Każdy proces obsługi klienta zaczyna się od prostego zapytania, jednak to Generatywna Sztuczna Inteligencja (GenAI) odgrywa decydującą rolę w sposobie jego przetworzenia. Wykorzystując zaawansowane zdolności wnioskowania, technologia ta analizuje zgłoszenie, identyfikuje optymalne rozwiązania i wyznacza najskuteczniejszą ścieżkę do zamknięcia sprawy.
Gdy GenAI przetworzy zapytanie, inicjuje działanie precyzyjnie dopasowane do potrzeb użytkownika – od udzielenia natychmiastowej odpowiedzi, po przekierowanie bardziej złożonych problemów do ludzkich ekspertów w celu ich weryfikacji.
Co istotne, aż 83% klientów uważa, że firmy powinny wykorzystywać technologię w sposób etyczny, nawet jeśli wiąże się to z mniejszym zyskiem (według raportu Salesforce). Dla polskich przedsiębiorstw, które dynamicznie przechodzą proces transformacji cyfrowej, oznacza to konieczność wdrażania systemów AI, które są transparentne i budują zaufanie. Przyjrzyjmy się bliżej Atlas Reasoning Engine – technologii, która stanowi kręgosłup rozwiązania Agentforce i odpowiada za jego potężne możliwości.
Fundament Salesforce AI: Data Cloud
Data Cloud to kluczowy element ekosystemu, który umożliwia realne usprawnienie obsługi klienta. Zapewnia on firmom solidną bazę do zarządzania różnorodnymi typami informacji, w tym:
- danymi ustrukturyzowanymi,
- danymi nieustrukturyzowanymi,
- danymi w architekturze „zero-copy”.
Dane ustrukturyzowane to uporządkowane informacje (np. rekordy sprzedaży), które idealnie wpisują się w tradycyjne bazy danych. Z kolei dane nieustrukturyzowane obejmują formaty takie jak treść e-maili, pliki PDF czy posty w mediach społecznościowych. Technologia „zero-copy” umożliwia operowanie na danych bez konieczności ich fizycznego kopiowania między systemami, co jest kluczowe dla wydajności infrastruktury IT.
To kompleksowe podejście do zarządzania danymi jest warunkiem koniecznym dla skutecznych wdrożeń GenAI. Jakość i kompletność danych mają bezpośredni wpływ na to, jak dobrze radzą sobie agenci AI i jak precyzyjne są ich odpowiedzi. Data Cloud integruje różne źródła – takie jak systemy CRM, platformy bilingowe czy ankiety satysfakcji – aby stworzyć pełny profil klienta (Customer 360). Pomaga to zespołom serwisowym szybciej identyfikować potrzeby i reagować na nie. Jest to również fundament, na którym opiera się silnik wnioskujący Salesforce AI – Atlas Reasoning Engine.
Mózg operacji Salesforce AI: Atlas Reasoning Engine
Atlas Reasoning Engine to „mózg” całego rozwiązania Agentforce. Napędza on autonomicznych agentów AI, którzy usprawniają interakcje z klientami w niemal każdym obszarze biznesowym. Ten wyrafinowany silnik wykorzystuje zaawansowane techniki rozumowania, aby poprawnie zinterpretować intencje użytkownika i skutecznie wykonać powierzone zadania.
U swoich podstaw, architektura Atlas Reasoning Engine składa się z pięciu kluczowych komponentów:
- Rola (Role): Definiuje cel istnienia agenta oraz zakres jego obowiązków.
- Dane (Data): Określa wiedzę i zasoby informacyjne, do których agent ma dostęp.
- Działania (Actions): Opisuje możliwości operacyjne i zadania, które agent może technicznie wykonać.
- Reguły bezpieczeństwa (Guardrails): Ustanawia granice i restrykcje działań agenta, aby zapewnić zgodność z polityką firmy i bezpieczeństwo danych.
- Kanał (Channel): Określa medium, w którym agent operuje (interfejs tekstowy, głosowy lub inne aplikacje).
Komponenty Atlas Reasoning Engine w praktyce
Wymienione elementy płynnie ze sobą współpracują, tworząc agenta zdolnego do samodzielnej realizacji celów. Przykładowo, gdy użytkownik przesyła zapytanie, silnik weryfikuje je pod kątem zdefiniowanej roli agenta, lokalizuje odpowiednie dane, tworzy plan działania, a następnie go realizuje. Taka integracja sprawia, że agenci potrafią adaptować się do zmieniających się informacji i potrzeb użytkowników w czasie rzeczywistym.
Atlas Reasoning Engine pomaga firmom podnieść jakość obsługi klienta (CX), skrócić czas reakcji i dbać o satysfakcję odbiorców. To milowy krok w rozwoju technologii Salesforce AI, dający organizacjom możliwość łatwej automatyzacji nawet skomplikowanych procesów biznesowych (workflows).
Proces rozumowania w ekosystemie Salesforce AI
Atlas Reasoning Engine w ramach Salesforce Agentforce to system złożony, ale działający w sposób logiczny i uporządkowany. Jego cykl pracy składa się z czterech głównych etapów: Planowania, Oceny, Doprecyzowania i Pozyskania danych.
- Planowanie (Plan): Gdy użytkownik przesyła zapytanie, silnik najpierw opracowuje strategię działania na podstawie dostarczonych informacji i kontekstu rozmowy. Ten wstępny krok determinuje sposób reakcji agenta.
- Ocena (Evaluate): Następnie silnik weryfikuje, czy stworzony plan jest adekwatny. Analizuje dane i sprawdza, czy jest w stanie obsłużyć żądanie użytkownika. Jeśli potrzebne są dodatkowe informacje, system poprosi użytkownika o szczegóły.
- Doprecyzowanie (Refine): Po ocenie planu silnik wprowadza niezbędne korekty, aby zapewnić maksymalną precyzję i trafność odpowiedzi. Ten proces pozwala agentowi lepiej zrozumieć niuanse sytuacji.
- Pozyskanie (Retrieve): W ostatnim etapie silnik pobiera konkretne dane niezbędne do realizacji planu, dostarczając użytkownikowi precyzyjną i osadzoną w kontekście odpowiedź.
Atlas Reasoning Engine wykorzystuje ten ustrukturyzowany proces myślowy, aby upewnić się, że agenci Salesforce AI udzielają właściwych odpowiedzi szybko i bezbłędnie. Pozwala im to na pewną i w pełni autonomiczną obsługę złożonych interakcji.
Osiąganie wyników dzięki Salesforce AI: Podejmowanie działań
Agenci AI w ramach Agentforce nie tylko gromadzą informacje, ale przekuwają je w konkretne rezultaty biznesowe dzięki dynamicznemu procesowi wnioskowania.
Na początku agenci przeszukują zasoby, wykorzystując wyszukiwanie semantyczne (rozumienie znaczenia, a nie tylko słów kluczowych), aby odnaleźć zarówno ustrukturyzowane, jak i nieustrukturyzowane dane w Data Cloud. Proces ten obejmuje technikę RAG (Retrieval Augmented Generation), która pozwala na wyciąganie istotnych wniosków z zewnętrznych źródeł danych i baz wiedzy.
Agenci mogą również przeszukiwać internet, aby zdobyć informacje o firmach lub produktach, a następnie łączyć tę wiedzę zewnętrzną z wewnętrznymi politykami firmy. Dzięki temu generowane odpowiedzi są nie tylko merytoryczne, ale i zgodne z wytycznymi organizacji.
Rozwiązania te mogą być implementowane w różnych środowiskach Salesforce, w tym we Flows (Przepływach), API oraz klasach Apex. Agenci potrafią integrować informacje kontekstowe z istniejącymi procesami, co oznacza, że mogą obsługiwać wiele scenariuszy bez konieczności programowania „sztywnych” ścieżek dla każdego przypadku. Pomaga to firmom usprawnić operacje, skrócić czas reakcji i znacząco ulepszyć jakość interakcji z klientami.
Wszystkie te funkcje wspierają organizacje w podejmowaniu mądrych decyzji opartych na danych w czasie rzeczywistym (Data-Driven Decision Making).
Integracja, bezpieczeństwo i narzędzia Low-Code w Salesforce AI
Atlas Reasoning Engine w Salesforce Agentforce został wyposażony w szereg funkcji, które czynią go rozwiązaniem bezpiecznym i funkcjonalnym. Jednym z fundamentów jest tutaj Einstein Trust Layer.
Bezpieczeństwo i RODO
Dla polskich firm zgodność z RODO (GDPR) jest priorytetem. Einstein Trust Layer chroni dane, zapewniając do nich dostęp wyłącznie uprawnionym użytkownikom. Warstwa ta zabezpiecza wrażliwe informacje i maskuje dane osobowe (PII) jeszcze przed wysłaniem ich do modelu LLM. Dzięki temu firmy mogą korzystać z potencjału GenAI z poczuciem bezpieczeństwa, wiedząc, że standardy ochrony danych są rygorystycznie przestrzegane.
Low-Code
Silnik współpracuje z narzędziami typu low-code (niski kod), dzięki czemu użytkownicy biznesowi mogą tworzyć i dostosowywać agentów AI bez posiadania zaawansowanej wiedzy programistycznej. Ułatwia to organizacjom szybkie wdrażanie innowacji i tworzenie rozwiązań idealnie dopasowanych do ich specyfiki.
Ekosystem Salesforce
Głęboka integracja silnika z ekosystemem Salesforce czyni go potężnym narzędziem, pozwalającym na płynną współpracę z istniejącymi aplikacjami (Sales, Service, Marketing Cloud) i danymi. To powiązanie sprawia, że agenci mogą działać wydajnie w wielu kanałach jednocześnie.
Środki bezpieczeństwa
Atlas Reasoning Engine posiada wbudowane solidne mechanizmy bezpieczeństwa, w tym rygorystyczne protokoły uwierzytelniania i autoryzacji. Zaimplementowanie tych funkcji na poziomie architektury pozwala firmom wdrażać rozwiązania AI, które są nie tylko skuteczne, ale i odporne na zagrożenia.
Przyszłość jest teraz: jak Salesforce AI i Agentforce rewolucjonizują cyfrową pracę
W miarę rozwoju technologii, potencjał integracji GenAI z codziennymi operacjami biznesowymi rośnie wykładniczo. Zaawansowane wnioskowanie AI rozszerza możliwości pracowników i automatyzuje rutynowe zadania.
„Jesteśmy u progu rewolucyjnej transformacji – nadejścia cyfrowej siły roboczej.” — Marc Benioff
Marc Benioff, CEO Salesforce, podzielił się niedawno spostrzeżeniami na temat Agentforce jako przełomowego kroku w tworzeniu nowego rynku tzw. cyfrowej pracy (digital labor). Podkreślił, że w nowoczesnej gospodarce produktywność nie jest już ściśle powiązana ze wzrostem zatrudnienia, ale z innowacyjną technologią. Na polskim rynku, który boryka się z niedoborem specjalistów, koncepcja cyfrowych pracowników wspierających ludzkie zespoły jest szczególnie atrakcyjna.
Wyobraź sobie potencjał agentów AI współpracujących z Twoim zespołem, podejmujących decyzje i działania w Twoim imieniu przez 24 godziny na dobę. To rzeczywistość, która szybko staje się rynkowym standardem.
Czy jesteś gotowy na te zmiany i poprawę efektywności Twojej organizacji dzięki Salesforce AI? Doświadczony partner wdrożeniowy Salesforce może pomóc Ci skonfigurować i dostosować Agentforce do Twoich unikalnych potrzeb. Korzyści z cyfrowej transformacji są na wyciągnięcie ręki.
FAQ
Czym dokładnie jest Atlas Reasoning Engine w ekosystemie Salesforce AI?
Atlas Reasoning Engine to „mózg” rozwiązania Agentforce. Jest to zaawansowany silnik wnioskujący, który pozwala agentom AI nie tylko odpowiadać na proste pytania, ale także analizować intencje użytkownika, planować działania, weryfikować je i autonomicznie realizować zadania w systemie CRM, wykorzystując dostępne w firmie dane.
Jak Data Cloud wpływa na skuteczność agentów AI?
Data Cloud stanowi fundament dla Salesforce AI. Integruje on dane ustrukturyzowane (np. rekordy w bazie) i nieustrukturyzowane (np. e-maile, pliki PDF) w czasie rzeczywistym. Dzięki temu agenci mają dostęp do pełnego kontekstu klienta (Customer 360), co pozwala im udzielać precyzyjnych i spersonalizowanych odpowiedzi, eliminując ryzyko tzw. halucynacji AI.
Czy korzystanie z Agentforce jest bezpieczne w kontekście ochrony danych (RODO)?
Tak. Salesforce AI wykorzystuje warstwę zaufania Einstein Trust Layer. Mechanizm ten maskuje wrażliwe dane osobowe (PII) przed przesłaniem ich do modeli językowych (LLM) i zapewnia, że dane te nie są przechowywane ani wykorzystywane do trenowania zewnętrznych modeli, co jest kluczowe dla zachowania zgodności z europejskimi przepisami o ochronie danych.
Czym różni się Agentforce od tradycyjnych chatbotów?
Tradycyjne chatboty zazwyczaj działają na podstawie sztywnych skryptów i prostych drzew decyzyjnych. Agentforce, napędzany przez Atlas Reasoning Engine, działa autonomicznie – potrafi samodzielnie wyszukać brakujące informacje, zaplanować ścieżkę rozwiązania problemu i wykonać konkretną akcję (np. zmianę zamówienia w systemie) bez konieczności wcześniejszego zaprogramowania każdego możliwego scenariusza rozmowy.
Czy do wdrożenia agentów Salesforce AI potrzebna jest wiedza programistyczna?
Nie jest to konieczne. Agentforce opiera się na rozwiązaniach typu Low-Code. Dzięki temu administratorzy i analitycy biznesowi mogą konfigurować agentów, definiować ich role oraz dostęp do danych za pomocą intuicyjnych interfejsów graficznych, bez konieczności pisania skomplikowanego kodu programistycznego.
