Von der Beschwerde zum Deal: KI-Agenten im Praxistest

Es begann ganz harmlos. Ein Kunde, der sich für ein Slack-Webinar angemeldet hatte, wurde von einem KI-Agenten für ein Vertriebs-Follow-up kontaktiert. Auf die einleitende Nachricht «Wir hoffen, Ihnen hat das kürzlich besuchte Webinar gefallen» reagierte der Kunde jedoch mit Unzufriedenheit: Seine Erwartungen seien nicht erfüllt worden, die Themen nicht abgedeckt und mehr.

Der Agent ging direkt auf die Beschwerde ein, entschuldigte sich und bot dann gezielte Informationen an, die die Bedenken des Interessenten adressierten – keine generische Standardantwort. Anschließend gelang es ihm, das Gespräch nahtlos wieder in Richtung Vertrieb zu lenken und eine produktive Unterhaltung zu führen, die schließlich zu einem Geschäftsabschluss führte. Dieser Wandel von einer Beschwerde zu einer echten Chance wäre noch vor einem Jahr unmöglich gewesen.

Dies ist nur ein erfolgreiches Beispiel für eine Interaktion, die von Agentforce abgewickelt wurde – unserer Plattform zum Erstellen und Bereitstellen von KI-Agenten. Als „Customer Zero“ für Agentforce haben wir die Technologie unternehmensweit skaliert und die Auswirkungen in allen Bereichen der Organisation erlebt.

Nach einem Jahr hat unser Service-Agent über 1,5 Millionen Supportanfragen auf unserer Hilfeseite bearbeitet – den Großteil davon ohne menschliches Eingreifen. Unser Vertriebsentwicklungs-Agent (SDR) hat mehr als 43.000 Leads bearbeitet und aus zuvor inaktiven Kontakten einen neuen Pipeline-Wert von 1,7 Millionen US-Dollar generiert. Agentforce in Slack hat unseren Teams in diesem Jahr 500.000 Arbeitsstunden zurückgegeben, indem es Routineaufgaben übernommen hat.

Hinter diesen Kennzahlen verbirgt sich eine Geschichte voller Herausforderungen, Experimente, Rückschläge und kontinuierlicher Verbesserungen. Die ersten Versionen waren ernüchternd: Als wir Agentforce erstmals für den Vertrieb einsetzten, gehörte unter anderem ein SDR-Agent dazu, der selbstständig potenzielle Kunden recherchieren, ansprechen und qualifizieren konnte. Unsere Vision war ein Heer solcher Agenten, die als Vertriebsassistenten auf Einstiegsebene rund um die Uhr arbeiten – in einem Umfang, den kein Mensch jemals erreichen könnte. Doch in den ersten Monaten antwortete der Agent bei 30% der Anfragen nach Details zu einem Lead mit «Ich weiß es nicht». Durch mühsame Datenbereinigung und iteratives Training konnten wir diese Quote auf unter 10% senken.

Mit dem Einsatz von Agentforce haben wir entscheidende Erkenntnisse in Bereichen wie Agententests, Datenqualität und dem richtigen Gleichgewicht zwischen Mensch und KI gewonnen – und dabei unzählige Fehler gemacht, damit unsere Kunden sie nicht machen müssen. Diese Erfahrungen fließen nun direkt in die Produkt-Roadmap von Agentforce ein und schaffen eine Blaupause für Unternehmen, die ihre eigene Transformation hin zu einem „agentischen Unternehmen“ beginnen.

Das paradoxe Testen und Feinjustieren, das Agenten benötigen

Die Akzeptanz durch Kunden hängt von der Wirksamkeit ab – wenn Agenten nicht gut funktionieren, werden sie nicht genutzt. Diese Erkenntnis führte uns zur wichtigsten Lektion: Der Erfolg eines Agenten hängt weniger von einer umfassenden Schulung ab, sondern vielmehr davon, subtile Fehler zu vermeiden, die erst im großen Maßstab sichtbar werden.

Eine unerwartete Herausforderung ergab sich beim ersten Einsatz unseres Kundenservice-Agenten. Zwar waren die Antworten des Agenten inhaltlich korrekt, doch die Erfahrung wirkte für die Kunden zu nüchtern und rein transaktional. Wenn menschliche Mitarbeiter Vorfälle bearbeiten, zeigen sie Mitgefühl und sagen Dinge wie: «Es tut mir wirklich leid, das zu hören. Das muss enttäuschend für Sie sein.» Unser erster KI-Agent hingegen eröffnete lediglich Tickets.

Uns war klar: Wir mussten besser werden. Deshalb haben wir jede einzelne Kundenkonversation überprüft und Kolleginnen und Kollegen einbezogen, um die Lücken zu identifizieren. Anschließend entwickelten wir Tools, mit denen sich diese menschlicheren Einsichten skalieren lassen.

Unser aufschlussreichster Fehler bestand darin, zu restriktive Leitplanken einzuziehen. Anfangs wiesen wir Agentforce an, keine Gespräche über Wettbewerber zu führen, und erstellten dafür eine umfangreiche Sperrliste rivalisierender Unternehmen. Dies hatte jedoch unerwartete Folgen: Fragten Kunden nach einer legitimen Integration von Microsoft Teams in Salesforce, verweigerte der Agent die Hilfe – nur weil Microsoft auf unserer Wettbewerberliste stand.

Die Lösung war verblüffend einfach. Anstelle starrer Regeln gaben wir die Anweisung, dass der Agent stets im besten Interesse von Salesforce – und damit auch im besten Interesse der Kunden – handeln solle. Dieser Wandel brachte eine entscheidende Erkenntnis: Wir hatten unseren KI-Agenten wie einen altmodischen Chatbot behandelt, mit übermäßig detaillierten Vorgaben. Was wir jedoch wirklich brauchten, war, dem Agenten ein Ziel zu geben und ihn selbst entscheiden zu lassen, wie er es erreicht. Agenten erzielen die besten Ergebnisse, wenn man ihnen sagt, was sie erreichen sollen, nicht wie. Wir nennen das «das LLM ein LLM sein lassen».

Heute verbessern sich unsere Agenten durch kontinuierliche, unermüdliche Iterationen, basierend auf echtem Nutzerfeedback. Dabei messen wir Geschäftswert, Leistung, Zufriedenheit und Engagement. Dieser verfeinerte Ansatz ermöglicht es Agentforce, dass Kunden den Tonfall ihrer Agenten individuell an ihre Marke anpassen können – in dem Bewusstsein, dass manche Marken einen leicht schnippischen Ton bevorzugen, während andere einen unterstützenden, beruhigenden Stil benötigen.

Datenintegrität ist entscheidend

Früher erforderte Machine Learning extrem präzise und sorgfältig aufbereitete Daten. Bei agentischer KI ist der entscheidende Faktor jedoch ein einheitlicher, konsistenter Datenbestand: KI-Agenten sind nur so gut wie die Daten, die ihnen zur Verfügung stehen.

Wir stellten fest: Wenn ein Agent innerhalb seines riesigen Datensatzes auf zwei widersprüchliche «richtige» Antworten stößt, versucht er, diese in Einklang zu bringen – und erfindet dabei im Zweifel eine Antwort. Ein Beispiel dafür trat bei der Einführung von Agentforce auf der Salesforce-Kundensupportseite auf: Dort griff ein Agent einmal auf einen veralteten Informationssatz von einer alten, kaum gepflegten Seite zu, der im Widerspruch zu den regelmäßig aktualisierten Hilfeartikeln stand.

Diese Erkenntnis zwang uns zu einem mehrschichtigen Ansatz. Wir mussten uns intensiv auf Data Governance (die Regeln und Prozesse für den Umgang mit Daten), Quellenbereinigung (das Entfernen doppelter oder veralteter Informationen) und Konsolidierung (das Zusammenführen verstreuter Daten aus unterschiedlichen Systemen an einem zentralen Ort) konzentrieren. Parallel dazu investierten wir in die Pflege und Validierung unserer Wissensartikel, um sicherzustellen, dass Agenten auf eine konsistente Bibliothek von Ressourcen zugreifen.

Darüber hinaus setzten wir Salesforce Data Cloud als unsere Daten-Aktivierungsschicht ein: Sie verbindet, harmonisiert und vereinheitlicht Daten aus mehr als 650 internen Datenströmen und löst fragmentierte Profile auf, sodass eine einzige verlässliche Datenquelle entsteht. Dadurch erhalten die Agenten eine vollständige Historie sämtlicher Kundeninteraktionen mit dem Unternehmen – und können so personalisierteren Support leisten.

Die Lektion: Agenten sind probabilistisch, nicht deterministisch. Sie liefern nicht immer dasselbe Ergebnis bei identischem Input, und ihre Antworten können sich mit neuen Informationen im Laufe der Zeit verändern. Kontinuierliche Iteration und Werkzeuge zur Sicherstellung von Datenkonsistenz sind daher nicht optional – sie sind die Grundlage, die Agenten mächtiger macht als Chatbots.

Rollen neu definieren: Die Mensch-KI-Partnerschaft

Agenten sind zur idealen Ergänzung menschlicher Stärken geworden. Sie übernehmen die mühsamen oder entmutigenden Aufgaben, die Menschen ermüden – etwa repetitive Anfragen zu beantworten, inaktive Leads mit extrem niedrigen Erfolgsquoten zu pflegen oder hartnäckig trotz Ablehnung weiterzumachen, ohne Frustration oder Erschöpfung.

Das schafft eine kraftvolle Dynamik und führt zu einer strategischen Neuausrichtung von Jobs. SDR-Agenten revolutionieren den Vertrieb, indem sie das volumenintensive Prospecting übernehmen und Millionen an Pipeline aus dem generieren, was zuvor «Sägemehl auf dem Boden» war. Währenddessen konzentrieren sich menschliche Vertriebsmitarbeiter auf das, was sie am besten können: Beziehungen aufbauen, komplexe Kundenbedürfnisse verstehen und große Deals abschließen.

Im Kundenservice beantworten Agenten inzwischen schnell Anfragen außerhalb der Geschäftszeiten und übernehmen die repetitiven Fragen, die früher die Zeit der Support-Teams dominierten. Heute können sich diese Teams auf die kniffligsten, komplexesten Fälle konzentrieren und die Kundenbeziehungen pflegen. Dadurch gelingt es uns, unsere Mitarbeitenden in wachsende Geschäftsbereiche umzuleiten – etwa in Professional Services, technische Kundenbetreuung oder andere Rollen im Bereich Customer Success und Sales.

Dieses Partnerschaftsmodell funktioniert, weil es die natürlichen Vorteile beider Seiten nutzt: Agenten stört es nicht, dieselbe Aufgabe 7.000 Mal zu erledigen, während Menschen in den nuancierten Gesprächen glänzen, die Interessenten zu Kunden machen. Gemeinsam erreichen wir mehr.

Der Weg zu einer Consumer-Grade Experience

Eine weitere wichtige Erkenntnis in diesem Jahr lautet: Aussehen und Benutzerfreundlichkeit sind entscheidend. Ob für den internen Mitarbeitereinsatz oder die direkte Kundeninteraktion – Nutzer vergleichen die Agenten-Erfahrungen mit führenden Consumer-Grade-KI-Lösungen wie ChatGPT. Deshalb müssen wir stets nach überlegenen Erlebnissen streben.

Als wir Agentforce zunächst einsetzten, entwickelten wir Agenten für sehr spezifische Zwecke – einen Wellbeing-Agent für Fragen zu Benefits, einen Meeting-Agent für Unterstützung bei der Terminplanung, einen Karriere-Agent für Fragen zur beruflichen Weiterentwicklung. Zwar halfen diese Agenten den Mitarbeitenden, sich von Routineaufgaben zu entlasten und sich auf höherwertige Tätigkeiten zu konzentrieren, doch die Employee Experience war über Dutzende von Agenten hinweg fragmentiert.

In diesem Sommer führten wir den Employee Agent ein, der diese Erfahrungen in einem einzigen Zugang bündelt – sodass Mitarbeitende nicht länger raten müssen, welches Tool sie verwenden oder wohin sie sich wenden sollen. Außerdem entwickelten wir einen Manager Agent, der alles zusammenführt – von Mitarbeiterbefragungen über Ressourcen für Quartalsgespräche bis hin zu Team-Feedback. Mitarbeitende haben nun einen zentralen Ansprechpartner, um alle Fragen rund um ihren Arbeitsplatz beantwortet zu bekommen.

Doch es reicht nicht, den Agenten zu erstellen. Wir wissen: Damit Agenten wirklich effektiv sind, müssen sie direkt in den Arbeitsfluss integriert sein. Unsere Agenten sind keine isolierten Anwendungen, sondern nahtlos eingebunden in Slack, CRM, Web und E-Mail – also in die Tools, die unsere Mitarbeitenden und Kunden täglich nutzen.

Dieses Vorgehen hat dazu geführt, dass 86% unserer Mitarbeitenden Agenten allein in Slack verwenden und 99% unserer weltweiten Belegschaft unsere internen Agenten einsetzen.

Die Arbeit ist niemals abgeschlossen. Da sich Daten verändern und Verhaltensweisen weiterentwickeln, erfordern Agenten kontinuierliche Experimente und Verfeinerungen. Wir testen und verbessern jeden Tag.

Rückblick und Ausblick

Als Customer Zero leisten wir die Vorarbeit: Wir entdecken Fehler, machen die Irrtümer und ziehen die Lehren daraus, noch bevor unsere Kunden damit in Berührung kommen. Wir sehen es als unsere Verantwortung, kompromisslos zu experimentieren und zu iterieren – und so den Weg zur agentischen Transformation zu ebnen. Unsere Erfahrungen fließen direkt in Agentforce ein, um einen messbaren ROI zu liefern und die Implementierung so einfach wie möglich zu gestalten. So stellen wir sicher, dass wir echten Geschäftswert schaffen – und nicht nur coole Technologie.

Nach einem Jahr sehen wir bemerkenswerte Wirkung und hohe Akzeptanz – und dabei stehen wir erst am Anfang. Wir sind entschlossen, unsere Kunden sicher und mit nachweisbaren Ergebnissen durch diesen grundlegenden Wandel zu begleiten, damit sie selbstbewusst zu einem agentischen Unternehmen werden können.