Bij Cobra zijn we altijd nieuwsgierig naar wat er technisch mogelijk is – maar ook kritisch over wat er vandaag écht werkt. De introductie van Agentforce door Salesforce trok dan ook direct onze aandacht. Niet zomaar een chatbot of AI-functie, maar een slimme agent die zelfstandig taken uitvoert, zelf plannen maakt en bijstuurt als dat nodig is.
De afgelopen maanden hebben we bij verschillende organisaties de eerste pilots uitgevoerd. Nog pionieren? Absoluut. Maar juist daarom levert het waardevolle inzichten op. In dit blog nemen we je mee in hoe Agentforce werkt, wat wij in de praktijk leerden en waar volgens ons de echte kracht ligt.
Het is verleidelijk om Agentforce te vergelijken met een slimme chatbot. Maar dat zou het idee tekortdoen. Een traditionele bot volgt vaste paden, reageert op vooraf ingestelde intenties en loopt vast als een vraag net even anders wordt gesteld. Agentforce doet meer. Veel meer.
Een agent in Agentforce is in staat om een gebruikersvraag op te splitsen in deelvragen, de juiste data op te halen, een actieplan te maken en dat ook uit te voeren. Daarbij evalueert de agent of het resultaat klopt met wat er werd gevraagd. Is dat niet het geval? Dan past hij het plan aan en probeert het opnieuw.
Daarbij gebruikt Agentforce data uit verschillende bronnen: van CRM-gegevens tot kennisartikelen, van eerdere klantinteracties tot externe systemen. De agent werkt binnen de grenzen van je eigen organisatie en kan daardoor veilig en consistent handelen.
Een van onze eerste pilots draaiden we bij Qredits, waar we Agentforce gebruikten om klantvragen af te handelen met behulp van bestaande kennisartikelen. Denk aan vragen als: “Hoe wijzig ik mijn rekeningnummer?” Op het eerste gezicht eenvoudig, maar in de praktijk bleken er wel uitdagingen.
De agent gaf bijvoorbeeld informatie over een specifieke bank, terwijl dat niet voor iedere klant van toepassing is. Dat kwam omdat de agent bij het beantwoorden van de vragen zijn kennis niet alleen uit kennisartikelen haalde, waardoor “algemene kennis” gebruikt werd. Iets wat je absoluut niet wilt bij een organisatie die met financiële gegevens werkt.
De les? Een agent is zo slim als de data waarmee je hem voedt. En dat betekent dat je je kennisbank scherp moet organiseren, met duidelijke instructies, afgebakende scenario’s en zonder tegenstrijdigheden. Bij Qredits kozen we er dan ook voor om de agent alléén te laten werken met eigen, goedgekeurde bronnen – zonder toegang tot generatieve AI-modellen die zelf ‘creativiteit’ toevoegen. Zo hou je controle en voorkom je verrassingen.
Wat Agentforce technisch onderscheidt, is de manier waarop het data, logica en actie combineert. In plaats van losse AI-modules, werkt Agentforce met een geïntegreerde architectuur waarin alles samenkomt.
Centraal staat de Atlas Reasoning Engine. Deze engine analyseert elke vraag, bepaalt het doel, stelt een actieplan op en voert het stap voor stap uit. Daarbij gebruikt hij een techniek die ensemble retrieval augmented generation heet. Kortweg: meerdere modellen werken samen om precies de juiste informatie te vinden. De agent zoekt daarbij in zowel gestructureerde als ongestructureerde data en kan ook signalen herkennen in klantinteracties die op het eerste gezicht niet direct bij het onderwerp lijken te horen. Je agent werkt daarvoor direct met live gegevens uit Salesforce, je kennisbank, andere applicaties of zelfs externe datalakes.
Dankzij metadata begrijpt Agentforce bovendien wat een veld betekent, hoe een object is opgebouwd en welke acties binnen een organisatie zijn toegestaan. Zo weet de agent niet alleen wat hij moet doen, maar ook hoe en wanneer.
Een van de krachtigste – maar ook meest uitdagende – aspecten van Agentforce is het werken met prompts. Je vertelt de agent niet in technische taal wat hij moet doen, maar formuleert een soort opdracht zoals een mens dat zou doen. Bijvoorbeeld: “Stel een e-mail op voor klant X waarin we uitleggen wat de status is van de laatste serviceaanvraag.”
Met de Prompt Builder van Salesforce kun je instellen welke toon de agent moet gebruiken, hoe formeel of creatief hij mag zijn en op basis van welke bronnen hij zijn informatie mag halen. Ook kun je aangeven welk model hij moet gebruiken om antwoorden te formuleren.
Om dit goed te testen, gebruik je het Testing Center, waarin je prompts in verschillende scenario’s doorlicht: begrijpt de agent wat je bedoelt, ook als een vraag net anders wordt geformuleerd? Kun je impliciete vragen herkennen? Wordt er niets gegeneerd dat je liever niet had gewild?
Het configureren van een agent is daardoor deels technologie – maar vooral ook denkwerk. Je leert denken als de eindgebruiker, én als de agent zelf.
Bij het inrichten van een agent werk je met twee belangrijke bouwstenen: topics en actions. Een topic definieert een onderwerp: wat voor soort vragen kun je verwachten, welke kaders/richtlijnen moet de agent in dit onderwerp rekeing mee houden? Een topic bevat instructies over hoe om te gaan met vragen binnen een bepaald onderwerp, en stuurt de bot aan om met behulp van een bepaalde action de relevante kennisartikelen te doorzoeken. Het topic stuurt aan op gedrag, en de daadwerkelijke inhoud komt uit de kennisartikelen die via die action worden gevonden of samengevat.
Een action is de daadwerkelijke stap die de agent uitvoert. Denk aan het aanpassen van klantgegevens, het versturen van een bevestiging of het starten van een interne flow. Of het opzoeken van een kennisartikel op basis van een veelgestelde vraag. Salesforce biedt al een aantal standaardacties aan, zoals “stel een e-mail op”, “haal klantgeschiedenis op” of “prioriteer een case”. Maar je kunt ook custom actions maken, afgestemd op je eigen processen en objecten. Daarmee bouw je een agent die naadloos aansluit op jouw organisatie.
Zodra je AI inzet voor klantinteractie, wil je zeker weten dat je data veilig is en dat er geen ongewenste informatie gedeeld wordt. Salesforce heeft daarom de Einstein Trust Layer ontwikkeld. Dit is een beveiligingslaag die gevoelige informatie maskeert in prompts. Daarnaast bepaalt deze laag welke data wel en niet mag worden gebruikt en voorkomt dat privacygevoelige informatie buiten je organisatie belandt.
Daarnaast kun je via dynamische context de prompt van de agent verrijken met relevante klantinformatie – zonder die informatie letterlijk mee te sturen. Zo krijgt het AI-model de context die nodig is om correct te antwoorden, zonder dat je gegevens uit handen geeft.
Voor sectoren met strenge compliance-eisen, zoals finance, zorg en overheid, is dat een must. De Trust Layer zorgt dat AI inzetbaar is zonder dataverlies of reputatierisico’s.
De technologie is krachtig, maar nog niet op alle fronten inzetbaar. Wat vandaag al goed werkt:
Onze conclusie? Agentforce biedt jou en je collega’s de kans om je werk makkelijker, sneller en beter te doen. Maar het vereist voorbereiding, kritisch denken en een goede datastructuur. De technologie is volwassen genoeg voor specifieke use cases, maar nog jong genoeg om fouten te maken als je niet oplet.
Bij Cobra helpen we klanten graag bij die eerste stappen. Van het bouwen van je kennisstructuur tot het ontwerpen van veilige prompts en het opzetten van een realistische pilot. Agentforce is geen plug-and-play, maar wie het goed aanpakt, krijgt er een digitale collega bij die altijd klaarstaat.
