Strategiboken för Agentblazer-användning

Hur får du ut värde av AI-agenter på företaget? Verkliga byggare berättar vad som krävdes för att omvandla AI-agenter till konkreta affärsresultat.

I siffror

21 %
ärendeavledning per Q1, 2× lanseringsmål, Workday
82 %
ärendeavledning på första Agentforce-bygget, Datasite
459 %
avkastning inom tre månader, MIMIT Health
60 m SEK
i beräknade årliga besparingar + 7× avkastning, Southwest Airlines® 

Salesforces kärnkompetens i den här Agentforce-eran är verkligen mjuk kompetens, kommunikation med intressenter och förmågan att ha en vision. Vem som helst kan hoppa in och lära sig det här.

Sarah Morton,
Senior Salesforce-administratör, Engine

Praktiska verktyg

Fyra praktiska verktyg som du kan använda med ditt team. Ta med dem till nästa AI-planeringsmöte eller chefspresentation.

Planera ditt användningsfall

Brainstorma, utvärdera och rangordna kandidatanvändningsfall innan du bygger.

Välj pilotväg

Definiera omfattningen för din första agent och planera en realistisk väg fram till lanseringen.

Bygg din affärsplan

Väg potentiella besparingar mot potentiella kostnader innan du presenterar.

Skapa ditt kompetenscenter

Samordna ditt AI-program med rätt sponsorer och beslutsfattare.

Vanliga frågor

Strategiboken är skriven för utövarna som gör jobbet: administratörer, utvecklare, arkitekter och programleads som antingen bygger sin första Agentforce-agent eller beslutar om de ska börja. Röster i den här strategiboken är kollegor, inte Salesforce-medarbetare.

Nej. Strategiboken och dess praktiska verktyg fungerar för både potentiella och befintliga kunder. Byggarna som presenteras är Agentforce-användare, men deras berättelser gäller oavsett om du har Salesforce i dag, när du brainstormar och utvecklar hur du använder AI.

Det beror på omfattningen. En prototyp kan tas fram på några timmar med Agentforce Labs. En fokuserad första agent tar längre tid, och rätt tidslinje beror på hur mycket du anpassar och hur redo ditt team är att implementera den.

Nej. Team som redan får utdelning var noggranna med de data som krävdes för deras första användningsfall. Det är en mycket lägre ribba än perfekta data överallt. Strategiboken utforskar hur två Agentforce-byggare prioriterar kontext framför perfektion.