שלושה סימנים לכך שסוכן AI יחיד אינו מספיק בארגון
מוצר חדש

שלושה סימנים לכך שסוכן AI יחיד אינו מספיק בארגון

ב-Salesforce מצביעים על עומס משימות, גבולות נתונים וניהול בין-צוותי כסימנים למעבר לארכיטקטורת סוכנים מרובה

4 דקות קריאה
מבוסס על כתבה שלSalesforce Blogתרגום וסיכום באמצעות מערכת חדשות בליווי AIאיך אנחנו עובדים

תקציר מנהלים

נקודות עיקריות

  • תזמור מרובה-סוכנים ב-Agentforce זמין כעת באופן כללי לשיתוף פעולה בין שני סוכנים ייעודיים או יותר.

  • בדיקות פנימיות הראו כי הידרדרות תוצאות והתנגשות כוונות מתרחשות לרוב מעבר לשבעה תת-סוכנים.

  • מעבר מעבר לגבולות ארגון Salesforce מתבצע באמצעות MCP או תקשורת בין סוכנים (A2A).

  • ארכיטקטורה מרובת-סוכנים מאפשרת לצוותים שונים לבנות ולבדוק סוכנים עצמאיים ללא תלות הדדית.

שלושה סימנים לכך שסוכן AI יחיד אינו מספיק בארגון

  • תזמור מרובה-סוכנים ב-Agentforce זמין כעת באופן כללי לשיתוף פעולה בין שני סוכנים ייעודיים או יותר.
  • בדיקות פנימיות הראו כי הידרדרות תוצאות והתנגשות כוונות מתרחשות לרוב מעבר לשבעה תת-סוכנים.
  • מעבר מעבר לגבולות ארגון Salesforce מתבצע באמצעות MCP או תקשורת בין סוכנים (A2A).
  • ארכיטקטורה מרובת-סוכנים מאפשרת לצוותים שונים לבנות ולבדוק סוכנים עצמאיים ללא תלות הדדית.

לפי פרסום של צוות Agentforce מבית Salesforce, תזמור מרובה-סוכנים (Multi-agent orchestration) זמין כעת באופן כללי (Generally Available), על רקע מגבלות ביצועים שמתגלות כאשר סוכן יחיד מנסה לנהל מגוון רחב מדי של יכולות. בפרסום מוסבר כי רוב פריסות ה-Agentforce מתחילות באופן דומה: סוכן יחיד מקבל על עצמו משימה אחת, כמו בדיקת הזמנות ומענה לשאלות סטטוס. כאשר הוא מבצע את העבודה היטב, מתווספות אליו יכולות נוספות לאורך זמן, כגון החזרות, המלצות על מוצרים וניהול מועדוני לקוחות. עם זאת, כאשר יכולות הסוכן גדלות מעבר לסף מסוים, תהליך החשיבה וההסקה (Reasoning) שלו מתחיל להישבר והתוצאות מידרדרות.

לפי המאמר, תזמור מרובה-סוכנים מוגדר כשיתוף פעולה מתואם בין שני סוכני בינה מלאכותית ייעודיים או יותר, במטרה להשלים משימות שאף סוכן יחיד לא יכול היה להתמודד איתן היטב בעצמו. אף שלא כל פריסה זקוקה למספר סוכנים, זהו הדפוס שצוותים רבים פונים אליו כאשר הסוכן הראשון שלהם מתחיל להיתקל בקשיים. הצוות פירט שלושה סימנים המעידים על כך שסוכן יחיד כבר אינו מספיק, לצד ארבעה נתיבי ארכיטקטורה מתוך מדריך הארכיטקטים החדש של החברה (Architect's Guide to Agentforce Interoperability).

סימן ראשון: הסוכן מנסה לבצע יותר מדי משימות במקביל

לפי הפרסום, כאשר מוסיפים תת-סוכנים ופעולות כדי לטפל בתרחישי שימוש נוספים, שני תהליכים מתחילים להתרחש:

ראשית, חלון ההקשר (Context window) של הסוכן מתמלא בהנחיות, בפלטים ובהיסטוריית השיחה. כתוצאה מכך, מנוע ההסקה מתחיל להתעלם מכללי ליבה, לערבב בין נושאים שונים או להחיל לוגיקה שגויה על הבקשה הלא נכונה. תופעה זו מוגדרת כהתנגשות כוונות (Intent collision), והיא מורגשת כנסיגה ביצועית (Regression): התנהגות שהייתה אמינה בחודש הקודם הופכת לבלתי עקבית בחודש הנוכחי, ללא שינוי בודד שמסביר זאת. המאמר משווה זאת לפתיחת 30 לשוניות או יותר בדפדפן, שבה מציאת הלשונית הנחוצה אורכת זמן רב יותר ונפתחות לשוניות שגויות בדרך.

שנית, בלוק התיאור שבו משתמש מנוע ההסקה לצורך ניתוב בקשות הולך ומתרחב. ככל שהוא גדל, כך הנתב מהסס יותר או מנתב באופן שגוי — למשל שאלת חיוב המגיעה למחלקת החזרות, או בקשה טכנית שנוחתת במכירות. במצב זה התיאור מבצע עבודה שצריכה להתבצע ברמת התכנון הארכיטקטוני, וכיול התיאור אינו פותר את הבעיה מהשורש. הפתרון המוצע הוא פיצול סוכן עמוס למספר סוכנים ייעודיים: סוכן-על (Superagent) המנתב לסוכני משנה מקושרים (Connected Subagents) בעלי היקף מוגדר, מה שמספק לכל סוכן סט הנחיות קטן יותר, הקשר נקי יותר ואות ניתוב ברור יותר.

סימן שני: המידע נמצא במקומות שהסוכן אינו יכול לגשת אליהם

לפי המאמר, סוכן Agentforce יחיד פועל בתוך ארגון Salesforce ספציפי. אם תהליך העבודה תלוי בנתונים, בהרשאות או במערכות שנמצאים במקום אחר, סוכן יחיד מגיע לגבול שאינו יכול לעקוף באמצעות עיצוב הפרומפט. הטיפול בבעיה זו דורש שינוי ארכיטקטוני שמותאם לכיוון תנועת העבודה:

  1. גישה לכלים חיצוניים: כאשר Agentforce צריך לגשת למערכת או לכלי חיצוני כמו Jira, Box או מסד נתונים, רכיב MCP Client מאפשר לו להשתמש ביכולת זו ככלי עבודה תוך שמירה על מעמדו כמתזמר המרכזי.
  2. העברת משימות לסוכן חיצוני: כאשר Agentforce נדרש להעביר משימה לסוכן חיצוני, דוגמת סוכן של Google או של AWS המחזיק בחלק מתהליך ההסקה, מנגנון Outbound A2A מאפשר להאציל סמכויות לסוכן צד שלישי.
  3. הפעלה ממערכת חיצונית: כאשר מערכת חיצונית כמו פורטל מותאם אישית או Microsoft Copilot צריכה להפעיל ביצוע בתוך Salesforce, מנגנוני Inbound A2A או הפעלת Agentforce בתור MCP Server מאפשרים לפלטפורמות חיצוניות לנצל את יכולות Agentforce ללא צורך בבנייתן מחדש.

סימן שלישי: צוותים שונים נדרשים לנהל חלקים שונים של הסוכן

במקרים שבהם סוכן יחיד נמסר לשימוש כלל החברה, מחלקות שונות דורשות שינויים עצמאיים: המחלקה המשפטית מבקשת לעדכן את לוגיקת המדיניות, מחלקת הכספים נדרשת לשנות את כללי האישור, ומחלקת השיווק מעוניינת לכייל את זרימת ההמלצות. במצב כזה, כל עדכון הופך למשא ומתן על בלוק הנחיות משותף, צוותים אינם יכולים לפעול באופן עצמאי, והחדשנות נבלמת אצל הגורם שמחזיק בהגדרות הסוכן הבודד. תזמור מרובה-סוכנים מאפשר לכל מחלקה לבנות ולבדוק סוכן משלה באופן עצמאי וללא הפרעה לחוויית הלקוח הקיימת, ולאחר מכן לחבר אותו לסוכן-העל בהתאם ללוח הזמנים של אותה מחלקה.

ארבעה נתיבי ארכיטקטורה ושאלות מוכנות

המדריך של החברה מפרט שבעה תרחישי תפעול הדדי, ומתוכם ארבעה נתיבים נפוצים למעבר מסוכן יחיד:

  • הישארות עם סוכן יחיד: ארכיטקטורה תקפה וככל הנראה היעילה ביותר כאשר תהליך העבודה מתקיים כולו בתוך ארגון Salesforce, עושה שימוש במודל נתונים יחיד, שומר על מספר מוגבל של תת-סוכנים ומספק תוצאות איכותיות.
  • תזמור מרובה-סוכנים פנימי: מתאים כאשר הבעיה משתרעת על פני מספר קווי פעילות עסקיים (כגון חיוב, תמיכה והחזרים) אך הנתונים, ההרשאות והמשתמשים כולם נמצאים בתוך מופע Salesforce, או כאשר סוכן יחיד צומח מעבר לשבעה תת-סוכנים ותוצאותיו מתחילות להידרדר.
  • תזמור מרובה-סוכנים מול צד שלישי (A2A): מתאים כאשר Agentforce נדרש לשתף פעולה עם סוכן חיצוני שמנהל חלק מתהליך ההסקה או זרימת העבודה.
  • חיבור MCP לכלים חיצוניים: מתאים כאשר Agentforce נשאר הגורם המנהל, אך נדרש לגשת לכלי חיצוני, ל-API או לזרימת עבודה חיצונית.

לפני המעבר לארכיטקטורה חדשה, הפרסום ממליץ לבחון מספר שאלות:

  • מספר תת-סוכנים מחוברים: בבדיקות פנימיות של החברה נמצא כי התנגשות כוונות והידרדרות תוצאות מתרחשות לרוב כאשר ישנם יותר משבעה תת-סוכנים מחוברים לסוכן יחיד.
  • שימוש במודלים ובהגדרות שונות: בארכיטקטורה מרובת-סוכנים ניתן להגדיר לכל סוכן הגדרות ניתוב ורמת יצירתיות (באמצעות טמפרטורה) משלו, ולהשתמש במודלים מורכבים למשימות בעלות ערך גבוה או במודלים זולים ומהירים למשימות בעדיפות נמוכה.
  • שליטה לפי קווי פעילות עסקיים (Business units).
  • עקביות מודל הנתונים: כאשר מזהי לקוחות, מק"טים של מוצרים או רשומות מקרים אינם תואמים במדויק בין מערכות שונות, הפלט של סוכן אחד הופך לניחוש עבור הסוכן האחר.

שאלות ותשובות

שאלות נפוצות

הכתבה הוכנה באמצעות מערכת בליווי בינה מלאכותית לתרגום, סיכום ובקרות איכות אוטומטיות מתוך פרסום מקורי של Salesforce Blog. קראו על תהליך העריכה שלנו. קישור למקור המקורי.

קבלו עדכוני AI שימושיים למייל

תקציר ממוקד ממערכת החדשות שלנו.

עוד מ־Salesforce Blog

כל הכתבות מ־Salesforce Blog
15 דרכים לשימוש בסוכני AI לניהול רשתות חברתיות לפי Salesforce
מדריך
4 דקות
מ־Salesforce Blog

15 דרכים לשימוש בסוכני AI לניהול רשתות חברתיות לפי Salesforce

מדריך של חברת Salesforce מפרט 15 דרכים שבהן סוכני בינה מלאכותית לרשתות חברתיות מסייעים לעסקים קטנים ובינוניים. הכלים האוטונומיים מאפשרים יצירת תוכן בקול המותג, תזמון פוסטים בזמנים מותאמים אישית, מענה אוטומטי לשאלות נפוצות 24/7, ניתוב פניות מורכבות לנציגים אנושיים, ניטור אזכורים וסנטימנט, וחיבור מעורבות ישירות למערכות ה-CRM לצורך יצירת לידים. בנוסף מובאת דוגמת חברת reMarkable, שטיפלה ביותר מ-18,000 שיחות שירות באמצעות סוכני AI.

קרא עוד
מדריך Salesforce: כיצד להרחיב צוות מכירות ברבעון אחד
מדריך
4 דקות
מ־Salesforce Blog

מדריך Salesforce: כיצד להרחיב צוות מכירות ברבעון אחד

מדריך של Salesforce מציג תוכנית רבעונית להרחבת צוות מכירות ללא שחיקה, באמצעות הגדרת תהליך מכירות ברור, אוטומציה של מעקבים ושימוש בבינה מלאכותית. לפי המדריך, 76% מעסקי ה-SMB פועלים מתצוגת CRM משותפת, ו-88% כבר משתמשים ב-AI לניהול לידים ותובנות עסקה. המדריך מפרט צעדים חודשיים הכוללים הגדרת יעדים, קליטת עובדים מבוססת מערכת והדרכה שוטפת.

קרא עוד
דו״ח Salesforce: מה מבדיל בין סוכני AI שמצליחים לאלו שנתקעים
מחקר
4 דקות
מ־Salesforce Blog

דו״ח Salesforce: מה מבדיל בין סוכני AI שמצליחים לאלו שנתקעים

דו״ח ראשון מסוגו של חברת Salesforce, המבוסס על סקר בקרב יותר מ-2,000 מנהלים ומקבלי החלטות בתחום ה-AI, מנתח את הגורמים שמבדילים בין ארגונים המשיגים החזר השקעה אמיתי מסוכני בינה מלאכותית לבין אלו שנתקעים בפיילוטים יקרים. מהנתונים עולה כי מהירות ההטמעה אינה הגורם המכריע, אלא הכנת הנתונים הספציפיים למשימה, הגדרת נתיבי הסלמה לגורם אנושי ובניית מנגנוני הגנה מראש. הדו״ח מראה כי ארגונים שהטמיעו סוכנים באופן הדרגתי הגיעו ל-ROI בתוך 8.2 חודשים, לעומת 7.3 חודשים בארגונים שאיחדו נתונים באופן מלא. בנוסף, 40% מהארגונים כבר מפעילים סוכנים במשימות רגולטוריות או בעלות סיכון גבוה.

קרא עוד
סיילספורס מציגה את פלטפורמת ה-CRM מבוססת הסוכנים שלה
מוצר חדש
4 דקות
מ־Salesforce Blog

סיילספורס מציגה את פלטפורמת ה-CRM מבוססת הסוכנים שלה

סיילספורס מציגה סקירה מקיפה על פלטפורמת ה-CRM מבוססת הסוכנים שלה (Agentic CRM), המשלבת סוכני בינה מלאכותית, עובדים ומערכות ארגוניות על גבי בסיס נתונים מאוחד. הפלטפורמה כוללת את ארכיטקטורת Headless 360, Data 360, פלטפורמת Agentforce, סביבת העבודה Slack ושכבת האמון Trust Layer לאבטחת מידע ללא שמירתו החיצונית. לפי נתוני סיילספורס, שילוב סוכני ה-AI במחלקות השירות, המכירות, השיווק, המסחר וה-IT מספק שיפורים תפעוליים והחזר השקעה ממוצע של 55%.

קרא עוד

עוד כתבות שיעניינו אותך

לכל הכתבות
סיילספורס מציגה את פלטפורמת ה-CRM מבוססת הסוכנים שלה
מוצר חדש
4 דקות
מ־Salesforce Blog

סיילספורס מציגה את פלטפורמת ה-CRM מבוססת הסוכנים שלה

סיילספורס מציגה סקירה מקיפה על פלטפורמת ה-CRM מבוססת הסוכנים שלה (Agentic CRM), המשלבת סוכני בינה מלאכותית, עובדים ומערכות ארגוניות על גבי בסיס נתונים מאוחד. הפלטפורמה כוללת את ארכיטקטורת Headless 360, Data 360, פלטפורמת Agentforce, סביבת העבודה Slack ושכבת האמון Trust Layer לאבטחת מידע ללא שמירתו החיצונית. לפי נתוני סיילספורס, שילוב סוכני ה-AI במחלקות השירות, המכירות, השיווק, המסחר וה-IT מספק שיפורים תפעוליים והחזר השקעה ממוצע של 55%.

קרא עוד
Amazon OpenSearch Service מציגה תמיכה ביישומי MCP
מוצר חדש
4 דקות
מ־AWS Machine Learning

Amazon OpenSearch Service מציגה תמיכה ביישומי MCP

לפי פרסום של שירות Amazon OpenSearch Service, השירות תומך כעת ביישומי MCP (או MCP Apps). יכולת זו מרחיבה את פרוטוקול Model Context Protocol ומאפשרת לסוכני AI להחזיר תגובה כפולה: סיכום טקסטואלי מובנה לצד ויזואליזציות אינטראקטיביות, כגון מפל עקבות ומפות שירותים, המוצגות ישירות בחלון השיחה בסביבת הפיתוח. הוויזואליזציות מופקות באמצעות הרצת קוד שרת מול מקורות הנתונים המחוברים של OpenSearch, ומספקות תוצאות דטרמיניסטיות ללא צורך ביציאה מה-IDE או בפתיחת דפדפן נפרד לאימות.

קרא עוד
בניית צוות סוכני AI ב-n8n עם Amazon Bedrock AgentCore
מוצר חדש
5 דקות
מ־n8n

בניית צוות סוכני AI ב-n8n עם Amazon Bedrock AgentCore

בפוסט שפורסם בבלוג של n8n הציג סונדאר ראגהוואן מ-AWS ארכיטקטורת צוות סוכני בינה מלאכותית המבוססת על n8n ועל Amazon Bedrock AgentCore harness. המערכת כוללת סוכן מיון שמנתב פניות לקוחות לשלושה סוכנים מומחים (ניתוח וחישוב, ארכיטקטורה, ומחקר כללי). כל הסוכנים פועלים על גבי משאב harness יחיד וחולקים זיכרון מנוהל המוגדר לפי מזהה הלקוח (Actor ID), כך שכל סוכן מסוגל לקרוא נתונים שנמסרו בשיחה מוקדמת מבלי לדרוש מהלקוח לחזור עליהם, וללא צורך בהקמת מסד נתונים וקטורי.

קרא עוד
גוגל מציגה את סדרת Pixel 11, שעון ה-Pixel Watch 5 ותג ה-Pixel Tag
מוצר חדש
4 דקות
מ־TechCrunch

גוגל מציגה את סדרת Pixel 11, שעון ה-Pixel Watch 5 ותג ה-Pixel Tag

באירוע Made by Google 2026 שנערך ביום רביעי, חשפה גוגל את סדרת מכשירי Pixel 11, הכוללת את ה-Pixel 11 הסטנדרטי עם פס מצלמה דק יותר ונפח אחסון בסיסי של 256GB במחיר של 899 דולר, לצד דגמי Pro ו-Pro XL עמידים יותר ודגם מתקפל משודרג (Pixel 11 Pro Fold). בנוסף, הציגה החברה את ה-Pixel Watch 5 המציע מעקב בריאותי מתקדם, תג מעקב ראשון בשם Pixel Tag למציאת חפצים, ושורה של תכונות בינה מלאכותית חדשות מבוססות Gemini כמו Rambler להזנת קול טבעית ותרגום שפת סימנים בזמן אמת.

קרא עוד