El vicepresidente ejecutivo y director digital de Salesforce, Joe Inzerillo, reflexiona sobre los aprendizajes realizados y los errores cometidos durante el primer año de la empresa como cliente cero de su plataforma de IA agentiva.
La plataforma de IA basada en agentes Agentforce de Salesforce acaba de cumplir su primer aniversario y ya ha alcanzado su cuarta versión en Agentforce 3. La tecnológica se considera a sí misma el cliente cero de la plataforma, y Joe Inzerillo, vicepresidente ejecutivo y director digital del gigante del software, afirma que los últimos 12 meses han sido un viaje apasionante de descubrimiento y aprendizaje.
Como cliente, Inzerillo afirma que Agentforce y los agentes autónomos que habilita han supuesto una revolución para Salesforce. El agente de desarrollo de ventas ha trabajado en más de 43.000 clientes potenciales y ha generado 1,7 millones de dólares en nuevos proyectos a partir de otros inactivos. Y el agente de servicio ha gestionado más de 1,4 millones de conversaciones en el sitio de ayuda de Salesforce, resolviendo la mayoría de los casos sin necesidad de intervenir a representantes humanos y obteniendo excelentes puntuaciones de satisfacción del cliente (CSAT).
“Hemos podido reducir los costes de nuestra función de asistencia en unos 100 millones de dólares y ofrecer a nuestros clientes una CSAT igual de buena o mejor”, desvela Inzerillo. Pero estos resultados no se han conseguido sin retos y fracasos.
Los agentes no son chatbots
Inzerillo afirma que uno de los errores cometidos al principio del proceso fue limitar en exceso el modelo y que, al principio, un cliente preguntó a un agente sobre un competidor y el agente respondió. “A nuestro equipo de marketing no le gustó mucho eso, así que añadimos una norma básica de no hablar nunca de nuestros competidores”, afirma, y esa norma incluía una extensa lista de competidores. Pero esto resultó contraproducente cuando los clientes hacían preguntas legítimas, como cómo integrar Microsoft Teams con Salesforce. El agente se negaba a ayudar porque Microsoft era un competidor que figuraba en la lista.
“Esto tampoco es lo que queremos, ya que tiene que haber un poco de tolerancia”, afirma. “Hay que tratarlo como a un becario universitario que va a cometer algunos errores cuando empieza, pero cada comentario que recibes es un regalo”.
Ese error inicial condujo a una importante conclusión: los agentes no son chatbots. Los chatbots necesitan instrucciones prescriptivas. Los agentes necesitan un objetivo, pero deben tener libertad para determinar cómo alcanzarlo. “Si se restringe demasiado, en el mejor de los casos se obtendrá un bot”, relata Inzerillo. “En el peor de los casos, obtendrás algo peor que un bot, porque lo habrás limitado hasta el punto de que le resulte difícil responder incluso a preguntas básicas”.
En este caso, la solución fue sencilla. El equipo eliminó las reglas rígidas y dio instrucciones al agente para que actuara en el mejor interés de Salesforce y sus clientes. “Para empezar, menos es más”, afirma Inzerillo. “Hay que ser un poco minimalista. Ajustar y recuperar los datos correctamente, pero no restringirlos en exceso, porque parte de la magia de los agentes es su capacidad para hablar como un humano, y si les das directrices demasiado estrictas, perderán esa capacidad”.
La higiene de los datos es esencial
La necesidad de una higiene de datos impecable ha sido otra de las lecciones aprendidas. Al igual que con otras formas de IA generativa, otra preocupación es cuando los agentes autónomos alucinan, generando resultados falsos basados en un patrón percibido por el modelo. Pero Inzerillo afirma que, cuando su equipo investigó las aparentes alucinaciones, la causa era a menudo documentos que contenían datos contradictorios debido a la base de conocimientos del agente. Cuando un modelo tiene dos o más fuentes de datos aparentemente válidas que proporcionan respuestas contradictorias, es más probable que invente una respuesta para conciliarlas.
“La gente solía pensar que lo difícil era realmente amalgamar los datos en una única ubicación. Y solía ser difícil. Ahora, con RAG y los agentes, acceder a los datos nunca ha sido tan fácil. Pero la duplicación de datos, especialmente los datos contradictorios, es algo a lo que la gente no ha prestado mucha atención porque los humanos somos muy buenos resolviéndolo”.
En la era de los agentes autónomos, afirma, la higiene y la retirada de datos deben ser prioridades. Salesforce descubrió esto cuando un agente de su sitio de atención al cliente extrajo un conjunto de datos obsoletos de una antigua página de marketing. El sitio no enlazaba con la página, lo que contradecía los artículos de ayuda que se actualizaban periódicamente.
Según Inzerillo, Salesforce ha considerado esto como una herramienta de diagnóstico útil para ayudar a identificar fuentes de datos antiguas que deben limpiarse. “Cuando miremos atrás dentro de 10 años, en los albores de la IA agentiva, la nota al pie será que la higiene de los datos mejoró cuatro veces a lo largo de ese proceso”, afirma. Desde entonces, Salesforce ha adoptado un enfoque multicapa centrado en la gobernanza de los datos, la limpieza de las fuentes y la consolidación, y está invirtiendo en procesos de curación y validación de artículos de conocimiento para garantizar que sus agentes accedan a una biblioteca de recursos coherente.
Inzerillo afirma que la empresa también ha aplicado Salesforce Data Cloud como capa de activación, conectando, armonizando y unificando los datos.
La experiencia humana sigue siendo la norma
El año pasado también enseñó a Salesforce la importancia de la experiencia humana que aprovechan los agentes. Inzerillo señala que Agentforce ha permitido a la empresa crear una multitud de agentes, todos ellos adecuados para fines específicos, como un agente de bienestar para responder a preguntas sobre prestaciones, un agente de reuniones para programar el apoyo y un agente de carrera para responder a preguntas sobre desarrollo profesional, por ejemplo.
Todos estos agentes tenían como objetivo ayudar a los empleados de Salesforce a descargar tareas repetitivas, pero fragmentaron eficazmente la experiencia de los empleados entre docenas de agentes. Los empleados tenían que llevar un registro de qué agentes podían realizar las tareas. Por eso, este verano, según Inzerillo, su equipo introdujo un agente para empleados que podía llamar a todos esos agentes diferentes y, al mismo tiempo, servir como único punto de contacto para los propios empleados. El equipo también creó un agente para gerentes que podía reunir los resultados de las encuestas a los empleados y proporcionar recursos de revisión trimestral.
La conclusión, según Inzerillo, es que hay que hacer algo más que crear agentes. “Para que los agentes sean realmente eficaces, deben integrarse en el flujo de trabajo”, cuenta. “Nuestros agentes no están aislados en una aplicación separada. Están perfectamente integrados en las herramientas que nuestros empleados y clientes utilizan a diario”.
