Agentforce: referência prática

Qual a diferença entre Agentforce e um chatbot?

O chatbot segue um fluxo desenhado: cada resposta possível foi prevista por alguém. O agente recebe um objetivo e decide quais ações chamar para chegar lá, na ordem que fizer sentido. Isso resolve o problema de cobertura — não é preciso prever cada caminho — e cria um problema novo: garantir que o conjunto de ações disponíveis não permita ao agente fazer algo que não deveria.

Com quais permissões o agente executa?

Depende do tipo de agente, e essa distinção é decisiva no desenho. Um Employee Agent executa no contexto do usuário que o invocou: sharing, FLS e permission set daquela pessoa valem normalmente. Já um Service Agent — o que atende cliente em canal público, sem usuário logado — executa sob um usuário próprio, atribuído na configuração do agente, com o perfil e os permission sets que você definir para ele. Nesse caso o alcance do agente é exatamente o que foi concedido a esse usuário de serviço, e revisá-lo é parte do desenho de segurança, não detalhe de setup.

Fonte: Agentforce Service Agent user and permissions (Salesforce Help)

Por que o agente responde errado mesmo com o dado certo na org?

Quase sempre é grounding, não modelo. O agente só usa o que as ações entregam a ele — se a ação retorna um resumo pobre, ou se o dado está em um objeto que nenhuma ação alcança, ele preenche a lacuna com o que parece plausível. A correção passa por revisar o que cada ação devolve e quais instruções delimitam quando usá-la, não por trocar de LLM.

Como medir se o agente está funcionando?

Por taxa de resolução sem escalonamento humano e por acerto nas ações executadas, não por satisfação com a resposta. Um agente que responde bem e executa a ação errada é pior que um que não responde. O Testing Center serve para rodar conjuntos de casos antes de liberar, e vale tratá-los como teste de regressão: toda instrução nova reroda o conjunto inteiro.