A Salesforce szerint saját tapasztalataiból javulhatnak az AI-ügynökök

Az ügynökök fejlesztését automatizálnák

A Salesforce 2026. július 23-án közzétett írása szerint a vállalati AI-ügynököket ma gyakran statikus alkalmazásokként telepítik. Ha visszatérő hibát találnak, szakértők elemzik a problémát, javítást javasolnak, majd kézzel kiadják a módosítást. Ez a folyamat a cég szerint nehezen tud lépést tartani a változó használati mintákkal, az alapmodellek fejlődésével és a piaci elvárásokkal.

A Salesforce ezt a ciklust rekurzív önfejlesztéssel, angolul recursive self-improvement, röviden RSI automatizálná. Az AI-ügynök ilyenkor felismeri, mi nem működik, megkeresi a lehetséges okokat, több javítást tesztel szimulációkban, majd megtartja azokat, amelyek javítják a technikai és üzleti mutatókat, miközben nem sértik a meghatározott korlátokat.

A Salesforce szerint az Agentforce naponta több mint 11 millió hívást kezel, és nincs két teljesen egyforma munkamenet. A cég állítása szerint ilyen mennyiségű tapasztalatot egyetlen rendszer vagy fejlesztőcsapat sem tud ésszerű költséggel manuálisan feldolgozni.

A modell helyett a körülötte lévő rendszer fejlődik

Az önfejlesztő ciklus első lépése annak meghatározása, mit jelent a jobb működés. Ilyen mérce lehet a pontosság, a sebesség, a költség vagy egy üzleti teljesítménymutató. A rendszerhez emellett korlátokat is rendelnek, például a szabálysértések és a teljesítményromlás elkerülésére. Ezek üzleti és termékdöntések, ezért a Salesforce szerint a felelősöknek meg kell tudniuk vizsgálni és módosítani őket.

Ezután a folyamat megméri az aktuális teljesítményt, azonosítja a hibákat és azok okait, módosításokat állít elő, majd szimulációkban értékeli a jelölteket. A javulást hozó változtatásokat megtartja, a többit elveti, és újraindítja a ciklust. A Salesforce ezt a számítástechnikában használt hegymászó kereséshez hasonlítja. A vállalat szerint az egyszerű, mohó keresés sok esetben hasonló eredményt adhat, mint az összetettebb optimalizálási módszerek, miközben kevesebb külön értékelést igényel.

A fejlesztések jellemzően nem egyetlen promptot és nem is egy teljes terméket érintenek. Változhatnak a promptok, az eszközbeállítások, a vektortárolókban lévő tudás, a munkafolyamatok sorrendje, a lekérési stratégiák, az értékelők és a jogosultságok. A modell súlyai közben változatlanok maradhatnak.

A kontrollt továbbra is emberek adhatják

A Salesforce szerint minden igazolt javítás tartós regressziós tesztté válhat, az új képességek közös könyvtárba kerülhetnek, a továbbfejlesztett útválasztás pedig verziózott konfigurációként maradhat meg. Így a rendszer későbbi hibafelismerése és javítása is pontosabbá válhat.

A ciklus működésébe a vállalatok különböző pontokon emberi ellenőrzést építhetnek be. Egy vagy két ügynöknél a kézi jóváhagyás is megfelelő lehet, 10 és 100 ügynök között viszont a Salesforce szerint már irányított autonómiára van szükség. A diagnózis ráadásul nem feltétlenül az ügynök promptjára mutat. A tudásbázisok, eszközök, szabályzatok, üzleti logika és más A2A-ügynökök is fejleszthetők.

A cég érvelése szerint az alapmodell használata bérléshez hasonlítható, míg az ügynök köré épített önfejlesztő ciklus a vállalat saját eszköze és felhalmozódó tapasztalata. A Salesforce az AI Index 2025 adataira hivatkozva azt írja, hogy a vezető GPT-osztályú modellek következtetési költsége mintegy 280-szorosára csökkent körülbelül 18 hónap alatt, 20 dollárról 0,07 dollárra egymillió tokenenként. A vállalat szerint ezért a tartós érték az olcsóbb számításra épülő ügynöktervezésben és a saját éles használatból származó tapasztalatokban lehet.