AI governance in Salesforce: wie bepaalt wat een agent mag?

Een agent in Salesforce kan veel. Hij leest records, start een flow, stuurt een mail of past een order aan. Wat hij echt doet, hangt af van wat jij toelaat. AI governance is het antwoord op één vraag: wie bepaalt dat, en hoe zie je later terug wat er gebeurde?

Waarom is dit nu een vraag?

Sinds Winter '27 staat het Agentforce-platform standaard aan. Bestaande orgs volgen gespreid vanaf september 2026. Er gaat geen agent vanzelf live, maar je beheerders kunnen er nu wel een bouwen. De vraag wie dat mag en onder welke regels, ligt daarmee op tafel. Meer daarover lees je in Agentforce staat aan. Wie bepaalt wat het mag?

Daarbij komt de AI Act. Sinds 2 augustus 2026 moeten mensen weten dat ze met een AI praten. Wat de wet verder vraagt, lees je in De AI Act en AI-agents: wat moet je regelen?

Welke lagen bepalen wat een agent mag?

In Salesforce zijn het er vijf. Elke laag beantwoordt een andere vraag.

1. Met wiens rechten werkt de agent?

Elke agent draait als een gebruiker. Een service-agent draait als Agent User, met het profiel Einstein Agent User. Daarbovenop komen permission sets die per agent worden aangemaakt.

Hoe merk je dat het goed staat? De agent ziet alleen de objecten en velden die hij voor zijn taak nodig heeft. Een agent voor orderstatus leest orders, geen contracten of salarissen.

2. Waarover mag hij praten?

Een agent is opgebouwd uit subagents. Tot april 2026 heetten die topics. Een subagent bundelt instructies en acties rond één taak, zoals orderstatus of retouren. De Agent Router kiest welke subagent een vraag krijgt.

Alles wat geen subagent heeft, kan de agent niet. Dat is je eerste grens.

3. Wat mag hij doen?

Acties zijn de handelingen van een agent: een flow, Apex, een API-aanroep of een prompt template. Hier zit het meeste risico. Een vraag beantwoorden is iets anders dan een order annuleren.

Met Agent Script leg je vaste regels vast naast de instructies in gewone taal. Bijvoorbeeld: een retour boven een bepaald bedrag gaat altijd naar een mens. Die regel hangt dan niet af van hoe het taalmodel een zin leest.

4. Wat gebeurt er met de data?

De Salesforce AI Trust Layer zit tussen je data en het taalmodel. Externe modellen bewaren prompts en antwoorden niet en trainen er niet op. Prompts en antwoorden krijgen een score op toxiciteit. De audit trail legt per interactie vast wat er gevraagd en geantwoord is.

Eén kanttekening: data masking staat voor agents uit. Persoonsgegevens die de agent mag zien, gaan dus mee naar het model. Daarom is laag 1 zo belangrijk.

5. Wat heeft hij gedaan?

Agentforce Observability is de nieuwe naam van Command Center. Je ziet hoe agents presteren, volgt sessies terug en krijgt een melding als iets afwijkt. Het Session Tracing Data Model legt invoer, antwoorden, redeneerstappen en de controles vast in Data 360.

Hoe merk je dat het werkt? Een klant belt over een vreemd antwoord. Je zoekt het gesprek op en ziet welke subagent het nam, welke actie liep en waarom.

Wie neemt welke beslissing?

De lagen zijn techniek. Governance is wie erover beslist. Vier beslissingen komen steeds terug:

• Welke taak een agent krijgt. Dat beslist de eigenaar van het proces, bij elke nieuwe agent of subagent.
• Welke data en acties hij mag. Dat beslist de beheerder, samen met de eigenaar van de data, bij elke wijziging in rechten of acties.
• Of hij live mag. Dat beslist iemand die niet zelf gebouwd heeft, bij elke oplevering.
• Wat er gebeurt bij een incident. Dat is één naam met een vervanger, en dat geldt doorlopend.

Het patroon: wie bouwt, keurt niet zijn eigen werk goed. Dat is in softwareontwikkeling al lang zo. Met AI wordt het belangrijker, omdat er sneller gebouwd wordt dan er gekeken wordt.

Wat regelt Salesforce en wat regel jij?

Salesforce levert de knoppen: rechten, subagents, Agent Script, de Trust Layer en Observability. Daarmee is het platform in orde. Het bepaalt niet wat jouw agent hoort te doen.

Dat leg jij vast:

• welke processen een agent mag uitvoeren, en welke niet;
• welke data nooit in een prompt hoort, ook niet als de agent erbij kan;
• wie een wijziging beoordeelt voordat hij live gaat;
• hoe je een agent stillegt als er iets misgaat.

Gebruik je agents buiten Salesforce, bijvoorbeeld op Bedrock of in eigen software? Dan biedt MuleSoft Agent Fabric één plek om ze te zien en te besturen. Salesforce kondigde in september 2026 ook een AI Control Plane aan als onderdeel van de Enterprise AI Harness. Die komt volgens de planning pas vanaf begin 2027 beschikbaar.

Hoe voorkom je dat regels alleen op papier staan?

Een beleidsdocument helpt niemand die om tien uur 's avonds een agent aanpast. Regels werken als ze in de omgeving staan en vanzelf gelden.

Daarvoor is Harvest Guardrails. De plug-in zet in je Salesforce-omgeving vast welke agents draaien, wat ze mogen zien en welke stap altijd langs een review gaat. Een release die de review overslaat, loopt vast op de plug-in en niet op een collega die het toevallig zag.

Het tweede deel is de review zelf. Met Harvest Verified gaat elke oplevering langs een specialist, en bij een groot risico langs een architect. Je krijgt per oplevering een reviewrapport en een releaseadvies. Wat de review vindt, gaat terug in de regels. Zo wordt dezelfde fout de volgende keer eerder gevangen.

Waar begin je?

Neem één agent die je al hebt of wilt bouwen. Beantwoord voor die agent de vijf vragen uit dit artikel: met wiens rechten, waarover, welke acties, welke data en hoe je terugziet wat hij deed. Zet bij elke vraag een naam. Wat open blijft, is je eerste werk.

Hoe je een agent daarna blijft controleren zonder je team te remmen, lees je in AI-agents controleren: zo houd je grip zonder rem.

Wil je het samen doen? In de gratis check kijken we in 45 minuten naar jouw org en één agent. Je hoort welke lagen al goed staan en wat je eerst regelt. Past het? Dan krijg je een voorstel met een vaste prijs.

Salesforce, Agentforce en MuleSoft zijn handelsmerken van Salesforce, Inc. Dit artikel is van Harvest. Salesforce heeft het niet gemaakt of goedgekeurd.