Agentforce ו-AI בסביבת Salesforce
AI שמחובר לתהליך.
לא הדגמה שמנותקת מהעבודה.
שילוב AI בארגון מתחיל בתהליך מוגדר, מידע אמין, הרשאות ברורות ובקרה אנושית. אנחנו מסייעים לזהות שימושים מתאימים ולשלב אותם בתוך סביבת Salesforce באופן מדורג ומבוקר.
למי השירות מתאים
נקודות התחלה טיפוסיות ל-AI ב-Salesforce
- ארגונים שכבר עובדים על Salesforce ורוצים לזהות איפה AI באמת תורם ערך.
- צוותי שירות עם נפח פניות גבוה שמחפשים לצמצם זמני טיפול בלי לפגוע באיכות.
- צוותי מכירות שרוצים לחסוך זמן בהכנה, בסיכומים ובמעקב.
- מנהלים שנתקלים בקושי להוציא תובנות ממידע ארגוני קיים.
- ארגונים שדורשים Governance ובקרה לפני שנכנסים ל-AI בייצור.
שימושים אפשריים
היכן AI תורם ערך אמיתי
- סיכום פניות ושיחות
- חיפוש בידע ארגוני
- המלצת Next Best Action
- שירות עצמי
- סיווג וניתוב פניות
- יצירת משימות
- השלמת מידע חסר
- ניסוח טיוטות
- הכנת נציג לפני שיחה
- זיהוי חריגות
- סיוע למנהלים בדוחות
- Agentforce לתהליכים מוגדרים
בעיות שהשירות פותר
למה פרויקטי AI תקועים ב-POC
התלהבות בלי מיקוד
הרבה ארגונים מתחילים מהטכנולוגיה במקום מהבעיה. אנחנו מזהים 2–3 Use Cases שקורים לעיתים קרובות, מדידים וברי־שיפור, ומתמקדים בהם קודם.
נתונים שלא מוכנים לסוכן
AI חושף כל בעיה במידע — שדות ריקים, כפילויות, מקורות סותרים. אנחנו בודקים את המידע לפני שהסוכן נבנה.
חשש רגולטורי ואבטחתי
מה הסוכן רואה, מה הוא רשאי לעשות, איך זה מתועד. אנחנו מגדירים Trust Layer, מדיניות פרומפטים ו-Audit לפני עלייה לאוויר.
פרויקטי POC שלא עולים לייצור
POC שלא הוגדרו לו קריטריוני הצלחה נשאר כדגמה נחמדה. אנחנו מגדירים מראש מה נחשב 'עבר' ואיך מודדים אותו.
עקרונות עבודה
גישה אחראית לשילוב AI
מתחילים מתהליך
לא מוסיפים AI רק משום שהיכולת קיימת. מגדירים בעיה, משתמש ותוצאה רצויה.
בודקים את המידע
סוכן AI אינו יכול לפצות על מידע לא אמין, הרשאות שגויות או תהליך לא ברור.
שומרים על בקרה אנושית
פעולות בעלות משמעות עסקית, כספית או שירותית צריכות לכלול מנגנון אישור מתאים.
מגדירים הרשאות
הסוכן מקבל גישה רק למידע ולפעולות הנחוצים לתפקידו.
מתחילים בהיקף מוגבל
בונים Use Case אחד, מודדים את התוצאה ורק לאחר מכן מרחיבים.
מודדים איכות
בודקים דיוק, שימוש, זמן שנחסך, חריגות ומשוב משתמשים.
תהליך היישום
שמונה שלבים מבוקרים
- 01
בחירת Use Case
- 02
בדיקת נתונים והרשאות
- 03
תכנון השיחה והפעולות
- 04
בניית Prototype
- 05
בדיקה עם משתמשים
- 06
הגדרת Guardrails
- 07
עלייה מדורגת
- 08
Monitoring ושיפור
נקודת החלטה
שיחה קצרה על ה-Use Case הראשון
בשיחה נסמן יחד את התהליכים שבשלים ל-AI, ואת אלה שכדאי להשאיר לתיקון תהליכי לפני שנכנסים לסוכן.
שיקולי החלטה
ארבע החלטות שקובעות אם ה-AI ייצא לייצור
Agentforce מובנה מול פיתוח מותאם
מתי לבחור ב-Agentforce Actions מובנים, ומתי צריך פיתוח כלים ייעודי או קריאה למערכת חיצונית.
היקף האוטונומיה של הסוכן
החלטה כמה הסוכן פועל לבד, מתי הוא מציע לאדם לאשר, ומתי הוא מעביר משימה במלואה לנציג.
מודל תמחור והפעלה
שימושי AI צורכים קרדיטים. תכנון נכון של הקשר, אורך פרומפטים ותדירות שימוש משפיע ישירות על עלות תפעולית.
Monitoring ושיפור מתמשך
מודדים לא רק את התוצאה של הסוכן אלא גם את התנהגות המשתמשים סביבו — אילו פעולות אושרו, אילו נדחו, ומה חוזר לצוות אנושי.
טעויות נפוצות
דפוסים שכדאי להימנע מהם ביישום AI
- לבנות סוכן AI לפני שיש תהליך עסקי מוגדר.
- לתת לסוכן הרשאות רחבות מדי מתוך נוחות פיתוח.
- לחשוף מקור מידע לא בדוק ולסמוך על כך שהמודל 'יסתדר'.
- לוותר על אישור אנושי בפעולות שיש להן השפעה כספית או שירותית.
- להשיק בלי לוגים ו-Monitoring — אין דרך ללמוד ולשפר.
שאלות נפוצות
Agentforce ו-AI — שאלות שחוזרות
מה זה Agentforce?
האם צריך Data Cloud כדי להשתמש ב-Agentforce?
מה ההבדל בין Agentforce לצ׳אטבוט?
האם השימוש ב-AI חושף מידע רגיש?
איך יודעים שה-Use Case מתאים ל-AI?
השלב הבא
לבחון התאמה של Agentforce
נבדוק אילו תרחישים בשלים לסוכן AI, מה נדרש בדאטה ובהרשאות, ומאיפה נכון להתחיל.
השלב הבא
שיחה על Agentforce ו-AI
נבדוק יחד באילו תהליכים ה-Use Case הראשון בשל, ומהי התשתית הנדרשת.