Salesforce با معرفی Agentforce Observability یک گام بزرگ در شفاف سازی عملکرد ایجنتهای هوش مصنوعی (AI agents) برداشته است. این ابزار به شرکت‌ها امکان می‌دهد لحظه به لحظه مسیر فکری و تصمیم گیری ایجنتهای خود را ردیابی، تحلیل و بهینه سازی کنند — امکانی که پیش از این در دنیای پلتفرم‌های Agentforce 360 وجود نداشت و باعث می‌شد ایجنتها بیشتر مانند «جعبه سیاه» عمل کنند.
چرا «مشاهده‌ی ایجنتهای هوش مصنوعی» مهم است؟
چالش بزرگ در هوش مصنوعی ایجنت محور
یکی از مشکلات جدی در استقرار ایجنت های هوش مصنوعی سازمانی، فقدان شفافیت است؛ بسیاری از شرکت‌ها پس از راه‌اندازی ایجنت ها نمی‌دانند چرا یک پاسخ خاص تولید شده یا کدام ملاحظات منجر به تصمیم‌گیری شده‌اند. بدون این نظارت، ایجنتها مانند «سیستم‌های جعبه سیاه » رفتار می‌کنند و وقتی شرایط غیرمعمول پیش می‌آید، تشخیص خطا دشوار است.
مدیر ارشد بخش هوش مصنوعی در Salesforce می‌گوید: “نمی‌توانید چیزی را که نمی‌بینید، مقیاس دهید.”
چگونه Agentforce Observability کار می‌کند؟
اجزای اصلی ابزار نظارت
در Agentforce Observability سه بخش کلیدی وجود دارد که به شرکت‌ها بینش دقیق‌تری از ایجنتهای AI می‌دهد:
- Agent Analytics (تجزیه‌وتحلیل ایجنت): شاخص‌های عملکردی (KPI) هر ایجنت را جمع‌آوری و روندها را نمایش می‌دهد.
- Agent Optimization (بهینه سازی ایجنت): با تحلیل تعاملات مشابه بر اساس قصد (intent) کاربر، نقاط ضعف در تنظیمات ایجنت را شناسایی می‌کند و بهینه سازی ساختار گفتگو و منطق را تسهیل می‌نماید.
- Agent Health Monitoring (مانیتورینگ سلامت ایجنت): امکان رصد لحظه‌ای وضعیت ایجنت ، خطاها، تاخیرها و هشدارهای مهم را فراهم می‌کند. این قابلیت قرار است در بهار ۲۰۲۶ در دسترس عمومی قرار گیرد.
رهگیری نشست (Session Tracing) – کلید شفافیت
یکی از نوآوری‌های مهم این سیستم، مدل داده رهگیری نشست است که تمامی مراحل تعامل – از ورودی کاربر تا پاسخ دهی ایجنت ، گام‌های استدلال، تماس با مدل‌های زبانی و حتی قوانین حفاظتی (guardrails) – را ثبت می‌کند.
این قابلیت باعث می‌شود مدیران بتوانند «مسیر فکری» ایجنت را بازسازی کنند، نقاط ضعف را بشناسند و دستکاری‌هایی برای بهبود آن انجام دهند.
تصویرسازی شبکه ایجنت ها با MuleSoft Agent Fabric
برای سازمان‌هایی که چندین Agent AI دارند، مشاهده تعاملات هر ایجنت کار دشواری است. به کمک MuleSoft Agent Fabric و «Agent Visualizer» ، Salesforce نمای گرافیکی از «شبکه ایجنتها» ارائه می‌دهد تا تمامی ایجنتها — حتی آن‌هایی که خارج از اکوسیستم Salesforce ساخته شده‌اند — در یک داشبورد واحد مدیریت شوند.
نمونه کارهای واقعی: از ۱-۸۰۰Accountant تا Reddit
استفاده موفق در ۱-۸۰۰Accountant
شرکت حسابداری ۱-800Accountant از Agentforce برای پاسخگویی به سوالات مالیاتی و تعیین قرار ملاقات استفاده کرد. به گفته مدیر فنی آن‌ها، مشاهده کامل مسیر تصمیم گیری ایجنت در یک نمای واحد باعث شد تا گلوگاه‌ها را شناسایی کرده و محدودیت‌های منطقی (guardrails) جدیدی مدون کنند. نتیجه؟ بیش از ۱۰۰۰ تعامل در ۲۴ ساعت اول و پیش بینی رشد ۴۰٪ مشتری بدون نیاز به استخدام نیروی فصلی.
کاهش شدید پرونده‌های پشتیبانی در Reddit
شرکت Reddit نیز با اجرای Agentforce در بخش پشتیبانی تبلیغاتی، توانسته است ۴۶٪ از درخواست‌ها را به طور خودکار مدیریت کند. جان تامپسون، معاون استراتژی فروش Reddit، می‌گوید: «با رصد دقیق تعاملات، ما دقیقاً می‌دانیم ایجنتهای ما چگونه تصمیم می‌گیرند — نه فقط حل مسئله.
مزایای رقابتی Salesforce در برابر مایکروسافت، گوگل و AWS
Salesforce تأکید می‌کند که ابزار Observability ، فقط یک لایه نظارتی ساده نیست، بلکه «لایه مدیریت» برای نیروی دیجیتال AI به شمار می‌آید. بر خلاف ابزارهای نظارتی پایه‌ای که توسط رقبای ابری ارائه می‌شوند، Agentforce Observability به صورت استاندارد با خود Agentforce عرضه می‌شود و نیاز به هزینه اضافی ندارد. از سوی دیگر، به گفته نایب رئیس هوش مصنوعی Salesforce، این ابزار عمق بی سابقه‌ای از داده‌ها را به دست می‌دهد: «تمام تلماتری (telemetry)، منطق استدلال و مسیرهای تصمیم‌گیری ایجنتها»، همه در یک مدل یکپارچه ذخیره می‌شوند.
تاثیر بر اعتماد به هوش مصنوعی و مقیاس پذیری
یکی از موانع بزرگ مقیاس گذاری ایجنت های هوش مصنوعی، اعتماد مدیران به این ایجنت ها است. بسیاری از تصمیم گیرندگان هنوز نمی‌دانند ایجنت ها دقیقاً چه چیزی را «فکر می‌کنند» و چگونه به نتیجه می‌رسند. با ابزار Observability، Salesforce می‌خواهد این شکاف را پر کند: تبدیل ایجنت های هوش مصنوعی از «جعبه سیاه» به «نیروی شفاف و قابل کنترل». این دسترسی بی سابقه به دیدگاه‌های درونی ایجنت ها، می‌تواند شکاف اعتماد را کاهش داده و به شرکت‌ها اجازه دهد با اطمینان بیشتری ایجنت های AI را در عملیات خود به کار بگیرند.
چینش تکنیکال: چگونه این فناوری اجرا شده است؟
- داده‌ها و لاگ‌های نشست در Data Cloud ذ خیره می‌شوند تا دسترسی به سابقه تعاملات ایجنت امکان پذیر شود.
- Agent Analytics و Optimization بر اساس مدل داده‌ی رهگیری نشست، تحلیل انجام می‌دهند.
- برای استانداردسازی بین ایجنت ها، از پروتکل‌های باز مانند Model Context Protocol (MCP) بهره گرفته شده است، که امکان تعامل بین ایجنت های مختلف را فراهم می‌کند.
- داشبورد Command Center که بخشی از Agentforce 3 است، اجازه مشاهده سلامت لحظه‌ای، هشدارهای بلادرنگ و شاخص‌های کلیدی را می‌دهد.
نتیجه گیری
معرفی Salesforce Agentforce Observability نقطه عطفی در مدیریت ایجنت های هوش مصنوعی محسوب می‌شود. این ابزار به سازمان‌ها امکان می‌دهد نه تنها عملکرد ایجنتها را بسنجند، بلکه منطق تصمیم گیری آن‌ها را بفهمند و بهبود دهند. این سطح شفافیت و کنترل می‌تواند نگرانی‌ها درباره ریسک و خطا را کاهش دهد و اعتماد را ارتقا بخشد — و در نهایت، به مقیاس گذاری ایمن و پایدار نیروی دیجیتال AI منجر شود.
اگر شما در سازمان خود به فکر پیاده سازی ایجنت های هوش مصنوعی هستید یا در حال حاضر از Agentforce استفاده می‌کنید، پیشنهاد می‌شود به سراغ Agentforce Observability بروید. با راه اندازی این ابزار می‌توانید درک عمیق‌تری از عملکرد ایجنتهای خود کسب کنید، نقاط ضعف را بهبود دهید و بازده سرمایه گذاری در هوش مصنوعی را افزایش دهید. همچنین اگر علاقه دارید درباره سایر امکانات Agentforce مانند Agentforce Testing Center یا Agentforce ۳ و Command Center بیشتر بدانید، وب‌سایت Salesforce منابع معتبری دارد که می‌توانید آن‌ها را بررسی کنید: صفحه رسمی Agentforce در Salesforce. برای شروع، می‌توانید با تیم فروش Salesforce تماس بگیرید، یا نسخه نمایشی (demo) ابزار را درخواست نمایید.
