No evento ‘AI Research in Review’, a Salesforce apresentou as novidades da sua divisão, criada em 2014, que se tornou a «força motriz de algumas das maiores inovações» da empresa, explicou Silvio Savarese, chief AI scientist e head da AI Research. Esta área está assente em três pilares: «O primeiro é a investigação fundacional, como o treino de modelos, RAG (retrieval-augmented generation), multimodalidade, raciocínio avançado e em que o resultado são papers, patentes e software de código aberto; outro pilar é a incubação de clientes, em que testamos as nossas inovações com protótipos que podem realmente ajudar a resolver problemas reais dos clientes; e o terceiro é a inovação de produtos, em que ajudamos a levar alguns desses protótipos da incubação à produção, como foi o caso do Atlas Reasoning Engine». Este assistente permite que diversos agentes de IA colaborem em tempo real e é «capaz de planear, rever as suas próprias decisões, ir buscar informações precisas e executar acções reais» dentro das aplicações da Salesforce.
Consolidar dados
A primeira novidade apresentada na mesa-redonda foi o Account Matching, uma solução que visa unificar as múltiplas identidades que um único utilizador ou entidade pode ter em vários sistemas dentro de uma empresa. Com isto, a tecnológica quer permitir que os agentes de IA tenham melhor desempenho, ao tirarem partido de dados unificados e de alta qualidade. Muralidhar Krishnaprasad, presidente e CTO da C360 Platform, Apps, Industries e do Agentforce na Salesforce, deu como exemplos «erros de digitação no nome e endereços de e-mail mal escritos» que originam diversas contas que pertencem na realidade à mesma pessoa e revelou que este é um «problema difícil de resolver» e que exige «combinação de modelos preditivos e generativos».
O Account Matching para o Data Cloud já ajudou um hyperscaler a conseguir uma «taxa de correspondência de 95%», o que significou que os seus vendedores «pouparam trinta minutos por ligação», sem «terem de escrever qualquer código», referiu. Este cliente «melhorou o ROI, ao ter uma melhor compreensão das actividades que cada conta tem em todos os serviços» que disponibilizam.
Inteligência geral empresarial
Silvio Savarese falou do conceito que a Salesforce tem de «inteligência geral empresarial» (EGI, sigla em inglês), que descreveu como uma forma de «criar agentes altamente capazes e consistentes na realização de tarefas de negócio complexas». O responsável acrescentou que esta «vai além dos LLM, combinando dados unificados, raciocínio avançado e confiança». Assim, as três etapas para alcançar a EGI passam por «sintetizar, ou seja, gerar dados de negócios sintéticos relevantes para o caso de uso, permitindo que os agentes aprendam em cenários realistas, mas sem riscos»; «medir para avaliar e comparar o desempenho dos agentes em casos de uso empresariais reais» e «treinar, usando o feedback para melhorar continuamente os agentes, optimizando os prompts e o desempenho geral dos LLM», sublinhou Silvio Savarese. Depois disto, é «vital» ter um «ambiente de simulação» para atingir a inteligência geral empresarial.
O responsável fez uma analogia com a Fórmula 1, onde os pilotos passam milhares de horas em simuladores e disse que o objectivo é criar um «simulador equivalente para a empresa» em que os agentes podem «falhar de forma segura antes de serem implementados», esclareceu o responsável.
A importância de testar
No centro da estratégia do ambiente de simulação da EGI está outra das soluções da Salesforce, o CRMArena-Pro. Esta ferramenta testa o desempenho dos agentes e percebe se estes estão a operar com precisão, eficiência e consistência nos casos de uso específicos da empresa. Jason Wu, director da AI Research da Salesforce, destacou que houve uma especial atenção com «alta qualidade e a interligação dos dados empresariais», já que os clientes estão preocupados com o uso de seus dados reais para o treino e teste dos agentes».
Assim, é possível «criar uma organização do zero sem partilhar quaisquer dados privados», sendo que as mais-valias da plataforma são, entre outras, que os «dados são validados por especialistas» e «suporta cenários B2B e B2C».
Avaliar o desempenho
John Emmons, director de AI da Salesforce, falou do Agentic Benchmark for CRM, um «sistema de avaliação que testa agentes de IA, não apenas em tarefas genéricas, mas no contexto dos clientes empresariais», incluindo «vendas, apoio ao cliente, marketing e todo o conjunto de ofertas de produtos da Salesforce». Esta solução permite abordar o problema de «quais modelos usar» nos agentes. O benchmark avalia os agentes em cinco dimensões que são «precisão, custo, velocidade, confiança e segurança, e sustentabilidade». Neste último caso, «alinha o tamanho do modelo com a complexidade da tarefa, o que reduz os impactos ambientais da inferência do modelo», disse o responsável. Segundo a Salesforce, este sistema oferece às empresas «uma maneira clara e baseada em dados de combinar os modelos certos com os agentes certos».
De forma a garantir que os agentes têm um bom desempenho no ambiente MCP (model context protocol – um protocolo aberto introduzido pela Anthropic para padronizar a forma como os modelos de linguagem interagem com ferramentas externas), a Salesforce lançou o ainda o MCPEvals, para avaliações mais amplas e o MCPUniverse, para avaliações mais aprofundadas e em cenários mais complexos. Shelby Heinecke, senior AI Research manager da Salesforce, explicou que a utilização destas ferramentas é simples: basta «ligar o agente, escolher um qualquer servidor MCP» e, depois, ver o «resultado da medição do desempenho».
