Salesforce Salesforce Agentforce AI

Agentforce: La Rivoluzione dell'IA in Salesforce

Esplora Agentforce, la nuova piattaforma di agenti IA autonomi di Salesforce. Impara a creare, configurare e distribuire agenti intelligenti per automatizzare i processi aziendali.

10 mar 2024 20 min di lettura

Introduzione: Cos’è Agentforce?

Agentforce è una piattaforma completa, estensibile e aperta sviluppata da Salesforce per creare e distribuire agenti di IA autonomi su larga scala. Consente alle aziende di dotarsi di una “forza lavoro digitale” che supporta dipendenti e clienti, sfruttando applicazioni, dati e logiche di business esistenti. Questi agenti non solo offrono assistenza conversazionale, ma possono anche eseguire azioni per conto dell’azienda in tutti i reparti e sistemi, garantendo la sicurezza grazie all’Einstein Trust Layer.

1. Attributi chiave di un agente

Un agente in Agentforce è definito da cinque attributi fondamentali: Attributi chiave

Ruolo: la sua funzione o job description virtuale (es. assistente al customer service).
Dati: la conoscenza a cui può accedere (CRM, Data Cloud, documenti).
Azioni: le capacità/operazioni che può eseguire (consultare record, eseguire flow, ecc.).
Guardrail: ciò che l’agente non deve fare, incluse restrizioni di sicurezza e policy per prevenire comportamenti inappropriati.
Canale: dove opererà l’agente (web, Slack, Microsoft Teams, ecc.).

2. Componenti fondamentali

Gli agenti sono costruiti a partire da tre blocchi di base:

Topic

Rappresentano le intenzioni o i compiti di alto livello che l’agente può risolvere (es. “Reset della password”, “Stato ordine”). Quando un utente pone una domanda, l’engine Atlas la classifica nel topic più rilevante. È cruciale definire topic chiari e distinti.

Istruzioni

Sono la “roadmap” per ogni topic, spiegano all’agente come orchestrare le azioni per completare il compito. La funzionalità AI Assist può generare bozze di istruzioni a partire dal linguaggio naturale.

Azioni

Sono i passi concreti che l’agente esegue. Possono essere di vari tipi:

Invocare un Salesforce Flow
Chiamare una classe Apex
Eseguire una ricerca nella knowledge base
Consultare dati di record nel CRM
Invocare un prompt generativo

Ogni topic ha una lista di azioni associate. Il motore Atlas decide dinamicamente quali azioni eseguire e in quale sequenza in base all’intento dell’utente. Per esempio, per una richiesta complessa l’agente può concatenare una ricerca di contatti, una chiamata a un’API esterna e la generazione di una risposta formattata.

3. The Atlas Reasoning Engine

Atlas è il “cervello” di Agentforce. È l’orchestratore che coordina l’interazione tra utente, LLM e azioni dell’agente. Funziona tramite un processo iterativo: The Atlas Reasoning Engine

🧠 1. Comprensione della richiesta (Agente invocato → Classificazione del topic) Quando l’utente invia una richiesta, l’agente Atlas viene attivato e identifica automaticamente il topic o dominio a cui appartiene. Questa classificazione consente di instradare correttamente il processo di ragionamento.
📌 2. Classificazione e contestualizzazione (Scope, iniezione di istruzioni e azioni) Atlas analizza l’ambito della richiesta, estrae possibili istruzioni e determina se sia necessario eseguire un’azione per ottenere la risposta. Qui si incorporano conoscenza pregressa o configurazioni specifiche di dominio.
🧭 3. Pianificazione (Decidere se eseguire un’azione) Atlas valuta le possibili azioni e pianifica il flusso più appropriato. Se decide di eseguire un’azione, utilizza una tecnica basata su Chain of Thought o ReAct (Reason and Act), che consente di scomporre il compito in passi sequenziali ragionati.
⚙️ 4. Esecuzione delle azioni (Esecuzione e osservazione) Atlas esegue le azioni necessarie (es. interrogare dati in Salesforce o Data Cloud) e ne osserva i risultati. Questo step può ripetersi in un ciclo finché l’obiettivo della richiesta non è raggiunto.
🔁 5. Iterazione (opzionale) (Loop) Se il risultato dell’azione non è conclusivo o servono altri passi, il motore può tornare alla pianificazione ed eseguire ulteriori azioni in un ciclo ragionamento-azione.
✅ 6. Validazione (Grounding Check) Una volta ottenute le informazioni, Atlas verifica che i dati siano sufficienti, corretti e pertinenti nel contesto della richiesta originale. In caso contrario, può tornare indietro o richiedere maggiori informazioni.
💬 7. Risposta finale (Invio della risposta) Atlas genera e consegna una risposta naturale, chiara e contestualizzata all’utente, considerando il risultato delle azioni e la cronologia della conversazione.

4. Retrieval-Augmented Generation (RAG)

Agentforce utilizza RAG per arricchire gli LLM con dati aggiornati e specifici dell’azienda, evitando “allucinazioni”.

Data Cloud e indicizzazione semantica: Data Cloud centralizza dati strutturati e non strutturati. I documenti vengono suddivisi (chunking) e convertiti in vettori numerici (vectorization) per consentire ricerche basate sul significato.
Indici di ricerca e retriever: in Data Cloud si creano indici vettoriali. I retriever permettono all’agente di interrogare questi indici per ottenere le informazioni più rilevanti.
Einstein Data Library: semplifica notevolmente la configurazione del RAG automatizzando ingestione e pipeline di ricerca per fonti come articoli di knowledge o file.

5. Abilitazione e configurazione

Per iniziare è necessario abilitare Einstein e poi Agentforce nel Setup di Salesforce. Una volta nel Builder degli Agenti, il processo prevede:

Creare i Topic: definire le responsabilità dell’agente. Agentforce può usare l’IA per generare una bozza di topic da una descrizione in linguaggio naturale.
Aggiungere Istruzioni: specificare linee guida e restrizioni per indirizzare il comportamento dell’agente all’interno di ciascun topic.

6. Azioni personalizzate: la potenza dell’estensione

Il vero potenziale di Agentforce risiede nell’estendere le sue capacità con azioni personalizzate:

Flow Actions

Permettono di riutilizzare la logica di business automatizzata con Salesforce Flow. Si crea un flow autonomo che riceve input, esegue la logica e produce output, quindi esposto come azione dell’agente.

Apex Actions

Consentono di incorporare logica di business personalizzata in Apex e integrare chiamate a servizi esterni. Le classi Apex sono sviluppate con @InvocableMethod per esporle come azioni.

Prompt Template Actions

Sfruttano la potenza degli LLM tramite prompt template creati nel Prompt Builder. I template possono combinare testo, dati Salesforce e persino file (immagini, PDF) per generare risposte dinamiche e strutturate.

Einstein Prompt Builder

Einstein Prompt Builder è lo strumento per creare template di istruzioni IA (prompt) invocabili come azioni all’interno di un agente. Un prompt personalizzato è un modello che può includere variabili, dati CRM e testo fisso.

Prompt Builder

Capacità chiave del Prompt Builder:

Connettere qualsiasi dato: collegare dati Salesforce ai prompt per risultati più accurati.
Personalizzare azioni standard: adattare azioni come “Record Summary” a tono e formato desiderati.
Dare personalità all’agente: creare prompt per modulare lo stile delle risposte.
Scegliere il modello adeguato: selezionare l’LLM più adatto a ciascun compito.
Controllare gli output: definire la struttura di uscita (es. JSON).

Una volta creato, un template può essere aggiunto come azione “Generative” a un topic in Agentforce Builder, permettendo all’agente di svolgere compiti come riassumere note, tradurre testi o redigere risposte personalizzate.

7. Uso di Data Cloud e Data Libraries

Per risposte più accurate, Agentforce può connettersi alle Data Libraries, basi di conoscenza che ancorano le risposte a informazioni affidabili. Questo implementa il pattern RAG (Retrieval-Augmented Generation).

Panoramica Data Cloud

Una Data Library può essere alimentata da:

Articoli di Knowledge: contenuti della knowledge base Salesforce.
File: documenti come PDF, TXT o HTML.
Web Search: consente all’agente di eseguire ricerche in tempo reale sul web pubblico.

Internamente, Salesforce elabora i contenuti, li suddivide in parti più piccole e li memorizza in un indice vettoriale in Data Cloud. Quando l’utente fa una domanda, un “retriever” cerca il frammento più rilevante e lo usa per generare una risposta accurata, evitando allucinazioni.

8. Alimentare l’agente con informazioni esterne

Se le informazioni necessarie risiedono al di fuori di Salesforce (es. sul tuo sito pubblico), puoi incorporarle con due approcci:

Usare la ricerca web nativa: creare una Data Library di tipo “Web” per consentire all’agente di interrogare il tuo sito in tempo reale.
Scraping manuale e caricamento file:
- Scraping: estrarre testo da fonti esterne.
- Upload: caricare i file in una Data Library di tipo “Files”.
- Associazione: assegnare la nuova libreria al tuo agente.

Con questa strategia, puoi “iniettare” conoscenza esterna nel cervello dell’agente, permettendogli di rispondere su documentazione prodotti, policy interne, ecc.

9. Suggerimenti pratici e best practice

Investi in input di qualità: progetta Topic e istruzioni chiare e specifiche.
Stabilisci guardrail: usa l’Einstein Trust Layer per moderare tossicità e filtrare dati sensibili. Definisci cosa l’agente NON deve fare.
Mantieni aggiornata la base di conoscenza: la qualità dell’agente dipende dalla qualità dei suoi dati.
Itera con feedback reale: monitora le interazioni, analizza metriche e regola la configurazione con il supporto degli esperti di business.
Scala gradualmente: inizia con ambito limitato e controllato, poi espandi.
Gestisci la sicurezza: assegna all’agente un profilo con i permessi minimi necessari.

Conclusione

Agentforce è una soluzione completa per implementare una forza lavoro digitale alimentata dall’IA. Integra le capacità della piattaforma Salesforce con le più recenti tecniche di IA generativa per offrire agenti autonomi che comprendono, ragionano e agiscono in modo sicuro ed efficiente, abilitando una vera trasformazione del business.