学生目标客服人员注意事项
要使用学生目标客服人员,请考虑支持的功能、使用情况、限制和容许量、限制和其他问题。
所需的 Edition
| 适用于:Lightning Experience |
| 适用于:Enterprise、Performance、Unlimited 和 Developer Editions with Education Cloud 和适用的 Agentforce 加载项许可证。 |
AI 的非确定性
学生目标客服人员使用生成式 AI,因此它可以为相同的输入产生不同的响应,即使在相同的会话中。这种可变性是大型语言模型的固有特征。重要的是要提前与学生沟通,以便他们了解客服人员的建议不是固定的或绝对的。这设定了现实的预期,并防止依赖单一的、确定的答案。
负责任地使用学生数据
客服人员利用特定学生属性提供个性化推荐,包括但不限于:
- 学术数据:专业、GPA、学术地位、学习年份、第一代状态和双学位注册。
- 参与数据:校园小组成员关系和参与活动。
- 自报告信息:来自职业、偏好和个性评估的结果。
在部署前,大学必须:
- 确保透明度:明确告知学生正在使用哪些数据、为何使用这些数据,以及如何告知客服人员推荐。
- 更新披露:如果对提示基础流进行任何修改,必须更新数据使用策略,以反映这些更改。
- 提供控制:为学生提供选择退出或要求澄清其数据用途的选项。
推荐是指导,而不是指令
提醒学生,客服人员的建议旨在作为探索的起点,而不是规范性计划。
- 他们没有义务接受任何推荐
- 鼓励批判性思维,他们应评估所有建议的相关性和价值。
- 客服人员不能替代人工顾问、导师或顾问。鼓励学生始终与人类专家讨论重要的目标和计划。
建立明确的使用边界
为确保有效、安全地使用制剂,大学应制定并传达明确的指南。
- 简明入门指南,解释客服人员的目的。
- 适当查询和用例的示例。
- 明确声明该工具是辅助工具,而不是人类指导的替代。
处理敏感和易受攻击的交互
鉴于客服人员与学生的直接互动,客服人员可能会遇到敏感主题,例如:
- 自残或自杀的想法
- 不适当、咄咄逼人的或有关语言
- 提及情绪困扰
大学应主动管理这些风险。
- 启用审计跟踪:在 Command Center 中监控使用模式、标记频率并跟踪单个会话。
- 实施自定义安全工作流:虽然 Agentforce 具有内置的 Trust 层,但各机构应创建自己的自定义工作流来满足特定的校园需求。
- 定义清除升级协议:建立明确的协议,将高风险互动路由到适当的人工支持,例如校园心理健康团队或危机顾问。
- 交流 AI 的限制:对学生透明,客服人员无法在危机情况下提供专业帮助。
提高学生意识和知情使用
要使学生能够负责任地使用客服人员,鼓励他们:
- 将客服人员视为副驾驶,而不是最终授权
- 在解释 AI 建议并采取行动时,寻求不同的人类视角
- 将该工具用作与学术顾问、职业顾问和导师进行深入建议对话的起点
语言和区域设置支持
学生目标客服人员支持 Salesforce 生成式 AI 平台上支持的语言和区域设置,如 Einstein 生成式 AI 支持的语言和区域设置所述。
大型语言模型支持
如大语言模型支持中所述,学生目标客服人员支持 Salesforce 生成式 AI 平台上支持的模型。
Einstein Trust 层服务支持
如 Einstein Trust Layer 所述,学生目标客服人员支持 Salesforce 生成式 AI 平台上提供的 Trust Layer 服务。请询问系统管理员,哪些 Einstein Trust 层服务已在贵组织中启用,并可用于学生目标客服人员。
学生目标客服人员计费的使用类型
学生目标客服人员使用生成式 AI 和 Data Cloud 来接收、存储和处理数据。当您使用学生目标客服人员时,您将按这些类别计费。在部署前,请与您的 Salesforce 客户团队合作,确认许可证的可用性并计划信用使用情况。
| Digital Wallet | 使用情况类型 | 描述 | 备注 |
|---|---|---|---|
| 弹性信用 | 标准操作 | 使用情况由标准客服人员操作的数量决定。请参阅灵活信用计费使用类型。 | 适用于经过身份验证和未经身份验证的学生目标客服人员交互。 |
当您使用学生目标客服人员时,信用可以通过相关功能(例如 Agentforce 数据库或审计和反馈)在其他消费卡的使用类型中消耗。
