Agentforce, l'agent GenAI de Salesforce

Agentforce est une solution qui exploite des modèles de langage avancés (LLM ou Large Learning Models) pour comprendre le contexte des interactions et prendre des décisions de manière autonome. L'objectif est de permettre aux entreprises d’automatiser un grand nombre de tâches sans nécessiter des scénarios prédéfinis ou une supervision constante par vos équipes. Cette approche est particulièrement utile dans les environnements de relation client qui nécessitent une grande réactivité.

Chaque agent peut être personnalisé selon le secteur de votre entreprise, le domaine et vos processus métiers spécifiques, en s’appuyant sur des données de l’entreprise. Par exemple, un agent de service client peut traiter automatiquement des requêtes, résoudre des incidents et, en cas de besoin, transférer les demandes plus complexes à des conseillers humains. De même, un agent commercial peut engager des prospects, gérer des objections ou planifier des rendez-vous en s’appuyant sur les informations du CRM.

En termes d'adaptabilité, Agentforce permet de configurer des agents par fonction ou par secteur. Les entreprises peuvent ainsi choisir des agents pré-entraînés pour répondre à des besoins sectoriels, par exemple dans le retail / distribution, la santé, ou les services financiers, où des agents spécialement pré-entraînés peuvent être rapidement configurés et opérationnels.

La qualité des données est un élément clé dans le succès de toute solution d'automatisation, particulièrement pour Agentforce. Pour que l'agent virtuel soit en mesure de fournir des réponses pertinentes et d'exécuter des actions de manière fiable, les données utilisées doivent être complètes, précises, récentes, et cohérentes à travers toutes les sources. Des données incorrectes ou obsolètes peuvent conduire à des erreurs ou des biais dans la gestion des interactions, affectant directement la qualité du service rendu.

Grâce à l’intégration native avec Salesforce, Agentforce bénéficie d’un accès immédiat aux données CRM, qui sont déjà structurées et à priori de qualité. Cela réduit la complexité liée à la consolidation, réconciliation et mise en qualité des données, des chantiers longs et coûteux. De plus, l'intégration avec Data Cloud, qui est la brique de Salesforce qui permet d'unifier et d’analyser les données provenant de diverses sources internes et externes, renforce cette capacité à utiliser des informations provenant de multiples SI tout en garantissant leur cohérence et qu’elles soient prêtes à l’usage par les agents, ce qui est crucial pour garantir des réponses exactes et adaptées aux clients.

Bien qu’Agentforce propose une solution intégrée nativement à Salesforce, il existe d'autres assistants virtuels basés sur l’IA, comme Dynamics 365 Copilot intégré nativement à la solution CRM de Microsoft ou encore Zendesk AI Copilot. Ces solutions permettent également de gérer des interactions clients à l’aide de chatbots ou d’agents virtuels. Toutefois, les capacités d’Einstein Copilot et ses bots semblent être le choix naturel pour les entreprises déjà investies dans l’écosystème Salesforce, avec un avantage en termes de rapidité de déploiement et de fiabilité des données, là où d'autres solutions indépendantes nécessiteraient des étapes de configuration et d'intégration plus poussées.

De plus, Agentforce offre une flexibilité importante grâce à l’Agent Builder, une interface low-code (avec un faible besoin en codage, utilisable par des profils non-techniques) qui permet aux entreprises de configurer des agents selon leurs besoins spécifiques. Des outils comme MuleSoft (l’outil de Salesforce qui facilite l’intégration de SI entre eux via des API) permettent également de connecter des systèmes externes pour une gestion plus fluide des flux de données, ce qui peut se révéler complexe avec certaines alternatives moins intégrées.

Mettre en place Agentforce ou une solution concurrente nécessite un premier travail de cadrage et d’étude d’opportunité qui prend en compte les facteurs de complexité. En premier lieu, la qualité et la disponibilité des données jouent un rôle central. Si les données de l’entreprise sont éparpillées entre plusieurs SI ou bases de données, ou si elles sont obsolètes, cela peut considérablement compliquer l'implémentation. Le nettoyage, la structuration et la consolidation des données peuvent représenter un chantier important avant de pouvoir exploiter pleinement les capacités de l’agent.

Ensuite, il est nécessaire de considérer l'intégration avec les systèmes existants. Bien que Salesforce et ses outils comme MuleSoft facilitent cette tâche, la complexité augmente lorsque l’on doit connecter de multiples systèmes externes qui ne communiquent pas naturellement entre eux. Cela nécessite des compétences techniques de Data Engineer ou de développeur pour configurer des API et s’assurer que les flux de données soient fluides, scalables et cohérents.

Un autre aspect à prendre en compte est l’adaptation aux processus spécifiques de l’entreprise. Même avec des agents pré-entraînés par secteur ou par fonction, il est souvent nécessaire de configurer les agents pour qu’ils correspondent aux motifs de contact, aux types de demande ou encore aux règles métiers internes de l’entreprise. Cette étape nécessite de bien définir les guardrails (les limites d'action des agents virtuels pour éviter des abus des clients ou des hallucinations problématiques des bots), ainsi que les moments où l'agent doit remonter une alerte ou escalader une demande vers un humain.

Enfin, la sécurité des données est un aspect clé à considérer. Salesforce a mis en place la Einstein Trust Layer, qui garantit que les données sensibles de l’entreprise ne sont pas partagées ou vues par des fournisseurs tiers. Ce cadre assure que les agents virtuels peuvent utiliser les modèles de langage tout en respectant les normes de sécurité strictes, particulièrement important dans des secteurs d’activité réglementés.

En synthèse, Agentforce est une solution qui offre aux entreprises une automatisation intelligente de leurs interactions, avec un avantage notable en termes d’intégration avec le CRM et de gestion des données clients. Son déploiement peut cependant s’avérer complexe, notamment en raison de la nécessité d’assurer une qualité de données irréprochable et d’adapter l'outil aux processus internes. Bien que des solutions concurrentes existent, l’intégration native avec Salesforce et la flexibilité offerte par Agent Builder et MuleSoft en font une option solide pour les entreprises qui ont déjà investi dans l’écosystème Salesforce afin d’améliorer significativement la gestion des interactions clients et l’efficacité opérationnelle des Ventes et de la Relation Client.

Sia Partners a créé un centre d’excellence Salesforce (« Salesforce Center of Excellence ») pour accompagner les fonctions Marketing, Ventes, Service Client et Expérience Client en les aidant à mettre en œuvre Salesforce et à optimiser son utilisation. L'objectif est de permettre aux équipes commerciales, grâce à l'utilisation de la plateforme, de réaliser l'expérience client cible que vous avez conçue, de déployer efficacement vos stratégies marketing, de stimuler une croissance rentable et durable et d'offrir des expériences de service différenciées.

L'analyse de la stratégie de l'entreprise, notamment en matière de Relation Client, ainsi que l’analyse des besoins métiers, permettent de choisir les fonctionnalités Salesforce les plus adaptées à l'entreprise. Les consultants certifiés Salesforce de Sia Partners s’assurent de leur adoption, en réalisant des diagnostics et en formulant des recommandations visant à améliorer l'expérience client et collaborateur et à tirer profit des nouvelles fonctionnalités offertes par l'éditeur (ex : IA générative, Data).

Sia Partners a développé une expertise sur les enjeux du CRM et des Centres de Relation Client et le pilotage de l’activité et de la performance des CRC. Selon vos besoins, nos consultants peuvent vous accompagner sur toutes les étapes de votre projet.

Dès le cadrage en amont de votre projet : 

• Diagnostic flash de votre niveau de maturité Data et IA pour la Relation Client.
• Alignement du COMEX sur la vision et les cas d’usage Data et IA dont IA générative.
• Définition de votre modèle opérationnel cible et co-construction de la feuille de route IA générative : organisation, processus, outils et gouvernance au niveau local et central.

Lors de la phase de conception : 

• Conception des parcours clients cibles optimisés et du modèle relationnel entre selfcare, traitement par les bots d’IA générative ou les agents humains. 
• Spécification des besoins métiers IA de vos équipes CRM, Marketing, Digital, Ventes et Service Client, cartographies fonctionnelle et applicative et préparation de l’appel d’offres. 
• Sélection de modèle ou de solution technique pour répondre à vos besoins métiers et selon vos contraintes d’organisation, Data et SI. 

Tout au long de la réalisation et de la mise en place du modèle opérationnel cible : 

• Développement de modèles et produits Data personnalisés pour vos besoins par nos Data Scientists et Machine Learning Engineers.
• Gestion de projet de transformation du modèle opérationnel cible, coordination de vos équipes Métiers, Data et SI. 
• Conduite du changement, acculturation et formation des équipes pour sécuriser l’adoption et la valeur générée par les cas d’usage Data et IA.