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. Es por eso que lanzamos Agentforce, una plataforma para crear agentes de IA. Pero con la nueva tecnología llegan nuevos conceptos y nuevas consideraciones de implementación.

Esta guía explora los elementos centrales de Agentforce y es la primera de una serie de guías que evolucionarán junto con la propia plataforma Agentforce. En este recurso encontrarás detalles sobre cómo funciona Agentforce, como también las capacidades clave y las ventajas y desventajas que los arquitectos, y todos los profesionales técnicos, deben conocer al construir con Agentforce.

Contenidos:

• Puntos claves:
• Aspectos básicos de Agentforce
• Solicitudes vs. agentes
• Razonamiento de Agentforce
• Prácticas recomendadas para usar filtros vs. instrucciones
• Prácticas recomendadas para crear temas, instrucciones y acciones
• ¿ Agentforce necesita Data Cloud?
• Palabras 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 fundamental para crear agentes. Es el método principal para guiar el comportamiento de un agente y controlar los resultados a través de temas, acciones e instrucciones. Además, es esencial para diseñar acciones efectivas impulsadas por plantillas de solicitud.
• Los temas, las acciones y las instrucciones permiten controlar las solicitudes que impulsan el motor de razonamiento. Por ello, son necesarias para el correcto funcionamiento de Agentforce.
• Dado que Agentforce forma parte de Salesforce Platform, los agentes creados con Agentforce pueden utilizar las herramientas de poco código y de código profesional con las que ya estás familiarizado.
• Data Cloud es una parte integral de Agentforce. Impulsa la indexación y la fragmentación para potenciar la generación aumentada de recuperación (RAG), el análisis de agentes, el aporte de tu propio modelo (BYOM) y Digital Wallet.
• Los agentes son increíbles, pero a veces basta con una plantilla de solicitud.

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, luego, pasar a la acción, con o sin intervención humana. ¿Quieres saber cuál es la mejor parte? Los agentes utilizan modelos de lenguaje de gran tamaño (LLM) en lugar de reglas estrictas y escritas previamente. Esto hace que sean más dinámicos que la automatización basada en reglas, pero también es un cambio significativo con respecto al software tradicional que sigue instrucciones codificadas rígidas.

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 (actuar sin intervención humana) o pueden ser guiados para involucrar e informar a una persona.
• Los agentes se diferencian de otras herramientas de IA generativa porque pueden planificar, razonar y actuar.

Si bien los agentes no siguen una lógica codificada rígida como el software tradicional, Agentforce proporciona una serie de componentes para agregar controles adicionales a la forma en que razonan tus agentes. También hay una serie de características que hacen que Agentforce tenga capacidad de ampliación. Veamos brevemente cuáles son estos componentes:

La planificación estratégica es una parte fundamental de la implementación de un agente de IA. Si tu organización no tiene una estrategia en marcha, sugerimos tomar la insignia de Estrategia de IA en Trailhead . A partir de aquí, asumimos que ya conoces el proceso de definir tu visión de la IA, formar un consejo de IA, establecer la gobernanza de la IA, identificar casos de uso de la IA y crear una hoja de ruta.

Crear un agente requiere tiempo y recursos. Una planificación cuidadosa te ayudará a hacerlo bien la primera vez. Antes de comenzar a crear un agente, define un caso de uso y crea un mapa de proceso para cada agente que planeas crear. La insignia de Planificación de agentes en Trailhead cubre el mapeo del proceso en la unidad "Escribir el trabajo del agente ". Describe la experiencia ideal del usuario y cómo el sistema responderá a las entradas del usuario y manejará los posibles errores o problemas.

El diagrama resultante te ayudará a garantizar que comprendas el flujo. Te ayudará a generar instrucciones y saber dónde usar las acciones, las variables y los filtros. Entre los beneficios de este enfoque de planificación de agentes, se incluyen los siguientes:

• Interactuar con los usuarios empresariales y acordar el alcance
• Definir las acciones, las instrucciones y los límites
• Generar instrucciones claras y específicas
• Depura durante las pruebas y la evaluación
• Evaluar escenarios integrales
• Garantizar el cumplimiento y la pista de auditoría
• Explicar el comportamiento esperado de los agentes y obtener la aprobación

Antes de continuar, es importante tener en cuenta que los agentes no son la única herramienta de IA generativa disponible en Salesforce Platform. También existen las plantillas de solicitud, que son una herramienta potente para desarrollar aplicaciones que usan IA generativa. Estas plantillas, que se integran a Generador de solicitudes, 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 utilizando campos predefinidos, gráficos de datos y mecanismos de generación aumentada de recuperación (RAG) de datos contextuales. Además, estas plantillas son muy seguras: todas las solicitudes se envían a través de la capa de confianza de Salesforce, respetando los permisos, enmascarando datos confidenciales y marcando las salidas tóxicas.

Las plantillas de solicitud son interacciones sencillas y puntuales con la IA, ideales para tareas rápidas que no requieren recordar información ni procesos complejos. Por ejemplo, funcionan muy bien si se desea parafrasear una oración o resumir un caso, ya que no hace falta un contexto continuo. Al crear soluciones con estas plantillas, es importante tener en cuenta que no guardan memoria entre usos y no toman decisiones ni ejecutan acciones por sí mismas. Generan una respuesta según la información y las reglas que hayas definido al diseñarlas.

Las plantillas de solicitud se pueden usar por sí solas en una solución de IA integrada, o se pueden agregar a un agente como una acción. Usar una plantilla de solicitud por sí sola es ideal en los siguientes casos:

• El contexto empresarial está claro y es estable.
• La salida deseada sigue un formato predecible, aunque la respuesta en sí no es determinista.
• No es necesario evaluar diferentes caminos ni tomar medidas autónomas.
• No se requiere un contexto, o información, continuo.
• No se requiere un razonamiento de varios pasos.

Casos de uso de plantillas de solicitud:

• Generar un resumen estructurado de registro, como un resumen de notas de un caso
• Crear notas de reuniones estructuradas
• Redactar respuestas de correo electrónico basadas en plantillas
• Sugerir las mejores acciones que puedan tomarse a continuación
• Identificar los sentimientos asociados a un caso

Ten en cuenta que, aunque las plantillas de solicitud pueden completar 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 de qué manera, en función de la evolución del contexto. Los agentes van más allá de una simple solicitud, ya que pueden planificar, razonar, ejecutar acciones externas (como llamadas a la API o búsquedas en bases de datos) y reaccionar en función de los resultados. Además, pueden elegir diferentes caminos o respuestas dependiendo de lo que aprendan a mitad del proceso. Los agentes son ideales si:

• El entorno o el contexto pueden cambiar dinámicamente.
• Son posibles varias decisiones o ramas basadas en datos.
• La IA debe reemplazar o ayudar al juicio humano a la hora de tomar una decisión o tomar medidas.

Casos de uso de agentes de IA:

• Clasificar y enviar casos de soporte entrantes
• Resolver problemas de reserva mediante la comprobación de sistemas y políticas externos
• Gestionar flujos de trabajo de varios pasos con ciclos de retroalimentación
• Redactar 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
• Programar una cita en función de la disponibilidad del representante de servicio y las preferencias del cliente
• Detectar eventos, como problemas de actualización de software, y generar de forma proactiva tareas de resolución de problemas o intentar una resolución remota activando una acción para invocar una llamada a la API

¿Quieres comprender cómo Agentforce entiende las solicitudes de los usuarios y decide qué acciones llevar a cabo? En esta sección exploraremos cómo funciona el elemento clave del proceso de toma de decisiones: el motor de razonamiento Atlas. Así como comprender el orden de ejecución es clave para entender lo que sucede cuando se guarda un registro en Salesforce, saber cómo funciona el motor de razonamiento Atlas en segundo plano te 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 clave para ayudar a los agentes a comprender y responder de manera efectiva. Imagina que estos tres elementos (temas, instrucciones y acciones) son las palancas que controlas para que los agentes trabajen para ti. Al ajustarlos, diseñas 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. Lo que significa que cada vez que creas un agente en el generador de agentes estás impulsando la ingeniería de solicitudes.

Antes de profundizar en el motor de razonamiento Atlas, veamos detenidamente los temas, las instrucciones y las acciones, tres piezas importantes de metadatos que defines cada vez que creas un agente con Agentforce.

Los temas son la base de las capacidades de tu agente, ya que definen qué puede hacer y qué tipos de solicitudes de los clientes puede manejar. Imagina que son departamentos especializados con experiencia, herramientas (acciones) y pautas (instrucciones) específicas. Cuando un cliente envía un mensaje, tu agente primero determina qué "departamento" (tema) debe manejar 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 que indican cómo se manejan las pláticas dentro de un tema. Guían la selección de acciones, establecen patrones de conversación y proporcionan contexto empresarial. Los temas claros y definidos evitan la superposición y garantizan que el motor de razonamiento clasifique correctamente las solicitudes de los clientes. Las instrucciones deben estar redactadas de forma precisa y útil para que el agente sepa exactamente cómo actuar.

Las acciones sirven como las herramientas que utiliza el agente 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 las instrucciones del tema y el contexto de la plática. Agentforce incluye una serie de acciones de agente estándar, y tú puedes crear acciones de agente personalizadas para ampliar aún más tu implementación. Sin embargo, siempre debes comprobar si se puede utilizar una acción estándar antes de crear una acción personalizada. Diseña acciones teniendo en cuenta la reutilización, ya que se pueden utilizar en varios temas. A continuación, te presentamos una lista de las acciones de agente personalizadas disponibles y cuándo debes usarlas:

Quizás te estás preguntando cómo utiliza exactamente un agente los temas, las instrucciones y las acciones para realizar su trabajo. A continuación, te mostramos un desglose paso a paso de lo que sucede dentro del motor de razonamiento Atlas cada vez que se activa un agente.

El proceso comienza cuando se recibe un mensaje o una consulta de un usuario, o cuando se activa 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 según el tema más relevante. Para este paso de clasificación, el motor de razonamiento solo analiza el nombre del tema y la descripción de su clasificación. Si el mensaje no coincide con ningún tema, se establece de forma predeterminada la clasificación “fuera de tema”.

El alcance, las instrucciones y las acciones asociadas con el tema seleccionado se incorporan en la solicitud junto con el mensaje original del usuario y el historial de pláticas, por lo general las últimas seis interacciones. La solicitud resultante se envía al LLM para determinar qué debe hacer el agente a continuación.

El agente analiza todos los datos ingresados en conjunto (mensaje del usuario, instrucciones, posibles acciones) y decide cuál será 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.
• Luego recoge el resultado de esa acción.
• Procesamiento de salida de la acción: la salida de la acción se devuelve al LLM, una vez más, con el contexto original (instrucciones, acciones, historial de conversaciones).

• El agente vuelve a evaluar la situación en base a la nueva información (resultado de la acción) y el contexto de la plática en curso.
• El resultado se envía junto con el enfoque Alcance del tema, Instrucción y Acciones, y el agente decide si se debe ejecutar otra acción o formular una respuesta.
• Este ciclo se repite hasta que el agente considera 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 propuso se basa en las instrucciones proporcionadas para el tema y las respeta. Este paso consiste en comprobar que la respuesta cumpla con los siguientes requisitos:

• Se basa debidamente en la información de la fuente.
• Respeta las instrucciones y el alcance del tema.
• No incluye alucinaciones ni información no verificada.
• No tiene riesgos potenciales de enfrentar una inyección de solicitudes.

La respuesta final y validada se envía al usuario. Si se produce un error en el paso de verificación de los fundamentos, el agente volverá a intentar generar una respuesta fundamentada. Si no puede hacerlo, enviará un mensaje estándar para informar al usuario que no puede ayudarlo con la solicitud.

Comprender este flujo de trabajo ayuda a explicar por qué cada componente de tu agente (temas, instrucciones y acciones) debe diseñarse cuidadosamente para que funcione con este proceso de razonamiento. Pero eso no es todo.

Para proporcionar un control adicional y agregar lógica determinista al flujo de trabajo de los agentes, Agentforce utiliza el filtrado condicional. Es como tener reglas de visibilidad dinámicas para los campos de un formulario, pero para el razonamiento de tus agentes.

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

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

1. Mayor precisión en la clasificación de temas

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

Por ejemplo, si un usuario aún no se autenticó, 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, lo que podría derivar en errores de autenticación o respuestas inapropiadas.

2. Selección de acciones contextualmente apropiadas

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

• Si no se definieron ciertas variables obligatorias (como el número de pedido), las acciones que dependen de esas variables pueden ocultarse.
• Si ciertas acciones solo deben estar disponibles en función de los atributos o derechos de acceso 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 te mostramos una breve descripción general de las propiedades de cada tipo:

Estas variables derivan de la sesión de mensajería y pueden incluir lo siguiente:

• 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 especialmente útiles para personalizar las interacciones en función de la información conocida del cliente, sin necesidad de que el agente la solicite durante la plática. Al diseñar una solución que utilice este tipo de variables, es importante tener en cuenta que se establecen al iniciar la sesión y no pueden modificarse mientras la sesión está activa.

Las variables personalizadas almacenan la información que devuelven las acciones. Se pueden utilizar en los siguientes casos:

• Seguimiento del estado de la conversación (por ejemplo, estado de autenticación)
• Guardar resultados de acciones que deben mantenerse para usarse en acciones posteriores
• Crear dependencias entre acciones, lo cual permite que ciertas acciones estén disponibles solo si se cumple una condición específica

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

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

A continuación te mostramos una vista sencilla del motor de razonamiento Atlas que explica cómo los filtros a nivel de tema y de acción se integran en el flujo de razonamiento.

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

Filtro: "Requiere autenticación"

Condición: authenticationStatus = "verified"

Aplicado a: Tema de gestión de cuentas, Tema de procesamiento de pagos

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

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

Filtro: "Número de pedido requerido"

Condición: orderNumber != null

Se aplica a: Acción comprobar estado del pedido, Acción modificar pedido

Esto garantiza que las acciones relacionadas con el pedido solo estén disponibles una vez 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 o 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 de los agentes: eliminan por completo las opciones, lo que minimiza el espacio de búsqueda y favorece una mayor precisión.

Otra parte del motor de razonamiento Atlas son las citas. Puedes utilizar citas para validar las fuentes que utiliza el LLM para generar una respuesta. El diagrama a continuación muestra dónde se integran las citas en el flujo del motor de razonamiento.

En este diagrama, también se destaca la arquitectura del motor de razonamiento. La derivación, las citas y los límites son componentes modulares que usa el motor de razonamiento al crear un agente mediante la plantilla de Agentforce para servicio. En la actualidad, los componentes modulares utilizados por el motor de razonamiento se establecen plantilla por plantilla. Estamos trabajando para que estos componentes se parezcan aún más a piezas de Lego que puedan intercambiarse dentro y fuera de un agente, algo que quizás podrán hacer los clientes en el futuro.

Ya abordamos muchas cuestiones. Ahora, tomémonos un momento para ver un ejemplo completo de cómo los temas, las instrucciones y las acciones trabajan en conjunto con el motor de razonamiento cuando un cliente le hace una pregunta a un agente.

Mensaje del cliente: “Ayer pedí un suéter rojo, pero necesito cambiar la dirección de entrega”.

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

• El motor de razonamiento lleva el tema "Cambiar tiempo de entrega" a la solicitud de enfoque e incluye el alcance, las instrucciones y las acciones disponibles del tema, junto con el historial de pláticas y el mensaje del usuario.
• El ámbito indica que el agente puede modificar pedidos, pero no puede cancelarlos una vez procesados.
• Las instrucciones incluyen orientación sobre el manejo de las modificaciones de pedidos.

• En función de las instrucciones del tema y las descripciones de las acciones, el motor determina que debe proceder del siguiente modo:
  • Identificar el pedido (utilizando la acción “Buscar pedido por descripción”)
  • A continuación, actualizar la dirección de envío (mediante la acción "Actualizar envío del pedido")

• El motor solicita al cliente su correo electrónico para buscar el pedido.
• Una vez encontrado el pedido, solicita la nueva dirección de envío.
• Ejecuta la acción “Actualizar envío del pedido” con el ID del pedido y la nueva dirección.
• Finalmente, confirma con el cliente que la dirección se haya actualizado correctamente.

Ya entiendes cómo funciona el motor de razonamiento y por qué los temas, las acciones y las instrucciones son tan importantes. Ahora, vamos algunas de las prácticas recomendadas para crearlos.

Los temas son la base de las funciones de tu agente. Definen lo que sabe hacer y el tipo de solicitudes que puede manejar. Los tres elementos de un tema son el nombre, la descripción de la clasificación y el ámbito.

• Piensa en esto: “¿Cómo categorizarías las 'Tareas que se deben realizar'?”.
• Utiliza nombres fácilmente reconocibles
• Utiliza nombres cortos y descriptivos
• Comienza los nombres con verbos, como proporcionar, cambiar o cancelar
• Asegúrate de que los diferentes nombres de los temas no tengan el mismo significado.
• Revisa los temas existentes antes de crear temas nuevos
• Limita los temas de 10 a 15 por agente. Si los temas son demasiados o se superponen, aumenta la probabilidad de que el agente sea incoherente o inexacto.

• Incluye las diferentes formas en que los usuarios pueden solicitar este tipo de ayuda
• Enumerar palabras clave y frases específicas que los clientes suelen usar
• Cubrir toda la gama de preguntas que este tema debe manejar
• Escribir en lenguaje natural, no en términos técnicos
• Distíngalo de las descripciones de otros temas

Si el agente falla sistemáticamente al seleccionar el tema correcto para las consultas de los usuarios, lo primero que debes hacer es analizar y mejorar los nombres y las descripciones.

• Escribe esto como si estuvieras explicando un trabajo a un empleado nuevo: "Tu trabajo es… No puedes…".
  • Sé explícito sobre los permisos y las limitaciones.
• Usa un lenguaje claro y sin ambigüedades sobre los límites.

Veamos cómo configurar un tema en el momento del diseño para que tu agente ayude a los usuarios a restablecer sus contraseñas. Así podrían ser 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 la compañía, esto es lo que sucede:

1. El cliente dice: “Olvidé mis datos de inicio de sesión”.
2. El motor de razonamiento hace coincidir este mensaje 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 alcance le indica al agente que puede ayudar con el restablecimiento de contraseñas, pero no puede acceder a la información de la cuenta ni realizar cambios en ella.
4. El agente sigue las instrucciones para, primero, verificar la identidad del cliente y, a continuación, ofrecer el envío de un enlace para restablecer la 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 tu agente cómo manejar las conversaciones dentro de un tema. Ayudan al agente a tomar decisiones sobre qué acciones tomar y cómo responder.

Las instrucciones juegan un papel crucial en el proceso de toma de decisiones de tu agente:

1. Guían la selección de acciones: ayudan a tu agente a elegir qué acción usar para situaciones específicas.
2. Establecen patrones de conversación: establecen cómo debe interactuar tu agente con los clientes.
3. Proporcionan contexto empresarial: ayudan al agente a comprender los procesos y la terminología de tu compañía.

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

Cuando el motor de razonamiento procesa la solicitud de un cliente, utiliza tus instrucciones para lo siguiente:

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 una respuesta más determinista, puedes utilizar variables de acción y filtros condicionales.
3. Dar formato a la respuesta: las instrucciones dan forma a cómo se presenta la información al cliente.
4. Controlar excepciones: las instrucciones indican al motor qué hacer cuando no se aplican los procesos estándar (por ejemplo, si se produce un caso extremo, ofrecer la derivación a un agente).

Cuanto más claras y específicas sean tus instrucciones, más coherente será su agente.

Al crear su agente, es fundamental comprender cuándo usar instrucciones y acciones para implementar la funcionalidad. Utiliza acciones para la lógica de negocios crítica que se debe aplicar de forma coherente, como cálculos complejos, procesamiento de información confidencial y operaciones de varios pasos que requieren una secuencia específica. Por el contrario, utiliza 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 clarificación cuando la información sea ambigua.

• Mal ejemplo: "Nunca emitas reembolsos de pedidos anteriores a 30 días" (como instrucción).
• Mejor enfoque: incorpore esta lógica en la acción Pedido de reembolso, con una entrada de fecha y valida la acción.

Ejemplo de la acción de pedido de reembolso:

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 = 'Entrada inválida: se requieren ID de pedido y fecha de pedido.';

return result;

}

Fecha de hoy = Date.today();

Integer daysSinceOrder = today.daysBetween(orderDate);

if (daysSinceOrder > 30) {

result.canReturn = false;

result.message = 'No se puede devolver el pedido. Pasaron más de 30 días'.;

} else {

result.canReturn = true;

result.message = 'El pedido se puede devolver. Envío de comprobante de devolución.'.

sendReturnEmail(orderId);

}

return result;

}

• Definir tus términos: no asumas que el agente sabe lo que significan los términos de la industria.
  • 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 para la garantía".
• Especificar las secuencias: si los pasos deben llevarse a cabo en un cierto orden, indícalo claramente e inclúyelos 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”.
• Utilizar una terminología constante: utiliza los mismos términos en todas las instrucciones.
  • Mal ejemplo: “verifica la información del cliente” en una instrucción y “verifica los datos del usuario” en otra
  • Buen ejemplo: usa "cliente" de manera coherente y refiérete a las acciones por sus nombres exactos
• Ser precavido con los absolutos: palabras como "siempre" y "nunca" se toman muy literalmente.
  • Los absolutos pueden influir considerablemente en cómo actúa el agente, por lo que es importante usarlos de manera intencional y con un propósito claro en las instrucciones.
• Asociar acciones con situaciones: especifica claramente qué acciones deben usarse en cada circunstancia.
  • Ejemplo: “Utiliza la acción Hacer seguimiento del pedido cuando los clientes pregunten por la ubicación del paquete o las fechas de entrega”.
• Proporcionar criterios de decisión: ayuda al agente a elegir entre opciones similares.
  • Ejemplo: "Si el cliente tiene acceso a su correo electrónico, utiliza la acción Restablecimiento de contraseña por correo electrónico. Si el usuario no tiene acceso a su correo electrónico, utiliza la acción Verificación con preguntas de seguridad".

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

Cuando el agente gestiona la solicitud de un cliente, el motor de razonamiento realiza lo siguiente:

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

Para que este proceso funcione de manera efectiva, tus acciones necesitan instrucciones y nombres claros y descriptivos que ayuden al motor de razonamiento a comprender cuándo y cómo usarlos. Para minimizar la latencia y mejorar el rendimiento, no asignes más de 15 acciones a un tema, y recuerda que las acciones se pueden reutilizar en todos los temas.

Cada acción de un agente tiene tres componentes importantes que deben configurarse: el nombre de la acción, las instrucciones de la acción y las instrucciones para ingresar los datos de la acción.

• Utiliza 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, asegúrate de que sea claro y describa la funcionalidad.

Prácticas recomendadas para las instrucciones de la acción:

• Escribir de 1 a 3 oraciones que expliquen exactamente lo que hace la acción
• Especifica cuándo se debe usar esta acción (tipos de solicitudes del cliente)
• Enumera la información que necesita la acción para ejecutarse correctamente
• Mencionar condiciones especiales o casos extremos de los que se encarga la acción
• Incluir ejemplos de frases de clientes que deben activar esta acción

Consejos clave para las instrucciones sobre cómo ingresar los datos de la acción:

• Describe claramente cuál es la entrada y su propósito.
• Especifica el formato esperado (longitud, caracteres, estructura).
• Incluye 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 parte integral de Agentforce porque la arquitectura de Data Cloud se aprovecha para ciertas funciones de 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 la pista de auditoría. Data Cloud también puede proporcionar capacidades de ampliación adicional a Agentforce. Además, los clientes pueden optar por habilitar funciones como Aporta tu propio lago (BYOL) y Aporta tu propio modelo de lenguaje grande (BYO-LLM) para utilizar datos y modelos creados en plataformas fuera de Salesforce con agentes generados 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, el uso 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 cuán grandes o complejos sean los conjuntos de datos subyacentes que alimentan a esos agentes.

¿Sientes curiosidad por saber qué funciones específicas de Agentforce impulsa Data Cloud? A continuación, encontrarás un resumen de las características de Agentforce compatibles con Data Cloud de forma predeterminada, además de las características de Data Cloud opcionales que pueden activar los clientes para ampliar su implementación.

Abordamos los elementos clave para el funcionamiento de Agentforce, incluido el motor de razonamiento Atlas, y cómo usar temas, instrucciones y acciones. Comprender estos componentes es clave para usar Agentforce de manera efectiva. Recuerda usar esta guía cuando comiences a implementar Agentforce para mejorar los resultados que te ofrece Agentforce. Te recomendamos consultar los recursos proporcionados para obtener más información.

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

Instrucciones de la 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

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

Variables de Agentforce (en inglés):
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