Es gibt eine häufig auftretende Situation bei der Einführung von KI in Unternehmen. Ein Team verbindet einen KI-Agenten mit Salesforce. Es stellt dem Agenten eine Frage zur Vertriebspipeline. Der Agent erstellt eine Abfrage, führt sie aus und liefert kein Ergebnis. Oder schlimmer noch: Er liefert selbstbewusst falsche Daten.
Das Problem ist nicht das Modell. Das Problem ist, dass der Agent dein Schema erraten hat.
Jede Salesforce-Organisation ist anders. Benutzerdefinierte Felder, benutzerdefinierte Objekte und benutzerdefinierte Namenskonventionen, die im Laufe der Jahre von Mitarbeitern entwickelt wurden, die inzwischen das Unternehmen verlassen haben. Das Feld „Forecast_Category__c“ in Ihrer Organisation existiert in einer anderen Organisation möglicherweise gar nicht. Ein Mitarbeiter, der Ihr spezifisches Schema nicht kennt, wird eine Vermutung anstellen, was zu Fehlern führt.
Dies ist das Problem, das das MCP (Model Context Protocol) angeht, und es lohnt sich, sich damit auseinanderzusetzen, bevor man einen KI-Agenten für den Einsatz in Unternehmen bewertet.
Was MCP eigentlich macht
MCP ist ein Standard, der KI-Agenten einen strukturierten, abfragbaren Zugriff auf den Kontext ermöglicht, den sie benötigen, bevor sie handeln.
In einem gut konzipierten Agenten-System wendet sich der Agent nicht sofort an Salesforce, wenn Sie eine Frage stellen. Er führt zunächst eine Vorabprüfung durch. Er ruft das entsprechende Schema aus einer Kontextbibliothek ab, prüft, welche Objekte und Felder in Ihrer Umgebung tatsächlich vorhanden sind, und erstellt dann die Abfrage.
Das Ergebnis: Die Abfragen sind erfolgreich, da sie auf Ihre tatsächliche Datenstruktur zugeschnitten sind und nicht auf einer allgemeinen Annahme darüber basieren, wie Salesforce aussieht.
Wenn der Agent auf etwas stößt, das er nicht erkennt, gibt er dies zu. Das ist genauso wichtig wie die Abfragen, die funktionieren. Ein Agent, der weiß, was er nicht weiß, ist nützlicher als einer, der Wissenslücken mit selbstbewussten Vermutungen füllt.
Ein konkretes Beispiel
Bei einem kürzlich abgehaltenen Treffen der SnapLogic-Anwendergruppe führten wir eine Live-Demo durch, in der ein Vertriebsleiter sich auf ein Einzelgespräch mit einem Vertriebsmitarbeiter vorbereitete. Die Anfrage war ganz in einfachem Englisch formuliert: Pipeline nach Phasen, abgeschlossene und gewonnene Geschäfte für das Quartal, offene Opportunities, die in den nächsten 30 Tagen abgeschlossen werden sollen, sowie die gewichtete Prognose für das dritte Quartal.
Bevor eine dieser Abfragen ausgeführt wurde, las Jean-Paul das Salesforce-Schema für diese Organisation ein. Dabei wurden die Objektdefinitionen, die Feldnamen und die benutzerdefinierten Prognosekategorien abgerufen. Das dauerte einige Sekunden.
Anschließend führte es vier Abfragen parallel aus, die alle beim ersten Versuch korrekte Daten lieferten.
Kein Ausprobieren. Keine irreführenden Feldnamen. Kein „Das konnte ich nicht finden“ nach 90 Sekunden Wartezeit.
Das Auslesen des Kontexts hat dies erst möglich gemacht. In einer Demo wirkt es unsichtbar, da es geschieht, bevor die Antwort erscheint. Genau diese Unsichtbarkeit ist der springende Punkt.
Warum dies für Ihre Bewertung von Bedeutung ist
Wenn Sie einen KI-Agenten für den Einsatz in Unternehmen evaluieren, sollten Sie gezielt nach der Schemaverarbeitung fragen.
Fragen, die man sich stellen sollte:
- Liest der Agent vor der Abfrage Ihr tatsächliches Schema aus, oder stützt er sich auf Trainingsdaten und Annahmen?
- Was passiert, wenn eine Abfrage fehlschlägt? Versucht der Agent es erneut mit Korrekturen oder meldet er den Fehler?
- Wie wird der Kontext auf dem neuesten Stand gehalten, wenn sich Ihr Schema ändert?
Ein Agent ohne Zugriff auf strukturierte Kontexte funktioniert gut in Demos, die auf übersichtlichen, vertrauten Datenstrukturen basieren. In der Produktion hingegen wird er Schwierigkeiten haben, da es sich dort um Ihre eigenen Daten handelt und die Feldnamen alles andere als selbsterklärend sind.
Mit MCP können Mitarbeiter diese erste Frage jedes Mal zuverlässig und korrekt beantworten. Jean-Paul ist die KI-Agentenplattform für Unternehmen von SnapLogic. Kontaktieren Sie uns noch heute für eine Demo.
