作者|沙丘智库研究团队
来源|沙丘社区(www.shaqiu.cn)
AI Agent是指具有自主性或半自主性的智能实体,能够利用人工智能技术在数字或物理环境中感知、决策、采取行动并实现目标。与Copilot、聊天机器人等相比,AI Agent能够自主规划和行动,实现用户预设的目标。
随着大模型技术的成熟,将LLM作为AI Agent的大脑或控制器的核心组成部分,使得AI Agent在感知和行动、执行方面实现巨大突破。
从2024年开始,国外大厂纷纷下场,积极布局AI Agent赛道,基于自身的战略规划和原有产品体系推出AI Agent相关产品,并将AI Agent作为企业未来核心竞争力的关键。
在这样的背景下,沙丘智库系列研究——《AI Agent对标研究》应运而生。本系列旨在通过对国外大厂的AI Agent布局进行深入研究,为国内企业提供宝贵的参考和借鉴。我们将重点关注Salesforce、Oracle、Microsoft、Amazon、Google、OpenAI等国际科技巨头在AI Agent领域的战略布局、技术应用、产品特点等。
通过对这些国际科技巨头的AI Agent布局进行深入研究,我们希望能够为国内企业提供一个全面的视角,帮助大家更好地理解AI Agent技术的发展趋势、应用场景以及企业竞争格局。同时,本研究系列也将为国内企业在AI Agent领域的技术研发、产品创新和市场推广提供有价值的参考和借鉴,助力国内企业在AI时代把握机遇,实现创新发展。
本次发布的报告为Salesforce篇。Salesforce是全球SaaS行业的领军企业,这家成立于1999年的美国企业,从最开始单一的CRM产品开始,通过“开发新产品+收购战略”,一路扩张产品线,现在已经发展成为一个覆盖销售、服务、营销、电商、AI、数据中台以及低代码开发的企业级数字化平台。
在2024年9月的Dreamforce 2024大会上,Salesforce推出企业级AI Agent解决方案——Agentforce,帮助企业规模化地构建、部署和管理用于各种业务场景的AI Agent,包括面向客户、面向员工以及自主行动的AI Agent。
为了满足企业级AI Agent应用,Agentforce与Salesforce平台、Data Cloud和外部数据源深度集成。在这方面,Salesforce做了很多工作,Data Cloud、MuleSoft和Flow等产品原本并不具备AI能力,Salesforce对这些产品进行了AI增强,使其能够与Agentforce协同工作。
通过Agentforce,Salesforce正在发生如下变革:
第一,AgentForce将作为核心引擎,成为完成流程自动化的主要手段。以后用户在Salesforce的任何应用中检索、输入和分析数据,背后都是一个个的AI Agent在行动,而不是传统的工作流或代码逻辑。
第二,Agentforce是Salesforce第一个“非确定性”流程自动化产品。传统流程自动化产品每一次都是依赖于写死的路径,而Agentforce则用大模型做推理,每一步怎么执行、调用什么工具、组合哪些数据,都由AI现场“思考”决定。
第三,Agentforce不仅仅是一个具体的产品,而是Salesforce的Agentic AI体系。所有Salesforce平台上“能自主规划、调用工具、完成任务的AI能力”都将属于Agentforce,Salesforce正在用Agentforce替换原有的Einstein AI体系。
Salesforce对企业级AI Agent产品的愿景是“在未来五年内,每一家企业都将变成Agent first”。最终,Agentforce将取代最终用户当前手动执行的数据输入、数据检索和数据分析等操作,从而提高工作效率和准确性,减少人工错误,提升用户体验。
本报告重点围绕Agentforce的产品战略、功能路线、安全机制、开发指南、定价模式等,对Salesforce的AI Agent布局进行详细分析,希望能够为国内企业提供宝贵的参考和借鉴。
报告目录
1.Agentforce:Salesforce未来的战略核心
1.1 Salesforce 公司介绍
1.2 Agentforce产品愿景
1.3 Agentforce产品介绍
1.4 Agentforce核心功能
1.5 Agentforce功能迭代路线
1.6 Agentforce工作原理
1.7 Agentforce的Agent构建方式
1.8 Agentforce未来优化方向
2.安全机制:如何通过Trust Layer保护用户数据?
2.1 Trust Layer介绍与工作原理
2.2 Agentforce安全机制:数据使用和保留策略
2.3 Agentforce安全机制:数据保护策略
2.4 Agentforce安全机制:访问控制和治理
2.5 Agentforce安全机制:审计日志和可追溯性
2.6 Agentforce安全机制:遵循人工智能伦理准则
2.7 Agentforce安全机制:全面合规认证
3.深度集成:Agentforce如何与其他产品协同工作?
3.1 Agentforce与Salesforce产品体系的协同
3.2 Agentforce与Salesforce平台的关系
3.3 Agentforce与Atlas推理引擎的关系
3.4 Agentforce与Data Cloud的关系
3.5 Agentforce与外部环境的互操作性
3.6 Salesforce智能体成熟度模型
3.7 基于Headless Agent的多智能体编排
4.开发指南:Agentforce如何构建、管理和扩展AI Agent?
4.1 软件开发方式定义
4.2 低代码开发:Agent Builder
4.3 专业代码开发:Agentforce DX
4.4 Agentforce的工具库
4.5 模块化的AI模型能力
4.6 AI Agent全生命周期管理
4.7 测试:Testing Center
4.8 调试:Plan Tracer
4.9 部署:DevOps Center/CLI
4.10 监控: Interaction Explorer
5.定价模式:Agentforce如何按“使用量”收费?
5.1 AI Agent的定价模式分类
5.2 Agentforce基于消费的定价模式
5.3 Agentforce基于用户的定价模式
6.价值衡量:Agentforce如何帮企业衡量Agent的效果?
6.1 Agent效果可视化:Command Center
6.2 可观测性和调试工具
6.3 价值和成本分析
7.生态支持:Agentforce为企业提供了哪些配套服务?
7.1 Agentforce配套服务和资源
7.2 技术支持服务
7.3 专业服务
7.4 培训资源
*更多生成式AI研究可前往“沙丘智库”小程序查阅
*有任何需求可咨询客服微信:zimu738

