지금 디지털 변혁의 시대에 AI는 단순히 제안을 하는 것뿐만 아니라, 스스로 태스크(Task)를 실행할 수 있게 되었습니다. Salesforce의 Agentforce가 등장하면서, AI Agents는 테스트 단계에 머무는 것이 아니라 비즈니스 운영을 바꾸는 중요한 해결책이 되었습니다.

기존의 챗봇은 정해진 규칙에 따라 질문에 답했습니다. 하지만 Agentforce는 다릅니다. AI가 스스로 생각하고, 회사의 데이터에 안전하게 접근하며, 복잡한 업무를 24시간 365일 자동으로 실행할 수 있습니다.

만약 당신이 Salesforce 개발자, 시스템 아키텍트(System Architect), 또는 솔루션 컨설턴트(Solution Consultant)로서 이 새로운 기술을 배우고 싶다면 이 기사가 도움이 될 것입니다. 이론적 기초부터 중요한 개념, 그리고 실제로 AI Agent를 Salesforce에서 구동하는 방법까지 설명합니다.

이 기사에서는 Agentforce의 소개, 사고방식, 주요 개념, 그리고 기본적인 구현에 대해 설명합니다. 시작해 봅시다!

Salesforce Agentforce는 고객 지원(Customer Support) 직원의 생산성과 고객 만족도를 높이기 위한 AI 플랫폼입니다. 이 플랫폼은 지원 AI(Support AI)와 자율 AI(Autonomous AI)를 결합하고 있습니다. 지원 AI는 고객과의 상호작용 요약이나 이메일 초안 작성을 수행합니다. 자율 AI는 스스로 판단하여 행동할 수 있습니다.

Agentforce의 목적은 고객 지원 직원을 AI로 대체하는 것이 아닙니다. 직원의 능력을 높이는 것이 목적입니다.

Agentforce는 사람, AI, 고객 데이터, CRM을 하나로 묶어 원활한 경험을 제공합니다. 이 플랫폼을 사용하면 기업은 자신들의 니즈에 맞춘 AI 어시스턴트를 만들 수 있고, 태스크를 자동화하며, 실시간으로 지원을 제공할 수 있습니다.

다음은 Agentforce의 주요 요소에 대한 상세 설명입니다. 각 요소에 어떻게 접근해야 하는지에 대한 조언도 포함되어 있습니다.

a) 역할 (Role)

역할은 에이전트의 기초입니다. 업무 설명서와 같습니다. 역할은 다음 사항을 명확히 나타냅니다:

• 주요 책임과 목표: 에이전트는 어떤 태스크를 실행합니까?
• 구체적인 유스케이스 (Use Case): 에이전트는 어떤 상황을 처리합니까?
• 대상 사용자: 누가 에이전트와 상호작용합니까?
• 성공 지표와 기대 결과: 에이전트의 효과를 어떻게 측정합니까?

예를 들어, 고객 지원 에이전트의 역할은 "제품에 관한 질문에 초기 지원을 제공하고, 고객 만족도를 높게 유지한다"라고 정의할 수 있습니다.

Agent Builder를 배우기 전에 타겟 사용자를 철저히 조사하는 것이 중요합니다. 이 조사를 통해 얻은 정보가 당신의 결정을 이끌며, 에이전트의 목적이 사용자의 니즈와 부합하는지 확인해 줍니다.

b) 데이터 (Data)

데이터는 Agentforce 에이전트의 두뇌입니다. 이 요소에는 다음이 포함됩니다:

• Salesforce의 관련 오브젝트(Object) 및 필드(Field)에 대한 액세스: 에이전트가 필요한 모든 데이터를 가지고 있는지 확인합니다.
• 외부 데이터 소스와의 연동: 에이전트가 다양한 플랫폼에서 정보를 수집할 수 있도록 합니다.
• 과거 상호작용 데이터: 과거의 상호작용을 활용하여 향후 대응을 결정합니다.
• 컨텍스트(Context)에 따른 구체적인 정보: 사용자의 질문에 기반하여 관련 상세 정보를 제공합니다.

당신이 제공하는 데이터의 질과 범위는 에이전트의 판단 능력에 직접적인 영향을 미칩니다. 최소 권한의 원칙을 기억하세요. 중요한 정보는 적절하게 다루어 보안 문제를 방지해야 합니다.

c) 액션 (Actions)

액션은 에이전트가 사용자와 적극적으로 관여하기 위한 요소입니다. 이 요소에는 다음이 포함됩니다:

• 표준 기능 및 커스텀 기능: 특정 니즈에 맞춰 조작을 조정합니다.
• API 연동: 다른 시스템과 연결하여 원활하게 작동하게 합니다.
• 워크플로 (Workflow) 트리거: 사용자의 상호작용에 기반하여 프로세스를 시작합니다.
• 자동화 기능: 반복적인 태스크를 최적화합니다.

액션을 통해 에이전트는 수동적인 정보 처리자에서 비즈니스 프로세스에 적극적으로 참여하는 존재로 변합니다. 레코드를 생성하거나, 데이터를 업데이트하거나, 질문에 효과적으로 답변할 수 있게 됩니다.

로코드(Low-code) 도구나 기성 컴포넌트를 사용하더라도, 테스트 절차를 포함한 공식적인 DevOps 프로세스를 도입하는 것이 중요합니다.

d) 가드레일 (Guardrails)

가드레일은 에이전트 동작의 안전성과 컴플라이언스 (Compliance)를 보호하기 위해 중요합니다. 이러한 메커니즘에는 다음이 포함됩니다:

• 데이터 프라이버시 제어: 사용자 정보를 보호합니다.
• 보안 파라미터 (Security parameters): 부정 액세스를 방지합니다.
• 윤리 가이드라인: 책임감 있는 AI 사용을 보장합니다.
• 컴플라이언스 (Compliance) 요구사항: 법적 기준을 준수합니다.
• 응답 제한: 에이전트가 수행할 수 있는 범위의 한계를 설정합니다.

데이터 피드 (Data feed)를 재확인하는 것은 매우 중요합니다. 정보가 유출되면 보안 위반으로 이어질 수 있으므로, 강력한 보호 조치를 구현하는 것이 필수적입니다.

e) 채널 (Channels)

채널은 에이전트가 어디에서 어떻게 사용자와 상호작용할지를 결정합니다. 이 요소에는 다음이 포함됩니다:

• 커뮤니케이션 플랫폼: Slack, 이메일, SMS 등.
• 사용자 인터페이스 (User Interface): 접점 (Touchpoint)의 디자인과 사용 편의성.
• 연동 포인트: 사용자가 사용할 수 있는 다른 도구와의 연결.
• 응답 형식: 정보가 사용자에게 전달되는 방식.

채널을 효과적으로 설정하면 에이전트가 사용자에게 가장 필요한 환경에서 액세스할 수 있게 됩니다. 테스트는 선택한 모든 채널에서 수행해야 합니다. 하나의 플랫폼 (Slack 등)에서의 테스트가 다른 플랫폼 (Microsoft Teams 등)에서의 동작을 보장하지는 않습니다.

Agentforce는 영업, 서비스, 마케팅, 커머스 등 고객과의 상호작용의 모든 측면을 향상시키기 위해 설계되었습니다. 이는 단순한 태스크 (Task) 자동화가 아닙니다. 의미 있는 대화를 만들어내고, 진정한 연결과 더 높은 전환율 (Conversion rate)로 이어지게 하는 것입니다.

Agentforce는 기업이 고객과 관계를 맺는 방식의 핵심을 변화시키고 있습니다.

더욱 흥미로운 점은 Salesforce의 "모든 애플리케이션에 Agentforce를"이라는 비전입니다. 이는 이 기술을 다양한 플랫폼에 통합할 수 있으며, 비즈니스의 모든 측면에서 접근하기 쉬워짐을 의미합니다.

다음은 기업이 Agentforce로 전환하는 주요 이유와 그 중요성입니다.

a. Salesforce CRM에 통합됨

Agentforce는 Salesforce 에코시스템 (Ecosystem) 내부에서 작동합니다. 외부에 있지 않습니다. AI 에이전트는 고객 기록, 영업 프로세스, 케이스 (Case) 데이터 등에 직접 액세스할 수 있습니다. 그리고 외부의 동기화 태스크나 API 없이 이를 실현합니다. 이를 통해 의사 결정자는 가장 정확하고 완전한 고객 상을 바탕으로 실시간으로 행동할 수 있습니다.

b. RAG와 의미론적 이해를 통한 스마트한 검색

Salesforce의 이 혁신은 RAG (검색 증강 생성, Retrieval-Augmented Generation)와 의미론적 검색 (Semantic search)을 사용합니다. 이를 통해 AI 에이전트는 다양한 소스에서 수집한 데이터를 찾고, 처리하고, 행동할 수 있습니다. 결과적으로 에이전트는 더 복잡한 질문을 처리할 수 있으며, 태스크 실행뿐만 아니라 지능적인 지원 및 분석에도 도움이 됩니다.

c. Data Cloud를 통한 데이터 복사 없는 액세스

Agentforce는 Data Cloud와 통합될 때 가장 효과적으로 작동합니다. AI 에이전트는 데이터를 Salesforce로 복사하지 않고도 외부 데이터 소스에 액세스할 수 있습니다. 이러한 복사 없는 접근 방식은 시스템 효율성을 높이고, 규정을 준수하며, 불필요한 중복을 제거하고, 데이터의 무결성을 유지하면서 에이전트에게 더 넓은 컨텍스트 (Context)를 제공합니다.

d. 컨텍스트 기반의 태스크 실행

에이전트는 단순히 단계를 자동화하는 것에 그치지 않습니다. 각 에이전트는 자신이 실행하고 있는 태스크의 "누가", "무엇을", "언제", "왜"를 이해하고 있습니다. 이러한 컨텍스트를 통해 에이전트는 정확하게 행동하고 지능적으로 응답할 수 있습니다. 이는 상세한 비즈니스 로직이나 특정 고객 액션에 기반한 워크플로 (Workflow)에서 특히 유용합니다.

e. 통합된 거버넌스 및 안전 조치

Agentforce의 AI 에이전트는 조직이 설정한 규칙을 따릅니다. 이러한 규칙에는 권한, 태스크 범위, 유해성 탐지 등의 내장된 안전 점검이 포함됩니다. 이를 통해 엄격하게 규제되는 산업의 기업도 AI를 안전하게 도입할 수 있습니다. 도입 후에 거버넌스 (Governance)에 대해 걱정할 필요가 없습니다.

f. 더 나은 고객 경험

AI가 요청을 처리하고 일상적인 작업을 수행할 때, 고객은 기다릴 필요가 없습니다. Agentforce는 즉각적이고 정확한 응답을 가능하게 하며, 직원은 더 복적으로 상호작용하는 데 집중할 수 있습니다. 이를 통해 응답성과 서비스 품질이 전반적으로 향상됩니다.

g. 영업 팀을 위한 실시간 코칭

Agentforce는 지원 작업에만 국한되지 않습니다. 영업 팀을 실시간으로 가이드하며, 즉각적인 피드백, 데이터 분석, 직접적인 상호작용에 기반한 액션 제안을 제공할 수 있습니다. 이러한 지원은 더 효과적인 대화와 더 많은 계약 체결로 이어집니다.

h. 확장성(Scalability)과 유연성을 위해 설계됨

워크로드 증가를 관리할 때나, 새로운 시장으로 확장할 때, 또는 새로운 데이터 소스를 추가할 때도 Agentforce는 확장 가능하도록 구축되었습니다. 그 아키텍처는 멀티 에이전트 오케스트레이션 (Multi-agent Orchestration), Salesforce Cloud 플랫폼 간의 통합, 서드파티 시스템으로의 유연한 확장을 지원합니다.

i. 운영 비용 절감

Agentforce는 반복적인 작업을 자동화하고 수동 작업을 줄입니다. 이를 통해 팀은 더 적은 리소스로 더 많은 일을 달성할 수 있습니다. 유연한 가격 책정은 대화당 단 2달러, 또는 액션당 0.10달러부터 시작하여 소규모 팀부터 대규모 운영까지 비용 효율적입니다.

j. 지속적인 학습이 내장됨

에이전트는 시간이 지남에 따라 학습합니다. 과거의 상호작용과 실제 결과에 기반하여, 지속적으로 사용됨에 따라 에이전트는 더욱 효과적이고 관련성이 높아집니다. 이러한 지속적인 개선은 특히 역동적이고 데이터 양이 많은 비즈니스 환경에서 플랫폼의 가치를 높입니다.

Salesforce를 핵심 플랫폼으로 사용하는 조직에게 Agentforce는 AI에 의해 뒷받침되고, 설계에 의해 거버넌스(Governance)되며, 비즈니스 성장을 촉진하도록 구축된 더 지능적인 운영을 위한 명확한 로드맵을 제공합니다.

Agentforce를 효과적으로 개발 및 설정하려면 다음 지식 그룹을 습득해야 합니다.

a. Salesforce 관리자 및 개발자 기초

• Salesforce 데이터 모델: 오브젝트(Object), 필드(Field), 관계(Relationship, Lookup, Master-Detail), 데이터 액세스 권한(FLS, 레코드 수준 보안)을 이해합니다.
• Flow 및 자동화: Autolaunched Flow 또는 Screen Flow를 구축하는 능력. 이는 에이전트에게 액션을 할당하기 위한 핵심입니다.
• Apex (프로 코드): 고급 커스텀 기능을 확장해야 하는 경우, Apex Class/Invocable Methods 작성법을 습득합니다.

b. 생성형 AI (Generative AI) 및 Salesforce AI 스택 지식

• 프롬프트 엔지니어링 (Prompt Engineering) 기초: LLM으로부터 정확한 결과를 얻기 위해 프롬프트를 작성, 설정 및 조정하는 방법을 익힙니다.
• Prompt Builder 및 Einstein Trust Layer: CRM 데이터를 프롬프트에 포함시키는 방식(Grounding)과 Salesforce가 데이터를 외부로 유출하지 않도록 보호하는 방법을 이해합니다.
• Data Cloud / RAG (검색 증강 생성, Retrieval-Augmented Generation): 데이터가 표준화되고 AI에 컨텍스트를 제공하기 위해 쿼리되는 방식의 기본을 이해합니다.

c. 개발 도구

• Salesforce CLI 및 VS Code (Salesforce Extension Pack 포함)에 숙달합니다.
• Agent Script나 Agentforce DX와 같은 Agentforce용 새로운 개발 도구 세트를 사용하여 프로그래밍과 버전 관리 (Version Control/CI-CD)를 지원합니다.

주의: 2026년 4월 이후, Agentforce의 Topic이라는 용어는 공식 문서에서 Subagent라는 명칭으로 변경되기 시작했으나, 핵심 기능은 변하지 않습니다.

제1부에서는 Salesforce Agentforce에 대해 알아야 할 지식을 소개했습니다. 제2부에서는 실제 고객 컨설팅 시스템을 구현하는 방법에 대해 설명하겠습니다. 기대해 주세요!

여기까지 읽어주셔서 진심으로 감사합니다.

만약 **「시스템 개발을 의뢰하고 싶다」 「기술적인 상담을 하고 싶다」 「AI를 활용한 과제 해결 아이디어가 있다」**와 같은 고민이 있으시다면, 꼭 저희 TOMOSIA VIETNAM에 문의해 주세요.

• 💻
  소프트웨어 수탁 개발 (Web · 앱 · 시스템) - 🤖
  AI 솔루션 (챗봇, 이미지 처리, LLM 응용) - 📱
  모바일 앱 개발 (iOS / Android) - 🔌
  Fintech / IoT 개발 - 🔧
  브릿지 SE (BrSE) 지원 (일본어로 원활한 커뮤니케이션 가능)

ISO/IEC 27001 (정보 보안) 인증 취득 완료 – 안심하고 맡기실 수 있습니다 -
일본어 대응 팀 – 일본의 문화와 비즈니스 관습을 이해하는 멤버가 직접 대응 -
「Win-Win, Happy Together」 문화 – 장기적인 파트너십을 소중히 여깁니다

🔗 공식 사이트: tomosia.com