AI-agenter för företags- och applikationsutveckling

Agenter är hjälpsamma och autonoma programvarusystem. Baserat på användarinput eller miljöförhållanden resonerar, planerar och vidtar de åtgärder för att uppnå givna uppgifter eller mål. De är som intelligenta digitala assistenter, utrustade med den samlade kunskapen och erfarenheten hos mänskliga experter, och tillgång till all relevant data.

Agenter kommer att bli allestädes närvarande i alla områden i våra liv och i grunden förändra hur företag fungerar och interagerar med kunder. Till exempel kan en serviceagent fungera som ditt företags mest kunniga tekniska supportrepresentant, tillgänglig dygnet runt för att hantera alla förfrågningar. En marknadsföringsagent, ungefär som en självkörande bil, kan använda "sensorer" (realtidsdata) för att upptäcka förändrade affärsförhållanden och reagera proaktivt (justera priser, lansera en kampanj och så vidare).

Den här artikeln behandlar de AI-innovationer som driver framväxten av agenter och utforskar hur agenter inte bara omvandlar företag utan också omformar programvara och programvaruutveckling.

AI-agenter möjliggörs genom framväxten av stora språkmodeller (LLM:er). LLM:er tillhandahåller två viktiga funktioner som krävs för att implementera mycket effektiva agenter:

• Djup språkförståelse: LLM:er är bra på att förstå komplext och nyanserat språk. Detta är en avgörande funktion för chattbot-liknande agenter, vilket gör att de kan förstå en användarförfrågan på djupet och formulera svar med hjälp av naturligt språk.
• Resonemang och beslutsfattande: LLM:er kan också resonera och fatta beslut. Detta gör det möjligt för agenter att bygga en plan och samordna de steg som krävs för att lösa problemet.

Men enbart LLM:er räcker inte för att implementera agenter. De har ett antal begränsningar, inklusive:

• Bristande tillgång till privata uppgifter: LLM:er har inte tillgång till privata uppgifter som de inte har utbildats i. Till exempel kan de inte returnera en lista över öppna säljmöjligheter, öppna supportärenden eller kampanjresultat hittills.
• Ingen inbyggd möjlighet att vidta åtgärder: de kan till exempel inte öppna ett supportärende, ändra leveransadressen för en order, uppdatera en affärsmöjlighet eller ändra priset på en produkt.

Agenter överbryggar klyftan mellan de kraftfulla språk- och resonemangsförmågorna hos LLM:er och de praktiska kraven i företagsanvändningsfall, såsom åtkomst till privat data och utförande av åtgärder, vilket banar väg för ett nytt programvaruparadigm.

Med detta nya paradigm byggs programvara inte längre som fullfjädrade applikationer utan som en samling granulära byggstenar som inkapslar specifika funktioner och som kan samordnas av agenter med hjälp av LLM:s resonemangsförmågor. Hos Salesforce kallas dessa byggstenar för åtgärder (till exempel "Hitta order" och "Ändra orderadress") och är organiserade under funktionella områden som kallas ämnen (till exempel "Order Management").

Med andra ord är en agent ett mjukvarusystem som använder en LLM:s språk och resonemangsförmåga för att samordna en samling åtgärder inom en specifik domän. På en hög nivå fungerar en agent så här:

1. Förstå uppgiften: agenten använder en LLM:s språkkunskaper för att få en djup förståelse av den aktuella uppgiften.
2. Iterativt planera och genomföra: Baserat på sin förståelse av uppgiften resonerar agenten kring tillgängliga åtgärder och identifierar vad som ska göras härnäst. Detta kan innefatta att utföra åtgärder eller att ställa förtydligande frågor. Agenten resonerar sedan kring resultatet av föregående steg och identifierar återigen vad som ska göras härnäst. Agenten upprepar den iterativa processen tills den är nöjd med att den ursprungliga uppgiften har åtgärdats.
3. Ge svar: agenten producerar svaret på inmatningen.

Den mest transformerande aspekten av detta nya programvaruparadigm är att det gör det möjligt för agenter att hantera oförutsedda förfrågningar utan fördefinierade krav. Tänk dig en agent utrustad med dussintals eller till och med hundratals åtgärder. Den skulle kunna komponera dem på ett praktiskt taget oändligt antal sätt, inklusive på sätt som aldrig förutsetts, vilket gör det möjligt att lösa nya problem i farten. Detta är den ultimata formen av applikationskomposition.

På Salesforce till exempel är våra branschledande applikationer (inklusive Sales Cloud, Service Cloud, Marketing Cloud, Commerce Cloud och Branscher) uppdelade i detaljerade åtgärder som omedelbart kan ge Salesforces Agentforce -agenter en mängd funktioner inom olika ämnen. Agentforce-agenter kan komponera och samordna dessa åtgärder på ett antal olika sätt vilket ger användarna en sömlös och enhetlig upplevelse i hela verksamheten. Dessutom kan utvecklare utöka standardagenternas funktioner för Agentforce med anpassade åtgärder som drivs av kod, API:er, Salesforce-flöden eller promptmallar. Slutligen kan du distribuera dina agenter i Order Management och chatta med dem som du skulle göra med en teammedlem.

Åtgärder ger agenter följande viktiga funktioner:

1. Åtkomst till privata företagsdata: Åtgärder ger agenter åtkomst till dina kund- och företagsdata. När en agent ges åtkomst till data är det viktigt att se till att agenten inte lämnar ut data till obehöriga användare. Med Agentforce-agenter styrs åtkomst till data av behörigheter och delningsmodeller. Samma behörigheter och delningsmodeller gäller oavsett varifrån informationen nås: traditionella applikationer eller agenter.
2. Förmåga att vidta åtgärder: Åtgärder gör det möjligt för agenter att utföra logik och integrera med externa system. Standardåtgärder för Agentforce har den funktionen inbyggd: de kan påverka försäljning, tjänster, marknadsföring, handel och branscher. Dessutom kan utvecklare skapa anpassade åtgärder som kan agera på Salesforce eller externa system med hjälp av kod, API:er, flöden och promptmallar.

Agenter kan ha olika nivåer av autonomi. Till exempel:

• Assisterande agenter (ibland kallade andrepiloter) samarbetar med människor och förbättrar förmågor snarare än agerar ensamma. Andrepiloter kräver ofta mänsklig input och feedback för att förfina förslag eller åtgärder.
• Autonoma agenter agerar självständigt utan direkt mänsklig övervakning. Agentforce Agenter, till skillnad från andra autonoma agenter, har möjlighet att sömlöst dela ut uppgifter till människor efter behov.

Oavsett en agents autonominivå är det avgörande att etablera lämpliga skyddsräcken för att säkerställa tillförlitlighet, efterlevnad av företagsmetoder samt datasäkerhet och integritet, samt för att förhindra hallucinationer, toxicitet och skadligt innehåll.

Agentforce Agenter använder en flerskiktad metod för att upprätthålla skyddsräcken:

• Einstein Trust Layer: Einstein Trust Layer gör det möjligt för agenter att använda LLM:er på ett tillförlitligt sätt, utan att kompromissa med företagets data. Den använder en säker gateway, datamaskering, toxicitetsdetektering, loggar och mer för att hantera LLM-interaktioner.
• Instruktioner: när du definierar en Agentforce -agent kan du använda naturligt språk för att ge tydliga instruktioner, inklusive vad du ska göra och vad du ska undvika, vilket effektivt skapar skyddsräcken för dess beteende.
• Delade metadata: Salesforce-metadata definierar övergripande regler som tillämpas oavsett om informationen nås från traditionella applikationer eller agenter. Detta omfattar behörigheter, delningsmodeller, valideringsregler och automatisering av arbetsflöden för att garantera datasäkerhet och efterlevnad av affärsmetoder.
• Agentanalys: Detta observationsverktyg ger insikter i agenters och åtgärders resultat, användbarhet och tillförlitlighet, vilket gör att du kan identifiera områden för förbättring.
• AI Test Center: AI Test Center är ett enhetligt testramverk som stöder batchtestning för agenter, promptmallar, Retrieval Augmented Generation (RAG) och modellanvändningsfall.

Salesforce tillkännagav nyligen agenter för försäljning och tjänster:

• Agentforce serviceagent revolutionerar kundtjänsten med sin förmåga att förstå och vidta åtgärder mot en mängd olika serviceproblem utan förprogrammerade scenarier, vilket bidrar till att göra kundtjänsten mycket effektivare.
• Agentforce SDR-agent kommunicerar autonomt med inkommande leads på ett naturligt språk för att besvara frågor, hantera invändningar och boka möten för mänskliga säljare.
• Agentforce säljcoachagent deltar autonomt i rollspel med säljare och simulerar en köpare under upptäckts-, pitch- eller förhandlingssamtal.

Du kan använda dessa agenter direkt, men Agentforce låter dig också anpassa dem, utöka dem och skapa dina egna agenter.

Salesforce Agentforce sammanför människor med autonoma agenter som drivs av AI, data och handling. Den tillhandahåller de funktioner och verktyg du behöver för att skapa, anpassa och driftsätta betrodda agenter och andra innovativa AI-applikationer, komplett med rätt skyddsräcken och övervakning. Låt oss titta närmare och gå igenom de viktigaste komponenterna.

När det gäller potentialen hos AI är experter från näringslivet och AI-områdena eftertänksamma, inspirerade och hoppfulla. Prenumerera på nyhetsbrevet Ask More of AI på LinkedIn för att hålla dig uppdaterad med det senaste om AI.

Salesforce-metadata etablerar universella regler som tillämpas oavsett om informationen nås från traditionella applikationer eller agenter. Detta omfattar behörigheter, delningsmodeller, valideringsregler och automatisering av arbetsflöden för att säkerställa datasäkerhet och efterlevnad av affärsmetoder. Metadata gör det också möjligt för LLM:er att bättre förstå sammanhanget och innebörden av data, vilket kan leda till mer exakta svar. Till exempel skulle en LLM kunna använda metadata för att presentera CRM-data för användaren på ett mer användbart och åtgärdsinriktat sätt (ad hoc-gränssnitt).

För att få bra AI behöver du högkvalitativ och enhetlig data. SalesforceData 360 sammanför och förenar alla data – Salesforce och externa, strukturerade och ostrukturerade – för att bygga AI med högkvalitativ, relevant och användbar information. Med över 200 tillgängliga anslutningar och möjligheten att skapa enkla anpassningar ger Data 360 oöverträffad anslutning.

När dina data är sammankopplade, enhetliga och harmoniserade Data 360kan du aktivera dem i stor skala i AI-agentplattformar, analyser och andra applikationer, vilket ger värdefulla insikter och personliga upplevelser. Dagarna med isolerade upplevelser begränsade av isolerade data är över. Användare, oavsett om de är anställda eller kunder, förväntar sig sammankopplade upplevelser som sammanför och ger mening åt alla relevanta data.

Agentforce tillhandahåller en konfigurerbar modellarkitektur som gör att du enkelt kan ansluta och skapa modeller. En värdbaserad grundmodell ger dig ofta den snabbaste vägen till AI-innovation, men du kan också använda finjusterade modeller eller dina egna modeller byggda med dina egna data.

Med Agentforce serviceagent kan du använda befintliga modeller på ett tillförlitligt sätt, utan att kompromissa med dina företagsdata. Så här funkar det:

1. Säker gateway: Agentforce kommer åt modeller via en säker gateway som tillämpar säkerhets- och sekretesspolicyer konsekvent hos olika modellleverantörer.
2. Datamaskering och efterlevnad: innan begäran skickas till modellleverantören går den igenom ett antal steg, inklusive datamaskering, som ersätter personligt identifierbar information (PII) med anonymiserad data för att säkerställa datasekretess och efterlevnad.
3. Nolllagring: för att ytterligare skydda dina data har Salesforce nolllagringsavtal med modellleverantörer, vilket innebär att leverantörer inte kommer att spara eller vidareutbilda sina modeller med data som skickas från Salesforce.
4. Demaskering, toxicitetsdetektering och logg: När utdata tas emot från modellen går den igenom ytterligare en serie steg, inklusive demaskering, toxicitetsdetektering och loggning av logg. Demaskering återställer de verkliga uppgifterna som ersattes av falska data för integritetens skull. Toxicitetsdetektering kontrollerar om det finns skadligt eller stötande innehåll i utdata. Loggning registrerar hela processen för revisionsändamål.

Åtgärder ger agenter möjlighet att utföra logik och integrera med externa system. Standardåtgärder för Agentforce kan påverka försäljning, service, marknadsföring, handel och branscher. Dessutom kan utvecklare skapa anpassade åtgärder som kan agera på Salesforce eller externa system med hjälp av anpassad kod, API:er, flöden och promptmallar.

Ett ämne är en logisk gruppering av handlingar som representerar ett specifikt fokusområde som en agent är utformad för att förstå, bearbeta eller reagera på. Exempel inkluderar orderhantering, garanti, prissättning, vanliga frågor och så vidare.

Agentforce-agenter är autonoma programvarusystem som kan analysera användar- eller miljöinput, identifiera uppgifter, resonera genom lösningar och samordna åtgärder för att slutföra dem. Agenter har olika nivåer av autonomi. Assisterande agenter (delvis autonoma) samarbetar med människor för att utföra den aktuella uppgiften. Autonoma agenter arbetar självständigt utan direkt mänsklig övervakning men med de robusta skyddsräcken som beskrivits tidigare i det här inlägget, och möjligheten att delegera uppgifter till människor efter behov.

Agentforce tillhandahåller en mängd olika verktyg med låg kod för att bygga agenter och andra AI-applikationer.

Prompt Builder är ett Salesforce-verktyg som gör att du kan skapa återanvändbara promptmallar i en grafisk miljö och koppla dem till dynamisk data som görs tillgängliga via inläggssidans data, Data 360, API-anrop, flöden och Apex.

Agentverktyget är en annat visuellt verktyg där du kan konfigurera agenter och medpiloter. Du kan välja de åtgärder som är tillgängliga för din agent och prova agenten i en testmiljö.

Agenter kommer att finnas i alla delar av våra liv. De kan resonera, samordna uppgifter och vidta åtgärder, vilket levererar anpassade upplevelser i stor skala. Genom att kombinera språk- och resonemangsförmågorna hos LLM:er med byggstenar inom programvara förändrar de hur företag fungerar och hur programvara byggs.

Agentforce-agenter leder denna omvandling med viktiga differentierande egenskaper, bland annat:

• Betrodd. Agentforce skyddar dina data med hjälp av Einstein Trust Layer och samma metadata, behörigheter och delningsmodeller som traditionella Salesforce-applikationer.
• Kraftfull. Agentforce-agenter använder branschledande Salesforce-applikationer för att leverera transformerande upplevelser inom försäljning, service, handel, marknadsföring och branscher.
• Grundad i enhetlig data. Agentforce-agenter levererar mer exakta och relevanta resultat genom att förankra AI i all relevant data som gjorts tillgänglig och enhetlig av Data 360.
• Lågkodsverktyg. Agentforce-agenter kan byggas, anpassas, testas och hanteras med hjälp av en uppsättning verktyg med låg kod, bland annat Agentverktyget, Prompt Builder, Modellverktyget, Flödesverktyget med flera.