


將代理變成隊友。
在 Slack 中的代理一起工作,因為他們提出建議並代表您執行動作。隨著員工發現新的代理和他們的技能,他們可以在頻道、DM 和對話串中與他們無縫互動。
使用 Slack 的團隊的生產力提高 47%。¹
44% 的早期生成式 AI 採用者報告所有功能的收入增加。²

為每個員工代理解鎖對話脈絡。
對話式資料使代理在情境上更加相關。在 Slack 中利用組織的公開對話資料,並透過企業搜尋連接第三方應用程式,以獲得更精確、強大的代理。
80% 的企業資料是未結構化的。³

透過 Agentforce 自動執行 Slack 動作。
讓您的代理能夠在 Slack 中建立或更新畫布,頻道,發送 DM 等功能!然後,您可以針對要採取哪些動作以及採取的條件來設定規則,這表示它們只會與您設置的護欄一起使用,以使其保持正常運作。
生成式 AI 將為今天的公司發揮巨大潛力。
將 Agentforce 帶到 Slack,讓每位員工能夠擔任任何角色。

IT 服務專員
提供員工自動化支援和服務,以進行就職、福利和個人化職業指導。

IT 服務專員
在問題出現時解決問題,例如解決服務台門票和執行事件通訊。

Service Agent
識別專家,展現歷史知識並批量案例來解決客戶問題。

銷售代理
準備高管簡介會,制定建議,並主動與客戶聯繫。

行銷服務專員
與代理商合作,優化廣告活動、生成內容、建立計劃等。

法律代理
透過代理簡化和自動化法規與合規程序,以及核准。

產品及工程代理
代理協助規劃、設計、開發和確保品質,為團隊帶來更多靈活性。

供應鏈管理代理
管理供應商、自動化倉庫操作、增強需求預測等。

「我們為客戶開發了 IT 支持代理,以管理 Slack 通道中的一級問題,減少人類接觸點的量並提高整體解決速度。」
Stephanie Sadowski資深董事總經理及 Salesforce 業務集團負責人, Accenture

在 Writer,我們明白將代理嵌入工作流程中將改變員工的生產力。 Slack 的對話資料與結構化的企業數據結合,增加了前後關聯,使代理更聰明,更有效地採取行動。
鍾凱文首席策略官, 作家

您可以在 Slack 中進入單一對話介面,並且可以與人類和 AI 進行交互。 代理正在做這項工作,我們在計算方面已經夢想過數十年,現在我們終於看到了這一點。
亞倫·萊維執行長, 箱子
在 Slack 中瞭解 Agentforce。
Slack 中的 Agentforce 常見問題
Agentforce 是一套可自定義的代理和工具,與您的資料和應用程式無縫整合。代理是一種新型的軟體,能夠以不同程度的自主性執行工作。代理會透過搜尋相關資料、分析這些資料以制定計劃,然後執行計劃來執行工作。這個過程可以是完全獨立的,也可能涉及與員工的互動和交付。Agent Builder 是無程式碼解決方案,用於在幾分鐘內為任何業務部門建立、管理和自訂代理。
使用 Agentforce in Slack,您可以將自訂代理直接顯示到您的工作流程中。在 Slack 中,您可以與 Agentforce 一樣與其他隊友一樣互動。Agentforce 的回應將基於您來自 Slack 的對話數據和 Salesforce 的 CRM 數據,為您提供支持員工、協助客戶、完成交易並將項目移至終點線所需的所有情境。
跨通道、對話串、畫布和對話的 Slack 資料表彰並豐富您的連線企業資料來源,從而實現更有效的代理回應和動作。
每個 Slack 工作區都是豐富的機構知識 — 它是您公司的長期記憶庫。為了使 AI 有用,它需要存取資料,不僅僅是單一應用程式或系統中的資料,還需要存取您所有系統的資料,包括團隊對話中的非結構化資料。這些上下文數據是高品質相關的 AI 輸出並即時調整新的情境線索的關鍵。
每個公司的未開發、非結構化資料 — 包括使用者產生的內容、自然語言文字、音訊和視訊檔案等 — 都可以增強代理的推理和決策,以提高相關性。您將代理新增至 Slack 時,客戶可以授予他們使用組織 Slack 執行個體中的公開對話資料的權限,讓它們更精確且強大。由於您的資料絕不是我們的產品,因此客戶可以控制 Slack 中可以存取哪些資料代理。我們絕不會對客戶資料進行培訓任何 LLM;相反地,我們在非結構化對話資料上使用先進的檢索增強生成 (RAG) 技術,為代理提供他們所需的情境,在他們需要的時候,以支持他們的人類對手。
您可以使用 Agentforce 和 Slack 授權存取 Slack 中的 Agentforce。與專家交談以了解更多信息。
¹ 來源:Slack 客戶調查,2024
² 來源:麥金西,「2024 年初的人工智慧發展狀況:一代人工智慧採用突破並開始產生價值」2024
³ 來源:麻省斯隆管理學院「利用非結構化數據的力量」譚哈伯特,2021
⁴ 來源:德勤 LaborWise,「解鎖隱藏勞動力超支來源的強大鏡頭」│ 來
源:哈佛商學院,「實驗領域」人工智慧對知識工作者生產力和品質影響的證據」2024 來源:麥金西全球研究所,「生成式 AI的經濟潛力:下一個生產力前線」,2023 年