Hur Agentforce fungerar > Video med hur Agentforce fungerar

I den här demonstrationen ska jag visa dig hur Agentforce fungerar genom att bygga en AI-serviceagent för att avleda inkommande supportärenden genom att svara på kundfrågor. För att se hur detta fungerar, låt oss utöka agentens funktioner genom att även göra det möjligt för den att hjälpa till med installationsschemaläggningen av dessa produkter. Jag gör detta genom att lägga till ett nytt ämne. Ämnen handlar om hur du definierar vilka jobb dina AI-agenter kommer att göra och inte kommer att göra, och de hjälper till att skapa skyddsräcken för dina AI-agenter. Jag vill utöka min agents skyddsräcken genom att skapa ett nytt ämne.

Om du någonsin har byggt en gammaldags chatbot kommer den här processen att se väldigt annorlunda ut. Det finns inga dialogträd, bara beskrivningar i naturligt språk som hjälper agenten att förstå jobbet som ska utföras. I det här fallet är jobbet möteshantering, följt av en beskrivning som hjälper AI-agenten att förstå när den ska använda detta ämne. Beskrivningen innehåller jobbets omfattning och de instruktioner som agenten ska använda när den utför detta arbete, som att få kundens e-postadress innan en tid bokas, få kundens önskemål om installationsdatum, konvertera alla datum till ett specifikt format och säkerställa att installationsdatumet inte infaller före leveransdatumet. Slutligen bekräftar agenten kundens tid när den har bokats. Dessa instruktioner skulle innebära mycket komplicerad om-så-annars-logik med en traditionell chatbot, men med Agentforce är det bara beskrivningar i naturligt språk som hjälper AI-agenten att förstå jobbet som ska utföras.

Nästa steg är att lägga till åtgärder som gör det möjligt för agenten att faktiskt utföra dessa jobb. Åtgärder kan baseras på flöden, Apex-klasser eller promptar. För tillfället ska jag hålla det enkelt. Detta är ett flöde jag skapade för att hämta tillgängliga installationstider, vilket kommer att utrusta AI-agenten med den kunskap den behöver för att utföra detta arbete. Det här flödet bokar faktiskt installationsmötet och har lite mer logik för att etablera några extra skyddsräcken och vara extremt föreskrivande för hur arbetet utförs. Med dessa två flöden skapade ska jag nu lägga till dem som åtgärder i min AI-agent. Tro det eller ej, men den här AI-agenten kan nu schemalägga installationsmöten.

Nu kan vi prova det. Jag börjar med att be den att få statusen för en order igen. Återigen får jag svar, och jag kan se att ämnet klassificerades som orderhantering. Nu ska jag be den här agenten att schemalägga installationen av den här beställningen. Som ni kan se ändrar och omklassificerar agenten ämnet. Eftersom jag gav den en instruktion frågar den mig vilket mitt önskade installationsdatum är. Nu ska jag överraska den och svara "imorgon", vilket faktiskt är före leveransdatumet. Men detta var ytterligare en instruktion jag gav agenten, och den förhindrar att detta händer, genom att artigt be mig välja ett datum efter leveransdatumet.

Nu ska jag vara riktigt svår och säga: "Hur är det med den där fredagen, men inte på morgonen?" Låt oss bara stanna upp och fundera över det sammanhang som krävs för att förstå ett sådant uttalande. Jag blev inte bara förstådd, utan jag fick också ett lämpligt svar. Låt oss dubbelklicka på vad som just hände här. Utöver ämnesklassificeringen använde Agentforce sammanhanget för hela denna konversation för att skapa en dynamisk plan, en plan som involverade att köra flödet för att hämta möten som jag lade till som en åtgärd. Titta närmare: den fredagen konverterades till rätt datum med det format som flödet kräver. Titta på utdata från det flödet, vilket omfattade en bokningstid på förmiddagen. Men eftersom jag sa "inte på morgonen" filtrerades det automatiskt bort från det genererade svaret. Detta händer eftersom Agentforce ger AI-agenter möjlighet att resonera inom skyddsräckena, vilket gör dessa AI-agenter mycket flexiblare och kapabla att utföra sina tilldelade uppgifter.

Så nu har du sett vad Agentforce kan göra inom skyddsräckena. Men vad händer när jag går utanför skyddsräcket genom att be den att göra något den inte var avsedd att göra? Som du kan se klassificerade Agentforce detta som irrelevant och omdirigerade mig tillbaka till de godkända ämnena. Agentforce har också inbyggd detektering av skada och toxicitet, vilket innebär att om jag frågar AI-agenten något olämpligt, kommer det att upptäckas, klassificeras som olämpligt, och agenten kommer att vägra att engagera sig. Om jag går ännu längre och försöker mig på något skadligt, som en promptinjicering, kommer du att se att Agentforce automatiskt upptäcker och avvisar detta försök till bakåtkompilering.

Så fungerar Agentforce : genom att hjälpa dig skapa AI-agenter och distribuera dessa agenter över flera kanaler för att svara på frågor, vidta åtgärder och driva kundernas framgång genom att på ett tillförlitligt sätt utföra de jobb de tilldelas. Tack för att du tittade.