Agentforce 8 min lesing

Hva er Salesforce Agentforce? En guide for norske bedrifter

Salesforce lanserte Agentforce i slutten av 2024, og siden da har det blitt selskapets mest markedsførte produkt. Begrepet dukker opp overalt, men det er ikke alltid tydelig hva det faktisk er, hva det gjør, og om det er relevant for en norsk SMB. Her er svarene.

Team diskuterer AI-implementering i Salesforce, konferanserom Oslo

Hva Agentforce faktisk er

Den korte forklaringen: Agentforce er Salesforce sin plattform for å bygge AI-agenter som kan utføre oppgaver på vegne av teamet ditt, direkte inne i Salesforce.

En AI-agent skiller seg fra en chatbot. En chatbot svarer på spørsmål. En agent kan gjøre ting: slå opp informasjon, oppdatere records, sende meldinger, og følge opp saker, uten at et menneske trenger å ta hvert enkelt steg.

Agentforce er ikke et separat system du installerer ved siden av Salesforce. Det er bygget inn i selve plattformen og har tilgang til alle data som allerede finnes der: kundehistorikk, opportunities, cases, kontakter, aktivitetslogg. Det er det som gjør det nyttig. Agenten kjenner kunden din fordi den henter det fra CRM-et.

Agentforce vs Einstein

Salesforce har hatt AI-funksjoner under Einstein-paraplyen i mange år. Einstein er prediktiv AI: den analyserer historikk og foreslår. Agentforce er agentbasert AI: den kan ta handlinger. Forskjellen er stor i praksis. Les mer i artikkelen om Agentforce vs Einstein.

Hva det gjør i praksis

Abstrakte beskrivelser er lite nyttige. Her er tre konkrete eksempler på hva Agentforce gjør i norske bedrifter:

BrukstilfelleHva agenten gjørGevinst for teamet
Forberedelse til salgsmøte Henter og sammenstiller kundedata, opportunity-historikk, siste aktiviteter og relevante notater. Produserer et sammendrag klar til bruk før møtet. Selgeren bruker fem minutter på å forberede seg, ikke tretti. Møtet starter med riktig kontekst.
Support-case-kategorisering Leser innkommende saker, identifiserer tema, alvorlighetsgrad og relevant historikk. Kategoriserer og ruter til riktig behandler. Supportteamet bruker tid på å løse problemer, ikke på å sortere dem. Responstid kortere.
E-postoppfølging Genererer personaliserte e-postutkast til kunder basert på kundehistorikk og kontekst fra CRM. Agenten skriver. Selgeren godkjenner og sender. Høyere volum oppfølginger uten mer tid brukt. E-postene er kontekstuelt relevante, ikke generiske.

Felles for disse eksemplene er at agenten ikke erstatter mennesket. Den tar over de mekaniske stegene slik at mennesket kan fokusere på det som faktisk krever menneskelig vurdering.

Hvem det passer for

Agentforce er ikke relevant for alle. Her er de viktigste faktorene:

Du trenger allerede et fungerende Salesforce. Agentforce henter verdi fra dataen i CRM-et. En org med ufullstendig eller utdatert data gir dårlige agenter. Hvis grunnlaget ikke er i orden, er riktig sekvens å fikse det før man legger AI på toppen.

Gevinsten er størst der det er volum. Et salgsteam som håndterer mange kortere kunderelasjoner, et supportteam med mange innkommende saker, en administrasjon som behandler mange like forespørsler. Jo mer repeterende arbeid, jo større gevinst.

Teamet trenger ikke teknisk kompetanse. Du konfigurerer agenter i Salesforce sin grensesnitt, ikke ved å skrive kode. En konsulent (som Valon) setter det opp. Teamet ditt bruker det.

Hva som kreves for å komme i gang

Å komme i gang med Agentforce krever ikke et årelang prosjekt. Hos Valon bruker vi en fast fire-stegs prosess som typisk er ferdig på to til tre uker:

Resultatet er et begrenset sett med agenter som løser et klart definert problem for teamet ditt. Ikke en plattformimplementering som aldri slutter. Vil du se de konkrete AI-funksjonene som gir raskest avkastning? Les artikkelen om fem AI-funksjoner i Salesforce som gir rask avkastning.

Er Salesforce-dataene dine klare for Agentforce?

Dette er spørsmålet de fleste hopper over. Agentforce er avhengig av data for å fungere. En agent som skal hjelpe selgere med møteforberedelse trenger aktivitetslogg, kontaktinformasjon og opportunity-historikk. Hvis dataene dine er ufullstendige, utdaterte eller inkonsistente, vil agenten gi dårlige anbefalinger og skape lavere tillit enn ingen agent i det hele tatt.

Noen tegn på at datagrunnlaget ikke er klart:

Det betyr ikke at du må vente med Agentforce. Det betyr at datakvalitet er del av et godt implementeringsforløp, ikke noe du ordner etterpå. Hos Valon starter vi alltid med en teknisk gjennomgang av orgen nettopp av denne grunn.


Valon er et av de få norske Salesforce-partnerne med gjennomført Agentforce-implementering bak seg. Vi kan hjelpe deg å gå fra interesse til faktisk verdi.

AI og Agentforce

Klar til å utforske Agentforce for din bedrift?

Ta en uforpliktende samtale. Vi forteller deg ærlig om det er relevant for deg nå, og hva som i så fall er riktig første steg.