服務主控台顯示與愛因斯坦的聊天窗口幫助回答問題

阿特拉斯推理引擎如何提供動力 Agentforce

自主動的 AI 代理是 Agentforce 的核心。 但是它們是如何工作的? 讓我們看看引擎蓋下面。

希普拉·古普塔

人工智能世界的創新速度,尤其是生成人工智能,持續以驚人的速度。 隨著現在可用的技術精細化,業界從輔助對話自動化迅速發展到增強員工的角色型自動化。 為了讓人工智能(AI)模仿人類級的表現,必須了解人類在完成工作方面最有效的原因是至關重要的:機構。 人類可以採取數據,跨越可能前進的路徑理論,並採取行動。 將 AI 配備這種機構需要極高水平的智能和決策。

在 Salesforce,我們利用了大型語言模型 (LLM) 和推理技術的最新進展,推出 Agentforce。 Agentforce 是一套現成的 AI 代理程式套件 —— 專為執行特殊任務而設計的自主動式應用程式 — 以及一組用於建置和自訂它們的工具。 這些自主人工智慧代理程式可以在高度的複雜程度上進行思考、理論、規劃和協調。 代表了客戶 服務、銷售、營Agentforce 、商務 等的 AI 自動化方面 的量子躍進。

本文介紹了在 Salesforce 人工智能研究所培育的阿特拉斯推理引擎(Agentforce 的大腦)中最高的創新技術,並智在新視窗中開啟能自主地協調行動,為公司帶來企業級代理解決方案。

使用 Agentforce 計算您的投資報酬率。

了解您可以透過人工智慧技術支援的代理團隊與員工和員工並肩合作,您可以節省多少時間和金錢。 只需回答四個簡單的問題,即可看看 Agentforce 是什麼可能的。

從 Agentforce Assistant 到 Agentforce 的演變

今年早些時候,我們發布了 Agentforce Assistant,現在已經發展為用於客戶關係管理(CRM)的 Agentforce 代理程式。 Agentforce Assistant 是一個人工智能驅動的對話助理,它從一種稱為思想鏈推理(CoT)的機制獲得其智能。在新視窗中開啟 在這個機制中,AI 系統通過生成一個包含一系列步驟來實現目標的計劃來模仿人類風格的決策。

通過以 Cot 為基礎的推理,Agentforce Assistant 可以在工作流程中共同創作和共同工作。 與傳統機器人相比,這使其相當先進,但它卻沒有真正模仿人類似的智能。 它產生了一個包含對任務的一系列動作的計劃,然後逐一執行這些動作。 但是,如果計劃不正確,它沒有辦法要求用戶重定向它。 這導致了一種不適應性的 AI 體驗:隨著對話進展,用戶無法提供新的有用信息。

當我們對自己的銷售組織(Org 62)的數千名賣家進行嚴格測試 Agentforce Assistant 時,出現了一些模式:

  • 正如預期,Copilot 的自然語言對話體驗比傳統機器人要好得多,但它還沒有達到真正人類似的聖杯。 它需要更具對話性。
  • Copilot 通過配置的操作完成了很好的工作,實現用戶目標,但無法處理對話中已存在的信息的後續查詢。 它需要更好地使用上下文來回應更多用戶查詢。
  • 隨著我們新增更多動作來自動化更多使用案例,Copilot 的效能開始下降,無論在延遲(回應需要多長時間)和響應品質方面。 它需要有效擴展到數千種可以從中受益的使用案例和應用程序。

我們開始為了解決這些問題的解決方案,這導致了 Agentforce 的誕生。

特攻布萊斯角色

加入 Salesblazer 社群

與來自世界各地的 Agentblazer 聯繫,以提高人工智能技能,發現使用案例,聽取產品專家的意見等。 發展您的 AI 專業知識和職業生涯。

Agentforce:推理的大躍進

Agentforce 是業界首創的企業級對話自動化解決方案,可以在很少或沒有人為干預的情況下,大規模做出主動智能決策。 許多進步使這一切成為可能。

  • 基於 ReAct 提示與 CoT 的編排。 廣泛的實驗和測試顯示,與 CoT 技術相比,推理和行動(ReAct)風格的提示產生了更好的結果。 在 ReAct 機制中,系統會經過一個理由,行動和觀察的循環,直到達成用戶目標為止。 這種循環方法可讓系統考慮任何新信息,並提出澄清問題或確認,以便盡可能準確地實現用戶的目標。 這也導致更流暢和自然的語言般的對話體驗。
  • 主題分類。 我們引入了一個名為主題的新概念,該概念與使用者意圖或要完成的工作映射。 當使用者輸入輸入時,它會對應到主題,其中包含滿足該請求的相關指示、業務策略和動作集。 此機制有助於定義 LLM 的任務範圍和對應的解決方案空間,使系統能夠輕鬆擴展。 主題中嵌入的自然語言指示為 LLM 提供額外的指導和護欄。 因此,如果我們需要按一定的順序執行一些操作,那可以是一個自然語言的主題指令。 如果有「最長 30 天免費退貨」之類的商業政策,則可以將其指定為指令並傳遞給 LLM,因此它可以考慮它們並相應地通知用戶的互動。 這些概念允許代理程式安全且安全地擴展到數千個動作。
  • 使用 LLM 進行回應。 之前,我們限制系統僅使用動作輸出來回應,這嚴重限制其根據對話中可用的信息進行響應的能力。 通過開啟系統,讓 LLM 使用對話記錄中的上下文來回應,我們實現了更豐富的對話體驗。 現在,用戶可以要求澄清並向先前的輸出提出問題提出後續問題,從而導致整體更高的目標實現率。
  • 思想/推理。 提示 LLM 分享想法或提供選擇某些行動的理由可以極大地防止幻覺。 這具有提供 LLM 行為的可見性,因此管理員和開發人員可以微調代理程式,以符合他們的需求。 根據預設,Agent Builder 畫布中可以使用推理,使用者也可以提示代理程式提供後續問題,以便解釋其推理。 這不僅可以防止幻覺,還有助於建立信任。

其他 Agentforce 特徵

除了阿特拉斯推理引擎之外,Agentforce 還有其他幾個值得注意的特徵,使其脫穎而出。

  • 主動行動。 使用者輸入是觸發代理程式的一種方法。 但 Agentforce 代理程式也可以由 CRM 上的資料操作或業務流程和規則觸發,例如案例狀態更新、品牌收到的電子郵件或 5 分鐘後開始的會議。 這些機制為代理程式提供了一定的主動性,使其在各種動態業務環境中有用且可部署,從而將其實用程式擴展到前台和後台辦公室。
  • 動態信息檢索。 大多數商業使用案例都涉及擷取資訊或採取行動。 將靜態信息傳遞給代理程式的最常見機制之一是通過接地。 但是,代理程式能夠利用動態資訊的能力,可以釋放大量使用案例和應用程式的潛力。

    Agentforce 支持多種機制來利用動態信息。 第一個是檢索增強生成,或者 RAG。 通過使用 RAG 在 Data Cloud 中的結構化和非結構化數據上使用語義搜索,代理程序可以從外部數據源和數據庫中檢索任何相關信息。

    其次,通過引入通用信息檢索工具,例如網絡搜索和知識 Q & A,我們增加了代理程序處理複雜任務的能力。 想像一下使用網絡搜索在線研究一家公司或產品,並將其與有關公司規則和政策的內部知識結合起來,然後以電子郵件摘要的形式採取行動給聯繫人。 合併來自多個來源的資料可讓代理程式更有效率地處理業務任務。

    最後,代理程式可以部署在流程、API 和 Apex 類別中。 通過這樣做,工作流程中的所有關聯信息,以及各種情況的信息,都可以傳遞給代理程序,從而避免需要建置自定義解決方案並分別處理每個案例。 所有這些允許代理程式能夠利用動態資訊的機制,讓他們更好地了解自己的環境,從而提高他們的互動性多倍。
  • 轉移到人體代理人工智能是非決定性的,它可以引起幻覺。 這就是為什麼我們開創強大的 Einstein Trust Layer,以提供毒性檢測、零數據保留合約、快速注射防禦以及其他幾種機制的原因。 我們在系統提示中加入了規則,以防止 LLM 偏離和幻覺。 但儘管所有這些機制,LLM 仍然沒有 100% 的準確性。 對於錯誤容忍度為零的關鍵業務場景,無縫傳輸給人類是至關重要的,Agentforce 原生支持的一件事。 Agentforce 將「轉移到人類代理」視為另一個行動,這使在任何理想的業務情況下,可以安全無縫地將對話傳輸給人類。

Agentforce 的下一步是什麼

儘管處於新興階段,Agentforce 對我們的客戶來說是一個改變遊戲的創新者。 使用 Agentforce 服務代理商,像 Wiley 和 Saks 第五大道這樣的客戶對其業務 KPI 產生了指數影響。 隨著 Salesforce Research 和行業內的創新和技術進步的車輪不斷迅速轉變,我們繼續以輕快的速度發展,利用各種創新,使代理商更加強大和智能。 客戶在不久的將來可以期待的一些進步包括:

  • 代理程式的測試和評估架構。 將像 Agentforce 這樣的複雜代理系統帶到企業需要大量的測試和驗證。 因此,我們開發了一個強大的評估框架,以測試行動結果,輸入,輸出,計劃準確性,主題分類和計劃器狀態。 我們一直在使用這個框架來針對準確性、延遲、服務成本和信任等指標來優化代理程式。 與大多數一般可用的框架和基準不同,這些框架主要專注於評估 LLM 在數學、科學和一般知識能力等任務上的表現,我們的評估框架專門針對 CRM 業務使用案例。 我們還發布了全球首個 LLM 基準,目前在新視窗中開啟正在努力為客戶和合作夥伴提供我們的代理評估框架。
  • 多目的支持。 這是複製類似人類的對話機制的關鍵基石。 很多日常表達式包括多個不相關的目標,例如「更新我的訂單,找我一件尺寸 M 號的襯衫」,「更新案例狀態並通過電子郵件發送故障排除步驟摘要給客戶」,以及「預訂機票並預訂酒店」。 憑藉 LLM 的自然語言理解能力、大型上下文視窗支援以及主題等創新概念的結合,我們不斷進行實驗,為客戶打造可靠、可擴充且安全的解決方案。
  • 多模式支持。 雖然大部分數位互動都是以文字為基礎,但以語音和視覺為基礎的互動增加了體驗豐富多倍,因為它們代表了人類互動的最自然方式。 事實上,隨著多模式輸入的同時處理、更快的響應時間、大型上下文窗口和複 雜的推理功能等 進步,多模式 AI 市場預計到 2031 年將增長約 36%。在新視窗中開啟多種企業使用案例可立即受益於多模式支援:
    • 語音使用案例。 取代互動式語音響應 (IVR),以人工智慧驅動的語音支援、員工指導、培訓和入職。
    • 視覺使用案例。 產品搜尋與比較、使用者介面 (網頁、行動裝置) 瀏覽、疑難排解和現場服務的問題解決。
  • 多代理程式支援。 代理人對代理的互動是我們時代最具轉型性的業務發展之一。 多代理程式系統可同時擷取、編譯和處理資訊的能力,因此可以指數降低長而複雜的工作流程的處理時間,這些工作流程是由於人對人的交付而順序進行。 數位代理程式可以插入到這些工作流程中,以進行可重複的資料處理工作,並且它們還可以幫助參與這些流程的人類提高效率。

    我們已經在銷售流程中引入這種多代理模式,代理人可以擔任銷售開發代表來培養管道,或是銷售教練,向銷售代表建議如何最佳協商交易。 專業代理也可以處理銷售流程的其他方面,例如潛在客戶資格、提案準備和售後跟進。 同樣地,服務工作流程可以包含疑難排解、跟進和指派票據的代理程式,以及回應客戶查詢並協助人力代表的代理人組成。

為第三波 AI 做好準備

Agentforce 代表 AI 的第三波,除了預測性人工智能和副駕駛員之後。 使用 Agentforce,客戶可以建立代理程式,不僅能回應對話式提示以採取行動,而且還能在最少的協助下預測、規劃和理論。 代理程式可以將整個工作流程或流程自動化、做出決策,以及適應新資訊,這一切都無需人為干預。 同時,這些代理人可以確保無縫交付給人類員工,促進各業務領域的合作。 由 Atlas 推理引擎提供支援,只需點擊幾下即可部署這些代理程式,以增強和轉型任何業務職能或團隊。