Salesforce belooft grip op AI-agents met nieuwe Agentic Lifecycle Management

Salesforce belooft grip op AI-agents met nieuwe Agentic Lifecycle Management

Salesforce stelde z’n klanten eerder al in staat AI-agents te bouwen via Agentforce en liep daarmee ver voor de troepen vooruit. Het bedrijf trekt nog een extra sprintje en komt nu ook met de logische vervolgstap, namelijk een reeks tools om dergelijke agents te testen, te monitoren en bij te sturen. Dit alles onder de verzamelnaam Agentic Lifecycle Management.

De nieuwe gereedschapskist moet bedrijven in staat stellen op een veilige manier AI-agents te prototypen, op schaal te brengen en te optimaliseren zonder de live productieomgevingen te verstoren.

Over AI-agents, in feite op maat gesneden mini-AI-modellen die vaak gericht zijn op één specifieke taak, hebben we al vaker geschreven, zie bewijsstuk A, B en C. Nu hierin steeds meer aanbod komt en ook steeds meer bedrijven er interesse in tonen, is het zaak dat de agents ook goed (blijven) werken.

Veelal zijn ze getraind met bedrijfseigen data of zijn ze voor hun training en werking afhankelijk van gevoelige info. Verder zijn er allerlei operationele hobbels te nemen en blijft altijd het risico bestaan van foutieve input. Met de tools in het Agentic Lifecycle Management-pakket is het mogelijk agents via no-code toepassingen verder te testen, in de gaten te houden en bij te sturen.

Een ‘grenzeloos personeelsbestand’

Agentforce helpt bedrijven een grenzeloos personeelsbestand op te bouwen te creëren”, aldus Adam Evans die bij Salesforce aan het roer staat van diens AI Platform. “Om deze belofte snel te kunnen doen, hebben CIO’s nieuwe tools nodig voor het testen en monitoren van Agentforce-systemen.”

Dat kan vanuit de centrale nieuwe toepassing Agentforce Testing Center, waarmee beheerders honderden klantinteracties kunnen simuleren met behulp van testcases die door AI zijn gegenereerd. Dat stelt bedrijven in staat het gedrag van hun agents verfijnen, wat hen beter in staat moet stellen om te gaan met echte scenario’s. Zo is het mogelijk om vergelijkbare cases parallel aan elkaar op te voeren en te kijken hoe vaak de agent het gewenste antwoord geeft. Vervolgens kan de agent geïnstrueerd worden om het meest wenselijke of bruikbare antwoord in de juiste gevallen vaker te geven.

Trainen voor de wedstrijd

Is het model op smaak gebracht, dan is het tijd om deze te onderwerpen aan allerhande stresstests in Sandboxes. Dit zijn geïsoleerde trainingsveldjes die productieomgevingen zo goed mogelijk nabootsen. Dat maakt het mogelijk ze te testen zonder dat de live omgeving daar last van heeft. Is alles naar wens, dan zijn de agents over te brengen voor hun echte ‘wedstrijd’: de liveomgeving. Deze functionaliteit is overigens ook beschikbaar voor Data Cloud., wat de fundering is onder de AI agents van Salesforce.

Tip: Marc Benioff is on fire, nooit eerder was de CEO van Salesforce zo uitgesproken

Naast deze opties biedt Salesforce in dit pakket ook geavanceerde monitoring. De nieuwe Agentforce Analytics- en Utterance Analysis-tools bieden op detailniveau inzicht in het gebruik en de prestaties van agents. Deze oplossingen zijn verweven met de Einstein Trust Layer. Die zorgt ervoor dat de handelingsruimte van de AI-agent compliant blijft met het bedrijfsbeleid en op een veilige manier kan putten uit bestaande, bedrijfseigen databronnen als productdetails, aankoopgeschiedenis, klantvoorkeuren, garantie en voorraadinformatie. Dit sluit als het ware de feedback-lus van de agent.

Al deze bewerkingen, het testen en aanscherpen van de agents kost natuurlijk geld. Het complete verbruik valt te monitoren in de Digital wallet van Salesforce, dat een gedetailleerd overzicht biedt van de gebruikte resources. Dreigen het middelenverbruik te gortig te worden, dan kunnen gebruikers alerts instellen.

Lees ook: Salesforce’s Agentforce gelanceerd met torenhoge verwachtingen