AI-agents: maak kennis met de toekomst van bedrijfsapplicaties

Agents zijn ondersteunende en autonome softwaresystemen. Op basis van gebruikersinvoer of omgevingsomstandigheden redeneren, plannen en handelen ze om bepaalde taken of doelen te bereiken. Zie ze als intelligente digitale assistenten. Ze zijn uitgerust met de gebundelde kennis en ervaring van menselijke experts en hebben toegang tot alle relevante data.

Agents worden steeds belangrijker in elk aspect van ons leven en veranderen ingrijpend hoe bedrijven werken en met klanten omgaan. Een service-agent kan bijvoorbeeld fungeren als de meest deskundige technische ondersteuningsmedewerker van je bedrijf, 24/7 beschikbaar om elke aanvraag af te handelen. Een marketing-agent kan, net als een zelfrijdende auto, sensoren (realtime data) gebruiken om veranderende bedrijfsomstandigheden te detecteren en proactief te reageren (prijzen aanpassen, een campagne lanceren, enzovoort).

Dit artikel behandelt de AI-innovaties die de drijvende kracht zijn achter agents. Daarnaast leggen we uit op welke manier agents bedrijven transformeren en hoe ze software en softwareontwikkeling veranderen.

Aangedreven door grote taalmodellen

AI-agents zijn mogelijk gemaakt door de opkomst van grote taalmodellen, zogenaamde large language models (LLM’s). LLM’s leveren twee essentiële mogelijkheden die nodig zijn om zeer effectieve agents te implementeren:

1. Diepgaand taalbegrip: LLM’s zijn uitstekend in het begrijpen van complexe en genuanceerde taal. Dit is een cruciale vaardigheid voor chatbot-achtige agents, waardoor ze op een diepgaand niveau een verzoek van een gebruiker begrijpen en antwoorden kunnen formuleren in natuurlijke taal.
2. Redeneren en besluitvorming: LLM’s kunnen ook redeneren en beslissingen nemen. Dit stelt agents in staat om een plan op te stellen en de volgende stappen te bepalen die nodig zijn om het probleem in kwestie op te lossen.

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

• Gebrek aan toegang tot privégegevens: LLM’s hebben geen toegang tot privégegevens waarop ze niet getraind zijn. Ze kunnen bijvoorbeeld geen lijst geven van open opportunities, openstaande supporttickets of voorlopige campagneresultaten.
• Geen ingebouwde mogelijkheid om actie te ondernemen: Ze kunnen bijvoorbeeld geen supportticket openen, het verzendadres van een bestelling wijzigen, een opportunity-record bijwerken of de prijs van een product aanpassen.

Een nieuw softwareparadigma 

Agents slaan een brug tussen de krachtige taal- en redeneercapaciteiten van LLM’s en de praktische eisen van zakelijke use cases, zoals toegang tot privégegevens en het uitvoeren van relevante acties. Ze banen zo de weg voor een nieuw softwareparadigma.

Met dit nieuwe paradigma bouw je software niet langer als volledige applicaties, maar als een verzameling modulaire bouwstenen die specifieke mogelijkheden bevatten. Ze worden door agents georganiseerd met behulp van het redeneervermogen van de LLM. Bij Salesforce noemen we deze bouwstenen acties (bijvoorbeeld ‘bestelling zoeken’ en ‘besteladres wijzigen’) en organiseren we ze onder functionele gebieden die onderwerpen heten (bijvoorbeeld ‘orderbeheer’).

Met andere woorden, een agent is een softwaresysteem dat het taal- en redeneervermogen van een LLM gebruikt om een verzameling acties binnen een specifiek domein te organiseren. Globaal gezien werkt een agent als volgt:

1. De taak begrijpen: De agent gebruikt de taalvaardigheden van de LLM om een diepgaand begrip te krijgen van de taak in kwestie.
2. Iteratief plannen en uitvoeren: Op basis van zijn begrip van de taak denkt de agent na over beschikbare acties en bepaalt hij wat de volgende stap is. Dit omvat het uitvoeren van acties of het stellen van verduidelijkende vragen. De agent bekijkt vervolgens het resultaat van de vorige stap en bepaalt opnieuw wat de volgende stap moet zijn. De agent herhaalt dit proces totdat hij tevreden is.
3. Antwoord geven: De agent levert een antwoord op de input.

Het ultieme platform voor applicatiesamenstelling 

Het meest transformerende aspect van dit nieuwe softwareparadigma is dat het agents in staat stelt om onvoorziene verzoeken af te handelen zonder vooraf gedefinieerde vereisten. Stel je eens voor dat er een agent is die uitgerust is met tientallen of zelfs honderden acties. Hij stelt ze op een vrijwel oneindig aantal manieren samen, inclusief manieren die nooit waren voorzien, waardoor hij nieuwe problemen ter plekke oplost. Dit is de ultieme vorm van applicatiesamenstelling.

Bij Salesforce zijn onze toonaangevende applicaties (waaronder Sales Cloud, Service Cloud, Marketing Cloud, Commerce Cloud en Industries) opgedeeld in granulaire acties. Ze voorzien de Agentforce Agents van Salesforce direct van een overvloed aan mogelijkheden voor verschillende onderwerpen. Agentforce Agents organiseren en stellen deze acties op allerlei manieren samen, waardoor gebruikers in het hele bedrijf een uniforme ervaring hebben. Bovendien kunnen developers de standaard mogelijkheden van Agentforce Agents uitbreiden met maatwerk dat wordt aangedreven door code, API’s, Salesforce flows of templates voor prompts.

Acties geven agents de volgende essentiële capaciteiten:

• Toegang tot privégegevens van het bedrijf: Acties geven agents toegang tot je klant- en bedrijfsgegevens. Bij het verlenen van toegang tot gegevens aan een agent is het belangrijk ervoor te zorgen dat de agent geen gegevens toont aan onbevoegde gebruikers. Bij het gebruik van Agentforce Agents wordt de toegang tot gegevens beheerd door toegangsrechten en deelmodellen. Het maakt niet uit of de gegevens worden benaderd vanuit traditionele applicaties of vanuit agents: dezelfde toegangsrechten en deelmodellen zijn van toepassing.
• Vermogen om actie te ondernemen: Acties stellen agents in staat om logica te gebruiken en te integreren met externe systemen. Bij standaard Agentforce-acties is die mogelijkheid ingebouwd. Ze handelen op het gebied van sales, service, marketing, commerce en industries. Bovendien kunnen developers custom acties bouwen die interacteren met Salesforce of externe systemen met behulp van code, API’s, flows en prompttemplates.

Verschillende niveaus van autonomie 

Agents hebben verschillende niveaus van autonomie. Bijvoorbeeld:

• Ondersteunende agents, ook wel copilots genoemd, werken samen met mensen en verbeteren hun bekwaamheid in plaats van alleen te handelen. Copilots hebben vaak menselijke input en feedback nodig om suggesties of acties te verfijnen.
• Autonome agents werken onafhankelijk zonder direct menselijk toezicht. Agentforce Agents dragen, in tegenstelling tot andere autonome agents, taken naadloos over aan mensen wanneer dat nodig is.

Ongeacht het autonomieniveau van een agent is het cruciaal om passende veiligheidsmaatregelen te nemen. Deze waarborgen de betrouwbaarheid en zorgen voor naleving van bedrijfsregels en wet- en regelgeving rondom dataprotectie. Tot slot voorkomt het incorrecte of schadelijke informatie door hallucinaties en toxiciteit.

Agentforce Agents gebruiken een gelaagde aanpak om veiligheidsmaatregelen te realiseren:

• Einstein Trust Layer: De Einstein Trust Layer stelt agents in staat om LLM’s op een veilige manier te gebruiken, zonder bedrijfsgegevens in gevaar te brengen. Het maakt onder meer gebruik van een beveiligde gateway, data masking, detectie van toxiciteit en audittrails om LLM-interacties te controleren.
• Instructies: Bij het definiëren van een Agentforce Agent geef je in natuurlijke taal duidelijke instructies, inclusief wat te doen en wat te vermijden, waardoor je effectief de veiligheidsmaatregelen voor het gedrag ervan instelt.
• Gedeelde metadata: Salesforce-metadata definieert overkoepelende regels die worden afgedwongen, ongeacht of de gegevens worden benaderd vanuit traditionele applicaties of agents. Dit omvat toegangsrechten, deelmodellen, validatieregels en workflow-automatisering om gegevensbeveiliging en naleving van bedrijfsregels te garanderen.
• Agent Analytics: Deze tool biedt inzicht in de prestaties, bruikbaarheid en betrouwbaarheid van agents en acties. Zo identificeer je moeiteloos gebieden voor verbetering. 
• AI Test Center: Dit is een verenigd testframework. Het AI Test Center ondersteunt batchtests voor agents, prompttemplates, retrieval-augmented generation (RAG) en modelgebruiksscenario’s.

Kant-en-klare agents voor sales en service 

Salesforce heeft onlangs agents voor Sales en Service uitgebracht. Hieronder lees je er meer over.

• Agentforce Service Agent is een revolutie op het gebied van klantenservice. Het beschikt over het vermogen om een breed scala aan serviceproblemen te begrijpen en aan te pakken zonder voorgeprogrammeerde scenario’s. Dit maakt klantenservice veel efficiënter.
• Agentforce SDR Agent gaat autonoom om met inkomende leads. In natuurlijke taal beantwoordt het vragen en handelt het klachten af. Het boekt afspraken in voor menselijke salesmedewerkers.
• Agentforce Sales Coach Agent gaat autonoom rollenspellen aan met verkopers, waarbij het een salesmedewerker simuleert tijdens kennismakings-, pitch- of onderhandelingsgesprekken.

Deze agents zijn kant-en-klaar, maar Agentforce stelt je ook in staat om ze aan te passen of uit te breiden. Daarnaast kun je ook je eigen agents creëren.

Agents maken en aanpassen met Agentforce 

Salesforce Agentforce brengt mensen samen met autonome agents die worden aangedreven door AI, data en actie. Het biedt de functies en tools die je nodig hebt om betrouwbare agents en andere innovatieve AI-applicaties te creëren, aan te passen en te implementeren. Uiteraard met de juiste veiligheidsmaatregelen en toezicht. Hieronder gaan we dieper in op de belangrijkste componenten.

Diagram: Agentforce-platformcomponenten voor het bouwen van agents en AI-applicaties

Metadata 

Salesforce metadata stelt universele regels in die altijd worden nageleefd, ongeacht of de gegevens worden benaderd vanuit traditionele applicaties of agents. Dit omvat toegangsrechten, deelmodellen, validatieregels en workflow-automatisering om gegevensbeveiliging en naleving van bedrijfsregels te waarborgen. Metadata stelt LLM’s ook in staat om de context en betekenis van de data beter te begrijpen, wat leidt tot nauwkeurigere antwoorden. Een LLM gebruikt bijvoorbeeld metadata om CRM-gegevens op een betere en actiegerichte manier aan de gebruiker te presenteren (ad-hoc UI).

Data Cloud 

Kwalitatief hoogwaardige en uniforme data vormen het fundament van goede AI. Salesforce Data Cloud brengt al je gegevens samen en verenigt ze, om AI te onderbouwen met hoogwaardige, relevante en bruikbare informatie. Met meer dan 200 beschikbare connectors en de mogelijkheid om eenvoudig connectors op maat te maken, biedt Data Cloud ongeëvenaarde connectiviteit.

Zodra je gegevens zijn verbonden, verenigd en geharmoniseerd, activeer je ze met Data Cloud op grote schaal in AI-agents, analytics en andere applicaties. Hierdoor levert het waardevolle inzichten en gepersonaliseerde ervaringen. De dagen van onsamenhangende ervaringen voortkomend uit silo-data zijn voorbij. Gebruikers, of het nu medewerkers of klanten zijn, verwachten logische, verbonden ervaringen die alle relevante gegevens samenbrengen.

Modellen 

Agentforce biedt een configureerbare modelarchitectuur waarmee je eenvoudig modellen kunt inpluggen en samenstellen. Een gehost basismodel biedt je vaak de snelste weg naar AI-innovatie, maar je kunt ook gefinetunede modellen of je eigen modellen gebruiken.

Einstein Trust Layer 

Met de Einstein Trust Layer gebruik je bestaande modellen op een veilige manier, zonder je bedrijfsgegevens in gevaar te brengen. Zo werkt het:

• Beveiligde gateway: Agentforce heeft toegang tot modellen via een beveiligde gateway die beveiligings- en privacybeleid consistent afdwingt voor verschillende modelleveranciers.
• Data masking en naleving: Voordat het verzoek naar de modelleverancier gaat, doorloopt het een aantal stappen, waaronder data masking. In deze stap worden persoonlijk identificeerbare informatie (PII) vervangen door geanonimiseerde gegevens om gegevensprivacy en naleving te waarborgen.
• Nul retentie: Om je gegevens verder te beschermen, heeft Salesforce nul-retentieovereenkomsten met modelleveranciers. Het betekent dat leveranciers geen gegevens die vanuit Salesforce worden verzonden, bewaren of hun modellen er verder mee trainen.
• Demasking, detectie van toxiciteit en audittrail: Wanneer de output van het model binnenkomt, doorloopt het een andere reeks stappen, waaronder demasking, detectie van toxiciteit en het loggen van de audittrail. Demasking herstelt de echte gegevens die voor privacy waren vervangen door dummydata. De detectie van toxiciteit controleert op schadelijke of beledigende inhoud in de output. Het loggen van de audittrail registreert het hele proces voor auditdoeleinden.

Acties 

Acties geven agents de mogelijkheid om logica toe te passen en te integreren met externe systemen. Standaard Agentforce-acties handelen op het gebied van sales, service, marketing, commerce en industries. Bovendien kunnen developers aangepaste acties bouwen die handelen op Salesforce of externe systemen met behulp van aangepaste code, API’s, flows en prompttemplates.

Onderwerpen 

Zoals eerder aangegeven is een onderwerp een logische groepering van acties die een specifiek aandachtsgebied vertegenwoordigt. Een agent begrijpt, verwerkt of reageert hierop. Voorbeelden zijn bijvoorbeeld orderbeheer, garantie, prijzen en veelgestelde vragen.

Agents 

Agentforce Agents zijn autonome softwaresystemen die gebruikers- of omgevingsinput analyseren, taken identificeren, oplossingen bedenken en acties organiseren om deze uit te voeren. Agents hebben verschillende niveaus van autonomie. Ondersteunende (gedeeltelijk autonome) agents werken samen met mensen om de taak uit te voeren. Autonome agents werken onafhankelijk zonder direct menselijk toezicht, maar met de krachtige veiligheidsmaatregelen waar we het eerder in deze blog over hadden. Het systeem heeft de mogelijkheid om taken over te dragen aan mensen wanneer dat nodig is.

Tooling 

Agentforce biedt verschillende low-code tools om agents en andere AI-applicaties te bouwen.

Prompt Builder is een Salesforce-builder waarmee je herbruikbare prompttemplates maakt in een grafische omgeving. Je onderbouwt ze met dynamische gegevens die beschikbaar zijn via record page gegevens, Data Cloud, API-aanroepen, flows en Apex.

Agent Builder is een andere visuele builder waarmee je agents en copilots configureert. Je selecteert de acties die beschikbaar zijn voor je agent en controleert je agent in een testomgeving.

Model Builder stelt je in staat om je eigen AI-modellen te bouwen of te introduceren.

Samenvatting: hoe Agentforce Agents de ontwikkeling van bedrijven en applicaties transformeren

Agents spelen een steeds grotere rol in elk aspect van ons leven. Ze redeneren, organiseren taken en ondernemen actie. Daardoor leveren ze op grote schaal gepersonaliseerde ervaringen. Door het taal- en redeneervermogen van LLM’s te combineren met softwarebouwstenen, veranderen ze de manier waarop bedrijven werken en hoe software wordt ontwikkeld.

Agentforce Agents zijn leidend in deze transformatie. Ze bevatten belangrijke onderscheidende eigenschappen, waaronder:

• Betrouwbaar. Agentforce beschermt je gegevens met de Einstein Trust Layer en dezelfde metadata, toegangsrechten en deelmodellen als traditionele Salesforce applicaties.
• Krachtig. Agentforce Agents maken gebruik van toonaangevende Salesforce applicaties om geheel nieuwe ervaringen te leveren op het gebied van sales, service, commerce, marketing en industries.
• Gebaseerd op uniforme data. Agentforce Agents leveren nauwkeurigere en relevantere resultaten door AI te baseren op alle relevante data die beschikbaar zijn gemaakt en verenigd zijn door Data Cloud.
• Low-code tools. Je bouwt, past aan, test en beheert Agentforce Agents met een set low-code tools, waaronder Agent Builder, Prompt Builder, Model Builder en Flow Builder.