Certified Agentforce Specialist

Al configurar una Biblioteca de Datos de Agentforce, se generan automáticamente estos componentes:

1- Flujo de Datos – Facilita la ingesta continua de información.
2- Índice de Búsqueda – Organiza los datos para una recuperación eficiente.
3- Recuperador – Extrae datos relevantes del índice para la IA.
Estos elementos optimizan el acceso a datos y mejoran la precisión de las respuestas de IA.

En la generación de campos de Agentforce, el campo generado por IA debe estar vinculado explícitamente a la plantilla de solicitud en el diseño de página Lightning para que muestre el icono de Sparkle. Aunque el especialista de Agentforce creó, probó y activó la plantilla, no logró asociarla con la plantilla en el diseño de página Lightning, lo cual es necesario para habilitar la generación de campos con IA.

La respuesta correcta es “Crear plantillas de prompts concisas, claras y consistentes con grounding efectivo, rol contextual, instrucciones claras y retroalimentación iterativa.” Esto se debe a que las plantillas de prompts bien estructuradas garantizan que la IA genere resúmenes precisos y relevantes al proporcionar instrucciones claras, datos de grounding y contexto. Refinar los prompts mediante pruebas y retroalimentación mejora la calidad y consistencia de las respuestas, corrigiendo discrepancias en la información generada por la IA.

En el contexto de los índices de búsqueda y recuperadores dentro de Salesforce Data Cloud, el proceso de preparación de datos está diseñado para optimizar los datos para una recuperación eficiente y un grounding en aplicaciones de inteligencia artificial.

En el Prompt Builder de Salesforce, los campos de combinación permiten incorporar dinámicamente datos de registros relacionados en tus plantillas de prompt. Para generar un resumen de todas las oportunidades relacionadas para una cuenta dada, puedes utilizar la lista relacionada predeterminada de oportunidades a través de campos de combinación.

Para incorporar datos de cinco objetos no relacionados (dos estándar y tres personalizados) en un boletín de marketing, Universal Containers debería utilizar una Plantilla de Prompt de tipo Flex dentro del Prompt Builder de Salesforce. Las Plantillas de Prompt Flex ofrecen la versatilidad para generar contenido adaptado a necesidades comerciales únicas al permitir la inclusión de múltiples fuentes de datos.

En Agentforce, el motor de razonamiento, conocido como Atlas Reasoning Engine, actúa como el “cerebro” del sistema de IA, permitiéndole imitar capacidades humanas de toma de decisiones y resolución de problemas. Su función principal es interpretar las entradas de los usuarios (expresiones), determinar los temas apropiados y seleccionar las acciones correspondientes para generar respuestas precisas y contextualmente relevantes

En la Plataforma Agentforce de Salesforce, la asignación de acciones a agentes implica organizar estas acciones bajo temas específicos dentro del Constructor de Agentes. Este proceso garantiza que el agente de IA pueda utilizar eficazmente las acciones asignadas en respuesta a las entradas relevantes de los usuarios.

Una Biblioteca de Datos de Agentforce simplifica el proceso de proporcionar a los agentes de IA información precisa y actualizada al automatizar varias tareas clave:​

1. ​Ingesta de Datos:​ La Biblioteca de Datos importa automáticamente datos de fuentes especificadas, asegurando que la información sea actual y relevante.​
​2. Indexación de Datos:​ Una vez ingeridos, los datos se organizan e indexan sistemáticamente, facilitando su recuperación eficiente durante las interacciones de IA.​
​3. Creación de un Recuperador Predeterminado:​ Se establece un recuperador predeterminado dentro de la Biblioteca de Datos, permitiendo que los prompts y agentes accedan y utilicen los datos indexados de manera efectiva. Esto garantiza que las respuestas de IA estén basadas en información precisa y pertinente.​
Al automatizar estos procesos, la Biblioteca de Datos de Agentforce mejora la precisión y confiabilidad de las respuestas generadas por IA, conduciendo a interacciones más productivas con los clientes.

Para rellenar dinámicamente un campo de formulario con contenido generado por un modelo de lenguaje grande (LLM) y mantener la supervisión humana, la plantilla de prompt de Generación de Campo es la opción más adecuada. Este tipo de plantilla está diseñada específicamente para integrar capacidades de IA generativa directamente en los campos de registro de Salesforce, permitiendo la generación de resúmenes dinámicos, descripciones y más. Al configurar una plantilla de generación de campo, los usuarios pueden activar el LLM para producir contenido para un campo específico en un registro, como un resumen de caso o una descripción de producto. Este proceso implica:​

​1. Crear una Plantilla de Prompt de Generación de Campo:​ Definir la plantilla para instruir al LLM sobre el resultado deseado, incorporando datos de CRM según sea necesario.​ Por ejemplo, generar un resumen de los comentarios de un caso de soporte.​
2. ​Configurar el Campo en Lightning App Builder (LAB):​ Agregar el campo objetivo a un componente dentro de LAB.​
Asignar la plantilla de prompt de generación de campo al campo del formulario, permitiendo que el botón de Einstein active la respuesta del LLM.​
​3. Implementar Prácticas de Humano en el Bucle (HITL):​ Asegurar que los usuarios revisen y aprueben el contenido generado por IA antes de que se finalice o se envíe a los clientes.​ Esta práctica mejora la confianza y precisión en las salidas de IA.​
Este enfoque se alinea con el objetivo de facilitar conversaciones más productivas con los clientes mientras se mantiene la supervisión humana, ya que los usuarios pueden revisar y editar el contenido generado por IA antes de su utilización.

En Salesforce, el objeto Sesión de Mensajería almacena la transcripción de la conversación entre un cliente y un agente. Este objeto captura los detalles de las interacciones que ocurren a través de los canales de mensajería, asegurando que tanto el contenido como el contexto de las conversaciones se conserven.

Antes de activar una acción personalizada de Agent, es fundamental comprender cómo diversas expresiones de usuarios en situaciones reales activarán e interactuarán con la acción. El Model Playground es una herramienta que le permite crear, editar y evaluar sus configuraciones de modelo sin necesidad de una configuración extensa o experiencia técnica especializada. Este entorno le permite probar cómo se procesan diferentes entradas de usuario, asegurando que su acción personalizada de Agent responda adecuadamente a una variedad de expresiones. ​

Para integrar datos de objetos unificados de Data Cloud en plantillas de prompt, Universal Containers (UC) debería utilizar un Template-triggered prompt flow . Este tipo de flujo está diseñado específicamente para interactuar sin problemas con las plantillas de prompt, permitiendo la incorporación de lógica compleja y la recuperación de datos de objetos de Data Cloud. Al hacerlo, UC puede fundamentar dinámicamente sus plantillas de prompt con datos relevantes, mejorando la precisión y personalización de las respuestas generadas por la IA.

En la biblioteca de datos de Agentforce de Salesforce, una vez seleccionada una fuente de datos durante la creación de la biblioteca, no se puede modificar posteriormente. La selección de la fuente de datos es fundamental para la configuración de la biblioteca y no se permite modificarla después de su creación. Si se requiere una fuente de datos diferente, se debe crear una nueva biblioteca con la fuente deseada.

En Salesforce, la visibilidad y funcionalidad de las características de IA generativa, como el ícono junto a un campo de resumen, están controladas por conjuntos de permisos específicos. Aunque todos los usuarios de ventas compartan el mismo perfil, los conjuntos de permisos individuales pueden otorgar o restringir el acceso a ciertas funciones. El conjunto de permisos Usuario de Plantilla de Prompt es esencial para que los usuarios accedan y utilicen las plantillas de prompt asociadas con las funcionalidades de IA generativa. Si un usuario carece de este conjunto de permisos, no verá el ícono habilitado para IA generativa junto al campo de resumen, incluso si su perfil es idéntico al de otros que sí tienen acceso.

Para que Universal Containers pueda enviar correos electrónicos de marketing que se alineen estrechamente con los intereses expresados por sus clientes, es recomendable utilizar una plantilla de correo electrónico de ventas personalizada que esté fundamentada en la información de intereses y productos. Esta estrategia permite personalizar el contenido del correo electrónico de acuerdo con las preferencias específicas de cada cliente, aumentando la relevancia y eficacia de la comunicación. Al incorporar datos específicos sobre los intereses del cliente y los productos que coinciden con esos intereses, la plantilla puede generar mensajes más atractivos y personalizados.

Para permitir que los agentes de servicio de Universal Containers consulten el estado actual de cumplimiento de un pedido utilizando lenguaje natural, y considerando que existe un flujo autolanzado que recupera esta información desde Oracle ERP, el enfoque óptimo es crear una acción personalizada de Agent que invoque este flujo. Este método aprovecha la automatización existente y la integra sin problemas en el marco de Agentforce, permitiendo a los agentes utilizar IA conversacional para acceder eficientemente a los estados de cumplimiento de pedidos.

Cuando se inicia un chat con un cliente, Einstein Service Replies proporciona respuestas generadas por IA o borradores de correos electrónicos basados en artículos recomendados de la base de conocimientos. Esta funcionalidad permite que los agentes de soporte reciban sugerencias de respuestas basadas en la Knowledge Base de la organización, mejorando la precisión y rapidez en la atención al cliente.

Salesforce proporciona una acción estándar llamada “Find Similar Opportunities” que permite a los usuarios buscar y obtener una lista de oportunidades similares a una oportunidad específica en Salesforce. Esta funcionalidad está diseñada para ayudar a los representantes de ventas a identificar oportunidades que comparten características con oportunidades previamente ganadas, facilitando así estrategias de ventas más efectivas

En Salesforce, cuando se trabaja con plantillas de prompt flexibles (Flex Prompt Templates), el botón Vista previa (Preview) permite al administrador comprobar la respuesta generada por el modelo de lenguaje grande (LLM). Si el botón de Vista previa está atenuado, suele ser porque no se han seleccionado registros relacionados.

¿Por qué sucede esto?

Las plantillas de prompt flexibles dependen de datos dinámicos de los registros de Salesforce. Si no se han seleccionado registros para el prompt, el sistema no tiene datos de entrada para generar una vista previa, lo que impide que se muestre una respuesta.

Al crear una acción personalizada en Agentforce, es fundamental centrarse en las Instrucciones de la Acción. Estas instrucciones sirven como guía principal para el agente de IA, detallando cómo ejecutar la acción de manera efectiva. Al probar y refinar meticulosamente las instrucciones de la acción, se asegura de que el agente de IA comprenda y realice las tareas deseadas con precisión.

En Salesforce, los conjuntos de permisos se utilizan para otorgar permisos específicos a los usuarios, ampliando su acceso más allá de lo definido en sus perfiles. Para permitir que los representantes de ventas accedan e interactúen con el agente Representante de Desarrollo de Ventas (SDR) de Agentforce, deben tener asignado el conjunto de permisos “Usar Agentforce SDR Agent”. Sin este conjunto de permisos, los representantes de ventas no podrán localizar ni utilizar el agente SDR dentro de Salesforce.

En Salesforce, los conjuntos de permisos se utilizan para otorgar permisos específicos a los usuarios, ampliando su acceso más allá de lo definido en sus perfiles. Para permitir que un agente de servicio de Agentforce asista a los clientes con problemas relacionados con el nuevo proceso de reemplazo de productos, es esencial garantizar que el agente tenga los permisos necesarios para acceder al objeto personalizado de Reemplazo de Producto. Asignar acceso de lectura a este objeto a través de un conjunto de permisos permite al agente ver e interactuar con los datos relevantes, facilitando un soporte efectivo al cliente.

Para contactar eficientemente a clientes potenciales a gran escala con soluciones altamente relevantes y comunicaciones personalizadas, Seguimiento de Clientes Potenciales de Einstein de Salesforce es la solución más adecuada. Esta función utiliza inteligencia artificial para analizar datos e interacciones de clientes potenciales, permitiendo a los gerentes de ventas priorizar eficazmente y personalizar las comunicaciones basadas en los comportamientos y preferencias individuales de cada cliente potencial. Al automatizar el proceso de seguimiento, garantiza un compromiso oportuno y personalizado, aumentando la probabilidad de conversión.

Para integrar un sistema heredado con Salesforce y utilizar la función de API generativa para crear un resumen de los planes de acción de cuentas, Universal Containers (UC) debería emplear la REST API. La REST API proporciona un método flexible y eficiente para que los sistemas externos interactúen con las capacidades de inteligencia artificial generativa de Salesforce, permitiendo la generación de contenido como resúmenes o planes de acción.

En Agentforce de Salesforce, la acción “Responder Preguntas con Conocimiento” utiliza Data Cloud para almacenar y gestionar eficazmente los artículos de conocimiento indexados. Esta integración permite que el agente de IA acceda y recupere información relevante de manera rápida, asegurando respuestas precisas y coherentes a las consultas de los usuarios.

Para proporcionar respuestas rápidas y relevantes basadas en la base de conocimientos de la organización durante interacciones de chat de alto volumen, Universal Containers (UC) debería utilizar Einstein Service Replies. Esta función aprovecha la inteligencia artificial generativa para analizar el contexto de los chats de clientes en curso y generar respuestas en tiempo real elaboradas por IA. Al integrarse con los artículos de conocimiento existentes de UC, Einstein Service Replies garantiza que las respuestas sean coherentes y precisas, mejorando tanto la eficiencia del agente como la satisfacción del cliente.

Para minimizar la latencia al fundamentar las respuestas de IA, es crucial configurar el recuperador de manera eficiente:​

Filtros Eficientes: Definir filtros precisos para el recuperador garantiza que las búsquedas se limiten a los datos más relevantes. Este enfoque dirigido reduce el volumen de datos procesados, lo que conduce a tiempos de recuperación más rápidos y una latencia reducida.

Para proporcionar al equipo de ventas de Universal Containers (UC) visibilidad automática posterior a las llamadas sobre menciones de competidores, productos y otras frases personalizadas, se debe utilizar la función Call Insights. Call Insights analiza las llamadas de voz y video en busca de frases clave, temas y menciones, destacando automáticamente detalles críticos como menciones de competidores, discusiones de productos y frases personalizadas especificadas por el equipo de ventas.

Cuando los usuarios informan que las respuestas proporcionadas por el agente no son satisfactorias, especialmente cuando el agente utiliza archivos PDF como fuente de conocimiento, es fundamental examinar la configuración del recuperador:​

1. Criterios de Filtro: Asegurarse de que los filtros del recuperador estén configurados correctamente para acceder a datos relevantes de los archivos PDF. Filtros incorrectos o demasiado restrictivos pueden impedir que el recuperador obtenga información pertinente.​
2. Conexión a la Fuente de Datos: Confirmar que la conexión a la fuente de datos esté activa y correctamente configurada. Una conexión defectuosa o mal configurada puede obstaculizar la capacidad del recuperador para acceder a la base de conocimientos necesaria.​
Al verificar estos aspectos, Universal Containers puede identificar y corregir problemas que afectan la calidad de las respuestas del agente.

Al configurar un recuperador en Salesforce Data Cloud, este depende del índice de búsqueda para acceder y recuperar campos de datos. Si falta un campo requerido durante la configuración del recuperador, esto indica que el índice de búsqueda no incluye este campo. Para resolver este problema, se debe actualizar el índice de búsqueda para incluir el campo deseado. Después de la actualización, el recuperador podrá acceder y utilizar este campo según sea necesario.​

Consideración de Otras Opciones:

Modificar la configuración del recuperador para incluir el campo deseado: El recuperador solo puede acceder a los campos que están presentes en el índice de búsqueda. Si el campo falta en el índice de búsqueda, ajustar la configuración del recuperador por sí solo no resolverá el problema.​

Crear un nuevo objeto personalizado en Data Cloud que incluya el campo deseado: Crear un nuevo objeto personalizado es innecesario si el campo deseado puede incorporarse en el índice de búsqueda existente. Este enfoque añadiría complejidad innecesaria.

Cuando se despliegan agentes de Agentforce que utilizan flows, Apex y otros metadatos relacionados con el agente, Salesforce proporciona varias opciones de implementación:

1. Conjuntos de Cambios (Change Sets): Una herramienta de interfaz gráfica dentro de Salesforce que permite seleccionar componentes, incluyendo flows, clases de Apex y metadatos relacionados con el agente, y desplegarlos de un entorno de Salesforce a otro.
2. CLI de Salesforce / Metadata API:nHerramientas de línea de comandos y APIs que permiten la extracción e implementación automatizada de componentes de metadatos. Estas herramientas son compatibles con los metadatos de Agentforce, lo que permite procesos de implementación escalables y automatizados.
Ambos métodos permiten desplegar flows, Apex y metadatos relacionados con el agente, ofreciendo flexibilidad en función de la estrategia y preferencias de implementación de la organización.

El proceso correcto para utilizar Prompt Builder en una organización de Salesforce implica:

1. Seleccionar el tipo de plantilla de solicitud adecuado – Elegir entre diferentes plantillas como Flex, Resumen de Registros o Generación de Campos según la necesidad del negocio.
2. Desarrollar la solicitud dentro del espacio de trabajo de solicitudes – Escribir y estructurar la solicitud en el espacio de trabajo designado.
3. Seleccionar recursos para insertar dinámicamente datos de CRM – Asegurar que la solicitud recupere datos relevantes de Salesforce utilizando campos de combinación, flujos y listas relacionadas.
4. Elegir el modelo a utilizar – Seleccionar el modelo de lenguaje grande (LLM) apropiado para generar respuestas.
5. Probar y validar las respuestas generadas – Revisar los resultados para refinar la precisión y relevancia antes de implementarlo en producción.
Este enfoque estructurado garantiza que las solicitudes generen respuestas confiables y contextualmente relevantes mientras se integran sin problemas con los datos de Salesforce.

Consideración de Otras Opciones:

La primera opción (“Seleccionar el tipo de plantilla de solicitud adecuado a utilizar, seleccionar una de las solicitudes estándar de Salesforce, determinar el objeto al que se asociará la solicitud, seleccionar un registro para validar y asociar la solicitud a una acción.”): Esta respuesta es incorrecta porque no menciona los pasos cruciales de desarrollar la solicitud y seleccionar el modelo.
La tercera opción (“Habilitar el objeto de destino para la generación de solicitudes, desarrollar la solicitud dentro del espacio de trabajo de solicitudes, seleccionar registros para ajustar y fundamentar la respuesta, habilitar la Capa de Confianza (Trust Layer) y asociar la solicitud a una acción.”): Esta opción es incorrecta porque habilitar la generación de solicitudes en un objeto no es un paso requerido en Prompt Builder, y la Capa de Confianza (Trust Layer) se configura por separado.

Al implementar Agentforce, UC puede mejorar significativamente su eficiencia operativa al agilizar flujos de trabajo y automatizar tareas repetitivas. Agentforce es una plataforma de inteligencia artificial que permite a las empresas crear, personalizar y desplegar agentes de IA autónomos capaces de manejar diversas funciones comerciales sin intervención humana. Estos agentes pueden ejecutar tareas como automatizar el soporte al cliente, simplificar procesos de ventas, generar contenido de marketing y optimizar flujos de trabajo internos, lo que conduce a una mayor productividad y eficiencia.

Para auditar, rastrear y visualizar datos enmascarados dentro de la Capa de Confianza de Agentforce, las organizaciones deben utilizar la pista de auditoría que captura y almacena todos los prompts enviados a los Modelos de Lenguaje Extenso (LLMs) en Data Cloud. Esta pista de auditoría permite una monitorización y verificación exhaustiva de las actividades de enmascaramiento de datos, asegurando que la información sensible esté protegida adecuadamente.

Para analizar registros de llamadas de voz y video en busca de información sobre menciones de competidores, oportunidades de coaching y otros datos clave, la función Explorador de llamadas es la más adecuada. Como parte de Agentforce, el Explorador de llamadas permite a los equipos de ventas analizar llamadas, detectar patrones e identificar áreas de mejora. Utiliza procesamiento de lenguaje natural (NLP) para extraer información, incluidas menciones de competidores y momentos de coaching, que son vitales para mejorar el rendimiento de ventas al proporcionar una comprensión clara de las interacciones durante las llamadas.

Para mejorar las operaciones de servicio al cliente utilizando Agentforce, Universal Containers (UC) debe configurar el sistema para que las respuestas generadas por IA se basen en datos de los objetos Caso y Conocimiento. Estos objetos son compatibles para grounding y proporcionan información relevante para generar respuestas de IA precisas.

Prompt Builder es una herramienta de Salesforce diseñada para ayudar a las organizaciones a crear prompts reutilizables para modelos de lenguaje de gran tamaño (LLMs), integrando capacidades de IA generativa directamente en sus flujos de trabajo. Esta funcionalidad permite a las empresas mejorar su productividad, automatizando la creación de contenido, la generación de resúmenes y otras tareas a través de respuestas generadas por IA, adaptadas a sus necesidades específicas.

En Agentforce, la acción Consultar Registros está diseñada para recuperar registros de Salesforce basados en criterios específicos proporcionados por el usuario. Cuando un usuario solicita, “Muéstrame todos los clientes en Nueva York”, Agentforce interpreta esto como una necesidad de obtener registros de clientes (probablemente Cuentas o Contactos) cuyo campo de dirección indique que se encuentran en Nueva York. La acción Consultar Registros maneja eficientemente tales solicitudes buscando en la base de datos registros que coincidan con las condiciones especificadas.

Para limitar el acceso de un agente a artículos específicos de Knowledge mientras se implementa la acción “Responder Preguntas con Knowledge” en Agentforce, Universal Containers (UC) debería utilizar Categorías de Datos. Este enfoque garantiza que los agentes solo recuperen artículos de Knowledge relevantes y autorizados.

1. Asignar Categorías de Datos a los artículos de Knowledge: Clasificar cada artículo de Knowledge según temas, departamentos o niveles de acceso.
2. Definir filtros de Categorías de Datos en la Biblioteca de Datos de Agentforce: Configurar filtros en la Biblioteca de Datos para restringir qué artículos son accesibles para los agentes según su rol o permisos asignados.
Al implementar filtros de Categorías de Datos, UC garantiza que los agentes solo puedan acceder a los artículos pertinentes, evitando la exposición a contenido innecesario o restringido.

Universal Containers (UC) enfrenta un problema en el que su asistente de soporte impulsado por IA recupera resultados irrelevantes de versiones de productos obsoletas. Para abordar esto, UC debería crear un recuperador personalizado en Einstein Studio y aplicar filtros por fecha de publicación y línea de producto. Este enfoque permite a UC personalizar los criterios de búsqueda del recuperador, asegurando que solo se consideren documentos relevantes y actualizados, mejorando así la precisión de las respuestas del asistente.

En Salesforce, al vincular una plantilla de prompt con una lista relacionada, los campos disponibles para la lista relacionada se determinan según el diseño de página del objeto principal para el usuario actual. Si la lista relacionada no está incluida en el diseño de página del objeto principal, el sistema no puede acceder a los datos necesarios, lo que provoca respuestas incorrectas o ausentes durante las pruebas de aceptación por parte de los usuarios (UAT). Por lo tanto, es crucial asegurarse de que la lista relacionada esté presente en el diseño de página del objeto principal para que funcione correctamente.

La acción del agente “Redactar o Revisar Correo de Ventas” en Salesforce permite a los representantes de ventas crear o modificar borradores de correos electrónicos personalizados para prospectos o clientes existentes. Esta función utiliza IA para analizar comunicaciones exitosas anteriores, lo que permite a los representantes generar correos electrónicos personalizados de manera eficiente sin revisar manualmente interacciones pasadas. Esta automatización ahorra tiempo y garantiza consistencia en los esfuerzos de contacto.

En contraste, la acción “Resumir Registro” proporciona un resumen conciso de los detalles de un registro, y “Encontrar Oportunidades Similares” identifica oportunidades con características comparables; ninguna de estas acciones ayuda directamente en la redacción de correos electrónicos personalizados.

Para personalizar una plantilla de prompt de correo electrónico estándar en Salesforce que no cumple completamente con los requisitos empresariales, el enfoque recomendado es clonar la plantilla existente y luego modificarla según sea necesario. Clonar crea una copia separada de la plantilla, lo que le permite realizar cambios sin afectar la versión original. Esto garantiza que la plantilla estándar permanezca intacta para su uso o referencia futura. Simplemente guardar la plantilla como una nueva versión o como una nueva plantilla puede no proporcionar el mismo nivel de aislamiento y control sobre las modificaciones.

En Einstein Generative AI de Salesforce, la contextualización se refiere al proceso de proporcionar datos precisos y relevantes al modelo de IA para generar resultados adecuados. Si los datos utilizados para la contextualización son incorrectos o están incompletos, la IA puede producir resúmenes que carecen de la información o el contexto necesarios, lo que conduce a un rendimiento deficiente. Garantizar datos de alta calidad y completos es esencial para obtener resúmenes de casos generados por IA efectivos.​

In Salesforce’s Einstein Generative AI, grounding refers to the process of providing accurate and relevant data to the AI model to generate appropriate outputs. If the data used for grounding is incorrect or incomplete, the AI may produce summaries that lack the necessary information or context, leading to poor performance. Ensuring high-quality, comprehensive data is essential for effective AI-generated case summaries.

Al construir plantillas de prompt en el Prompt Builder de Salesforce, es beneficioso instruir al Modelo de Lenguaje Grande (LLM) para que interprete un personaje específico dentro del prompt. Esta técnica proporciona al LLM un contexto claro, guiándolo para generar respuestas que se alineen con la perspectiva y el tono deseados. Por ejemplo, pedir al LLM que actúe como un representante de soporte al cliente puede conducir a resultados más precisos y contextualmente apropiados. Incluir preguntas de opción múltiple dentro del prompt o entrenar al LLM con estilos de escritura variados no son prácticas estándar en este contexto.

En Agentforce de Salesforce, al configurar una Acción Personalizada de Agente, uno de los componentes principales son las Instrucciones. Estas instrucciones proporcionan al agente de IA una comprensión clara de lo que hace la acción y cuándo ejecutarla. Sirven como guía para que el agente determine el contexto adecuado y la manera en que debe realizar la acción, asegurando que la IA funcione de manera efectiva y se alinee con los procesos empresariales previstos.

Ejecutar pruebas en el Centro de Pruebas de Agentforce no consume Solicitudes de Einstein. Esto permite a los usuarios probar prompts y Acciones de Agente sin afectar la cuota de Solicitudes de Einstein utilizada en producción. Además, las pruebas deben realizarse en entornos sandbox para evitar modificaciones no deseadas en los datos de CRM. Las otras opciones son incorrectas: el Centro de Pruebas de Agentforce puede utilizarse en entornos sandbox, y ejecutar pruebas no modifica datos de CRM en producción.

En las plantillas de prompt de generación de campos de Salesforce, el contenido generado puede variar significativamente dependiendo de los datos de cada registro. Esta variabilidad implica que el número de tokens (palabras o caracteres) producidos por el prompt puede diferir entre registros. Cuando un prompt genera contenido que excede el límite de tokens del Modelo de Lenguaje Grande (LLM), se producen errores de límite de tokens. Por lo tanto, la naturaleza aleatoria de estos errores se debe a que el contenido dinámico de cada registro provoca fluctuaciones en el conteo de tokens.

Al crear una plantilla de prompt personalizada para llenar un campo con contenido generado, Universal Containers (UC) debería utilizar el tipo de plantilla de prompt Field Generation. Este tipo de plantilla está diseñado específicamente para integrar capacidades de IA generativa directamente en los campos de los registros dentro de las páginas de registro de Lightning.

Para asegurar su funcionalidad adecuada, UC debe habilitar Dynamic Forms. Los Dynamic Forms permiten la personalización de diseños de campos y soportan la integración de contenido generado por IA en campos específicos. Sin habilitar los Dynamic Forms, la plantilla de prompt de Field Generation no puede ser utilizada de manera efectiva.

Configurar una Biblioteca de Datos de Agentforce permite a Universal Containers (UC) almacenar e indexar documentos de políticas, como políticas de recursos humanos, directrices de cumplimiento y procedimientos de la empresa. Esta configuración permite que el Agente de Servicio de Agentforce busque semánticamente en estos documentos, asegurando que las respuestas estén basadas en el conocimiento publicado y que las actualizaciones se reflejen inmediatamente sin necesidad de reconfiguración manual.

Añadir manualmente respuestas de políticas no sería escalable y podría introducir errores, mientras que habilitar la búsqueda en todos los registros internos y consultas pasadas de clientes podría devolver información irrelevante o desactualizada.

Dentro de Data Cloud de Salesforce, la función de recuperador de IA utiliza metodologías de Generación Aumentada por Recuperación (RAG) para mejorar las respuestas de IA. Al realizar búsquedas contextuales en un repositorio indexado, recupera rápidamente los documentos más relevantes, asegurando que las respuestas de IA se basen en información confiable y verificable. Este enfoque mejora la precisión y relevancia del contenido generado por IA al integrar la recuperación de datos en tiempo real en el proceso de generación de respuestas.

En Salesforce, para desplegar código Apex en un entorno de producción, se requiere que al menos el 75% del código Apex esté cubierto por pruebas unitarias, y todas las pruebas deben completarse con éxito. Además, cada trigger debe tener alguna cobertura de prueba. También es esencial incluir todas las dependencias en el paquete de despliegue para garantizar la funcionalidad adecuada

Para implementar un agente de servicio al cliente impulsado por IA que pueda recuperar documentos de políticas propietarias almacenados como archivos PDF y asegurar que las respuestas estén basadas en datos aprobados por la empresa, Universal Containers (UC) debería primero configurar una Biblioteca de Datos de Agentforce para la recuperación de documentos de políticas por parte de la IA. Este enfoque permite que el agente de IA realice búsquedas contextuales en un repositorio indexado, recuperando rápidamente los documentos más relevantes y fundamentando las respuestas de IA con información confiable y verificable.

Al crear una acción de agente personalizada en Agentforce, un especialista en Agentforce puede elegir entre las siguientes opciones:​

Flujos: Procesos automatizados que pueden realizar tareas como actualizar registros o enviar notificaciones.​

Apex: Código personalizado escrito en el lenguaje de programación de Salesforce para ejecutar lógica compleja.​

Plantillas de indicaciones: Plantillas predefinidas que guían a la IA en la generación de respuestas.​

Sin embargo, los disparadores de Apex y SOQL (Lenguaje de Consulta de Objetos de Salesforce) no son opciones independientes para las acciones de agente. Los disparadores de Apex son controladores de eventos que se ejecutan automáticamente en respuesta a cambios específicos de datos, mientras que SOQL se utiliza dentro de clases o disparadores de Apex para consultar datos de Salesforce. Por lo tanto, entre las opciones proporcionadas, Flujos es la elección correcta para crear una acción de agente personalizada.

Para habilitar al equipo de ventas de Universal Containers (UC) a utilizar IA para sugerir productos recomendados de su catálogo, la plantilla de indicaciones adecuada es una plantilla de indicaciones flexible. Las plantillas de indicaciones flexibles son versátiles y permiten a los administradores crear indicaciones personalizadas que pueden incorporar registros de múltiples objetos simultáneamente, ya sean relacionados o no. Esta flexibilidad es ideal para generar recomendaciones de productos personalizadas basadas en diversos factores, como las preferencias del cliente, el historial de compras y los detalles del producto. ​

Por ejemplo, una plantilla de indicaciones flexible puede diseñarse para instruir a un modelo de IA a crear recomendaciones de productos personalizadas para un contacto, basándose en datos de objetos como Producto y Cuenta, junto con descripciones específicas de productos. Este enfoque garantiza que las sugerencias generadas por la IA estén adaptadas al contexto y las necesidades únicas de cada cliente. ​

En contraste, las plantillas de generación de correos electrónicos están diseñadas específicamente para redactar correos electrónicos a clientes y pueden no ser adecuadas para generar recomendaciones de productos. Las plantillas de resumen de registros se utilizan para resumir registros y no están destinadas a sugerir productos. Por lo tanto, la plantilla de indicaciones flexible es la opción más adecuada para los requisitos de UC.

Dentro de Agentforce, el modelo de lenguaje grande (LLM) desempeña un papel fundamental en la interpretación de la intención del usuario y la determinación de las acciones apropiadas para satisfacer esa intención. Específicamente, el LLM se encarga de:​

Identificar el tema que mejor se ajusta: El LLM analiza la entrada del usuario para comprender el asunto o tema de la solicitud. Esto implica entender el contexto y las particularidades de la consulta del usuario para identificar con precisión sus necesidades.​

Determinar las acciones correctas: Basándose en el tema identificado, el LLM selecciona las acciones más apropiadas que deben ejecutarse para abordar eficazmente la solicitud del usuario.​

Establecer el orden de ejecución: El LLM organiza las acciones seleccionadas en la secuencia correcta para garantizar un flujo de trabajo lógico y eficiente, conduciendo a una respuesta coherente y satisfactoria.​

Este proceso asegura que el agente de IA responda de manera precisa y eficiente a las consultas de los usuarios, alineando sus acciones con la intención del usuario. Por lo tanto, la respuesta correcta es: Identificar el tema y las acciones que mejor se ajusten y el orden correcto de ejecución.

Universal Containers (UC) puede mejorar la eficiencia y garantizar la consistencia en las respuestas generadas por IA al utilizar el Constructor de Indicaciones de Einstein y las Plantillas de Indicaciones. Esta función de Salesforce permite a UC crear indicaciones reutilizables y estandarizadas que se integran perfectamente con sus datos, reduciendo la necesidad de que los representantes de ventas y servicio ingresen manualmente las indicaciones cada vez. Al implementar plantillas de indicaciones, UC puede agilizar la generación de contenido, mantener la uniformidad en las interacciones de IA y ahorrar tiempo valioso para sus equipos.

Al configurar Agentforce para utilizar artículos de Knowledge, es esencial que el Usuario del Agente de Servicio de Agentforce tenga los permisos adecuados para acceder a estos artículos. Si el agente responde correctamente en Prompt Builder pero no lo hace en Agent Builder y en el sitio de Experience Cloud, esto indica un posible problema de permisos. Específicamente, el usuario asignado al Agente de Servicio de Agentforce puede carecer de los permisos necesarios para acceder a la plantilla de indicaciones vinculada a los artículos de Knowledge. Para resolver esto, asegúrese de que el conjunto de permisos del usuario incluya acceso a la plantilla de indicaciones relevante. Este ajuste debería permitir que el agente recupere y responda con información fundamentada en los artículos de Knowledge en todas las plataformas.

Para que Universal Containers (UC) pueda enrutar mensajes de texto SMS a un representante de servicio desde un Agente de Servicio de Agentforce, debe utilizar el canal de servicio Mensajería en su flujo de trabajo. El canal Mensajería en Salesforce está diseñado para manejar interacciones de mensajería, incluyendo SMS, y permite enrutar estas conversaciones a agentes adecuados a través de Omni-Channel. Esto asegura que los mensajes de los clientes sean gestionados de manera eficiente y efectiva por el equipo de servicio al cliente. ​

Para garantizar la eficacia, fiabilidad y confianza de sus agentes antes de implementarlos en producción, Universal Containers (UC) debería utilizar el Centro de Pruebas de Agentforce. Esta herramienta permite probar de manera eficiente un gran número de expresiones repetibles, asegurando que los agentes funcionen según lo esperado. El enfoque recomendado implica crear un archivo CSV con los casos de prueba de UC utilizando la plantilla de prueba proporcionada y cargarlo en el Centro de Pruebas de Agentforce. Este método permite realizar pruebas exhaustivas y automatizadas, facilitando la identificación y resolución de posibles problemas antes de la implementación en producción.

Para proporcionar al equipo de ventas de Universal Containers (UC) información sobre los nombres de productos y competidores mencionados durante las llamadas, UC debe utilizar Einstein Conversation Insights, una función de IA que analiza las llamadas de ventas y extrae información clave.

Pasos principales:
1, Habilitar Einstein Conversation Insights – Activa el análisis de llamadas mediante IA.
2, Conectar un proveedor de grabación – Dado que Einstein Conversation Insights no graba llamadas por sí solo, es necesario integrarlo con un proveedor de grabación compatible.
3, Asignar conjuntos de permisos – Los representantes de ventas necesitan los permisos adecuados para acceder a los conocimientos generados por la IA.
4, Personalizar conocimientos con hasta 25 productos – El sistema permite personalizar la detección de menciones de productos y competidores hasta un máximo de 25.
Este enfoque garantiza que UC pueda extraer información relevante de las conversaciones de manera eficiente, proporcionando información estructurada y procesable para el equipo de ventas.

Los recuperadores de Data Cloud están diseñados para mejorar las respuestas generadas por IA al buscar información pertinente en la base de datos vectorial. Este proceso, conocido como Generación Aumentada por Recuperación (RAG), implica recuperar datos relevantes para fundamentar y enriquecer la salida de la IA, garantizando precisión y contexto. Al acceder a la base de datos vectorial, los recuperadores pueden proporcionar información precisa para ampliar las indicaciones de manera efectiva.

Para reducir el tiempo de manejo del soporte al cliente al minimizar la escritura de respuestas rutinarias y sugerir valores para los campos de casos, Universal Containers puede utilizar las siguientes funciones de Agentforce para el servicio:​

1. Recomendaciones de Respuestas de Einstein: Esta función sugiere respuestas relevantes durante las sesiones de chat y mensajería, permitiendo a los agentes insertarlas en las conversaciones con los clientes, reduciendo así el tiempo dedicado a escribir respuestas rutinarias. ​
help.salesforce.com

2. Clasificación de Casos de Einstein: Esta función recomienda o selecciona valores de campos en los casos basándose en casos cerrados similares, ayudando en el análisis posterior al chat al sugerir valores apropiados para los campos de casos. ​

Al implementar estas funciones, UC puede mejorar la eficiencia en el manejo de consultas de clientes y agilizar los procesos de gestión de casos.

En una configuración de biblioteca de datos basada en Knowledge, los campos de identificación son utilizados por Einstein para localizar los artículos de Knowledge adecuados. Estos campos ayudan a coincidir las consultas de los usuarios con los artículos relevantes, garantizando una recuperación de información precisa. Por otro lado, los campos de contenido contienen el texto detallado de los artículos, que Einstein utiliza para enriquecer las respuestas de IA con información completa. Esta distinción asegura que la IA pueda tanto identificar como proporcionar respuestas detalladas y contextualmente apropiadas basadas en el contenido de los artículos de Knowledge.​

Para incorporar datos de múltiples objetos no relacionados (tanto estándar como personalizados) en una plantilla de indicaciones, Universal Containers (UC) debería utilizar una plantilla de indicaciones flexible. Las plantillas flexibles en el Prompt Builder de Salesforce permiten la integración de hasta cinco objetos, lo que facilita la combinación de diversas fuentes de datos en una sola plantilla. Este enfoque proporciona la flexibilidad necesaria para acceder y manipular datos de diferentes objetos, facilitando la creación de propuestas de ventas integrales y dinámicas.

Al implementar un Agente de Servicio de Agentforce con múltiples temas y Acciones de Agente en producción, es crucial seguir las mejores prácticas para garantizar una implementación fluida y segura:​

1. ​Incluir Todas las Dependencias:​ Asegurar que todos los componentes, como flujos, plantillas de indicaciones y metadatos relacionados, estén incluidos en el paquete de implementación para evitar dependencias faltantes.​
​2. Cobertura de Pruebas de Clases de Apex:​ Verificar que todas las clases de Apex tengan al menos un 75% de cobertura de pruebas, como lo exige Salesforce, para mantener la calidad del código y la confiabilidad del sistema.​
​3. Alineación de Configuraciones:​ Asegurar que las configuraciones en el entorno de preparación coincidan con las de producción para evitar discrepancias.​
4. ​Gestión de Versiones:​ Implementar estrategias de control de versiones para rastrear cambios y facilitar reversiones si es necesario.​
​5. Activación Posterior a la Implementación:​ Planificar la activación del agente y monitorear su rendimiento después de la implementación para abordar cualquier problema de manera oportuna.​

Seguir estas prácticas garantiza una transición sin problemas desde el desarrollo hasta la producción, minimizando posibles interrupciones y manteniendo la integridad del sistema. ​

El Prompt Builder de Salesforce está diseñado para ayudar a los usuarios a generar contenido aprovechando las capacidades de IA. Uno de sus principales casos de uso es la creación de contenido, como la redacción de correos electrónicos, boletines y materiales de marketing. Al utilizar Prompt Builder, Universal Containers puede crear de manera eficiente un borrador de boletín para una próxima feria comercial, asegurando que el contenido sea relevante y atractivo. Esta herramienta agiliza el proceso de creación de contenido, permitiendo al equipo de ventas centrarse en otras tareas críticas.

Cuando un agente de Agentforce no puede comprender la solicitud de un usuario o encontrar la información solicitada, generalmente responde con un mensaje general que solicita al usuario que reformule su consulta. Este enfoque anima a los usuarios a aclarar o replantear sus preguntas, facilitando una mejor comprensión y una asistencia más precisa por parte del agente. Por ejemplo, un agente podría responder: “Lo siento, tuve problemas para generar una respuesta a su solicitud. ¿Podría intentar reformular su pregunta?”

Cuando Agentforce para Ventas busca oportunidades similares para ayudar a cerrar acuerdos de manera más eficiente, considera oportunidades que han sido exitosamente cerradas (estado de “Cerrado Ganado”) dentro de los últimos 12 meses. Este criterio asegura que el agente haga referencia a acuerdos recientes y relevantes para proporcionar ideas y recomendaciones accionables.

Para generar resúmenes de los intereses de los huéspedes y sus preferencias de actividades, y mostrar estos resúmenes exclusivamente en la página de registro de contacto, Universal Containers debería utilizar el Constructor de Indicaciones (Prompt Builder) de Salesforce. Específicamente, la plantilla de indicaciones de Generación de Campos dentro de Prompt Builder permite la creación automática de contenido para un campo designado en una página de registro. Al configurar una plantilla de Generación de Campos, el equipo de ventas puede obtener resúmenes generados por IA que encapsulan los intereses y las preferencias de actividades de cada huésped, asegurando que esta información esté fácilmente accesible en la página de registro de contacto.

Cuando se crea un índice de búsqueda personalizado en Salesforce Data Cloud, el sistema genera automáticamente un recuperador predeterminado que comparte el mismo nombre que el índice de búsqueda. Este recuperador está diseñado para facilitar la recuperación de datos relevantes según las configuraciones del índice de búsqueda, mejorando la accesibilidad a los datos y la eficiencia de búsqueda. ​

Para reducir el tiempo de manejo de los agentes de servicio proporcionando respuestas recomendadas basadas en los artículos existentes de Knowledge, Universal Containers (UC) debería entrenar a sus agentes en Respuestas de Knowledge. Esta funcionalidad de Salesforce utiliza IA generativa para redactar y recomendar respuestas relevantes a las consultas de los clientes, basándose en los artículos de Knowledge de la organización. Al aprovechar el contenido existente en la base de conocimientos, los agentes pueden responder de manera más eficiente y precisa a las consultas de los clientes.

Al crear una acción personalizada para un Agente en Salesforce, las Instrucciones de Acción son fundamentales ya que informan al modelo de lenguaje grande (LLM) sobre el propósito y el uso adecuado de la acción. Estas instrucciones guían al LLM en la selección de la acción correcta basada en las entradas del usuario durante las interacciones. Al redactar y probar cuidadosamente estas instrucciones, los desarrolladores aseguran que el agente utilice la acción personalizada de manera efectiva, lo que conduce a respuestas precisas y contextualmente apropiadas.

Una Biblioteca de Datos de Agentforce está diseñada para mejorar la precisión de los agentes de IA al proporcionarles acceso a conjuntos de datos seleccionados y actualizados regularmente. Cuando un agente de IA necesita ofrecer respuestas basadas en documentos específicos, como manuales de políticas, guías de procedimientos o cualquier contenido especializado, la Biblioteca de Datos sirve como un repositorio centralizado. Al almacenar, actualizar e indexar estos documentos dentro de la Biblioteca de Datos, el agente de IA puede recuperar información precisa, asegurando que sus respuestas sean tanto exactas como estén alineadas con los estándares organizacionales más recientes. Esta configuración es particularmente beneficiosa en escenarios donde la difusión de información coherente y conforme a las políticas es crítica.

Cuando se crea y configura una Biblioteca de Datos de Agentforce con archivos cargados, estos archivos se ingieren e indexan automáticamente en Salesforce Data Cloud. Este proceso implica extraer el contenido de los documentos cargados, segmentarlo en partes manejables y almacenarlo dentro de la base de datos vectorial de Data Cloud. Esta indexación facilita la recuperación eficiente y el fundamento de las respuestas generadas por IA, asegurando que los agentes de IA puedan acceder y utilizar la información más relevante de los archivos cargados. ​

Al configurar un agente en el Agent Builder de Salesforce para responder consultas basadas en artículos de Knowledge, el sistema típicamente utiliza el tema General de Preguntas y Respuestas junto con la acción Respuestas de Artículos de Knowledge. Esta configuración permite que el agente recupere y presente eficazmente información de la base de Knowledge de la organización, asegurando respuestas precisas y consistentes a las preguntas de los usuarios. La acción Respuestas de Artículos de Knowledge está específicamente diseñada para permitir que los agentes consulten y entreguen contenido de los artículos de Knowledge dentro del entorno de Salesforce.

Para permitir que un científico de datos vea y gestione modelos en Einstein Studio y cree plantillas de instrucciones en Prompt Builder, se requieren los siguientes conjuntos de permisos:​

Administrador de Data Cloud: Este conjunto de permisos otorga acceso completo a las funcionalidades de Data Cloud, incluyendo la capacidad de gestionar modelos de datos y configuraciones dentro de Einstein Studio. ​

Administrador de Plantillas de Instrucciones: Este conjunto de permisos permite a los usuarios crear y gestionar plantillas de instrucciones en Prompt Builder. ​

Asignar ambos conjuntos de permisos garantiza que el científico de datos tenga el acceso necesario para realizar sus tareas de manera efectiva.

El Panel de Expresiones de Usuario es una herramienta dentro de la plataforma Agentforce de Salesforce que permite a los especialistas analizar las interacciones de los usuarios examinando entradas, solicitudes y consultas. Esta funcionalidad ayuda a identificar patrones y tendencias en el comportamiento de los usuarios, lo cual puede aprovecharse para mejorar las respuestas del agente de IA y la experiencia general del usuario. Al utilizar este panel, un especialista en Agentforce puede obtener información sobre las consultas comunes de los usuarios y ajustar los modelos de IA en consecuencia para mejorar la precisión y relevancia.

Universal Containers (UC) está experimentando problemas con su IA que devuelve documentos desactualizados desde una biblioteca de datos basada en la carga de archivos. Para mejorar la relevancia del contenido, UC debería implementar un recuperador personalizado con condiciones de filtro que limiten la recuperación a documentos actualizados dentro de un período reciente específico. Este enfoque garantiza que la IA utilice solo el contenido más actual para sus respuestas, mejorando así la precisión y la satisfacción del usuario. Data Cloud de Salesforce permite la creación y personalización de recuperadores, lo que facilita la configuración de tales filtros para adaptar la recuperación de datos a necesidades específicas.

Al utilizar la función de “Instantáneas de Registro” (Record Snapshots) para fundamentar una plantilla de solicitud en Salesforce, es importante tener en cuenta que los datos vacíos, como campos sin valores o secciones sin límites definidos, se filtran automáticamente. Esto significa que cualquier campo que carezca de datos o secciones que no tengan límites específicos no se incluirán en la solicitud, garantizando que solo se utilice información relevante y completa.

Para llenar el campo personalizado Resumen de Oportunidades Recientes en el objeto Cuenta con información de las tres oportunidades más recientes abiertas, el especialista en Agentforce debería crear un flujo que recupere los datos necesarios de las oportunidades. Este enfoque permite la recuperación y procesamiento dinámico de datos, lo que facilita que la plantilla de instrucciones acceda y utilice eficazmente la información relevante de las oportunidades. Al diseñar un flujo que consulte las oportunidades más recientes relacionadas con una cuenta, el especialista puede garantizar que la plantilla de instrucciones esté fundamentada con datos precisos y actualizados, mejorando así la calidad y relevancia del contenido generado por la IA.

El agente de Representante de Desarrollo de Ventas (SDR) de Salesforce está diseñado para interactuar con clientes potenciales a través de canales de mensajería, como SMS o WhatsApp, en cualquier idioma. Esta capacidad permite al agente SDR involucrar a los prospectos de manera efectiva en sus canales preferidos, proporcionando respuestas rápidas y personalizadas que pueden mejorar las tasas de conversión. Por lo tanto, al implementar el agente SDR, es esencial asegurarse de que esté desplegado en el canal de mensajería adecuado para alinearse con las preferencias de comunicación de los clientes potenciales.

Para solucionar problemas relacionados con el rendimiento de un agente en Agentforce, el especialista debe acceder a los Registros de Eventos. Estos registros capturan todas las interacciones de los usuarios con el agente, incluyendo errores del agente, acciones incorrectamente desencadenadas y planes incompletos. Al revisar estos registros, el especialista puede identificar patrones y áreas problemáticas, lo que facilita la optimización y mejora del agente. Para acceder a los registros de eventos, se recomienda habilitar los registros de eventos enriquecidos, que almacenan datos de conversación y permiten una visión más completa de la actividad del agente.

Para que los representantes de ventas de Universal Containers puedan ejecutar únicamente plantillas de instrucciones, se les debe asignar el conjunto de permisos Usuario de Plantillas de Instrucciones. Este conjunto de permisos otorga a los usuarios la capacidad de acceder y ejecutar plantillas de instrucciones fuera de Prompt Builder, permitiéndoles utilizar las plantillas sin la capacidad de crearlas o gestionarlas. Por otro lado, el conjunto de permisos Gestor de Plantillas de Instrucciones permite a los usuarios crear y gestionar plantillas de instrucciones en Prompt Builder. No existe un conjunto de permisos denominado Ejecución de Plantillas de Instrucciones.

Al crear un recuperador personalizado en Einstein Studio, es esencial seleccionar el índice de búsqueda adecuado y especificar el objeto del modelo de datos (DMO) y el espacio de datos asociados. Además, se pueden definir filtros opcionales para refinar los resultados de búsqueda. Este proceso garantiza que el recuperador esté configurado para acceder y filtrar los datos relevantes según las necesidades específicas. ​

En un flujo de Omni-Channel de Salesforce, el elemento Enrutar Trabajo es fundamental para asignar elementos de trabajo a los agentes adecuados. Este elemento utiliza la lógica de enrutamiento definida para dirigir casos, chats u otras tareas a los agentes disponibles, asegurando que el trabajo se distribuya de manera eficiente y según las reglas establecidas. Al configurar el flujo, el Enrutar Trabajo se encarga de conectar el trabajo con el agente correspondiente, facilitando una gestión eficaz de las interacciones con los clientes.

Para monitorear la usabilidad de los agentes de Agentforce y la asignación de acciones, el especialista debe utilizar Agent Analytics. Esta herramienta proporciona información detallada sobre el rendimiento de los agentes, incluyendo métricas de interacción, eficacia de las acciones y áreas que requieren mejoras. Al analizar estos datos, es posible identificar patrones y optimizar las operaciones de los agentes para mejorar la eficiencia y la satisfacción del cliente.​

Por otro lado, los Platform Debug Logs están diseñados principalmente para depurar problemas técnicos y no ofrecen una visión completa de la usabilidad o el rendimiento de los agentes. Además, consultar los datos de registro del agente mediante la Metadata API puede ser complejo y no está orientado a proporcionar análisis de usabilidad directamente.

Al utilizar Einstein Generative AI para redactar correos electrónicos personalizados, la aparición de marcadores de posición en el borrador—donde deberían figurar datos del registro de contacto del destinatario—suele indicar que el usuario carece de los permisos necesarios para acceder a esos campos específicos. Las configuraciones de seguridad a nivel de campo en Salesforce pueden restringir a ciertos usuarios la visualización o utilización de datos particulares. Por lo tanto, cuando la IA intenta incorporar datos de estos campos restringidos en el borrador del correo electrónico, inserta marcadores de posición en lugar de los valores reales. Este comportamiento garantiza que la información sensible permanezca protegida y solo sea accesible para usuarios autorizados.

Para que el agente de servicio de Agentforce pueda ejecutar el nuevo flujo como parte de la nueva acción del agente, es necesario asignarle el permiso Run Flows. Este permiso permite a los usuarios iniciar y ejecutar flujos dentro de Salesforce. A partir de la versión Winter ’25, Salesforce está actualizando el modelo de permisos para Flows, requiriendo que los usuarios tengan permisos específicos, como Run Flows, Flow User o permisos a nivel de perfil, para ejecutar flujos. Esta medida garantiza que solo los usuarios autorizados puedan ejecutar flujos, mejorando la seguridad y el control dentro de la organización.

Para implementar una experiencia de usuario personalizada en Salesforce que permita a los usuarios ingresar un número de pedido de ventas y, posteriormente, generar un resumen del encabezado y los detalles del pedido de ventas, un especialista en Agentforce debería crear un flujo de pantalla. Este flujo de pantalla:

1. Recopilará el número de pedido de ventas: Presentará una pantalla al usuario donde podrá ingresar el número de pedido de ventas.

2, Invocará la plantilla de solicitud: Utilizará la acción de flujo estándar “Plantilla de solicitud” para llamar a la plantilla de solicitud personalizada diseñada para generar el resumen del pedido de ventas.

3. Mostrará el resumen: Presentará el resumen generado al usuario dentro del flujo.

Este enfoque garantiza que los usuarios tengan una interfaz interactiva para ingresar el número de pedido de ventas y recibir información contextualizada de manera inmediata basada en su entrada. Utilizar un flujo de pantalla es ideal para escenarios que requieren interacción del usuario y recuperación y visualización de datos en tiempo real.

El Agente de Representante de Desarrollo de Ventas (SDR) de Agentforce está diseñado específicamente para trabajar con el objeto estándar Lead de Salesforce. Este agente se encarga de manera autónoma de interactuar con los leads entrantes, automatizar el alcance y la prospección, calificar leads, enviar correos electrónicos introductorios, responder consultas, gestionar objeciones y programar reuniones.

La función de grounding de Record Snapshots en una plantilla de prompt requiere un conjunto de campos predefinidos que puedan ser referenciados. Los conjuntos de campos (field sets) permiten a los administradores especificar qué campos deben incluirse en el snapshot, lo que los hace esenciales para configurar correctamente esta función.

Las formas dinámicas y los diseños de página están relacionados con la configuración de la interfaz de usuario, pero no afectan directamente el proceso de grounding.

Cuando un recuperador personalizado devuelve demasiados resultados irrelevantes, significa que los criterios de búsqueda son demasiado amplios. En lugar de aumentar el número de resultados o cambiar el índice de búsqueda, definir filtros ayuda a refinar la consulta para garantizar que solo se recupere información relevante. Los filtros mejoran la precisión al restringir los resultados de búsqueda según condiciones específicas, reduciendo el ruido y mejorando la utilidad de las respuestas generadas por la IA.

Para que el Agente de Servicio Agentforce pueda acceder y proporcionar respuestas basadas en los artículos de Salesforce Knowledge, el usuario debe tener asignado el conjunto de permisos “Permitir ver Knowledge”. Sin este permiso, el agente no puede recuperar ni mostrar los artículos de conocimiento, lo que provoca respuestas incompletas o ausentes. Las otras opciones, como la licencia de tipo de agente y el perfil, son importantes, pero no afectan directamente la visibilidad del conocimiento.

Para personalizar la respuesta estándar de resumen de casos de Agentforce, crear una plantilla de prompt de resumen de registro personalizada para el objeto Caso permite adaptar el resumen a los requisitos específicos del negocio. Este enfoque proporciona flexibilidad para definir el contenido y el formato de los resúmenes, asegurando que cumplan con las necesidades del equipo de servicio. Simplemente resumir el caso con una acción estándar del agente o personalizar la plantilla de resumen de registro estándar no ofrece el mismo nivel de personalización.

La función “Crear Plan de Cierre” en Agentforce for Sales permite a los representantes de ventas generar planes impulsados por IA que brindan orientación y pasos accionables para cerrar negocios de manera efectiva. Esta funcionalidad está diseñada específicamente para ayudar a los representantes de ventas a cumplir con sus cuotas al ofrecer estrategias personalizadas para cada oportunidad. En contraste, “Encontrar Ofertas Similares” ayuda a identificar acuerdos anteriores con características similares, y “Crear Plan de Cuenta” se centra en la planificación estratégica para la gestión de cuentas, ninguna de las cuales proporciona directamente una guía paso a paso para cerrar negocios individuales.

En el Prompt Builder de Salesforce, el texto de Resolución muestra el prompt completamente construido después de que todos los campos combinados y recursos hayan sido completados con datos reales de los registros seleccionados. Este prompt resuelto representa el texto exacto que se envía a la Capa de Confianza para su procesamiento. La Capa de Confianza luego garantiza que cualquier dato sensible sea enmascarado adecuadamente antes de enviar el prompt al Modelo de Lenguaje Grande (LLM) para generar una respuesta.