un contesto continuo. Quando si progettano soluzioni con modelli di prompt, è importante ricordare che sono stateless (non conservano memoria tra una battuta e l'altra) e che non prendono decisioni né intraprendono azioni. I modelli di prompt generano una risposta in base all'input e alla logica forniti in fase di progettazione.

I modelli di prompt possono essere utilizzati singolarmente in una soluzione di intelligenza artificiale incorporata oppure possono essere aggiunti agli agenti come azioni. Il primo modo di utilizzo è la soluzione ideale nei seguenti casi:

• Il contesto aziendale è ben compreso e stabile
• L'output desiderato segue un formato prevedibile, anche se la risposta in sé non è deterministica
• Non serve valutare percorsi differenti o intraprendere azioni autonome
• Non sono necessari un contesto o uno stato continui
• Non è richiesto un ragionamento a più passaggi

Casi d'uso dei modelli di prompt:

• Generazione di un riepilogo strutturato dei record, come il riassunto degli appunti di un caso
• Creazione di appunti delle riunioni strutturati
• Generazione di risposte via e-mail basate su modelli
• Suggerimento delle migliori azioni successive
• Identificazione dell'analisi del sentiment di un caso

Non dimenticare che, sebbene i modelli di prompt siano in grado di compilare dinamicamente i dati e generare risposte in base agli input dinamici che vengono visualizzati in fase di esecuzione, non sanno ragionare tra diverse opzioni né eseguire azioni.

Gli agenti sono sistemi software che decidono autonomamente cosa fare, in quale ordine e in che modo, in base all'evoluzione del contesto. Gli agenti vanno oltre un singolo prompt in quanto possono pianificare, ragionare, richiamare azioni esterne (come chiamate API o ricerche in database) e reagire in base ai risultati. Possono scegliere percorsi o risposte diversi a seconda di ciò che imparano nel corso del processo. Gli agenti sono la soluzione migliore quando:

• L'ambiente o il contesto possono cambiare dinamicamente
• Sono possibili più decisioni o ramificazioni in base ai dati
• L'AI deve sostituirsi o supportare la valutazione umana nel compiere una scelta o nell'agire

Casi d'uso degli agenti AI:

• Smistamento e instradamento dei casi di assistenza in entrata
• Risoluzione di problemi nelle prenotazioni tramite verifica di politiche e sistemi esterni
• Gestione di flussi di lavoro in più fasi con cicli di feedback
• Redazione dell'e-mail di risposta per un caso basata sui dettagli del problema del cliente con possibili soluzioni e articoli informativi pertinenti provenienti dal tuo sito web per i clienti
• Pianificazione di un appuntamento in base alla disponibilità dell'operatore dell'assistenza e alle preferenze del cliente
• Rilevamento di eventi, come problemi di aggiornamento del software, e generazione proattiva di attività di risoluzione o tentativo di risoluzione da remoto attivando un'azione per richiamare una chiamata API

Vuoi capire come Agentforce comprende le richieste degli utenti e decide quali azioni intraprendere? Questa sezione ti illustrerà il nucleo del suo processo decisionale: il motore di ragionamento Atlas. Proprio come comprendere l'ordine di esecuzione è fondamentale per capire cosa succede quando un record viene salvato in Salesforce, sapere come agisce dietro le quinte il motore di ragionamento Atlas ti consente di capire come funziona Agentforce.

Il motore di ragionamento Atlas utilizza un insieme di prompt, codice, chiamate LLM e un gruppo di tre blocchi chiave per aiutare gli agenti a comprendere e rispondere in modo efficace. Pensa ai seguenti tre elementi (argomenti, istruzioni e azioni) come a leve di controllo che utilizzi per far lavorare gli agenti per te. Regolandoli, definisci i prompt che il motore di ragionamento impiega per comprendere, decidere e agire. Proprio così: Agentforce utilizza i prompt nel motore di ragionamento per classificare argomenti e azioni. Ciò significa che progetti prompt ogni volta che crei un agente nel Generatore di agenti.

Prima di approfondire il motore di ragionamento Atlas, diamo un'occhiata più da vicino agli argomenti, alle istruzioni e alle azioni: tre importanti metadati che definisci ogni volta che crei un agente con Agentforce.

Gli argomenti sono le fondamenta delle capacità del tuo agente e definiscono cosa può fare e quali tipi di richieste dei clienti può gestire. Pensali come reparti specializzati con competenze, strumenti (azioni) e linee guida (istruzioni) specifici. Quando un cliente invia un messaggio, il tuo agente determina innanzitutto quale “reparto” (argomento) debba gestire la richiesta, quindi segue le linee guida di quel reparto specifico e utilizza i suoi strumenti per aiutare il cliente. Gli argomenti hanno anche un ambito che definisce ciò che un agente può e non può fare entro quella specifica area tematica.

Le istruzioni sono le linee guida che indirizzano il modo in cui le conversazioni vengono gestite entro un argomento, guidando la selezione delle azioni, impostando modelli di conversazione e fornendo il contesto aziendale. Argomenti chiari e distinti evitano sovrapposizioni e assicurano che il motore di ragionamento classifichi correttamente le richieste dei clienti. Le istruzioni devono essere chiare, specifiche e attuabili per guidare l'agente in modo efficace.

Le azioni fungono da strumenti che l'agente utilizza per ottenere informazioni o eseguire attività. Durante la definizione delle azioni, è fondamentale capire in che modo il motore di ragionamento le elaborerà. Il motore esamina le azioni disponibili in base a nomi, descrizioni e input, nonché sulla scorta delle istruzioni dell'argomento e del contesto della conversazione. Agentforce offre una serie di azioni standard degli agenti e consente di crearne di personalizzate per estendere ulteriormente la tua implementazione. È tuttavia consigliabile verificare sempre se sia possibile utilizzare un'azione standard prima di crearne una personalizzata e progettare le azioni facendo in modo che possano essere riutilizzate tra argomenti diversi. Di seguito è riportato un elenco di azioni personalizzate disponibili per gli agenti e di casi in cui è consigliabile utilizzarle:

Ti starai chiedendo in che modo di preciso un agente utilizza argomenti, istruzioni e azioni per portare a termine il lavoro. Ecco un'analisi dettagliata di ciò che accade all'interno del motore di ragionamento Atlas ogni volta che viene invocato un agente.

Il processo ha inizio alla ricezione di un messaggio o di una query di un utente oppure quando un agente viene richiamato da un evento, una modifica dei dati o una chiamata API.

Il motore di ragionamento analizza il messaggio dell'utente per classificarlo entro l'argomento più pertinente. Per questo passaggio di classificazione, il motore di ragionamento esamina solo il nome dell'argomento e la descrizione della classificazione dell'argomento. Se non è disponibile un argomento appropriato, per impostazione predefinita viene utilizzata una classificazione “fuori argomento”.

L'ambito, le istruzioni e le azioni associati all'argomento selezionato vengono inseriti nel prompt insieme al messaggio originale dell'utente e alla cronologia della conversazione (in genere, le ultime sei battute). Il prompt risultante viene inviato all'LLM per determinare le azioni successive dell'agente.

L'agente analizza l'input combinato (messaggio dell'utente, istruzioni, potenziali azioni) e decide il passo successivo da compiere:

• Esecuzione di un'azione: se sono necessarie informazioni specifiche o se occorre eseguire un'attività.
• Risposta all'utente: se dispone di sufficienti informazioni o sta cercando informazioni, l'agente può inviare una risposta.

• L'agente richiama l'azione scelta.
• Viene acquisito l'output o il risultato dell'azione eseguita.
• Elaborazione dell'output dell'azione: l'output dell'azione viene inviato al LLM combinato nuovamente con il contesto originale (istruzioni, azioni, cronologia della conversazione).

• L'agente rivaluta la situazione in base alle nuove informazioni (output dell'azione) e al contesto della conversazione in corso.
• L'output viene inviato insieme ad ambito dell'argomento, istruzioni e azioni specifici e l'agente decide se eseguire un'altra azione o formulare una risposta.
• Questo ciclo continua fino a quando l'agente non determina di disporre di tutte le informazioni necessarie ed è pronto a rispondere direttamente all'utente.

Prima di inviare la risposta finale, l'agente esegue un ultimo controllo per assicurarsi che la risposta proposta sia contestualizzata e aderisca alle istruzioni fornite per l'argomento. Questo passaggio verifica che la risposta:

• Sia adeguatamente radicata nelle informazioni della fonte
• Sia in linea con le istruzioni e l'ambito dell'argomento
• Non includa allucinazioni o informazioni non verificate
• Non presenti potenziali rischi di iniezione di prompt

La risposta finale convalidata viene inviata all'utente. Se il passaggio di radicamento nel contesto non riesce, l'agente riproverà e tenterà di produrre una risposta con contestualizzazione. Se non è in grado di produrre una risposta radicata nel contesto, invierà un messaggio standard per informare l'utente di non poterlo aiutare per la sua richiesta.

La comprensione di questo flusso di lavoro aiuta a spiegare il motivo per cui ogni componente dell'agente (argomenti, istruzioni e azioni) va progettato con attenzione affinché funzioni entro questo processo di ragionamento. Ma non finisce qui.

Per garantire un ulteriore controllo e aggiungere un livello di logica deterministica al flusso di lavoro agentico, Agentforce si avvale di filtri condizionali. È come avere regole di visibilità dinamica per i campi di un modulo, ma in questo caso per gli agenti nel quadro del ragionamento.

I filtri condizionali fungono da guardiani che determinano se un argomento o un'azione debbano essere considerati durante il processo di ragionamento. A differenza delle istruzioni che guidano le decisioni dell'LLM, i filtri operano a livello di sistema per includere o eliminare del tutto argomenti e azioni in base a condizioni specifiche.

Il sistema dei filtri condizionali migliora le prestazioni dell'agente essenzialmente in due modi:

1. Maggiore precisione nella classificazione degli argomenti

Eliminando gli argomenti non pertinenti dalla valutazione in base allo stato della conversazione, si riduce il "rumore semantico" durante il processo di classificazione degli argomenti. In questo modo, è più semplice per l'LLM selezionare l'argomento corretto per una determinata query dell'utente.

Ad esempio, se un utente non si è ancora autenticato, i filtri possono nascondere tutti gli argomenti relativi ad azioni specifiche dell'account. In questo modo si evita che l'agente classifichi erroneamente query generali come argomenti sensibili che potrebbero causare errori di autenticazione o risposte inappropriate.

2. Selezione delle azioni appropriate in base al contesto

Una volta selezionato un argomento, i filtri perfezionano ulteriormente le azioni disponibili all'interno di tale argomento in base allo stato corrente della conversazione:

• Se le variabili obbligatorie non vengono compilate (ad esempio, il numero dell'ordine), è possibile nascondere le azioni che dipendono da tali variabili
• Se determinate azioni devono essere disponibili solo in base agli attributi o ai diritti dell'utente, i filtri possono applicare tali regole

Ecco come funzionano i filtri condizionali

Il motore di ragionamento Atlas supporta il sistema dei filtri in base a due tipi di variabili: variabili di contesto e variabili personalizzate. Di seguito è riportata una rapida panoramica delle proprietà di ciascuna tipologia:

Si tratta di variabili derivate dalla sessione di messaggistica e possono includere:

• Campi standard dell'oggetto Sessione di messaggistica
• Campi personalizzati aggiunti all'oggetto Sessione di messaggistica
• Dati del modulo pre-chat
• Informazioni da precedenti sessioni di messaggistica

Le variabili di contesto sono particolarmente utili per personalizzare le interazioni in base alle informazioni note sui clienti senza richiedere all'agente di chiederle a livello conversazionale. Quando si progetta una soluzione con variabili di contesto, è importante tenere presente che vengono impostate all'avvio della sessione e non sono modificabili durante tale sessione.

Le variabili personalizzate memorizzano le informazioni restituite dalle azioni. Possono essere utilizzate per:

• Monitoraggio dello stato della conversazione (ad esempio, stato dell'autenticazione)
• Archiviazione degli output delle azioni da mantenere negli input delle azioni
• Creazione di legami di dipendenza tra le azioni, consentendo a queste ultime di essere disponibili solo se viene soddisfatta una determinata condizione

I filtri si basano sui valori del contesto e sulle variabili personalizzate. Possono essere applicati sia a livello di argomento che di azione:

• Filtri a livello di argomento: controlla se l'intero argomento è disponibile per la classificazione
• Filtri a livello di azione: controllano la disponibilità di azioni specifiche all'interno di un argomento, anche se è selezionato l'argomento stesso

Ecco una semplice panoramica del motore di ragionamento Atlas che mostra in che modo i filtri a livello di argomento e a livello di azione si inseriscono nel flusso di ragionamento.

Il caso d'uso più comune per i filtri è il controllo dell'accesso a operazioni sensibili:

Filtro: “Richiede autenticazione”

Condizione: authenticationStatus = “verificato”

Applicata a: argomento Gestione account, argomento Elaborazione pagamento

In questo modo, anche se un utente chiede informazioni sul proprio account o sui pagamenti prima dell'autenticazione, l'agente non consente il richiamo di tali argomenti.

I filtri possono anche aiutare a eseguire i passaggi del processo nell'ordine corretto:

Filtro: “Numero d'ordine obbligatorio”

Condizione: orderNumber != null

Applicato a: azione Controllo stato ordine, azione Modifica ordine

In questo modo, le azioni relative all'ordine sono disponibili solo dopo che un numero d'ordine è stato raccolto e memorizzato in una variabile.

È importante comprendere la distinzione tra filtri e istruzioni:

1. I filtri operano a livello deterministico: utilizzano la corrispondenza delle variabili per includere/escludere argomenti e azioni.
2. Le istruzioni sono interpretate dall'LLM: dipendono dalla comprensione dell'LLM e sono non deterministiche, ossia i loro risultati possono variare in base alla comprensione e all'interpretazione del modello.
3. I filtri limitano le decisioni dell'agente: eliminano del tutto alcune opzioni dalla valutazione, riducendo al minimo il range di ricerca e garantendo maggiore precisione.

Un altro elemento del motore di ragionamento Atlas sono le citazioni. Possono essere utilizzate per convalidare le fonti utilizzate dall'LLM per generare una risposta. Il diagramma seguente mostra dove si inseriscono le citazioni nel flusso del motore di ragionamento.

Questo diagramma evidenzia anche l'architettura componibile del motore di ragionamento. Escalation, citazioni e limiti di azione sono componenti modulari utilizzati dal motore di ragionamento per la creazione di un agente tramite l'impiego del modello Agentforce per l'assistenza. Attualmente, i componenti modulari utilizzati dal motore di ragionamento sono impostati modello per modello. Stiamo studiando soluzioni per rendere questi componenti ancora più simili a pezzi di Lego che possono essere scambiati in un agente, potenzialmente in futuro anche per mano dei clienti.

Abbiamo già visto molto. Ora facciamo un passo indietro e analizziamo un esempio completo di come argomenti, istruzioni e azioni operano insieme al motore di ragionamento quando un cliente pone una domanda a un agente.

Messaggio del cliente: "Ieri ho ordinato un maglione rosso ma devo cambiare l'indirizzo di consegna."

• Il motore confronta il messaggio con tutti i nomi degli argomenti e le descrizioni delle classificazioni
• Seleziona l'argomento "Modifica dell'ordine" poiché la sua descrizione di classificazione menziona "modifiche degli ordini"

• Il motore di ragionamento porta l'argomento "Modifica dell'orario di consegna" o "Modifica dell'indirizzo" al prompt di focus insieme all'ambito dell'argomento, alle istruzioni e alle azioni disponibili, oltre alla cronologia della conversazione e al messaggio dell'utente
• L'ambito indica che l'agente può modificare gli ordini, ma non può annullare gli ordini dopo che sono stati processati
• Le istruzioni includono indicazioni sulla gestione delle modifiche agli ordini

• In base alle istruzioni dell'argomento e alle descrizioni delle azioni, il motore determina che è necessario:
  • Per prima cosa identificare l'ordine (utilizzando l'azione "Trova ordine per descrizione")
  • Quindi aggiornare l'indirizzo di spedizione (utilizzando l'azione “Aggiorna spedizione ordine”)

• Il motore chiede al cliente la sua e-mail per trovare l'ordine
• Una volta individuato l'ordine, richiede il nuovo indirizzo di spedizione
• Esegue l'azione "Aggiorna spedizione ordine" con l'ID dell'ordine e il nuovo indirizzo
• Quindi verifica il cambio di indirizzo con il cliente

Ora che hai capito come funziona il motore di ragionamento e perché argomenti, azioni e istruzioni sono così importanti, diamo un'occhiata ad alcune best practice per crearli.

Gli argomenti sono le fondamenta delle capacità del tuo agente. Definiscono ciò che il tuo agente sa fare e come e quali tipi di richieste dei clienti può gestire. I tre elementi di un argomento sono il nome dell'argomento, la descrizione della classificazione e l'ambito.

• Pensa: "In che modo classificherei il 'lavoro da fare' a cura del mio agente?"
• Usa nomi facilmente riconoscibili
• Usa nomi brevi e descrittivi
• Inizia i nomi con verbi, come fornisci, modifica o annulla
• Assicurati che i nomi dei diversi argomenti non si sovrappongano a livello di significato
• Consulta gli argomenti esistenti prima di crearne di nuovi
• Limita gli argomenti a 10-15 per agente: troppi argomenti o argomenti sovrapposti aumentano la probabilità che l'agente sia incoerente o impreciso

• Includi i diversi modi in cui gli utenti potrebbero richiedere questo tipo di assistenza
• Elenca parole chiave e frasi specifiche che i clienti solitamente utilizzano
• Copri l'intera gamma di domande che questo argomento dovrebbe gestire
• Scrivi in linguaggio naturale, non utilizzare termini tecnici
• Distingui ogni descrizione dalle descrizioni di altri argomenti

Se rilevi che l'agente ripetutamente sbaglia nella selezione dell'argomento corretto per le query degli utenti, i nomi e le descrizioni degli argomenti sono la prima cosa da ispezionare e perfezionare.

• Redigi l'ambito dell'argomento come se stessi spiegando un lavoro a un nuovo dipendente: "Il tuo compito è... Non puoi..."
  • Illustra in modo esplicito sia le autorizzazioni che le limitazioni
• Usa un linguaggio chiaro e inequivocabile relativamente ai limiti

Vediamo come configurare un argomento in fase di progettazione affinché un agente possa aiutare gli utenti a reimpostare la propria password. Ecco come potrebbero essere redatti gli argomenti, le istruzioni e le azioni:

Ora, in fase di esecuzione, quando un cliente interagisce con il nostro agente dal sito Web di un'azienda, ecco cosa succede:

1. Il cliente dice: "Ho dimenticato i miei dati di accesso".
2. Il motore di ragionamento associa questo argomento con l'argomento Reimpostazione password poiché la descrizione della classificazione menziona “password dimenticate, problemi di accesso, problemi di accesso all'account”.
3. L'ambito indica all'agente che può fornire supporto per la reimpostazione delle password, ma non può accedere alle informazioni sull'account né apportarvi modifiche.
4. L'agente segue le istruzioni per verificare innanzitutto l'identità del cliente, quindi propone di inviare un link per la reimpostazione della password.
5. L'agente utilizza l'azione Invia e-mail di reimpostazione password per completare l'attività.

Le istruzioni sono le linee guida che indicano all'agente come gestire le conversazioni entro un dato argomento. Le istruzioni aiutano l'agente a prendere decisioni su quali azioni intraprendere e in che modo rispondere.

Le istruzioni svolgono diversi ruoli cruciali nel processo decisionale del tuo agente:

1. Guida alla selezione delle azioni: aiutano il tuo agente a scegliere quale azione intraprendere per situazioni specifiche.
2. Impostazione di modelli di conversazione: stabiliscono in che modo l'agente debba interagire con i clienti.
3. Informazioni sul contesto aziendale: aiutano il tuo agente a comprendere i processi e la terminologia della tua azienda.

Senza istruzioni chiare, l'agente potrebbe selezionare le azioni sbagliate, fraintendere le richieste dei clienti o fornire risposte incoerenti. Ma ricorda che le istruzioni vengono riunite in un prompt e inviate all'LLM e, quindi, non sono deterministiche. Non sostituiscono la codifica di norme aziendali all'interno dell'azione, che è necessaria.

Quando il motore di ragionamento gestisce una richiesta del cliente, utilizza le tue istruzioni per:

1. Decidere quali azioni eseguire: le istruzioni aiutano il motore a determinare quale azione è più appropriata per una situazione specifica.
2. Determinare la sequenza dei passaggi: le istruzioni possono aiutare il motore a stabilire se eseguire determinati passaggi prima di altri. Per maggiore determinismo, è possibile utilizzare variabili di azione e filtri condizionali.
3. Impostare il formato della risposta: le istruzioni modellano il modo in cui le informazioni vengono presentate al cliente.
4. Gestire le eccezioni: le istruzioni indicano al motore cosa fare quando non si applicano i processi standard (ad esempio, se si verifica un caso limite, proporre di inoltrare l'e-mail a un agente).

Più chiare e specifiche saranno le tue istruzioni, più il tuo agente agirà con coerenza.

In fase di creazione dell'agente, è fondamentale capire quando utilizzare le istruzioni e le azioni per implementare funzionalità. Utilizza le azioni per la logica aziendale di fondamentale importanza che deve essere applicata in modo coerente, ad esempio calcoli complessi, elaborazione di informazioni riservate e operazioni in più passaggi che richiedono una sequenza specifica. Diversamente, usa le istruzioni per guidare il flusso della conversazione, aiutare l'agente a selezionare le azioni appropriate in base al contesto, definire il formato e il tono della risposta e stabilire strategie di chiarimento in caso di informazioni ambigue.

• Esempio non idoneo: "Non emettere mai rimborsi per ordini datati oltre 30 giorni" (come istruzione)
• Approccio migliore: integra questa logica nell'azione stessa Rimborsa ordine con un input di data ed esegui la convalida dell'azione

Esempio di azione Rimborsa ordine:

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 = 'Input non valido: sono necessari l'ID dell'ordine e la data dell'ordine.';

return result;

}

Date today = Date.today();

Integer daysSinceOrder = today.daysBetween(orderDate);

if (daysSinceOrder > 30) {

result.canReturn = false;

result.message = 'L'ordine non può essere restituito. Sono trascorsi più di 30 giorni.';

} else {

result.canReturn = true;

result.message = 'L'ordine può essere restituito. Invio del documento di reso.»;

sendReturnEmail(orderId);

}

return result;

}

• Definisci i tuoi termini: non dare per scontato che l'agente sappia cosa significano i vocaboli di settore.
  • Esempio: "I codici promozionali vengono utilizzati per ottenere sconti durante il checkout, mentre i codici di registrazione vengono utilizzati per registrare i prodotti ai fini della garanzia".
• Sii specifico riguardo alla sequenza: se i passaggi devono svolgersi in un certo ordine, specificalo chiaramente e includili in una casella di istruzioni.
  • Esempio: “Prima verifica l'identità del cliente utilizzando l'azione Verifica cliente, poi fornisci informazioni sull'account.”
• Usa una terminologia coerente: utilizza gli stessi termini in tutte le tue istruzioni.
  • Esempio non idoneo: "Controlla le informazioni del cliente" in un'istruzione e "Verifica i dettagli dell'acquirente" in un'altra
  • Esempio efficace: usa "cliente" in modo coerente e fai riferimento alle azioni con il loro nome esatto
• Diffida dei termini assoluti: parole come "sempre" e "mai" verranno prese molto alla lettera.
  • I termini assoluti possono avere un impatto significativo sul modo in cui il tuo agente interagisce. Assicurati di fornire indicazioni volute su come vengono utilizzati nelle istruzioni.
• Abbina le azioni alle situazioni: specifica chiaramente quali azioni utilizzare in quali circostanze.
  • Esempio: “Utilizza l'azione Traccia ordine quando i clienti chiedono informazioni sulla localizzazione del pacco o sulle date di consegna”.
• Fornisci criteri decisionali: aiuta il tuo agente a scegliere tra opzioni analoghe.
  • Esempio: “Se il cliente ha accesso alla propria e-mail, utilizza l'azione Invia e-mail di reimpostazione password. Se l'utente non ha accesso alla propria e-mail, utilizza l'azione Verifica della domanda di sicurezza.”

Le azioni sono gli strumenti utilizzati dall'agente per ottenere informazioni o eseguire attività.

Quando il tuo agente gestisce una richiesta del cliente, il motore di ragionamento:

1. Analizza il messaggio del cliente e l'argomento selezionato
2. Esamina le azioni disponibili in quell'argomento
3. Decide quali azioni utilizzare in base ai seguenti elementi:
   - i nomi, la descrizione e gli input delle azioni;
   - le istruzioni dell'argomento che fanno riferimento alle azioni;
   - il contesto della conversazione.
4. Esegue l'azione selezionata con input appropriati
5. Utilizza l'output dell'azione per formulare una risposta o determinare i passaggi successivi

Affinché questo processo funzioni in modo efficiente, le tue azioni devono riportare nomi e istruzioni chiari e descrittivi che aiutino il motore di ragionamento a capire quando e come utilizzarle. Per ridurre al minimo la latenza e migliorare le prestazioni, non assegnare più di 15 azioni a un argomento e ricorda che le azioni possono essere riutilizzate tra gli argomenti.

Ogni azione nel tuo agente ha tre parti importanti che devono essere configurate: nome dell'azione, istruzioni dell'azione e istruzioni per l'input dell'azione.

• Utilizza un linguaggio semplice che corrisponda al modo in cui i clienti descriverebbero l'azione.
• Poiché il nome dell'API dell'azione viene inviato al motore di ragionamento, assicurati che il nome dell'API sia chiaro e descriva la funzionalità.

Best practice per le istruzioni dell'azione:

• Scrivi 1-3 frasi che spieghino esattamente cosa fa l'azione
• Specifica quando tale azione deve essere utilizzata (tipi di richieste del cliente)
• Elenca le informazioni necessarie all'azione per essere eseguita correttamente
• Specifica eventuali condizioni speciali o casi limite gestiti dall'azione
• Includi esempi di frasi del cliente che dovrebbero attivare questa azione

Suggerimenti fondamentali per le istruzioni di input dell'azione:

• Descrivi chiaramente qual è l'input e il suo scopo
• Specifica il formato previsto (lunghezza, caratteri, struttura)
• Includi criteri di convalida o requisiti di formattazione

Questa è una domanda che ci viene posta spesso dai nostri clienti. La risposta in breve è sì. Data Cloud è parte integrante di Agentforce: l'architettura di Data Cloud viene infatti utilizzata per alcune funzionalità di Agentforce, come l'analytics per gli agenti e il digital wallet. Inoltre, l'infrastruttura di Data Cloud alimenta l'indicizzazione e la ricerca di dati non strutturati, nonché la registrazione dei feedback e il log di audit. Data Cloud può inoltre fornire un'ulteriore estensibilità ad Agentforce. I clienti possono anche scegliere di abilitare funzionalità come Bring Your Own Lake (BYOL) e Bring Your Own Large Language Model (BYO-LLM) per utilizzare dati e modelli basati su piattaforme esterne a Salesforce con agenti sviluppati in Agentforce.

Dall'accesso ai dati da altri data lake attraverso la federazione dei dati all'utilizzo dell'infrastruttura hyperscale per dati su scala petabyte, l'utilizzo dell'architettura di Data Cloud con Agentforce garantisce che i clienti sperimentino oggi migliori risultati di AI e assicura la sostenibilità a lungo termine per un'adozione di successo degli agenti, indipendentemente dalle dimensioni o dalla complessità dei set di dati sottostanti che alimentano tali agenti.

Vorresti sapere quali sono le funzionalità specifiche di Agentforce alimentate da Data Cloud? Di seguito trovi un riepilogo delle funzionalità di Agentforce supportate da Data Cloud per impostazione predefinita e delle funzionalità opzionali di Data Cloud che possono essere attivate dai clienti che desiderano estendere la loro implementazione.

Abbiamo illustrato gli elementi chiave che fanno funzionare Agentforce, tra cui il motore di ragionamento Atlas, e abbiamo visto come utilizzare argomenti, istruzioni e azioni. Comprendere questi componenti è fondamentale per utilizzare Agentforce in modo efficace. Ricordati di utilizzare questa guida quando inizi a implementare Agentforce per migliorare i risultati del tuo prodotto. Ti invitiamo a consultare le risorse fornite per scoprire maggiori informazioni.

Agent Planning: Outline the Agent’s Work
https://trailhead.salesforce.com/content/learn/modules/agentforce-agent-planning/outline-the-agents-work

Istruzioni per l'azione:
https://help.salesforce.com/s/articleView?id=ai.copilot_actions_instructions.htm&type=5

Istruzioni per l'argomento:
https://help.salesforce.com/s/articleView?id=ai.copilot_topics_instructions.htm&type=5

Risoluzione dei problemi degli agenti:
https://help.salesforce.com/s/articleView?id=ai.copilot_troubleshoot.htm&type=5

Variabili 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