Penerapan AI Agentic yang dapat bertindak mandiri mulai menjadi fokus utama bagi perusahaan yang ingin mengotomatisasi operasi dan meningkatkan efektivitas bisnis. Kebutuhan untuk mengubah interaksi rutin, bahkan yang dimulai dengan keluhan untuk kemudian menjadi peluang yang berharga, mendorong perusahaan untuk mencari platform yang mampu menyebarkan agen AI dalam skala besar. Pergeseran ini menandai transformasi mendasar dari otomatisasi yang kaku menuju operasi yang lebih adaptif dan otonom.
Untuk mengeksplorasi potensi penuh dari teknologi ini, Salesforce menggunakan Agentforce, platform mereka sendiri, sebagai customer zero. Dengan mengukur dampak di seluruh organisasi, platform ini menunjukkan hasil nyata setelah satu tahun penerapan. Agent layanan telah menangani lebih dari 1,5 juta permintaan dukungan, dan sebagian besar kasus terselesaikan tanpa campur tangan manusia. Sementara itu, agent sales development rep (SDR) telah memproses lebih dari 43.000 leads dan menghasilkan US$1.7 juta pipeline baru, membuktikan kemampuan AI agent untuk menghasilkan nilai dari leads yang sebelumnya terabaikan.
Di balik metrik keberhasilan tersebut, terdapat banyak eksperimen dan perbaikan. Pada awal peluncuran, agen SDR seringkali tidak dapat memberikan detail tentang lead, menjawab saya tidak tahu hingga 30% dari waktu. Melalui pembersihan data yang cermat dan pelatihan berulang, masalah ini berhasil dikurangi hingga di bawah 10%. Pengalaman ini membuktikan bahwa keberhasilan agent sangat bergantung pada penghindaran kesalahan bernuansa yang hanya muncul dalam skala operasi.
Pelajaran Penting Yang Didapat Dari Agentforce
Pelajaran penting yang didapat dalam pengembangan agent adalah pentingnya sentuhan manusiawi dan instruksi berbasis tujuan. Ketika agent dukungan pelanggan awal memberikan jawaban yang akurat tetapi terlalu transaksional, perusahaan menyadari perlunya menanamkan ekspresi kepedulian seperti agen manusia.
Lebih lanjut, kesalahan yang mengajarkan banyak hal terjadi ketika guardrail diterapkan secara terlalu ketat. Ketika agent dilarang membahas pesaing, agent menolak menjawab pertanyaan sah tentang integrasi produk. Solusinya adalah mengganti aturan kaku dengan instruksi yang lebih luas yaitu bertindak demi kepentingan terbaik pelanggan. Hal ini menunjukkan wawasan penting bahwa agent berkinerja paling baik ketika mereka diberi tujuan yang jelas, bukan arahan yang terlalu spesifik.
Integritas Data, Kolaborasi Manusia dan AI
Integritas data merupakan faktor penting. Jika agent menemukan dua jawaban yang bertentangan dalam dataset yang luas, agent mungkin akan mencoba merekonsiliasi keduanya, yang berpotensi menghasilkan informasi yang dibuat-buat. Hal ini memaksa perusahaan untuk mengadopsi pendekatan berlapis dengan fokus pada tata kelola data, pembersihan sumber, dan konsolidasi data ke dalam single source of truth.
Model kolaborasi manusia-AI merupakan fungsi strategis utama Agentforce. Agent menangani pekerjaan yang berulang dan melelahkan, seperti menjawab pertanyaan yang sama berulang kali atau memproses leads volume tinggi. Sementara itu, tenaga penjualan manusia dapat memfokuskan waktu mereka pada membangun hubungan, memahami kebutuhan pelanggan yang kompleks, dan menutup kesepakatan penting. Pembagian peran ini memungkinkan tim layanan pelanggan fokus pada kasus yang paling rumit dan bernuansa.
Pengalaman pengguna adalah fungsi lain yang diperhatikan. Pengguna membandingkan pengalaman agent dengan AI konsumen terkemuka seperti ChatGPT. Untuk itu, Agentforce menyatukan pengalaman agent yang terfragmentasi menjadi Employee Agent tunggal dan Manager Agent. Peningkatan ini memastikan karyawan memiliki satu agent andalan untuk menjawab semua pertanyaan di tempat kerja.
Agar agent benar-benar efektif, mereka harus terintegrasi langsung ke dalam alur kerja harian, seperti Slack, CRM, web, dan email. Pendekatan ini menghindari isolasi agent dan mendorong adopsi yang luas, terbukti dengan 86% karyawan menggunakan agen di Slack saja. Perjalanan ini menegaskan bahwa agent memerlukan eksperimen dan perbaikan yang berkelanjutan seiring data dan perilaku pengguna berubah.
