客服主管如何在 Salesforce Service Cloud 中部署與監控 Agentforce Service Agent 以處理入站工單

客戶支援主管面臨著持續的壓力：減少工單積壓、縮短平均處理時間，並在各個數位管道維持高水準的客戶滿意度。直接內建於 Service Cloud 中的新一代自主客戶服務 AI——Salesforce Agentforce Service Agents，透過自主處理常規的傳入諮詢，同時保留無縫的人工呈報路徑，有效應對了這一挑戰。成功導入 Agentforce 需要結構化的部署方法、藉由 Omni-Channel Supervisor 進行前瞻性的營運監督，以及持續的績效追蹤。本指南將引導支援主管完成設定、上線、監督和最佳化 Agentforce Service Agents 以實現傳入工單解決的端到端全流程。

理解 Agentforce 在 Service Cloud 中的定位

與依賴僵化決策樹的傳統規則型聊天機器人不同，Agentforce Service Agents 使用由推理引擎協調的生成式大型語言模型（LLM）。Agentforce 代理無需遵循預設的分支指令碼，而是根據已定義的業務主題（Topics）評估傳入的客戶訊息，識別客戶意圖，並利用值得信賴的 CRM 資料執行相應操作。

在標準 Service Cloud 架構中，Agentforce Service Agent 充當傳入數位管道的第一道防線。它可以回答政策問題、查詢即時訂單狀態、處理標準交易（如地址更新或預約排程），並在將複雜問題呈報給人工專員之前收集前置資訊。

Agentforce 的基石依託於 Salesforce 平台內的三大支柱：

• Salesforce Data Cloud 與 Knowledge： 基於企業知識庫與客戶上下文的 Grounding（資料接地）機制，確保代理擷取經過驗證的企業知識庫文章和客戶記錄背景，最大限度減少模型幻覺。
• Einstein Trust Layer： 內嵌安全機制，嚴格執行與 LLM 提供商的零資料保留協議，遮罩個人識別資訊（PII），並進行即時有害內容審查。
• Omni-Channel 整合： 統一路由將 AI 代理視為數位化團隊成員，在跨通訊管道中實現一致的工作負載平衡、佇列管理與人工移交。

部署前準備與資料就緒

在 Salesforce Setup 中設定 AI 代理之前，支援主管必須確保營運和資料基礎已準備就緒。AI 代理的準確性和有效性完全取決於其引用的資料品質。

1. 授權與權限設定

確保組織擁有有效的 Agentforce 授權，並在 Setup 中啟用了 Einstein Generative AI。負責建置和監督代理的支援主管與管理員需要特定權限集：

• Manage Agentforce Service Agents 與 Manage AI Agents：用於建置、設定和更新代理邏輯。
• Contact Center Supervisor 或具備存取 Omni-Channel Supervisor 中 AI Agents 標籤頁的自訂主管權限。
• 標準 Omni-Channel 權限：用於管理狀態設定、路由設定檔與服務佇列。

2. 知識庫完備性與資料接地

審查現有 Salesforce Knowledge 文章，確保內容最新、結構清晰且語言精簡。Agentforce 使用檢索增強生成（RAG）引用知識庫：

• 封存陳舊文章，解決跨歷史版本之間的衝突文件。
• 使用清晰的標題、項目符號和明確步驟組織文章結構，使語意檢索更加可靠。
• 驗證文章可見度設定，確保代理僅擷取面向客戶的公開文件，而非僅供內部專員參考的備註。

3. Data Cloud 中的整合客戶資料

利用 Data Cloud 將跨聯絡人記錄、客戶帳戶和外部交易系統的客戶識別碼連接起來。當傳入工單到達時，代理利用該整合設定檔識別客戶身分、檢視近期交易並個人化回覆，而無需重複詢問驗證問題。

Service Cloud 逐步部署指南

部署 Agentforce Service Agent 涉及在 Agent Builder 中設定代理行為、定義業務邊界、建立業務操作（Actions），並將代理關聯到傳入溝通管道。

步驟 1：設定代理角色人設與全域指令

開啟 Setup，瀏覽至 Agentforce Agents，建立或選取 Service Agent 以啟動 Agent Builder。

1. 定義代理身分： 設定代理名稱、公開人設（Persona）和主要語言。
2. 設定系統指令： 就代理的身分、語氣和操作邊界提供清晰的高層次指引。明確代理如何做自我介紹（例如明確說明自己是自動化助理），以及必須採用何種語言風格（專業、具同理心且精簡）。
3. 指定範圍外指令（Out-of-Scope Directives）： 明確指示代理必須婉拒或立即轉接給人工專員的主題，例如法律諮詢、超過特定金額的帳單爭議，或客戶明確要求人工協助的情況。

步驟 2：建構主題（Topics）與子主題

主題定義了代理被授權處理的業務領域。支援主管不應將所有指令打包到單一龐大的提示詞中，而應將業務邏輯劃分為模組化主題：

每個主題都需要自己獨立的描述性範圍和清晰的指令集。推理引擎根據客戶提示詞，依賴主題描述來判斷何時啟動該主題。

步驟 3：為主題配置操作（Actions）

操作是使 Agentforce 代理能夠在 Salesforce 中擷取資訊或執行更新的可執行工具。操作可透過以下方式建立：

• Autolaunched Flows： 最適合宣告式工作流程，例如更新 Case 記錄、產生退貨授權（RMA）編號或查詢庫存水準。
• Apex Classes： 用於複雜邏輯、跨系統資料查詢或對效能有嚴格要求的操作。
• Prompt Templates： 在 Prompt Builder 中建置，用於利用特定記錄欄位產生客製化摘要或格式化回覆。
• MuleSoft APIs： 整合以連接外部企業資源規劃（ERP）或傳統訂單履約資料庫。

每個操作都必須有清晰記錄的輸入和輸出參數。推理引擎會檢查這些參數描述，以確定從對話中擷取哪些數值並傳入操作中。

步驟 4：透過 Omni-Channel Flow 設定傳入路由

要將傳入客戶諮詢引導至 Agentforce Service Agent，請在 Flow Builder 中建立 Omni-Channel Flow：

1. 新建類型為 Omni-Channel Flow (Contact Center) 的流程。
2. 將 Route Work 元素新增到流程畫布中。
3. 在路由設定中，將路由服務設定為 Agentforce，並選取在 Agent Builder 中建立的特定 Service Agent。
4. 定義人工專員後備佇列，以防 AI 代理離線、達到最大並行工作階段限制或遇到執行失敗。
5. 儲存並啟用該流程。

步驟 5：連接通訊管道

將 Omni-Channel Flow 關聯到面向客戶的接觸點：

• Web 與行動端 Embedded Messaging： 將 Embedded Messaging 元件新增至 Salesforce Experience Cloud 網站，或將部署程式碼片段嵌入外部客戶入口網站。
• 第三方傳訊管道： 透過 Service Cloud Messaging 管道連接 WhatsApp、SMS 或 Facebook Messenger，將傳入對話直接透過已啟用的 Omni-Channel Flow 進行路由。

設計防故障的人工轉接工作流程

只有當客戶確信隨時能夠獲得人工協助時，自主客戶服務才能取得成功。支援主管必須建立清晰的轉接觸發條件和無縫的上下文傳遞機制。

轉接觸發條件

在 Agent Builder 中設定明確與隱式呈報規則：

• 明確觸發條件： 客戶輸入「聯絡專員」、「轉人工客服」或「專員」等詞彙。代理必須立即回應請求，不得爭辯或反覆詢問原因。
• 意圖複雜度限制： 如果客戶諮詢不符合任何已定義主題，或需要超出代理範圍的權限，則觸發自動轉接。
• 重複理解失敗臨界值： 如果代理連續兩次未能理解客戶的回答，則呈報互動以防止客戶產生挫折感。
• 情緒與風險訊號： 監控負面情緒關鍵字或偵測到的呈報旗標，在滿意度惡化之前將客戶轉接給人工專員。

轉接時的上下文保留

當 Agentforce 代理將互動轉入人工佇列時，接收的專員絕不能讓客戶重複陳述問題。為此應做到：

1. 傳遞完整聊天記錄： 活動中的 Messaging Session 記錄直接轉入人工專員的 Service Console 工作區，保留完整對話歷程記錄。
2. 產生 AI 工單摘要： 利用 Agentforce Case Summarization 產生三句話概要，概述客戶問題、AI 代理已嘗試的操作以及呈報原因。
3. 預填工單欄位： 確保代理的操作已在底層 Case 記錄上預先填入了標準欄位，例如聯絡人姓名、已驗證帳戶 ID、主旨和初始類別。

使用 Omni-Channel Supervisor 進行即時監控

代理上線後，支援主管透過 Omni-Channel Supervisor（在增強設定中亦稱為 Command Center for Service）監督營運。

瀏覽 AI Agents 標籤頁

Omni-Channel Supervisor 包含專為協同管理自主代理與人工團隊而設計的 AI Agents 標籤頁：

• 活動工作階段檢視（Active Sessions View）： 即時顯示由 Agentforce 處理的所有並行工作階段，包括客戶姓名、管道、互動持續時間以及當前活動主題。
• 工作負載分佈： 顯示容量利用率和傳入流量趨勢，協助主管預判人工佇列的需求高峰。

即時工作階段檢視與介入

主管可以在即時客戶互動期間直接介入：

• 即時記錄監控： 按一下活動工作階段上的 Monitor 按鈕可開啟即時記錄視窗。主管可以在客戶與 AI 代理交談時即時檢視對話展開情況。
• 一鍵轉接給專員（Transfer to Rep）： 如果主管注意到代理誤解了複雜的細微差異，或者觀察到客戶感到不滿，可以按一下 Transfer to Rep。此操作會立即中斷 AI 代理與對話的連線，並將客戶以高優先順序放入指定的人工佇列中。
• 標記工作階段： 情緒下降或客戶表現出困擾的互動可以在主管儀表板上自動標記，提醒主管審查該工作階段。

績效追蹤與分析

評估 AI 代理需要衡量營運效率、解決成效和客戶感知的多維指標。支援主管可透過 Agentforce Studio (Observe & Optimize > Analytics)、Tableau 支援的儀表板以及標準 Salesforce 報表存取這些分析見解。

關鍵績效指標 (KPIs)

在 Data Cloud 中使用 Agent Session Tracing

Agentforce 在 Data Cloud 中的 Agent Session Tracing 模型下儲存詳細的執行遙測資料。這提供了對以下內容的精細能見度：

• 單次 LLM 呼叫與延遲。
• 相符的主題與不相符的使用者查詢。
• 操作執行成功率（例如流程成功完成與擲出驗證錯誤的頻率對比）。
• 由 Einstein Trust Layer 觸發的安全防護網啟動情況。

LLM 輔助評估

僅依賴「未轉接即關閉工作階段」可能會產生誤導，因為客戶可能僅僅是因為挫折而放棄了對話。Salesforce 引入了基於 LLM 的評估裁判機制，對已關閉的工作階段進行複審以對解決品質評分。這些評估模型會評估客戶提出的問題是否得到了直接回答，從而將真正的解決與客戶放棄區分開來。

持續最佳化節奏

部署 Agentforce Service Agent 並非一次性專案；它需要持續的治理與微調。支援主管應建立結構化的每週和每月最佳化節奏：

每週檢視：
  1. 檢查不相符查詢（Unmatched Queries）
     └── 找出沒有相符主題的重複出現客戶問題。
  2. 審核呈報記錄（Escalated Transcripts）
     └── 查明代理陷入死胡同或誤解意圖的節點。
  3. 審查負面 CSAT 工作階段
     └── 找出體驗摩擦點、易混淆的措辭或失敗的操作。

每月最佳化：
  1. 更新 Salesforce Knowledge 文章
     └── 納入新產品政策、常見問題及疑難排解步驟。
  2. 完善主題指令與邊界
     └── 闡明 Agent Builder 中的描述，防止主題重疊。
  3. 擴充操作目錄（Action Catalog）
     └── 將頻繁的手動工作轉化為自動化 Flows 或 Apex 操作。
  4. 在 Sandbox 環境中測試
     └── 在推向正式環境前，驗證提示詞修改與新操作。

長期成功的最佳實踐

• 審慎搭配指標： 始終將解決率與 CSAT 和客戶費力度評分結合分析。高自主解決率伴隨 CSAT 暴跌表明客戶在問題未解決的情況下離開了。
• 採取分階段推出策略： 首先在低風險的資訊類主題（如營業時間、出貨常見問題和退貨政策）上部署代理。待表現穩定後，再引入交易類操作（如訂單取消、地址更新和保固註冊）。
• 維持明確的權責劃分： 在支援主管、Salesforce 管理員和知識庫管理者之間建立聯合營運團隊，確保提示詞指令、流程邏輯和參考文件與業務變化保持一致。

相關資源摘要

需要詳細實作指南和技術文件的支援主管可參考以下官方資源：

• Salesforce Help: Agentforce Service Agent Overview
• Salesforce Help: Monitor AI Agents in Omni-Channel Supervisor
• Salesforce Help: Observe and Optimize Agentforce Performance
• Salesforce Help: Einstein Trust Layer Architecture
• Salesforce Product Guide: Agentforce for Service