Salesforce давно развивает искусственный интеллект в своих продуктах, но с появлением агентного подхода фокус сместился с «подсказок» на выполнение действий. Если вам нужен более глубокий контекст о Salesforce, Agentforce и безопасном AI в корпоративных системах, стоит обратить внимание на аналитические материалы журнала CTimes Tech. Это полезно, потому что Agentforce часто путают с чат-ботом, хотя идея другая: система не просто отвечает, а помогает вести рабочий процесс к результату.
Salesforce
Разберем, что такое Agentforce, как выглядят AI-агенты в Salesforce в Sales, Service и других облаках, и что нужно компании, чтобы такие решения работали безопасно и стабильно.
Что такое Agentforce и почему Salesforce делает ставку на AI-агентов
AgentForce — это подход и набор возможностей в Salesforce для создания и запуска ИИ-агентов, которые могут выполнять задачи в пределах разрешений и правил, заданных компанией. Salesforce Agentforce простыми словами – это «цифровой сотрудник», который:
- понимает запрос на естественном языке;
- находит нужные данные в Salesforce и подключенных системах;
- предлагает или выполняет действия (создать запись, обновить статус, подготовить ответ, запустить автоматизацию);
- передает человеку контроль в нужных точках.
Salesforce делает ставку на агентов по практической причине: в компаниях много «мелких, но важных» задач, которые отнимают время – уточнить статус, проверить данные, создать запись, разослать подтверждение, запустить сценарий. Агентный подход позволяет собрать эти шаги в одну управляемую цепочку, а не разбросать их между вкладками, письмами и чатами.
Чтобы технология работала в корпоративной среде, Salesforce делает акцент на двух вещах: данные должны быть «приземлены» в вашей системе, а контроль и безопасность — на стороне компании (доступы, политики, журналы действий).
Как AI-агенты работают в Sales, Service и других облачных модулях Salesforce
Логика работы агента обычно одинакова: контекст → план → действие → проверка. Разница — в канале и в том, какие объекты CRM и процессы подключены.
Перед примерами важно зафиксировать: в Salesforce агенты работают не «в воздухе», а в пределах ваших ролей, полей, правил и интеграций. Это ключевое отличие от универсальных помощников.
AI агенты для отдела продаж (Sales)
В Sales-сценариях агент помогает с тем, что менеджеры делают десятки раз в день: квалификация, подготовка писем, обновление полей, контроль следующих шагов.
Типичные действия, которые может поддерживать агент:
- создание/обновление лида, контакта, аккаунта, opportunity;
- подготовка черновика письма клиенту на основе контекста сделки;
- подсказки по следующему шагу в рамках вашего процесса;
- сведение истории взаимодействий перед звонком;
- автоматическое заполнение части полей по шаблону.
Это не заменяет менеджера, но убирает рутину и уменьшает «дыры» в данных, из-за которых руководитель не видит реальную картину.
AI агенты для службы поддержки (Service)
В Service-сценариях агенты особенно полезны, потому что обращения часто типичны, а скорость ответа напрямую влияет на опыт клиента.
Агент может:
- принять обращение из канала (форма, чат, почта) и создать кейс;
- предложить ответ на основе базы знаний и предыдущих кейсов;
- уточнить отсутствующие данные у клиента (серийный номер, адрес, заказ);
- изменить статус, маршрутизировать кейс, добавить теги;
- сформировать итог кейса для оператора.
В сложных случаях агент не «делает вид, что все решил», а подтягивает человека: передает контекст, предлагает варианты и фиксирует следующие шаги.
Другие облака Salesforce
Agentforce-логика может применяться шире, чем Sales и Service: в маркетинговых процессах, в коммерции, во внутренних операциях. Смысл тот же – сократить количество ручных переходов между инструментами и сделать рабочий процесс воспроизводимым.
Там, где есть интеграция с внутренними системами, агент становится «фронт-эндом» к вашей бизнес-логике: пользователь формулирует запрос, а агент выполняет действия через разрешенные инструменты.
Реальные сценарии использования Agentforce: от записи в CRM до полной обработки обращения
Чтобы не оставаться на уровне общих обещаний, давайте посмотрим на примеры использования, которые хорошо вписываются в CRM-системы и дают измеримый эффект.
1) «Запись в CRM» без ручного заполнения
Ситуация: менеджер получает письмо или сообщение, договаривается о демо, а затем «когда-нибудь» заносит данные. В итоге записи неполные или не созданы.
Агентный сценарий выглядит так:
- человек пишет: «Создай лида из этого контакта и запланируй демо на четверг»;
- агент создает запись, заполняет поля по шаблону и контексту;
- создает событие/задачу, добавляет заметку, ставит напоминание;
- просит подтвердить критические поля (например, сегмент или приоритет).
В этом сценарии важно, что агент действует в рамках ваших правил и не «придумывает» данные.
2) Обработка входящего обращения в поддержке «под ключ» (до порога эскалации)
Ситуация: 60-70% обращений типичные, операторы тратят время на одинаковые ответы, а клиент ждет.
Как работает агент:
- принимает обращение, создает кейс, определяет тему;
- задает уточняющие вопросы, если данных не хватает;
- предлагает решение по базе знаний, добавляет ссылки/шаги;
- если есть риски или недостаток прав — эскалирует оператору с готовым итогом.
Для бизнеса это означает более быстрое время первого ответа, более стабильный опыт клиента и меньше ручной рутины.
3) «Послезвонковая рутина» в продажах
Ситуация: после звонка менеджер должен обновить поля, зафиксировать результат, отправить письмо, поставить следующий шаг. Часть шагов он пропускает.
Агент может:
- собрать краткий итог разговора со слов менеджера;
- обновить opportunity/stage, зафиксировать next step;
- подготовить черновик письма с договоренностями;
- добавить задачи в работу и напоминания.
Это усиливает дисциплину данных и делает воронку более управляемой.
4) Внутренние запросы руководителя «без открытия десяти отчетов»
Ситуация: руководитель спрашивает «Что с сделками на этой неделе? Где риски?». Команда собирает цифры вручную.
Агентный сценарий:
- руководитель формулирует запрос естественным языком;
- агент собирает данные из CRM, показывает итог и проблемные места;
- может предложить действия: «нужны напоминания по 12 сделкам», «3 клиента без следующего шага».
Здесь особенно важны правила доступа: агент не должен показывать то, что пользователь не имеет права видеть.
Автономность без хаоса: что стоит за тем, «как работают AI-агенты»
Вопрос, как работают AI-агенты, часто сводят к «это просто модель». На самом деле в корпоративной CRM важны три слоя:
- Данные и контекст. Агент берет информацию из Salesforce-объектов, истории взаимодействий, баз знаний, а иногда — из подключенных систем.
- Разрешенные действия. Агент не «придумывает инструменты», он выполняет то, что вы дали ему в качестве возможностей: workflow, автоматизации, API-вызовы, шаблоны.
- Правила и проверки. Для критических действий требуется подтверждение человека, журналы, ограничения по полям, проверка политик.
В результате автономность становится управляемой: агент ускоряет работу, но не выходит за рамки процесса.
Что нужно бизнесу, чтобы быть готовым к Agentforce: данные, безопасность, процессы
Agentforce дает наибольший эффект не там, где «очень хочется AI», а там, где есть база: качественные данные, ясные процессы и понятные правила доступа. Без этого агент либо будет «постоянно переспрашивать», либо создаст еще больше хаоса.
Данные: что подготовить
Перед списком проверьте простую вещь: доверяете ли вы собственным отчетам в CRM. Если нет — агент не исправит это автоматически.
Что стоит привести в порядок:
- единые справочники (статусы, причины проигрыша, типы обращений);
- обязательные поля для ключевых объектов;
- минимум дубликатов в контактах/аккаунтах;
- актуальная база знаний для поддержки (если планируется Service-агент);
- логика, где данные «источник истины», а где — копия из интеграции.
Безопасность и персональные данные
В корпоративных системах самый болезненный вопрос — персональные данные и доступа. Агент должен работать так же «строго», как и человек: если пользователь не видит поле или запись, агент тоже не должен его видеть или озвучивать.
Чтобы снизить риски, бизнесу нужны:
- матрица ролей и доступов в Salesforce;
- правила, какие действия агент может выполнять сам, а где требуется подтверждение;
- логирование: кто инициировал действие и что именно было сделано;
- политики хранения и обработки данных, согласованные с юристами/безопасностью.
Процессы и стандарты
AI-агент хорошо работает там, где процесс описан и повторяем. Если в компании «каждый делает как привык», агент не сможет стабильно выполнять задачи.
Перед списком договоритесь о стандарте: как выглядит «правильно сделанная» сделка или кейс.
Что обычно нужно зафиксировать:
- этапы воронки и критерии переходов;
- сценарии обработки обращений и правила эскалации;
- шаблоны ответов и тон коммуникации;
- перечень разрешенных инструментов и границы автономности.
Эти стандарты не усложняют работу, а делают ее предсказуемой — и для людей, и для агента.
Практический старт: как запустить Agentforce без рисков
Чтобы первый опыт был положительным, начните с узкого кейса, который легко измерить. Важно не «внедрить агентов», а получить результат в конкретном рабочем процессе.
Перед списком определите метрику успеха: сокращение времени первого ответа, уменьшение ручных обновлений в CRM, снижение доли незаполненных полей или ускорение перехода между этапами.
Шаги, которые обычно работают:
- выбрать один процесс с повторяющимися действиями (например, обработка типовых обращений или подготовка итога звонка);
- определить «пределы автономности»: что агент делает сам, а что только предлагает;
- настроить журнал действий и простую проверку качества (выборка кейсов раз в неделю);
- научить команду формулировать запросы: кратко, с контекстом, без двусмысленностей;
- добавить правило «стоп»: в любой момент человек может перехватить управление;
- провести пилот на 2-4 недели и сравнить показатели «до» и «после».
Такой запуск снижает риски для персональных данных и помогает построить доверие в команде: люди видят, что агент поддерживает, а не контролирует.
Типичные ошибки, из-за которых агенты не дают эффекта
Даже сильная технология не поможет, если компания ожидает «автопилот» без подготовки. Чаще всего проблемы возникают не из-за ИИ, а из-за организации.
Вот ошибки, которых стоит избегать:
- запуск без владельца процесса: никто не отвечает за качество данных и правила;
- слишком широкий первый кейс: агент получает слишком много ролей и путается;
- отсутствие справочников и стандартов, из-за чего данные несогласованны;
- слабые права доступа, которые создают риски или, наоборот, блокируют пользу;
- отсутствие метрик: нет способа доказать ценность и решить, что улучшать.
Если устранить эти ошибки, Agentforce становится практичным слоем автоматизации, который соединяет данные, правила и действия в один понятный интерфейс для команд.
Как понять, что Agentforce вам «нужен», а не просто интересен
Есть простой тест: если у вас много одинаковых операционных задач и много потерь времени на переключение между инструментами, агент даст ощутимый эффект. Если же данные грязные, процессы не описаны, а доступы хаотичны — сначала стоит навести порядок.
Признаки, что время созрело:
- в поддержке большая доля типовых обращений и очередей;
- в продажах менеджеры тратят много времени на «обслуживание CRM»;
- руководители хотят более быстрых ответов по рискам и приоритетам;
- интеграции уже существуют, но пользователям трудно ими пользоваться без технических знаний.
Agentforce в такой ситуации становится не «игрушкой», а практическим инструментом: он помогает командам работать быстрее, сохранять качество данных и поддерживать безопасный рабочий процесс в Salesforce.
