یکپارچه‌سازی Dynamics 365 با AI Agent چگونه انجام می‌شود؟

AI Agent  زمانی در Dynamics 365 ارزش واقعی پیدا می‌کند که فقط درباره CRM صحبت نکند، بلکه بتواند به اطلاعات و قابلیت‌های واقعی سیستم دسترسی داشته باشد.

در این حالت کاربر می‌تواند با زبان طبیعی از Agent بخواهد مشتریانی را که نیاز به پیگیری دارند پیدا کند، وضعیت Opportunity ها را بررسی کند، Case  های باز یک مشتری را خلاصه کند یا حتی با سطح دسترسی مشخص در CRM یک Task ایجاد کند.

برای مثال مدیر فروش می‌تواند از Agent بخواهد Opportunity هایی را پیدا کند که بیشتر از ۲۰ روز است پیگیری نشده‌اند.

برای انجام چنین درخواستی، Agent  باید بتواند Opportunity های باز را دریافت کند، Activity  های مرتبط را بررسی کند، آخرین زمان پیگیری را تشخیص دهد و فقط مواردی را که شرایط موردنظر دارند به مدیر نمایش دهد.

کاربر لازم نیست بداند اطلاعات در کدام Entity قرار دارد، چه Query باید اجرا شود یا برای دریافت این اطلاعات از چه API استفاده می‌شود.

این همان نقطه‌ای است که یکپارچه‌سازی Dynamics 365 با AI Agent اهمیت پیدا می‌کند. Agent به جای اینکه یک ابزار جدا از CRM باشد، به یک لایه تعاملی برای دسترسی به اطلاعات و قابلیت‌های واقعی سیستم تبدیل می‌شود.

اگر می‌خواهید ابتدا با ساختار و قابلیت‌های CRM مایکروسافت آشنا شوید، صفحه Microsoft Dynamics 365 CRM  اطلاعات بیشتری درباره این پلتفرم ارائه می‌دهد.

AI Agent چیست و در CRM چه کمکی می‌کند؟

AI Agent  یا ایجنت هوش مصنوعی را می‌توان یک دستیار هوشمند دانست که فقط پاسخ تولید نمی‌کند، بلکه می‌تواند برای انجام یک کار از ابزارها و سیستم‌هایی که در اختیارش قرار گرفته استفاده کند.

این تفاوت مهمی با استفاده معمولی از یک مدل هوش مصنوعی دارد.

اگر از یک Chatbot عمومی بپرسید کدام مشتری‌های من نیاز به پیگیری دارند، تا زمانی که به CRM شما دسترسی نداشته باشد اطلاعاتی درباره مشتریان، Opportunity ها، تماس‌ها و Activity های واقعی شرکت ندارد.

اما وقتی AI Agent به قابلیت‌های مشخص Dynamics 365 متصل شود، همین درخواست می‌تواند تبدیل به یک عملیات واقعی روی اطلاعات CRM شود.

Agent  می‌تواند اطلاعات موردنیاز را از چند بخش دریافت کند، آنها را کنار هم قرار دهد، شرایط موردنظر کاربر را بررسی کند و نتیجه را به زبان طبیعی ارائه دهد.

در این مدل، Dynamics 365  همچنان محل نگهداری اطلاعات و اجرای Business Logic سازمان است. Agent  یک روش ساده‌تر برای تعامل با این اطلاعات و قابلیت‌ها در اختیار کاربر قرار می‌دهد.

 

 

تفاوت AI Agent با ChatGPT معمولی چیست؟

مدل‌های زبانی مانند ChatGPT می‌توانند درخواست کاربر را درک کنند، روی اطلاعاتی که در اختیارشان قرار گرفته کار کنند و پاسخ تولید کنند.

AI Agent یک مرحله جلوتر می‌رود.

Agent  می‌تواند برای رسیدن به نتیجه از Tool هایی که در اختیارش قرار گرفته استفاده کند.

برای مثال ممکن است یک Agent متصل به CRM این قابلیت‌ها را داشته باشد:

SearchCustomer

GetOpenOpportunities

GetOpenCases

GetRecentActivities

CreateFollowUpTask

وقتی کاربر از Agent می‌خواهد وضعیت یک مشتری را برای جلسه امروز آماده کند، Agent  می‌تواند تشخیص دهد که برای پاسخ کامل به چند نوع اطلاعات نیاز دارد.

ابتدا مشتری را پیدا می‌کند، Opportunity  های فعال او را دریافت می‌کند، آخرین Activity ها را بررسی می‌کند و Case های باز را می‌بیند. سپس اطلاعات به دست آمده را خلاصه می‌کند.

خروجی ممکن است نشان دهد این مشتری دو Opportunity فعال دارد، آخرین تماس فروش ۱۸ روز قبل انجام شده، یک Case با اولویت بالا همچنان باز است و یک Task پیگیری نیز از موعد خود گذشته است.

کاربر در ادامه می‌تواند از Agent بخواهد برای مسئول Account یک Task ایجاد کند تا Case باز را همان روز پیگیری کند.

اگر Agent به Tool مربوط به ایجاد Task دسترسی داشته باشد و Permission لازم نیز وجود داشته باشد، این درخواست می‌تواند به یک عملیات واقعی در Dynamics 365 تبدیل شود.

تفاوت اصلی همین جاست. Chatbot بیشتر نقش گفتگو و تولید پاسخ را دارد، اما Agent می‌تواند برای انجام درخواست از ابزارهای کسب‌وکار استفاده کند.

برای آشنایی بیشتر با این مفهوم و کاربرد آن در CRM می‌توانید صفحه AI Agent در Dynamics 365 را نیز ببینید.

یکپارچه‌سازی Dynamics 365 با AI Agent چه کاربردهایی دارد؟

قرار نیست AI Agent جای Dynamics 365 یا کاربران CRM را بگیرد.

ارزش آن بیشتر در کارهایی دیده می‌شود که امروز برای انجام آنها کاربر باید بین چند  Form، View، Timeline یا Dashboard حرکت کند یا اطلاعات چند بخش را خودش کنار هم قرار دهد.

برای مدیر فروش، Agent  می‌تواند Opportunity های مهمی را که مدت مشخصی پیگیری نشده‌اند شناسایی کند، مشتریانی را که Activity جدید ندارند پیدا کند یا قبل از یک جلسه، وضعیت مشتری را از بخش‌های مختلف CRM جمع‌آوری و خلاصه کند.

برای کارشناس فروش، درخواست‌ها می‌توانند عملیاتی‌تر باشند. Agent می‌تواند آخرین تماس‌ها و جلسات مشتری را پیدا کند، مشتریانی را که در هفته جاری نیاز به پیگیری دارند مشخص کند یا در صورت داشتن Permission  مناسب برای یک Opportunity یک Task پیگیری ایجاد کند.

در بخش خدمات مشتری نیز Agent می‌تواند اطلاعات Case، Activity  و سوابق مشتری را کنار هم قرار دهد. کارشناس می‌تواند قبل از تماس با مشتری از Agent بخواهد مشکلات اخیر، Case  های باز و آخرین پیگیری‌های انجام‌شده را خلاصه کند.

مدیر سازمان نیز الزاماً به جزئیات Form های CRM نیاز ندارد. ممکن است بخواهد بداند کدام فرصت‌های فروش مهم در معرض عدم پیگیری هستند یا وضعیت مشتریان کلیدی برای جلسه مدیریت چگونه است.

در تمام این سناریوها، AI Agent  نقش یک لایه تعاملی روی اطلاعات و قابلیت‌های Dynamics 365 را دارد.

AI Agent فقط اطلاعات پیدا نمی‌کند

Agent ها را می‌توان با سطوح مختلفی از اختیار طراحی کرد.

در ساده‌ترین حالت، Agent فقط Read-Only است. اطلاعات را از CRM دریافت می‌کند، آنها را کنار هم می‌گذارد، تحلیل یا خلاصه می‌کند و نتیجه را در اختیار کاربر قرار می‌دهد.

این مدل برای مدیران یا سازمانی که در مرحله اول پیاده‌سازی AI Agent قرار دارد، نقطه شروع مناسبی است. Agent می‌تواند ارزش عملی ایجاد کند بدون اینکه اجازه تغییر اطلاعات CRM را داشته باشد.

در سطح بعد، Agent  علاوه بر تحلیل اطلاعات می‌تواند پیشنهاد هم ارائه کند.

مثلاً تشخیص دهد یک Opportunity حدود ۲۵ روز است Activity جدیدی ندارد و پیشنهاد کند که پیگیری شود، اما خودش تغییری در CRM ایجاد نکند.

تصمیم نهایی همچنان با کاربر است.

در سطح عملیاتی‌تر، Agent  می‌تواند با درخواست یا تأیید کاربر اقدام مشخصی نیز انجام دهد. ایجاد Task، ثبت Phone Call، ایجاد Activity، اجرای یک Action مشخص یا فراخوانی یک فرآیند اختصاصی سازمان نمونه‌هایی از این سطح هستند.

برای مثال کاربر از Agent می‌خواهد مشتریانی را پیدا کند که بیش از ۳۰ روز پیگیری نشده‌اند.

Agent  هفت مشتری با این شرایط پیدا می‌کند.

کاربر سپس درخواست می‌کند برای مسئول Account همه آنها Task پیگیری ایجاد شود.

اگر Tool مربوطه در اختیار Agent باشد و کاربر نیز مجوز لازم را داشته باشد، Task ها در Dynamics 365 ایجاد می‌شوند.

بنابراین AI Agent می‌تواند از یک دستیار برای پیدا کردن اطلاعات به یک دستیار برای انجام کار در CRM تبدیل شود.

سطح این اختیار باید براساس نیاز، فرایندها و سیاست امنیتی هر سازمان تعیین شود.

 

 

AI Agent  چگونه به Dynamics 365 متصل می‌شود؟

برای اینکه Agent بتواند روی اطلاعات واقعی CRM کار کند، باید یک لایه ارتباطی بین Agent و Dynamics 365  وجود داشته باشد.

این اتصال فقط یک روش ندارد.

بسته به نوع Dynamics 365، معماری سازمان، نوع Agent و عملیاتی که قرار است انجام شود، می‌توان از API  ها، Custom Tool  ها، Connector  ها، Business Logic موجود در CRM یا پروتکل‌هایی مانند MCP استفاده کرد.

هدف اصلی در همه این روش‌ها یکسان است: قابلیت‌های موردنیاز CRM باید به شکلی مشخص و کنترل‌شده در اختیار Agent قرار بگیرند.

برای مثال Agent لازم نیست دسترسی عمومی و بدون محدودیت به Dynamics 365 داشته باشد.

ممکن است فقط پنج قابلیت در اختیارش قرار بگیرد:

SearchCustomer

GetOpenOpportunities

GetCustomerActivities

GetOpenCases

CreateFollowUpTask

Agent  براساس درخواست کاربر تشخیص می‌دهد چه زمانی باید از هرکدام استفاده کند.

این مدل کنترل بیشتری روی ارتباط AI و CRM ایجاد می‌کند، چون از قبل مشخص است Agent چه قابلیت‌هایی دارد و چه عملیاتی خارج از محدوده دسترسی او قرار می‌گیرد.

 

 

اتصال از طریق API

در بعضی سناریوها می‌توان Agent یا لایه واسط آن را مستقیماً از طریق API های Dynamics 365 به CRM متصل کرد.

این روش برای Integration هایی مناسب است که عملیات آنها مشخص است و Developer از قبل می‌داند چه Endpoint هایی باید فراخوانی شوند.

API  همچنان یکی از اجزای اصلی بسیاری از معماری‌های Integration است و ورود AI Agent یا MCP باعث حذف آن نمی‌شود.

حتی ممکن است Tool ای که Agent اجرا می‌کند در پشت صحنه از API برای ارتباط با Dynamics 365 استفاده کند.

استفاده از Business Logic و Tool های اختصاصی

در بسیاری از پروژه‌های Dynamics 365 بخشی از منطق کسب‌وکار از قبل در CRM وجود دارد.

ممکن است سازمان Plugin، Custom Action، Workflow، Custom API  یا سرویس داخلی خاصی داشته باشد.

در این شرایط منطقی نیست Business Logic موجود دوباره داخل Agent پیاده‌سازی شود.

می‌توان این قابلیت را به صورت یک Tool مشخص در اختیار Agent قرار داد.

Agent  تشخیص می‌دهد چه زمانی باید Tool را اجرا کند، اما اجرای صحیح Business Logic همچنان بر عهده Dynamics 365 یا سیستم کسب‌وکار مربوطه باقی می‌ماند.

اتصال از طریق MCP

یکی از روش‌هایی که برای اتصال Agent ها به ابزارها و Data Source های مختلف مورد استفاده قرار می‌گیرد MCP یا Model Context Protocol است.

MCP  یک روش استاندارد برای ارائه Tool ها و قابلیت‌ها به Agent فراهم می‌کند.

به جای اینکه برای هر قابلیت،Agent  با جزئیات فنی Integration درگیر شود،MCP Server  می‌تواند مجموعه مشخصی از Tool ها را در اختیار Agent قرار دهد.

اینجاست که MCP در یکپارچه‌سازی Dynamics 365 با AI Agent کاربرد عملی پیدا می‌کند.

MCP  چه نقشی در یکپارچه‌سازی AI Agent و Dynamics 365 دارد؟

Agent  برای انجام کار باید بداند چه قابلیت‌هایی در اختیارش قرار گرفته است.

آیا می‌تواند مشتری را جستجو کند؟

آیا اجازه خواندن Opportunity را دارد؟

آیا می‌تواند Case های مشتری را مشاهده کند؟

آیا اجازه ایجاد Task دارد؟

هر Tool چه ورودی‌هایی نیاز دارد و چه خروجی‌ای برمی‌گرداند؟

MCP  می‌تواند یک Interface استاندارد برای ارائه چنین Tool هایی به Agent ایجاد کند.

در بخش‌هایی از Dynamics 365 مانند Customer Service نیز Microsoft ابزارهای MCP تخصصی برای کار با Case، اطلاعات مشتری و سایر عملیات مرتبط ارائه کرده است.

در نتیجه MCP را نباید جایگزین Dynamics 365 API یا Business Logic موجود سازمان دانست.

MCP  بیشتر یک لایه استاندارد برای ارائه Tool ها به Agent است. خود Tool می‌تواند در پشت صحنه از API،Custom Action  یا سایر قابلیت‌های Dynamics 365 استفاده کند.

نحوه استقرار Dynamics 365 روی انتخاب معماری Integration اثر مستقیم دارد. اگر سازمان شما از نسخه Cloud،On-Premise  یا مدل‌های ترکیبی استفاده می‌کند، در صفحه روش‌های استقرار Dynamics 365 تفاوت این مدل‌ها را توضیح داده‌ایم.

 

 

Agent عمومی یا Agent اختصاصی برای فرآیند سازمان؟

یکی از قابلیت‌های مهم این معماری این است که مجبور نیستیم Agent را به Tool های عمومی CRM محدود کنیم.

AI Agent  می‌تواند براساس CRM و فرایند واقعی هر سازمان سفارشی شود.

فرض کنید در Dynamics 365 یک شرکت، فرآیند اختصاصی برای اعتبارسنجی مشتری وجود دارد.

یک روش این است که Agent خودش چند Entity را بخواند، اطلاعات مختلف را کنار هم قرار دهد و تلاش کند براساس آنها اعتبار مشتری را محاسبه کند.

این روش در بسیاری از پروژه‌ها انتخاب مناسبی نیست.

اگر Business Logic اعتبارسنجی از قبل در سیستم وجود دارد، بهتر است یک Tool مشخص مانند زیر در اختیار Agent قرار بگیرد:

CheckCustomerCredit

Agent  فقط تشخیص می‌دهد چه زمانی به اعتبار مشتری نیاز دارد و Tool را اجرا می‌کند. محاسبه اعتبار همچنان توسط Business Logic اصلی سازمان انجام می‌شود.

یا فرض کنید یک شرکت فرایند مشخصی برای آماده‌سازی جلسه با مشتری دارد.

می‌توان Tool اختصاصی دیگری ایجاد کرد:

PrepareCustomerMeeting

این Tool در پشت صحنه اطلاعات موردنیاز را از بخش‌های مختلف CRM جمع‌آوری می‌کند و نتیجه استانداردی در اختیار Agent قرار می‌دهد.

به همین شکل می‌توان Tool هایی طراحی کرد که Plugin، Custom Action، Workflow، API  داخلی یا سایر Business Logic های موجود سازمان را اجرا کنند.

Agent  مجبور نیست منطق کسب‌وکار سازمان را دوباره یاد بگیرد یا پیاده‌سازی کند.

Agent  تشخیص می‌دهد چه زمانی از یک قابلیت استفاده کند. اجرای صحیح آن قابلیت همچنان بر عهده سیستم کسب‌وکار است.

یک نمونه کامل از AI Agent در فرآیند فروش

فرض کنید مدیر فروش از Agent می‌خواهد مشتری‌هایی را پیدا کند که Opportunity باز بالای ۵۰۰ میلیون تومان دارند و در ۳۰ روز گذشته پیگیری نشده‌اند.

Agent  درخواست را تحلیل می‌کند.

ابتدا از Tool مربوط به Opportunity استفاده می‌کند و فرصت‌های فروش باز را دریافت می‌کند.

سپس Activity های مرتبط را بررسی می‌کند و شرایط تعیین‌شده توسط مدیر را اعمال می‌کند.

نتیجه نشان می‌دهد شش Opportunity با این شرایط وجود دارد، مجموع ارزش آنها ۴.۲ میلیارد تومان است و قدیمی‌ترین مورد ۴۷ روز است که Activity جدیدی ندارد.

مدیر در ادامه می‌خواهد سه مورد با مبلغ بالاتر را ببیند.

Agent  نتیجه قبلی را محدود می‌کند و سه Opportunity را نمایش می‌دهد.

حالا مدیر درخواست می‌کند برای مسئول هر سه مورد یک Task پیگیری برای همان روز ایجاد شود.

Agent در این مرحلهTool  ایجاد Task را فراخوانی می‌کند.

Dynamics 365  براساس Business Logic و Permission های تعریف‌شده عملیات را انجام می‌دهد و Task ها در CRM ثبت می‌شوند.

این زنجیره نشان می‌دهد چرا AI Agent با یک گزارش یا Chatbot ساده تفاوت دارد.

کاربر می‌تواند با زبان طبیعی با اطلاعات و فرآیندهای واقعی CRM تعامل کند، در حالی که دسترسی Agent همچنان از طریق Tool های مشخص و کنترل‌شده مدیریت می‌شود.

 

 

امنیت و سطح دسترسی AI Agent در Dynamics 365

یکی از مهم‌ترین بخش‌های یکپارچه‌سازی AI Agent با CRM، تعیین محدوده دسترسی است.

هدف نباید این باشد که Agent به تمام اطلاعات و قابلیت‌های Dynamics 365 دسترسی داشته باشد.

برعکس، باید مشخص شود هر Agent برای انجام وظیفه خود دقیقاً به چه Data و چه عملیاتی نیاز دارد.

برای مثال یک Agent مدیریتی که فقط گزارش و خلاصه اطلاعات ارائه می‌دهد، احتمالاً نیازی به ایجاد یا ویرایش Record ندارد.

Agent  فروش ممکن است اجازه خواندن Opportunity و Activity و ایجاد Task داشته باشد، اما نباید بتواند تنظیمات CRM یا اطلاعات خارج از محدوده فروش را تغییر دهد.

Agent  خدمات مشتری نیز ممکن است فقط به Account، Contact، Case و Activity های مرتبط دسترسی داشته باشد.

اصل Least Privilege در اینجا اهمیت زیادی دارد. Agent فقط باید حداقل دسترسی لازم برای انجام وظیفه خود را دریافت کند.

هویت کاربر نیز نباید نادیده گرفته شود.

اگر یک کاربر در Dynamics 365 اجازه مشاهده یک Record یا اجرای یک عملیات را ندارد، استفاده از AI Agent  نباید راهی برای دور زدن آن محدودیت ایجاد کند.

در معماری مناسب، Permission ها، Security Role  ها و Business Rule های Dynamics 365 همچنان بخشی از کنترل دسترسی هستند.

برای عملیات حساس می‌توان یک مرحله تأیید نیز در نظر گرفت.

Agent  ممکن است اطلاعات را تحلیل کند و پیشنهاد انجام یک عملیات را بدهد، اما اجرای نهایی تنها پس از تأیید کاربر انجام شود.

این مسئله مخصوصاً برای Update اطلاعات مهم، اجرای فرآیندهای مالی، تغییر وضعیت Record ها یا عملیات گروهی اهمیت دارد.

برای پیاده‌سازی AI Agent در Dynamics 365 از کجا شروع کنیم؟

شروع پروژه با انتخاب مدل هوش مصنوعی یا نصب MCP Server معمولاً تصمیم درستی نیست.

اول باید مشخص شود Agent قرار است چه مسئله‌ای را حل کند.

برای مثال یک سازمان ممکن است بخواهد زمان آماده‌سازی مدیر فروش برای جلسات مشتری را کاهش دهد. سازمان دیگری ممکن است به دنبال شناسایی Opportunity های بدون پیگیری باشد و شرکت دیگری بخواهد کارشناسان خدمات مشتری سریع‌تر به سابقه Case ها دسترسی پیدا کنند.

بعد از مشخص شدن Use Case می‌توان تعیین کرد Agent به چه Entity ها، Data  و Tool هایی نیاز دارد.

در مرحله بعد سطح اختیار Agent مشخص می‌شود.

آیا فقط اطلاعات را می‌خواند؟

آیا پیشنهاد هم ارائه می‌کند؟

آیا می‌تواند با تأیید کاربر عملیات انجام دهد؟

یا برای برخی عملیات مشخص اجازه اجرای مستقیم دارد؟

بعد از این مرحله می‌توان درباره معماری فنی تصمیم گرفت. نوع  Deployment، نسخه Dynamics 365، API  ها و Business Logic موجود، نیاز به MCP Server، محل اجرای Agent، روش Authentication و الزامات امنیتی سازمان روی این تصمیم اثر دارند.

برای پروژه‌های سازمانی بهتر است کار از یک Use Case محدود و قابل اندازه‌گیری شروع شود.

مثلاً به جای اینکه در فاز اول یک Agent با دسترسی گسترده به کل CRM ساخته شود، می‌توان یک Sales Agent  با دسترسی Read-Only ایجاد کرد که فقط اطلاعات Account، Opportunity  و Activity را برای آماده‌سازی جلسات فروش جمع‌آوری کند.

بعد از ارزیابی دقت، امنیت و میزان استفاده کاربران می‌توان Tool های بیشتری در اختیار Agent قرار داد و به تدریج عملیات Write را نیز اضافه کرد.

یکپارچه‌سازی Dynamics 365 با AI Agent زمانی ارزش ایجاد می‌کند که Agent به فرآیند واقعی سازمان متصل شود، نه اینکه فقط یک Chatbot دیگر در کنار CRM باشد.

اگر قصد دارید AI Agent را به Dynamics 365 سازمان خود متصل کنید، قبل از انتخاب ابزار باید Use Case، نوع استقرار CRM، سطح دسترسی، Business Logic  موجود و معماری Integration بررسی شود. برای بررسی این موارد می‌توانید از مشاوره تخصصی Dynamics 365 استفاده کنید.