Agentforce et IA sur Salesforce

IA connectée au processus.
Pas une démonstration déconnectée du travail réel.

Intégrer l'IA à une organisation commence par un processus défini, des données fiables, des permissions claires et une supervision humaine. Nous aidons à identifier les cas d'utilisation appropriés et à les intégrer dans votre environnement Salesforce de manière progressive et contrôlée.

Explorer l'adéquation d'Agentforce Examiner un système existant

Pour qui est-ce

Points de départ habituels pour l'IA dans Salesforce

Organisations qui utilisent déjà Salesforce et souhaitent identifier où l'IA apporte une réelle valeur ajoutée.
Équipes de service avec un volume élevé de cas qui cherchent à réduire le temps de gestion sans perdre en qualité.
Équipes de vente qui souhaitent gagner du temps en préparation, résumés et suivi.
Dirigeants qui ne parviennent pas à tirer parti des données organisationnelles existantes.
Organisations qui exigent une gouvernance et un contrôle avant de mettre l'IA en production.

Cas d'utilisation possibles

Où l'IA apporte une réelle valeur ajoutée

Résumé de cas et d'appels
Recherche dans la base de connaissances d'entreprise
Recommandations de prochaine meilleure action
Libre-service
Classification et routage des cas
Création de tâches
Compléter les informations manquantes
Rédaction de réponses
Préparation des commerciaux avant un appel
Détection d'anomalies
Assistance aux rapports de gestion
Agentforce pour les processus définis

Problèmes résolus par ce service

Pourquoi les projets d'IA restent au stade de POC

Enthousiasme sans concentration

De nombreuses organisations partent de la technologie au lieu du problème. Nous identifions deux ou trois cas d'utilisation fréquents, mesurables et améliorables, et nous commençons par là.

Données non préparées pour un agent

L'IA expose toute faille dans les données : champs vides, doublons, sources contradictoires. Nous révisons les données avant de construire l'agent.

Préoccupations réglementaires et de sécurité

Ce que l'agent voit, ce qu'il peut faire, comment il est enregistré. Nous définissons une couche de confiance (Trust Layer), une politique de prompts et une piste d'audit avant la mise en production.

Les POC qui n'atteignent jamais la production

Un POC sans critères de succès définis devient une belle démonstration. Nous définissons à l'avance ce que signifie 'approuvé' et comment c'est mesuré.

Principes de travail

Une approche responsable pour adopter l'IA

Partir du processus

Nous n'ajoutons pas d'IA simplement parce que la capacité existe. Nous définissons d'abord le problème, l'utilisateur et le résultat souhaité.

Revoir les données

Un agent d'IA ne peut pas compenser des données peu fiables, des permissions incorrectes ou un processus peu clair.

Maintenir les personnes au contrôle

Les actions ayant un impact réel sur les affaires, les finances ou le service nécessitent un mécanisme d'approbation adéquat.

Définir les permissions

L'agent n'accède qu'aux données et actions dont il a réellement besoin pour son rôle.

Commencer avec un champ d'application limité

Construire un cas d'utilisation, mesurer le résultat et seulement ensuite l'étendre.

Mesurer la qualité

Suivre la précision, l'utilisation, le temps économisé, les exceptions et les retours des utilisateurs.

Processus d'implémentation

Huit étapes contrôlées

01
Sélection du cas d'utilisation
02
Révision des données et des permissions
03
Conception de la conversation et des actions
04
Construction d'un prototype
05
Tests avec les utilisateurs
06
Définition des garde-fous
07
Déploiement par phases
08
Surveillance et amélioration

Point de décision

Une brève conversation sur votre premier cas d'utilisation

Ensemble, nous identifierons quels processus sont prêts pour l'IA et lesquels doivent être améliorés au niveau du processus avant d'intégrer un agent.

Demander une consultation

Facteurs de décision

Quatre décisions qui déterminent si l'IA atteint la production

Agentforce natif vs. développement sur mesure

Quand choisir les actions Agentforce natives et quand il est nécessaire de développer des outils spécifiques ou d'appeler un système externe.

Portée de l'autonomie de l'agent

Décider dans quelle mesure l'agent agit de manière indépendante, quand il propose pour approbation humaine et quand il délègue complètement la tâche à un commercial.

Prix et modèle opérationnel

L'utilisation de l'IA consomme des crédits. Dimensionner correctement le contexte, la longueur du prompt et la fréquence d'utilisation affecte directement le coût opérationnel.

Surveillance et amélioration continue

Mesurer non seulement le résultat de l'agent, mais aussi le comportement des utilisateurs autour de lui : quelles actions ont été approuvées, quelles ont été rejetées et ce qui est remonté à une personne.

Erreurs courantes

Modèles à éviter dans l'implémentation de l'IA

Construire un agent d'IA avant d'avoir un processus métier défini.
Accorder à l'agent des autorisations trop larges par commodité de développement.
Exposer une source de données sans la réviser et faire confiance au modèle pour 'se débrouiller'.
Ignorer l'approbation humaine pour des actions ayant un impact financier ou de service.
Mettre l'agent en fonctionnement sans journaux ni surveillance, sans pouvoir apprendre et s'améliorer.

Approfondir

Guides et services connexes

Foire aux questions

Agentforce et IA — questions habituelles

Qu'est-ce qu'Agentforce ?

Agentforce est la couche d'IA de Salesforce pour créer des agents autonomes qui exécutent des tâches au sein des processus de ventes, de service et d'opérations, avec un accès gouverné aux données, des permissions, des outils externes et des mécanismes d'approbation humaine si nécessaire.

Est-il nécessaire d'avoir Data Cloud pour utiliser Agentforce ?

Pas nécessairement. Certains cas d'utilisation fonctionnent directement avec les données standard de Salesforce. Data Cloud prend de l'importance lorsque l'agent doit s'appuyer sur plusieurs sources, des données non structurées ou des informations en temps réel provenant de systèmes externes.

Quelle est la différence entre Agentforce et un chatbot ?

Un chatbot traditionnel suit un script prédéfini. Agentforce utilise un modèle linguistique pour comprendre l'intention, choisir les outils, agir sur les données et maintenir une conversation. De plus, il sait rediriger une tâche vers une personne lorsque le scénario dépasse ce qui a été configuré.

L'utilisation de l'IA expose-t-elle des informations sensibles ?

Non, si implémenté correctement. L'agent opère sous la couche de permissions de Salesforce ; il est possible de définir une couche de confiance (Trust Layer), de bloquer les champs sensibles et d'enregistrer chaque action. Nous définissons la gouvernance et les contrôles avant qu'un agent n'entre en production.

Comment savoir si un cas d'utilisation est adapté à l'IA ?

L'adoption de l'IA a du sens lorsqu'il y a un volume pertinent d'une même tâche répétée, l'information nécessaire existe et est bien organisée, il y a un résultat mesurable et un coût clair à continuer d'exécuter manuellement. Les cas d'utilisation sans ces caractéristiques justifient rarement l'investissement.

Prochaine étape

Explorer l'adéquation d'Agentforce

Nous évaluerons quels scénarios sont prêts pour un agent d'IA, ce qui est nécessaire en termes de données et de permissions, et par où commencer.