AI-agents voor bedrijfs- en applicatieontwikkeling

Agents zijn ondersteunende en autonome softwaresystemen. Op basis van gebruikersinput of omgevingsfactoren redeneren ze, plannen ze en ondernemen ze actie om bepaalde taken of doelen te bereiken. Ze zijn vergelijkbaar met intelligente digitale assistenten, die beschikken over de samengevoegde kennis en ervaring van menselijke experts en toegang hebben tot alle relevante data.

Agents zullen overal in ons leven te vinden zijn en de manier waarop bedrijven werken en met klanten omgaan ingrijpend veranderen. Een service-agent kan bijvoorbeeld fungeren als de meest deskundige technische ondersteuningsmedewerker van je organisatie, die 24 uur per dag, 7 dagen per week beschikbaar is om elke vraag te behandelen. Een marketing-agent kan, net als een zelfrijdende auto, 'sensoren' (realtime data) gebruiken om veranderende bedrijfsomstandigheden te signaleren en dan proactief te reageren (prijzen aanpassen, een campagne lanceren, enzovoort).

Dit artikel gaat in op de AI-innovaties die de opkomst van agents stimuleren en onderzoekt hoe agents niet alleen bedrijven transformeren, maar ook een nieuwe vorm geven aan software en softwareontwikkeling.

AI-agents worden mogelijk gemaakt door de opkomst van grote taalmodellen (LLM's). LLM's bieden twee essentiële functies die nodig zijn om zeer effectieve agents te introduceren:

• Diepgaand taalbegrip: LLM's zijn geweldig in het begrijpen van complexe en genuanceerde taal. Dit is een cruciale vaardigheid voor chatbot-achtige agents, waardoor ze een gebruikersverzoek op een fundamenteel niveau kunnen begrijpen en antwoorden in natuurlijke taal kunnen formuleren.
• Redeneren en besluiten: LLM's kunnen ook redeneren en beslissingen nemen. Hierdoor kunnen agents een plan opstellen en de stappen uitvoeren die nodig zijn om het probleem op te lossen.

Maar LLM's alleen zijn niet voldoende om agents te implementeren. Ze hebben een aantal beperkingen, waaronder:

• Beperkte toegang tot privédata: LLM's hebben geen toegang tot privédata waarin ze niet getraind zijn. Ze kunnen bijvoorbeeld geen lijst retourneren met openstaande sales-kansen, openstaande ondersteuningstickets of campagneresultaten tot nu toe.
• Geen ingebouwde functionaliteit om actie te ondernemen: ze kunnen bijvoorbeeld geen ondersteuningsticket openen, het verzendadres van een bestelling wijzigen, een opportunity-record bijwerken of de prijs van een product wijzigen.

Agents overbruggen de kloof tussen de krachtige taal en redeneermogelijkheden van LLM's en de praktische eisen van zakelijke use cases, zoals toegang tot privédata en het uitvoeren van acties, en ze maken de weg vrij voor een nieuw softwarekader.

Met dit nieuwe denkkader wordt software niet langer gebouwd in de vorm van complete applicaties, maar als een verzameling verfijnde bouwstenen die specifieke mogelijkheden inbouwen en die kunnen worden aangestuurd door agents die gebruikmaken van de redeneermogelijkheden van een LLM. Bij Salesforce worden deze bouwstenen acties genoemd (bijvoorbeeld 'Bestelling zoeken' en 'Besteladres wijzigen') en zijn ze georganiseerd onder functionele gebieden die onderwerpen worden genoemd (bijvoorbeeld 'Orderbeheer').

Met andere woorden, een agent is een softwaresysteem dat de taal en het redeneervermogen van een LLM gebruikt om een verzameling acties binnen een specifiek domein aan te sturen. Een agent gaat op hoog niveau als volgt te werk:

1. De taak begrijpen: de agent gebruikt de taalcapaciteiten van de LLM om de taak te begrijpen.
2. Herhalend plannen en uitvoeren: op basis van het begrip van de taak, redeneert de agent over beschikbare acties en bepaalt wat de volgende stap is. Dit is bijvoorbeeld het uitvoeren van acties of het stellen van verhelderende vragen. De agent redeneert vervolgens over de uitkomst van de vorige stap en bepaalt opnieuw wat er daarna moet gebeuren. De agent herhaalt dat stappenproces tot de oorspronkelijke taak naar tevredenheid is afgehandeld.
3. Antwoord geven: de agent geeft antwoord op de invoer.

Het meest veranderende aspect van dit nieuwe softwarekader is dat het agents in staat stelt onverwachte verzoeken af te handelen zonder vooraf gedefinieerde vereisten. Stel je een agent voor die beschikt over tientallen of zelfs honderden acties. De agent kan deze acties op een vrijwel oneindig aantal manieren samenstellen, ook op manieren die nooit waren voorzien, waardoor nieuwe problemen in een oogwenk kunnen worden opgelost. Dit is de ultieme vorm van applicatiesamenstelling.

Bij Salesforce zijn onze toonaangevende applicaties (waaronder Sales Cloud, Service Cloud, Marketing Cloud, Commerce Cloud en Industries) bijvoorbeeld opgesplitst in gedetailleerde acties die de Agentforce agents van Salesforce direct voorzien van een schat aan mogelijkheden over verschillende onderwerpen. Agentforce agents kunnen deze acties op allerlei manieren samenstellen en uitvoeren, zodat gebruikers in de hele organisatie een probleemloze en consistente ervaring hebben. Bovendien kunnen ontwikkelaars de standaardmogelijkheden van de Agentforce agents uitbreiden met aangepaste acties op basis van code, API's, Salesforce-stromen of taakaanwijzingssjablonen.

Acties geven agents de volgende essentiële mogelijkheden:

1. Toegang tot privé-bedrijfsdata: acties geven agents toegang tot je klant- en bedrijfsdata. Wanneer een agent toegang heeft tot data, is het belangrijk dat de agent geen data kan vrijgeven aan onbevoegde gebruikers. Met behulp van Agentforce agents wordt de toegang tot data geregeld door machtigings- en sharing-modellen. Dezelfde machtigings- en sharing-modellen zijn van toepassing, ongeacht waar de data worden geopend: traditionele applicaties of agents.
2. Mogelijkheid om actie te ondernemen: met acties kunnen agents logica toepassen en samenwerken met externe systemen. Bij standaard acties Agentforce is die mogelijkheid ingebouwd: hierdoor kan op sales, service, marketing, commercie en sectoren worden gereageerd. Bovendien kunnen ontwikkelaars aangepaste acties bouwen die kunnen worden uitgevoerd op Salesforce of externe systemen met behulp van code, API's, stromen en taakaanwijzingssjablonen.

Agents kunnen verschillende niveaus van autonomie hebben. Bijvoorbeeld:

• Ondersteunende agents (ook wel copiloten genoemd) werken samen met mensen en verbeteren de capaciteiten in plaats van zelfstandig te handelen. Copilots vereisen vaak menselijke input en feedback om suggesties of acties te verfijnen.
• Autonome agents opereren onafhankelijk zonder direct menselijk toezicht. Agentforce agents kunnen, in tegenstelling tot andere autonome agents, taken probleemloos aan mensen overdragen als dat nodig is.

Ongeacht het autonomieniveau van een agent, is het van cruciaal belang om de nodige veiligheidsmaatregelen te nemen om betrouwbaarheid, naleving van bedrijfspraktijken, databeveiliging en -privacy te garanderen en om hallucinaties, toxiciteit en schadelijke inhoud te voorkomen.

Agentforce agents gebruiken een meerlagige aanpak om veiligheidsmaatregelen te handhaven:

• Einstein Trust Layer: De Einstein Trust Layer stelt agents in staat om LLM's op een betrouwbare manier te gebruiken, zonder de bedrijfsdata in gevaar te brengen. De agent maakt o.a. gebruik van een beveiligde gateway, data-anonimisering, toxiciteitsdetectie en audittrails om LLM-interacties te controleren.
• Instructies: bij het definiëren van een Agentforce agent kun je natuurlijke taal gebruiken om duidelijke instructies te geven, inclusief wat wel en niet te doen, zodat je effectief de veiligheidsmaatregelen voor het gedrag van de agent instelt.
• Gedeelde metadata: Salesforce-metadata definieert overkoepelende regels die worden afgedwongen, ongeacht of de data worden geopend vanuit traditionele applicaties of door agents. Hierbij gaat het om machtigingen, sharing-modellen, validatieregels en workflowautomatisering om databeveiliging en naleving van bedrijfspraktijken te garanderen.
• Agent-analyse: deze observatietool geeft inzicht in de prestaties, gebruiksvriendelijkheid en betrouwbaarheid van agents en acties, zodat je verbeterpunten kunt vaststellen.
• AI Test Center: het AI Test Center is een uniform testkader en ondersteunt batchtests voor agents, taakaanwijzingssjablonen, RAG (Retrieval-augmented Generation) en use case-modellen.

Salesforce heeft onlangs agents aangekondigd voor Sales en Service:

• Agentforce Service Agent brengt een revolutie teweeg in de klantenservice met zijn vermogen om een breed scala aan serviceproblemen te begrijpen en er actie op te ondernemen zonder voorgeprogrammeerde scenario's, waardoor de klantenservice veel efficiënter wordt.
• Agentforce SDR Agent gaat autonoom in gesprek met inkomende leads, in natuurlijke taal, om vragen te beantwoorden, bezwaren te behandelen en meetings te plannen voor menselijke verkopers.
• Agentforce Sales Coach Agent neemt autonoom deel aan rollenspellen met verkopers en simuleert een koper tijdens ontdekkings-, pitch- of onderhandelingsgesprekken.

Je kunt deze agents direct gebruiken, maar Agentforce stelt je ook in staat om ze aan te passen, uit te breiden en je eigen agents te maken.

Salesforce Agentforce brengt mensen samen met autonome agents, mogelijk gemaakt door AI, data en actie. Er worden functies en tools aangeboden die je nodig hebt om betrouwbare agents en andere innovatieve AI-applicaties te maken, aan te passen en in te zetten, compleet met de juiste veiligheidsmaatregelen en het juiste toezicht. Laten we de belangrijkste componenten eens nader bekijken en doornemen.

Wanneer we het hebben over het potentieel van AI, dan zijn experts uit het bedrijfsleven en AI-velden voorzichtig, geïnspireerd en hoopvol. Abonneer je op de Vraag meer van AI-nieuwsbrief op LinkedIn om op de hoogte te blijven van het laatste nieuws over AI.

Salesforce-metadata stelt universele regels vast die worden afgedwongen, ongeacht of de data worden geraadpleegd vanuit traditionele applicaties of agents. Dit betreft machtigingen, sharing-modellen, validatieregels en workflowautomatisering om databeveiliging en naleving van bedrijfspraktijken te garanderen. Metadata stellen LLM's ook in staat om de context en betekenis van de data beter te begrijpen, wat kan leiden tot nauwkeurigere antwoorden. Een LLM kan bijvoorbeeld metadata gebruiken om CRM-data op een nuttigere en actiegerichtere manier aan de gebruiker te presenteren (ad-hocgebruikersinterface).

Voor goede AI is hoogwaardige en uniforme data nodig. Salesforce Data Cloud verzamelt alle data en voegt deze samen, zowel van Salesforce als extern, gestructureerd en ongestructureerd, om AI te baseren op hoogwaardige, relevante en bruikbare informatie. Met meer dan 200 beschikbare connectors en de mogelijkheid om eenvoudig aangepaste connectors te maken, biedt Data Cloud ongeëvenaarde verbindingsopties.

Zodra je data gekoppeld, samengevoegd en op elkaar afgestemd zijn, kun je ze met Data Cloud op schaal activeren in AI-agents, analyses en andere applicaties, wat waardevolle inzichten en gepersonaliseerde ervaringen oplevert. De dagen van geïsoleerde ervaringen die werden beperkt door geïsoleerde data zijn voorbij. Gebruikers, of dat nu medewerkers of klanten zijn, verwachten gekoppelde gebruikerservaringen die alle relevante data samenbrengen en inzichtelijk maken.

Agentforce biedt een aanpasbare modellenstructuur waarmee je eenvoudig modellen kunt toevoegen en samenstellen. Een gehost basismodel biedt je vaak de snelste weg naar AI-innovatie, maar je kunt ook gebruikmaken van nauwkeurig afgestemde modellen of je eigen modellen die zijn gebouwd met je eigen data.

Met de Agentforce Service Agent kun je bestaande modellen op een betrouwbare manier gebruiken, zonder je bedrijfsdata in gevaar te brengen. Het werkt als volgt:

1. Beveiligde gateway: Agentforce heeft toegang tot modellen via een beveiligde gateway die het beveiligings- en privacybeleid consistent afdwingt bij verschillende modelaanbieders.
2. Data-anonimisering en naleving: voordat het verzoek naar de modelaanbieder wordt verzonden, doorloopt het een aantal stappen, waaronder data-anonimisering, waarbij persoonlijk identificeerbare informatie (PII)-data worden vervangen door geanonimiseerde data om de dataprivacy en naleving te waarborgen.
3. Nul retentie: om je data verder te beschermen, heeft Salesforce nul retentie-overeenkomsten met modelaanbieders wat betekent dat aanbieders hun modellen niet zullen blijven onderhouden of verder zullen trainen met data die vanuit Salesforce worden verzonden.
4. Demasking, toxiciteitsdetectie en audittrail: zodra de output van het model binnenkomt, doorloopt deze nog een aantal stappen, waaronder demasking, toxiciteitsdetectie en audittrail-logboekregistratie. Demasking herstelt de echte data die zijn vervangen door nepdata voor privacy. Toxiciteitsdetectie controleert op schadelijke of aanstootgevende inhoud in de output. Audittrail-logboekregistratie registreert het hele proces voor auditdoeleinden.

Met acties kunnen agents logica toepassen en samenwerken met externe systemen. Standaardacties Agentforce kunnen worden uitgevoerd op sales, service, marketing, commercie en sectoren. Bovendien kunnen ontwikkelaars aangepaste acties bouwen die kunnen worden uitgevoerd op Salesforce of externe systemen met behulp van aangepaste code, API's, stromen en taakaanwijzingssjablonen.

Een onderwerp is een logische groepering van acties die een specifiek aandachtsgebied weergeven dat een agent moet begrijpen, verwerken of erop moet reageren. Voorbeelden hiervan zijn orderbeheer, garantie, prijzen, veelgestelde vragen, enzovoort.

Agentforce agents zijn autonome softwaresystemen die gebruikers- of omgevingsinput kunnen analyseren, taken kunnen identificeren, oplossingen kunnen doorredeneren en acties kunnen uitvoeren om deze te voltooien. Agents hebben verschillende niveaus van autonomie. Ondersteunende (gedeeltelijk autonome) agents werken samen met mensen om de taak uit te voeren. Autonome agents handelen onafhankelijk zonder direct menselijk toezicht, maar met de robuuste veiligheidsmaatregelen die eerder in dit bericht zijn beschreven, en de mogelijkheid om taken aan mensen over te dragen als dat nodig is.

Agentforce biedt een verscheidenheid aan low-code tools om agents en andere AI-applicaties te bouwen.

Prompt Builder is een Salesforce-bouwer waarmee je herbruikbare taakaanwijzingssjablonen kunt maken in een grafische omgeving en deze kunt baseren op dynamische data die beschikbaar worden gesteld via recordpagina-data, Data Cloud, API-aanroepen, stromen en Apex.

Agent Builder is een andere visuele bouwer waarmee je agents en copiloten kunt instellen. Je kunt de acties selecteren die beschikbaar zijn voor je agent en je agent uitproberen in een testomgeving.

Agents zullen overal in ons leven aanwezig zijn. Ze kunnen redeneren, taken uitvoeren en actie ondernemen, waardoor ze persoonlijk contact op schaal leveren. Door de taal- en redeneercapaciteiten van LLM's te combineren met softwarebouwstenen, transformeren ze de manier waarop bedrijven werken en hoe software wordt gebouwd.

Agentforce agents leiden deze transformatie met belangrijke onderscheidende kenmerken, waaronder:

• Betrouwbaar. Agentforce beschermt je data met behulp van de Einstein Trust Layer en dezelfde metadata, machtigingen en sharing-modellen zoals traditionele Salesforce-applicaties.
• Krachtig. Agentforce agents maken gebruik van toonaangevende Salesforce-applicaties om transformatieve ervaringen te bieden op het gebied van sales, service, commercie, marketing en sectoren.
• Gebaseerd op uniforme data. Agentforce agents leveren nauwkeurigere en relevantere resultaten door AI te baseren op alle relevante data die beschikbaar worden gesteld en door Data Cloud worden gecombineerd.
• Low-code tools. Agentforce agents kunnen worden gebouwd, aangepast, getest en beheerd met behulp van een set low-code tools, waaronder Agent Builder, Prompt Builder, Model Builder, Flow Builder en meer.