ในงาน Dreamforce 2025 Salesforce ได้เปิดตัว Agentforce 360 ซึ่งถือเป็นการพัฒนาครั้งสำคัญจาก AI ขั้นทดลองไปสู่เอเจนต์อัตโนมัติระดับองค์กร สำหรับองค์กรที่กำลังพัฒนาโซลูชัน AI การเปิดตัวครั้งนี้จะช่วยแก้ปัญหาสำคัญด้านความน่าเชื่อถือ การควบคุม และการตรวจสอบที่เคยเป็นอุปสรรคต่อการใช้งานจริง ต่อไปนี้คือสิ่งที่นักพัฒนา สถาปนิก และผู้นำทางธุรกิจจำเป็นต้องรู้เกี่ยวกับความสามารถใหม่ๆ ที่ทำให้เอเจนต์พร้อมใช้งานจริงอย่างแท้จริง.
ความท้าทายด้านความพร้อมขององค์กร
คำมั่นสัญญาของระบบ AI อัตโนมัติ (AI agents) นั้นชัดเจนมาโดยตลอด นั่นคือ ระบบอัตโนมัติที่สามารถคิดวิเคราะห์ วางแผน และดำเนินการตามกระบวนการทางธุรกิจได้โดยไม่ต้องมีการแทรกแซงจากมนุษย์อย่างต่อเนื่อง อย่างไรก็ตาม ความเป็นจริงนั้นท้าทายกว่ามาก ต่างจากระบบอัตโนมัติแบบดั้งเดิมที่ใช้กฎเกณฑ์ ระบบ AI อัตโนมัติมีลักษณะที่ไม่แน่นอน พวกมันปรับตัวและแก้ไขสถานการณ์เฉพาะหน้ามากกว่าที่จะยึดติดกับสคริปต์ สำหรับองค์กรที่จัดการกระบวนการที่สำคัญต่อธุรกิจ ความไม่แน่นอนนี้เป็นอุปสรรคสำคัญในการนำไปใช้.
Agentforce 360 นำเสนอเสาหลักพื้นฐานสี่ประการที่ออกแบบมาเพื่อเชื่อมช่องว่างนี้ ได้แก่ การควบคุมที่ดียิ่งขึ้นผ่านการให้เหตุผลแบบไฮบริด การประมวลผลบริบทที่สมบูรณ์ผ่าน Data 360 ประสบการณ์แบบหลายช่องทางรวมถึงเสียง และเครื่องมือการจัดการที่ครอบคลุมเพื่อรองรับการขยายขนาด นี่ไม่ใช่การปรับปรุงทีละเล็กทีละน้อย แต่เป็นการเปลี่ยนแปลงพื้นฐานในวิธีการที่องค์กรสามารถใช้งานเอเจนต์อัตโนมัติในสภาพแวดล้อมการผลิตได้อย่างมั่นใจ.
การให้เหตุผลแบบผสมผสาน: การสร้างสมดุลระหว่างความยืดหยุ่นและการควบคุม
หัวใจสำคัญของการปรับปรุงความน่าเชื่อถือของ Agentforce 360 คือการใช้เหตุผลแบบไฮบริด ซึ่งนำมาใช้ผ่าน Agent Script และ Atlas Reasoning Engine ที่สามารถกำหนดค่าได้ Agent Script เป็นภาษาเฉพาะโดเมนระดับสูงแบบประกาศ ที่ช่วยให้เอเจนต์มีความแม่นยำในการเขียนโปรแกรม ทำให้ทีมสามารถสร้างสมดุลระหว่างความคิดสร้างสรรค์โดยธรรมชาติของ LLM กับความแน่นอนของตรรกะทางธุรกิจที่มีโครงสร้าง.
สำหรับนักพัฒนา นั่นหมายความว่าขณะนี้คุณสามารถกำหนดพฤติกรรมของเอเจนต์ด้วยตรรกะแบบมีเงื่อนไข การใช้งานเครื่องมือที่แม่นยำ และการควบคุมแบบมีคำแนะนำได้แล้ว ระบบนี้ช่วยให้เกิด “การให้เหตุผลแบบผสมผสาน” โดยการสร้างสมดุลระหว่างความคิดสร้างสรรค์ของโมเดลภาษาขนาดใหญ่กับตรรกะทางธุรกิจที่มีโครงสร้าง ทำให้มั่นใจได้ว่าเอเจนต์สามารถจัดการงานที่ต้องใช้ขั้นตอนที่เข้มงวดและเป็นลำดับ เช่น การคืนเงินค่าสินค้าหรือการยื่นขอสินเชื่อ ในขณะที่ยังคงมีลักษณะการสนทนาและปรับตัวได้.
การนำไปใช้ทางเทคนิค:
สคริปต์ของเอเจนต์จะถูกคอมไพล์เป็น “กราฟเอเจนต์” ซึ่งเป็นข้อกำหนดที่มีโครงสร้างซึ่งถูกนำไปใช้โดย Atlas Reasoning Engine Atlas Reasoning Engine ใช้การเรียนรู้แบบเสริมแรงและวงจรป้อนกลับเพื่อให้การตอบสนองที่แม่นยำและเหมาะสมกับบริบท โดยโครงการนำร่องในช่วงแรกแสดงให้เห็นถึงความเกี่ยวข้องของการตอบสนองที่เพิ่มขึ้น 2 เท่า และความแม่นยำโดยรวมที่เพิ่มขึ้น 33% เมื่อเทียบกับ โซลูชันของคู่แข่ง.
สถาปัตยกรรมนี้ช่วยให้นักพัฒนาสามารถเลือกได้ว่าการควบคุมแบบกำหนดได้นั้นมีความสำคัญในส่วนใด และความยืดหยุ่นของ AI จะเพิ่มมูลค่าในส่วนใด คุณสามารถระบุขั้นตอนการทำงานที่แน่นอนสำหรับขั้นตอนที่สำคัญต่อการปฏิบัติตามกฎระเบียบ ในขณะเดียวกันก็อนุญาตให้มีความยืดหยุ่นในการใช้ภาษาธรรมชาติสำหรับการโต้ตอบกับลูกค้า ซึ่งมีคุณค่าอย่างยิ่งสำหรับอุตสาหกรรมที่มีการกำกับดูแลอย่างเข้มงวด ซึ่งการตรวจสอบและผลลัพธ์ที่สม่ำเสมอเป็นสิ่งที่ขาดไม่ได้.
ประสบการณ์การสร้างและทดสอบที่ดียิ่งขึ้น
เครื่องมือสร้างเอเจนต์ใหม่ Agentforce Builder ซึ่งจะเริ่มทดลองใช้งานในเดือนพฤศจิกายน 2025 จะเปลี่ยนกระบวนการพัฒนาเอเจนต์จากหลายขั้นตอนให้เป็นเวิร์กโฟลว์เดียวที่ครบวงจร อินเทอร์เฟซนี้ให้ความโปร่งใสมากขึ้นเกี่ยวกับสิ่งที่ Atlas Reasoning Engine กำลังทำอยู่เบื้องหลัง พร้อมด้วยโปรแกรมจำลองภาพและคำแนะนำที่นำไปปฏิบัติได้จริงสำหรับการเพิ่มประสิทธิภาพเอเจนต์.
ความสามารถหลักสำหรับทีมพัฒนา:
- การแก้ไขหลายมุมมองสลับไปมาระหว่างการแก้ไขแบบเอกสารพร้อมระบบเติมข้อความอัตโนมัติ มุมมองผืนผ้าใบแบบเขียนโค้ดน้อย และมุมมองสคริปต์ได้อย่างราบรื่น เพื่อตอบสนองความต้องการที่แตกต่างกันของนักพัฒนา
- การจำลองแบบเรียลไทม์ทดสอบการคิดวิเคราะห์ของเอージェนต์ของคุณ สังเกตขั้นตอนการตัดสินใจแต่ละขั้นตอน และปรับเปลี่ยนได้ทันทีก่อนเริ่มใช้งานจริง
- การทดสอบแบบบูรณาการ: ตรวจสอบพฤติกรรมของเอเจนต์ภายในตัวสร้าง ลดความจำเป็นในการทดสอบแบบกลุ่มแยกต่างหาก
- รูปแบบพกพาเอเจนต์ทุกตัวจะถูกคอมไพล์เป็นไฟล์ JSON ที่พกพาได้ ทำให้การควบคุมเวอร์ชันและการปรับใช้ในสภาพแวดล้อมต่างๆ ทำได้ง่ายขึ้น
สำหรับสถาปนิกที่ออกแบบระบบเอเจนต์ แนวทางที่เป็นหนึ่งเดียวนี้หมายถึงรอบการพัฒนาที่เร็วขึ้นและการทำงานร่วมกันที่ดีขึ้นระหว่างทีมเทคนิคและทีมธุรกิจ ความสามารถในการกำหนดเอเจนต์ด้วยการสนทนาแล้วปรับแต่งเพิ่มเติมด้วยโค้ดจะช่วยลดช่องว่างระหว่างการสร้างต้นแบบอย่างรวดเร็วและการใช้งานจริงในระดับการผลิต.
Agentforce Observability: การตรวจสอบและการเพิ่มประสิทธิภาพการทำงานในสภาพแวดล้อมการผลิต
บางทีความก้าวหน้าที่สำคัญที่สุดสำหรับการใช้งานจริงก็คือ Agentforce Observability ซึ่งจะเปิดให้ใช้งานทั่วไปในเดือนพฤศจิกายน 2025 ฟีเจอร์นี้ให้การวิเคราะห์โดยละเอียดและคำแนะนำในการปรับแต่งเพื่อปรับปรุงประสิทธิภาพของเอเจนต์ โดยมีการบันทึกการสนทนาไว้ใน Data 360.
สิ่งที่การตรวจสอบระบบมอบให้:
- ข้อมูลเชิงลึกระดับเซสชันติดตามปฏิสัมพันธ์แต่ละครั้งด้วย "ช่วงเวลา" ที่ละเอียดถี่ถ้วน ซึ่งช่วยระบุปัญหาด้านคุณภาพการสนทนา
- ตัวชี้วัดประสิทธิภาพ: ตรวจสอบจำนวนเซสชันทั้งหมด อัตราการเบี่ยงเบน เวลาแฝงเฉลี่ย และรูปแบบการเพิ่มระดับความรุนแรง
- การติดตามผลตอบแทนจากการลงทุน (ROI) ในระดับตัวแทนวัดผลกระทบทางธุรกิจด้วยตัวชี้วัดที่วัดผลได้
- คำแนะนำในการปรับปรุงประสิทธิภาพรับคำแนะนำที่นำไปปฏิบัติได้จริงเพื่อปรับปรุงคำแนะนำเกี่ยวกับหัวข้อต่างๆ และเพิ่มคะแนนความพึงพอใจ
คุณสมบัติเหล่านี้มีความสำคัญอย่างยิ่งต่อการนำไปใช้ในองค์กร ช่วยให้ทีมเข้าใจว่าเหตุใดเอเจนต์จึงตัดสินใจเช่นนั้น ซึ่งเป็นสิ่งสำคัญสำหรับความไว้วางใจและการแก้ไขปัญหา สำหรับทีมปฏิบัติการ ความสามารถในการมองเห็นนี้จะเปลี่ยนเอเจนต์จากกล่องดำให้กลายเป็นระบบที่สามารถปรับปรุงได้อย่างต่อเนื่องโดยอิงจากข้อมูลการผลิตจริง.
ความสามารถด้านเสียง: ประสบการณ์การสนทนาที่เป็นธรรมชาติ
Agentforce Voice ซึ่งเปิดให้ใช้งานทั่วไปแล้ว ช่วยขยายขีดความสามารถของเจ้าหน้าที่จากข้อความไปสู่การโต้ตอบด้วยเสียงที่เป็นธรรมชาติ นี่ไม่ใช่แค่การแปลงข้อความเป็นเสียงธรรมดา แต่เป็นเลเยอร์เสียงแบบเนทีฟที่ผสานรวมอย่างลึกซึ้งกับข้อมูลและกระบวนการทางธุรกิจของ Salesforce.
ระบบนี้โดดเด่นด้วยการถอดเสียงที่มีความหน่วงต่ำ การสังเคราะห์เสียงที่สมจริง และใช้งานได้กับระบบโทรศัพท์ เว็บไซต์ และแอปพลิเคชันบนมือถือ สำหรับองค์กรบริการลูกค้า นั่นหมายถึงการเปลี่ยนระบบ IVR แบบดั้งเดิมให้เป็นประสบการณ์การสนทนาที่รักษาบริบทและสามารถดำเนินการเวิร์กโฟลว์ที่ซับซ้อนได้โดยที่ยังคงความเป็นธรรมชาติ.
คำแนะนำในการนำไปปฏิบัติจริง
สำหรับนักพัฒนา:
เริ่มต้นด้วย Agent Script เพื่อกำหนดขั้นตอนการทำงานที่สำคัญซึ่งต้องการพฤติกรรมที่แน่นอน ใช้คุณสมบัติการจำลองของ Builder อย่างเต็มที่ก่อนการใช้งานจริง ดำเนินการบันทึกข้อมูลอย่างครอบคลุมผ่าน Agentforce Observability ตั้งแต่วันแรก – การรอจนกว่าปัญหาจะเกิดขึ้นในระบบการผลิตนั้นสายเกินไป.
สำหรับสถาปนิก:
ออกแบบโดยคำนึงถึงการกำกับดูแล Salesforce ได้นำเสนอการควบคุมการกำกับดูแลตามความเสี่ยง ซึ่งช่วยให้องค์กรสามารถจำแนกการทำงานอัตโนมัติตามระดับความสำคัญได้ โดยปล่อยให้เวิร์กโฟลว์ที่มีความเสี่ยงต่ำทำงานโดยอัตโนมัติ ในขณะที่ส่งต่อการดำเนินการที่มีความเสี่ยงสูงไปยังผู้ตรวจสอบที่เป็นมนุษย์ วางแผนสถาปัตยกรรมเอเจนต์ของคุณโดยยึดจุดควบคุมเหล่านี้เป็นหลัก.
พิจารณาโครงสร้างข้อมูลอย่างรอบคอบ ประสิทธิภาพของเอเจนต์ขึ้นอยู่กับข้อมูลที่พวกเขาสามารถเข้าถึงผ่าน Data 360 ได้ ควรจัดทำแผนผังแหล่งข้อมูลที่ไม่เป็นระเบียบและข้อมูลเก่าตั้งแต่เนิ่นๆ เนื่องจากคุณภาพของข้อมูลส่งผลโดยตรงต่อความน่าเชื่อถือของเอเจนต์.
สำหรับผู้นำทางธุรกิจ:
เน้นการใช้งานเฉพาะด้านที่มีมูลค่าสูงสำหรับการติดตั้งใช้งานในระยะเริ่มต้น ด้วยลูกค้ากว่า 12,000 ราย, เอเจนท์ฟอร์ซ 360 ได้ส่งมอบผลลัพธ์ที่เปลี่ยนแปลงไปอย่างมาก: Reddit ลดจำนวนเคสการสนับสนุนลง 46% และลดเวลาในการแก้ไขปัญหาลง 84%[^1] ในขณะที่ Adecco จัดการการสนทนากับผู้สมัครงานนอกเวลาทำการปกติได้ 51%[^2] นี่ไม่ใช่เป้าหมายที่ตั้งไว้ แต่เป็นผลลัพธ์จากการใช้งานจริงของกลุ่มผู้ใช้งานกลุ่มแรก.
เริ่มต้นจากสิ่งเล็กๆ แต่คิดให้ใหญ่ ทดลองใช้เวิร์กโฟลว์ตัวแทนที่ผสานรวมช่องทางการทำงานร่วมกัน เช่น Slack เข้ากับการอนุมัติอัตโนมัติและการตรวจสอบได้ ซึ่งจะช่วยสร้างความสำเร็จในระยะเริ่มต้นและสร้างความเชื่อมั่นในเทคโนโลยีตัวแทนภายในองค์กร.
ความสามารถในการทำงานร่วมกันของเอเจนต์และระบบหลายเอเจนต์
ความก้าวหน้าที่สำคัญสำหรับสถานการณ์องค์กรที่ซับซ้อนคือการทำงานร่วมกันระหว่างเอเจนต์ที่ดีขึ้น การสนับสนุนแบบเนทีฟสำหรับ Model Context Protocol (MCP), การสื่อสารระหว่างเอเจนต์ (A2A) และเอเจนต์ย่อยของ Agentforce ช่วยเพิ่มความร่วมมือระหว่างเอเจนต์และระบบภายนอก ซึ่งช่วยแก้ไขข้อจำกัดก่อนหน้านี้ที่การส่งต่อข้อมูลระหว่างเอเจนต์มักเกิดข้อผิดพลาด.
สำหรับองค์กรที่มีหน่วยธุรกิจหลายแห่งหรือขั้นตอนการทำงานที่ซับซ้อน นั่นหมายความว่าคุณสามารถจัดการทีมตัวแทนผู้เชี่ยวชาญที่ทำงานร่วมกันได้อย่างมีประสิทธิภาพ ตัวแทนฝ่ายขายสามารถเริ่มกระบวนการทำสัญญา ซึ่งตัวแทนฝ่ายปฏิบัติการจะดำเนินการให้เสร็จสิ้นโดยอัตโนมัติผ่านการผสานรวมกับ MuleSoft ทั้งหมดนี้อยู่ภายใต้ขอบเขตที่กำหนดไว้.
เส้นทางข้างหน้า: การจัดการวงจรชีวิตของเอเจนต์
Agentforce 360 นำเสนอเฟรมเวิร์กวงจรชีวิตของเอเจนต์อย่างเป็นทางการ ซึ่งประกอบด้วยสี่ขั้นตอน ได้แก่ การสร้าง การทดสอบ การปรับใช้ และการตรวจสอบและเพิ่มประสิทธิภาพ เฟรมเวิร์กนี้เลียนแบบแนวทางการพัฒนาซอฟต์แวร์แบบดั้งเดิม แต่คำนึงถึงลักษณะเฉพาะของระบบ AI อัตโนมัติด้วย.
แนวทางการจัดการวงจรชีวิตหมายถึงการมองเอเจนต์เป็นส่วนประกอบซอฟต์แวร์ที่สามารถนำไปใช้งานได้โดยมีการควบคุมเวอร์ชัน การนำการทดสอบอย่างต่อเนื่องมาใช้เพื่อตรวจสอบพฤติกรรม การขยายเครื่องมือการสังเกตการณ์เพื่อติดตามการให้เหตุผลของเอเจนต์ และการฝังนโยบายการกำกับดูแลโดยตรงในไปป์ไลน์ CI/CD.
สำหรับทีม DevOps นี่เป็นเรื่องใหม่ทั้งหมด เอเจนต์ต้องการกลยุทธ์การทดสอบที่แตกต่างจากโค้ดแบบดั้งเดิม คุณต้องตรวจสอบรูปแบบการให้เหตุผลและการตัดสินใจ ไม่ใช่แค่ความถูกต้องของการรับเข้าและส่งออกข้อมูลเท่านั้น ข่าวดีก็คือ Agentforce 360 มีเครื่องมือที่ช่วยให้จัดการเรื่องนี้ได้ในระดับใหญ่.
สร้างความไว้วางใจผ่านความโปร่งใส
Einstein Trust Layer ซึ่งควบคุมวิธีการที่ Salesforce จัดการข้อมูลและข้อความแจ้งเตือนต่างๆ นั้น ขณะนี้ได้ขยายครอบคลุมเวิร์กโฟลว์ AI ทุกขั้นตอนใน Agentforce และ Data 360 แล้ว องค์กรต่างๆ สามารถกำหนดวิธีการใช้ข้อมูล ใครมีสิทธิ์เข้าถึง และระยะเวลาในการจัดเก็บปฏิสัมพันธ์ได้ โดยทั้งหมดนี้สามารถจัดการได้ผ่านกลไกนโยบายแบบรวมศูนย์.
รากฐานของความไว้วางใจนี้มีความสำคัญอย่างยิ่งสำหรับอุตสาหกรรมที่อยู่ภายใต้การกำกับดูแล บริษัทด้านบริการทางการเงิน องค์กรด้านการดูแลสุขภาพ และหน่วยงานภาครัฐ จำเป็นต้องมีบันทึกการตรวจสอบ การควบคุมอธิปไตยของข้อมูล และความสามารถในการอธิบายการตัดสินใจของตัวแทนต่อหน่วยงานกำกับดูแล Agentforce 360 ทำให้สิ่งเหล่านี้เป็นไปได้โดยไม่ลดทอนประโยชน์ของการทำงานแบบอัตโนมัติ.
สรุป: ตัวแทนอัตโนมัติที่พร้อมใช้งานจริง
Agentforce 360 แสดงให้เห็นถึงการเปลี่ยนแปลงของ Salesforce จากการแสดงให้เห็นถึงความเป็นไปได้ของ AI ไปสู่การส่งมอบเอเจนต์อัตโนมัติระดับใช้งานจริง การผสมผสานระหว่างการใช้เหตุผลแบบไฮบริดเพื่อการควบคุม การตรวจสอบอย่างครอบคลุมเพื่อการติดตาม เครื่องมือสร้างที่ได้รับการปรับปรุงสำหรับการพัฒนา และผลลัพธ์ที่พิสูจน์แล้วจากลูกค้า ทำให้เกิดแพลตฟอร์มที่น่าสนใจสำหรับการนำ AI มาใช้ในองค์กร.
สำหรับผู้นำด้านเทคนิคที่กำลังประเมินเทคโนโลยีเอเจนต์ ประเด็นสำคัญคือ เครื่องมือในปัจจุบันมีอยู่แล้วสำหรับการสร้างเอเจนต์ที่มีประสิทธิภาพและน่าเชื่อถือ ลักษณะที่ไม่แน่นอนของ AI ยังคงอยู่ แต่ถูกควบคุมผ่านกรอบการทำงานที่มีโครงสร้าง ซึ่งช่วยให้คุณควบคุมได้ในจุดที่ความแม่นยำมีความสำคัญ ในขณะเดียวกันก็ใช้ประโยชน์จากความสามารถในการปรับตัวของ AI ในจุดที่เพิ่มมูลค่า.
เมื่อองค์กรต่างๆ ก้าวข้ามโครงการนำร่องไปสู่การใช้งานจริง การเน้นย้ำของ Agentforce 360 ในด้านการกำกับดูแล การตรวจสอบ และการใช้เหตุผลแบบผสมผสาน จะช่วยแก้ไขอุปสรรคที่แท้จริงในการนำไปใช้ในระดับองค์กร ’องค์กรที่ใช้เอเจนต์“ ไม่ใช่เพียงแค่ภาพในจินตนาการอีกต่อไป แต่เป็นสถาปัตยกรรมที่ใช้งานได้จริงซึ่งได้รับการสนับสนุนจากเครื่องมือที่ครบครัน.
สำหรับลูกค้าและพันธมิตรของ Digile ที่กำลังพิจารณาการใช้งานเอเจนต์อัตโนมัติ ตอนนี้เป็นเวลาที่เหมาะสมที่สุดแล้ว ความสามารถของแพลตฟอร์มพัฒนาขึ้นอย่างมาก ผลลัพธ์จากผู้ใช้งานกลุ่มแรกแสดงให้เห็นถึงผลตอบแทนจากการลงทุนที่แท้จริง และความได้เปรียบในการแข่งขันจากการใช้งานเอเจนต์อย่างมีประสิทธิภาพก็เริ่มชัดเจนขึ้น.
เอกสารอ้างอิง:
[^1]: Thompson, John (รองประธานฝ่ายกลยุทธ์และการดำเนินงานด้านการขาย, Reddit) อ้างอิงในข่าวประชาสัมพันธ์ของ Salesforce, 13 ตุลาคม 2025.
[^2]: Matuchet, Pierre (รองประธานอาวุโสฝ่ายไอทีและการเปลี่ยนแปลงทางดิจิทัล, Adecco) อ้างอิงในข่าวประชาสัมพันธ์ของ Salesforce, 13 ตุลาคม 2025.
ติดต่อเรา เพื่อหารือว่า Agentforce 360 สามารถเร่งโครงการ AI ของคุณได้อย่างไร.
ติดตามเราเพื่อรับข่าวสารล่าสุดได้ที่ ลิงก์อิน, ทวิตเตอร์, เฟซบุ๊ก, อินสตาแกรม, และ ยูทูบ
