01 它是干嘛的
Agentforce 是赛富时的企业级 AI 层：早期的 Einstein 主要做预测与打分（这个商机成单概率多少、这个客户会不会流失），现在的 Agentforce 让大模型直接调用系统里的动作，去完成退货、改约、答疑这类具体任务。
02 为什么会有它
从会说话到会办事，企业愿意付钱的是后者
早期企业里的聊天机器人基本是脚本：预设几十个问题和答案，用户问得稍微偏一点就回答不上来，最后往往只能转人工。它的价值有限，因为用户真正想要的不是被回复，而是事情被解决。
大模型出现后，机器人终于能听懂自然语言，但只会说话仍然不够——用户说我要退这个订单，如果只是回一句请提供订单号，那和脚本机器人没有本质区别。
Agentforce 想做的是让 AI 真的去执行动作：查订单、判断是否符合退货政策、在系统里创建退货单、通知仓库、给用户发确认。企业愿意为省掉一次人工处理付钱，而不是为多一个聊天窗口付钱。
03 它怎么工作
它跑的是一个循环：理解用户意图 → 检索相关政策与客户数据 → 决定调用哪个动作 → 执行后观察结果 → 再决定下一步，直到任务完成或转人工。
一个 AI 坐席是怎么把一件事情办完的
- 1① 理解意图
把用户的话解析成要做什么，例如退货、改约、查账单。
- 2② 检索依据
从知识库与公司政策中取出相关条款，并从 CRM 里取出这个客户的具体订单与等级。
- 3③ 选择动作
在可用的动作列表里选一个，例如创建退货单，并填好所需参数。
- 4④ 执行并观察
真正调用系统接口执行动作，把返回结果作为下一步判断的依据。
- 5⑤ 完成或转人工
任务闭环后向用户确认；遇到政策外或高风险情况，带上完整上下文交给人工。
04 谁在用它
退货、改地址、查账单等高频且规则清晰的问题，交给 AI 直接处理。
对长时间未跟进的线索自动发起一轮沟通，并把结果写回商机。
员工问报销标准、休假政策时，直接给出依据条款而不是让人去翻文档。
用预测模型给商机与客户打分，让人先处理最可能成交或最可能流失的那批。
05 怎么用
先把规则和权限定死，再放开执行；AI 能做的事必须白名单化。
- 01挑一类高频、规则清晰、风险低的任务先做，例如查账单。
- 02把相关政策整理成结构化知识库，这是回答准确的前提。
- 03定义可调用的动作清单，明确每个动作的入参与权限边界。
- 04设置兜底：任何超出白名单的请求一律转人工并附带上下文。
- 05上线后逐条抽检对话，重点看执行类动作的成功率而非话术。
避坑提示
- !不要让 AI 直接执行退款、改价这类不可逆动作，至少要加人工确认。
- !评估指标要看任务完成率和转人工率，不要只看回答得像不像人。
06 关键概念
- AI 坐席
- 能直接调用系统动作完成任务的 AI，区别于只会回答问题的聊天机器人。
- 动作清单
- 明确列出 AI 可以调用的每一个操作，不在清单里的一律不做。
- 检索增强
- 回答前先去知识库取依据，让答案有出处、可核对，减少编造。
- 转人工兜底
- 遇到不确定的情况时把完整上下文交给人工，保证体验不断裂。