Video 'Hoe Agentforce werkt' > 'Hoe Agentforce werkt'

In deze demo laat ik je zien hoe Agentforce werkt door een AI-serviceagent te bouwen die binnenkomende supportcases overneemt door vragen van klanten te beantwoorden. Om te zien hoe dit werkt, breiden we de mogelijkheden van deze agent uit door hem ook te laten helpen bij de installatieplanning van deze producten. Ik doe dit door een nieuwe subagent toe te voegen. Subagents zijn de taken die je definieert om je AI-agents wel en niet te laten doen, en ze helpen bij het vaststellen van begrenzingen voor je AI-agents. Ik wil de begrenzingen van mijn agent uitbreiden door een nieuwe subagent aan te maken.

Als je ooit een chatbot in oude stijl hebt gebouwd, zal dit proces er heel anders uitzien. Er zijn geen dialoogbomen, alleen beschrijvingen in natuurlijke taal die de agent helpen de taak te begrijpen die moet worden uitgevoerd. In dit geval is de taak afsprakenbeheer, gevolgd door een beschrijving die de AI-agent helpt te begrijpen wanneer hij deze subagent moet gebruiken. De beschrijving omvat het bereik van de taak en de instructies die de agent moet gebruiken bij het uitvoeren van deze taak, zoals het verkrijgen van het e-mailadres van de klant voordat een afspraak wordt gepland, het verkrijgen van een voorkeursdatum van de klant voor de installatie, het converteren van alle data naar een specifieke indeling en ervoor zorgen dat de installatiedatum niet vóór de leveringsdatum valt. Ten slotte zal de agent de afspraak van de klant bevestigen zodra deze is geboekt. Deze instructies zouden veel ingewikkelde als-dit-dan-dat-logica met zich meebrengen met een traditionele chatbot, maar met Agentforce zijn het gewoon beschrijvingen in natuurlijke taal die de AI-agent helpen de taak te begrijpen die moet worden uitgevoerd.

De volgende stap is het toevoegen van acties, die ervoor zorgen dat de agent deze taken daadwerkelijk kan uitvoeren. Acties kunnen zijn gebaseerd op flows, Apex-klassen of prompts. Voor nu houd ik het simpel. Dit is een flow die ik heb gemaakt voor het opvragen van beschikbare installatietijden, waardoor de AI-agent de kennis krijgt die hij nodig heeft om de taak uit te voeren. Deze flow boekt in feite de installatieafspraak en iets meer logica om een paar extra begrenzingen in te stellen en zeer beschrijvend te zijn over hoe dit werk wordt gedaan. Nu deze twee flows zijn gemaakt, ga ik ze als acties toevoegen aan mijn AI-agent. Geloof het of niet: deze AI-agent kan nu installatieafspraken plannen.

Laten we het eens proberen. Ik zal het eerst vragen om de status van een bestelling opnieuw op te halen. Wederom krijg ik een antwoord en ik kan zien dat de subagent is geclassificeerd als orderbeheer. Nu ga ik deze agent vragen om de installatie van deze bestelling te plannen. Zoals je kunt zien, verspringt de agent en classificeert de subagent opnieuw. Omdat ik het een instructie heb gegeven, vraagt het me wat mijn voorkeur voor de installatiedatum is. Nu ga ik hem een beetje voor de gek houden en antwoorden met "morgen", wat eigenlijk vóór de leveringsdatum is. Maar dit was een andere instructie die ik de agent gaf, en het voorkomt dat dit gebeurt, door me beleefd te vragen een datum na de leveringsdatum te kiezen.

Nu ga ik het hem wat moeilijker maken en zeggen: "Hoe zit het met die vrijdag, maar niet in de ochtend?" Laten we even stilstaan bij de context die nodig is om een uitspraak als deze te begrijpen. Ik werd niet alleen begrepen, maar ik kreeg ook een passend antwoord. Laten we dubbelklikken op wat hier net is gebeurd. Naast het classificeren van subagents, gebruikte Agentforce de context van dit hele gesprek om een dynamisch plan te maken, een plan waarbij de flow voor het ophalen van afspraken werd uitgevoerd die ik als actie had toegevoegd. Kijk nog eens goed: die vrijdag is geconverteerd naar de juiste datum met behulp van de indeling die door de flow wordt vereist. Kijk naar de output van die flow, waar ook een afspraaktijd in de ochtend tussen stond. Maar omdat ik 'niet in de ochtend' zei, werd het automatisch gefilterd uit het gegenereerde antwoord. Dit gebeurt omdat Agentforce AI binnen de begrenzingen laat redeneren, waardoor deze AI-agents veel flexibeler zijn en beter in staat zijn om hun toegewezen taken uit te voeren.

Dus nu heb je gezien wat Agentforce kunt doen binnen de begrenzingen. Maar wat gebeurt er als ik buiten de begrenzingen ga door hem te vragen iets te doen waarvoor hij niet is ontworpen? Zoals je kunt zien, heeft Agentforce dit geclassificeerd als off-topic en verwijst me terug naar de goedgekeurde subagent. Agentforce heeft ook een ingebouwde detectie voor schade en toxiciteit, wat betekent dat als ik de AI-agent een ongepaste vraag stel, het zal worden gedetecteerd, geclassificeerd als ongepast en de agent zal weigeren deel te nemen. Als ik nog verder ga en iets kwaadaardigs probeer, zoals een 'prompt-injection'-aanval, zul je zien dat Agentforce deze poging tot reverse engineering automatisch detecteert en afwijst.

Dat is hoe Agentforce werkt: door jou te helpen AI-agents te bouwen en die agents via meerdere kanalen in te zetten om vragen te beantwoorden, actie te ondernemen en het succes van klanten te stimuleren door de taken die hen zijn toegewezen betrouwbaar uit te voeren. Bedankt voor het kijken.