Agentforceガイドの概要

AIエージェントは 、効率性の向上、手作業の削減、高度で適応性のある職場の構築を実現し、組織に革命をもたらす可能性を秘めています。そこでSalesforceは、AIエージェントを構築するためのプラットフォームであるAgentforceを立ち上げました。しかし新しいテクノロジーには、新しい概念と新たな実装上の懸念事項が伴います。

このガイドでは、Agentforceのコア要素をご紹介します。Agentforceとともに進化していく一連のガイドの導入箇所となります。このリソースでは、Agentforceの仕組みと、アーキテクトやすべての技術専門家がAgentforceを用いて構築する際に知っておくべき主要な機能とトレードオフについて詳しく説明します。

このガイドの内容：

• キーポイント
• Agentforceの基礎
• プロンプトとエージェントの比較
• Agentforceの推論の仕組み
• フィルターと指示の使用に関するベストプラクティス
• トピック、指示、アクションのベストプラクティス
• AgentforceにおけるData Cloudの必要性
• 終わりに
• リソース

• エージェントは、チャットボットやCopilot、プロンプトなどの他の生成AIツールとは異なり、人間の介入の有無にかかわらず、ツールの計画、推論、使用を行うことができます。
• エージェンの構築において重要な鍵となるのが、プロンプトエンジニアリングです。プロンプトエンジニアリングは、エージェントの行動をガイドし、トピックやアクション、指示を通じて結果を制御する際に使用する主な手法です。そしてこれは、アクションを活用して効果的なプロンプトテンプレートを設計するうえで不可欠です。
• トピック、アクション、および指示は、推論エンジンを駆動するプロンプトを制御するためのものです。だからこそ、これらはAgentforceを機能させるための重要な要素となっています。
• AgentforceはSalesforce Platformの一部であるため、Agentforceで構築されたAIエージェントは、ユーザーの使い慣れたローコードツールとプロコードツールを使用できます。
• Data CloudはAgentforceにおいて不可欠な要素です。これが、検索拡張生成（RAG）、エージェント分析、独自モデル（BYOM）、デジタルウォレットにおけるインデックス作成とチャンク化の基盤となります。
• エージェントは素晴らしいものですが、プロンプトテンプレートで十分な場合もあります。

簡単に言えば、AIエージェントとは、生成AIを使用して次に何をすべきか、そしてどのように行うのかを決定するソフトウェアの一種です。AIエージェントは、質問（発話と呼ばれることが多い）を理解し、その目標を達成するためにどのようなアクションを取るべきかを自律的に推論します。そして必要なデータを特定し、人間の介入の有無にかかわらずアクションを実行できます。しかし、最大のメリットは、AIエージェントが、事前に記述された厳密なルールの代わりに大規模言語モデル（LLM）を使用する点にあります。これにより、AIエージェントはルールベースの自動化よりも動的な機能を果たします。またこれは、ハードコードされた指示に従う従来のソフトウェアとは大きく異なる点でもあります。

AIエージェントの主な機能

• AIエージェントは動的で、さまざまな状況、環境、情報に適応できます。
• エージェントは自律（人間の介入なしに行動する）することもあれば、人間を関与させるようガイドされることもあります。
• エージェントは、計画、推論、行動ができるという点で、他の生成AIツールとは異なります。

エージェントは従来のソフトウェアのようにハードコードされたロジックには従いませんが、Agentforceには、エージェントの推論方法にその他の制御を追加するためのコンポーネントが多数用意されています。また、Agentforceを拡張可能にする機能も多数あります。これらのコンポーネントを簡単に見てみましょう。

AIエージェントを導入する際には、戦略的な計画が重要です。組織に戦略がない場合は、Trailheadの「AI計画」バッジ を取得することをお勧めします。ここから先は、AIビジョンの策定、AIカウンシルの設立、AIガバナンスの確立、AIユースケースの特定、ロードマップの構築といったプロセスにすでに精通していることを前提としています。

AIエージェントの構築には時間とリソースが必要です。慎重に計画を立てることで、最初から正しく進めることができます。AIエージェントの構築を開始する前に、ユースケースを定義し、構築する各AIエージェントのプロセスマップを作成します。Trailheadの「エージェントプランニング」バッジ は、「エージェントの作業の概要を定める 」単元のプロセスマッピングをカバーしています。理想的なユーザーエクスペリエンス（UX）と、システムがユーザーの入力にどのように応答し、潜在的なエラーや問題をどのように処理するかを概説します。

結果として作成される図は、フローの理解を確実にし、指示を生成し、アクション、変数、フィルターをどこで使用するのかを把握するのに役立ちます。このAIエージェントプランニングアプローチには、次のような利点があります。

• ビジネスユーザーを取り込み、スコープに合意する
• アクション、指示、ガードレールを定義する
• 明確で具体的な指示を生成する
• テストと評価の際にデバッグする
• エンドツーエンドのシナリオを評価する
• コンプライアンスと監査証跡を示す
• 期待されるAIエージェントの動作を説明し、承認を得る

先に進む前に、Salesforce Platformで使用できる生成AIツールはAIエージェントだけではないことを確認しておきましょう。プロンプトテンプレートも、生成AIを利用したアプリケーションを構築するための強力なツールの1つです。プロンプトビルダーに組み込まれたプロンプトテンプレートを使用すると、生成AIモデルが特定の出力を生成するよう指示する、構造化された再利用可能な指示セットを定義できます。プロンプトテンプレートは、事前定義されたフィールド、データグラフ、コンテキストデータ検索拡張生成（RAG）通じて、Salesforceのデータを参照できます。また、プロンプトテンプレートは安全性が高く、すべてのプロンプトはSalesforceのTrust Layerを介してルーティングされ、権限を尊重しながら機密データをマスキングし、有害な出力にフラグをつけます。

プロンプトテンプレートはAIとの1ターンの対話であり、メモリやマルチステップの推論を必要としない1回限りのタスクに最適です。たとえば、継続的な文脈が不要なケース（文章の言い換え、ケースの要約など）では、プロンプトテンプレートが理想的です。プロンプトテンプレートを使用してソリューションを設計する際は、プロンプトテンプレートがステートレス（ターン間でメモリを保持しない）であり、決定やアクションを行わないことを覚えておくことが重要です。プロンプトテンプレートは、設計時に指定した入力とロジックにもとづいて応答を生成します。

プロンプトテンプレートは、組み込みAIソリューションで単独で使用することも、エージェントアクションとしてプロンプトテンプレートをAIエージェントに追加することもできます。プロンプトテンプレートを単独で使用するのは次のような場合です。

• ビジネスコンテキストがよく理解されており、安定している
• 目的の出力は予測可能な形式に従っているが、応答自体が決定論的ではない
• 異なるパスを評価したり、自律的なアクションを実行したりする必要がない
• 継続的なコンテキスト（または状態）は不要
• マルチステップの推論が不要

プロンプトテンプレートのユースケース

• ケースノートの要約など、構造化されたレコードサマリーの生成
• 構造化されたミーティングメモの作成
• テンプレート化されたメール応答の生成
• 次に実行すべきベストアクションの提案
• ケースの感情分析（センチメント分析）の判定

プロンプトテンプレートは、実行時にレンダリングされる動的な入力にもとづいてデータを動的に入力し、応答を生成できます。ただし、オプションを通じて推論したり、アクションを実行したりすることはできません。

AIエージェントは、進化するコンテキストにもとづいて、何を、どの順序で、どのように行うかを自律的に決定するソフトウェアシステムです。AIエージェントは、計画や推論、外部アクション（APIコールやデータベース検索など）の呼び出し、そして結果に基づいた反応が可能であり、単一のプロンプトにとどまらない高度な処理を実現します。プロセスの途中で学ぶ内容に応じて、異なるパスや応答を選択できます。AIエージェントに最適なのは、以下のようなケースです。

• 環境やコンテキストが動的に変化する可能性がある
• データにもとづいた複数の決定または分岐が可能である
• 選択やアクションを行う際に、AIが人間の判断を代行または支援する必要がある

AIエージェントのユースケース

• 問い合わせの優先順位付けとルーティング
• 外部システムとポリシーの確認による予約の問題の解決
• フィードバックループによるマルチステップワークフローの管理
• 問い合わせ対応メールの作成時に、顧客の問題の詳細にもとづいて、顧客向けのWebサイトで公開されている適用可能な解決策や関連するナレッジ記事の情報を取り入れる
• サービス担当者の空き状況と顧客の好みにもとづいて予約スケジュールを設定する
• ソフトウェア更新の問題などのイベントを検出し、プロアクティブにトラブルシューティングタスクを生成したり、APIコールを呼び出すアクションを動的に実施してリモート解決を試みたりする

Agentforceがどのようにユーザーのリクエストを理解し、どのようなアクションを取るべきかを決定する仕組みを理解したいですか？このセクションでは、意思決定プロセスの核心であるAtlas推論エンジンについて解説します。レコードがSalesforceに保存されるときに何が起こるかを理解するには、実行順序の理解が重要であるのと同様に、Atlas推論エンジンがバックグラウンドでどのように動作しているかを知ることで、Agentforceの仕組みを理解することができます。

Atlas推論エンジンは、一連のプロンプト、コード、LLMコール、そして3つの主要な構成要素を使用して、AIエージェントが効果的に理解し、応答できるようにします。以下の3つの要素（トピック、指示、アクション）を、AIエージェントを機能させるために制御するレバーと考えてください。これらの要素を調整することで、推論エンジンが理解、決定、行動するために使用するプロンプトをエンジニアリングしていることになります。そうです。Agentforceは推論エンジンのプロンプトを使用して、トピックとアクションを分類しているのです。まり、エージェントビルダーでAIエージェントを構築するたびに、あなたはプロンプトエンジニアリングをしているということです。

Atlas推論エンジンの詳細を説明する前に、Agentforceを使用してエージェントを構築するたびに定義する3つの重要なメタデータである、トピック、指示、アクションについて詳しく見てみましょう。

トピックは、AIエージェントの機能を構成する基盤であり、エージェントが実行できる内容や、それに必要なアクションと指示を定義します。トピックは、特定の専門知識、ツール（アクション）、ガイドライン（指示）を備えた専門部門と考えてください。顧客がメッセージを送信すると、AIエージェントはまずそのリクエストを処理する「専門部門」（トピック）を判断し、続いてその部門のガイドラインに従い、ツールを使って顧客を支援します。また、トピックにはスコープが設定されており、AIエージェントがその領域内で実行できること・できないことが定義されています。

指示とは、トピック内で会話をどのように処理するかを定めるガイドラインであり、アクションの選択を導き、会話の流れを設計し、ビジネス上の文脈を提供します。明確に区別されたトピックは重複を防ぎ、推論エンジンが顧客のリクエストを正確に分類できるようにします。AIエージェントを効果的に導くためには、指示は明確で具体的、かつ実行可能でなければなりません。

アクションは、AIエージェントが情報を取得したり、タスクをこなしたりするためのツールです。アクションを定義する際は、推論エンジンがそれらをどのように処理するかを理解しておくことが大切です。エンジンは、名前や説明、入力内容、トピックの指示、会話のコンテキストに基づいて使用可能なアクションを判断します。Agentforceには、標準のエージェントアクションがあらかじめ多数用意されています。また、カスタムアクションを作成することで、さらに実装を拡張できます。カスタムアクションを作成する前に、標準アクションで対応できるかどうかを必ず毎回確認しましょう。アクションは複数のトピックで使用できるため、再利用性を考えて設計しましょう。以下は、使用可能なカスタムエージェントアクションと、適切な使用状況の一覧です。

エージェントが具体的にはどのようにしてトピック、指示、アクションを使用して作業を完了するのか、疑問に思う方もいるでしょう。ここでは、エージェントが呼び出されるたびにAtlas推論エンジン内でどんなことが起こるのか、段階的に説明していきます。

このプロセスは、ユーザーからメッセージまたはクエリを受信したとき、またはイベント、データ変更、API呼び出しからエージェントが呼び出されたときに開始します。

推論エンジンは、ユーザーのメッセージを分析して、もっとも関連性の高いトピックに分類します。この分類ステップで推論エンジンが参照するのは、トピック名とその説明だけです。適切なトピックが見つからない場合は、「オフトピック」に分類されます。

選択したトピックに関連するスコープ、指示、アクションは、元のユーザーメッセージと会話履歴（通常は直近の6ターン）とともにプロンプトに挿入されます。生成されたプロンプトはLLMに送信され、AIエージェントが次に何をすべきかを判断します。

AIエージェントは、結合された入力内容（ユーザーメッセージ、指示、潜在的なアクション）を分析し、以下に示す次のステップを決定します。

• アクションの実行：特定の情報が必要な場合、またはタスクを実行する必要がある場合。
• ユーザーへの返答：十分な情報がある場合や、必要な情報が揃っている場合、AIエージェントは返答を行います。

• AIエージェントが、選択したアクションを呼び出します。
• 実行されたアクションからの出力または結果がキャプチャされます。
• アクション出力処理：アクションの出力はLLMに送り返され、元のコンテキスト（指示、アクション、会話履歴）と再度結合されます。

• エージェントは、新しい情報（アクションの出力）と進行中の会話コンテキストにもとづいて状況を再評価します。
• 出力は、ピントを合わせたトピックスコープ、指示、アクションとともに送信され、別のアクションを実行するか、応答を作成するかを決定します。
• 必要な情報が揃ってAIエージェントがユーザーに直接応答できると判断するまで、このループは継続されます。

最終的な応答を送信する前に、AIエージェントは最後のチェックを行います。そして、提案された応答がトピック向けに提供された指示にもとづいたものであり、その指示に従っていることを確認します。このステップでは、応答が以下に該当しているかをチェックします。

• ソース情報に適切にもとづいている
• トピックの指示と範囲に従っている
• 幻覚（ハルシネーション）や未確認の情報が含まれていない
• プロンプトインジェクションのリスクがない

最後に、検証済みの応答がユーザーに送信されます。グラウンディングステップが失敗した場合、エージェントは再試行して、グラウンディングされた応答の生成を試みます。グラウンディングされた応答を生成できないときには、リクエストに応じられないことをユーザーに通知するための標準メッセージを送信します。

このワークフローを理解することで、この推論プロセスとの連携の際にAIエージェントの各コンポーネント（トピック、指示、アクション）を慎重に設計することが求められる理由が明確になります。しかし、それだけではありません。

エージェントのワークフローに追加の制御を提供し、決定論的なロジックを追加する場合、Agentforceは条件付きフィルタリングを使用します。これは、フォームフィールドに動的な可視性ルールを設定するようなものですが、推論においてはエージェントに設定します。

条件付きフィルターは、推論プロセス中にトピックまたはアクションを検討する必要性の有無を決定するゲートキーパーとして機能します。LLMの決定をガイドする指示とは異なり、フィルターはシステムレベルで動作し、特定の条件にもとづいてトピックとアクションを完全に削除または含めます。

条件付きフィルタリングは、以下の2つの重要な方法を用いてエージェントのパフォーマンスを向上させます。

1. トピック分類の精度の向上

会話の状態にもとづいて無関係なトピックを検討対象から除外することで、トピック分類プロセス中の「セマンティックノイズ」を削減できます。これにより、LLMがユーザークエリに適切なトピックを選択しやすくなります。

たとえば、ユーザーがまだ認証されていない場合、フィルターはアカウント固有のアクションに関連するすべてのトピックを非表示にすることができます。これにより、エージェントが一般的なクエリを機密性の高いトピックに誤って分類し、最終的に認証エラーや不適切な応答につながるのを防ぎます。

2. コンテキストに応じたアクションの選択

トピックが選択されると、フィルターは現在の会話の状態にもとづいて、そのトピック内で使用可能なアクションをさらに絞り込みます。

• 必須の変数（注文番号など）が入力されていない場合、それらの変数に依存するアクションを非表示にすることができます
• 特定のアクションをユーザー属性またはエンタイトルメントにもとづいてのみ使用できるようにする場合は、フィルターでそれらのルールを適用できます

条件付きフィルタリングの仕組み

Atlas推論エンジンは、コンテキスト変数とカスタム変数の2種類の変数にもとづいたフィルタリングをサポートしています。各タイプのプロパティの概要は以下のとおりです。

これらはメッセージングセッションから派生した変数であり、以下を含めることができます。

• 「メッセージングセッション」オブジェクトの標準フィールド
• 「メッセージングセッション」オブジェクトに追加されたカスタムフィールド
• 事前チャットフォームのデータ
• 過去のメッセージングセッションからの情報

コンテキスト変数は、AIエージェントが会話で尋ねることなく、既知の顧客情報にもとづいてインタラクションをパーソナライズする場合に特に役立ちます。コンテキスト変数を使ってソリューションを設計する際は、それらがセッションの開始時に設定され、その後は変更できないことに注意することが大切です。

カスタム変数には、アクションから返された情報が格納されます。これらは、以下の目的のために使用できます。

• 会話の状態を追跡する（認証ステータスなど）
• アクション入力に引き継ぐ必要のあるアクション出力を保存する
• アクション間に依存関係を作成し、特定の条件が満たされた場合にのみアクションを使用可能にする

フィルターは、コンテキスト変数およびカスタム変数の値に基づいて設定されます。フィルターはトピックレベルでもアクションレベルでも適用できます。

• トピックレベルのフィルター：トピック全体を分類に使用できるかどうかを制御します
• アクションレベルのフィルター：トピック自体が選択されている場合でも、トピック内の特定のアクションの使用可否を制御します

以下のシンプルなダイアグラムをご覧ください。これは、Atlas推論エンジンのトピックレベルとアクションレベルのフィルターが推論フローにどのように適合するかを示すものです。

フィルタリングのもっとも一般的なユースケースは、機密性の高い操作へのアクセスを以下のように制御することです。

フィルター：「認証が必要」

条件：AuthenticationStatus = 「verified（検証済み）」

適用対象：アカウント管理トピック、支払い処理トピック

これにより、ユーザーが認証前にアカウントや決済について尋ねたとしても、AIエージェントがこれらのトピックを呼び出すことはなくなります。

フィルターは、ステップを適切な順序で実行するためにも役立ちます。

フィルター：「Order Number Required（注文番号が必要）」

条件：orderNumber != null

適用対象：注文状況の確認アクション、注文の変更アクション

これにより、注文関連のアクションは、注文番号が収集され、変数に格納された後にのみ利用可能になります。

フィルタリングと指示の違いを理解することが重要です。

1. フィルターは決定論的に動作する：変数の一致を使用して、トピックとアクションを含めたり除外したりします。
2. 指示はLLMによって解釈される：指示はLLMの理解にもとづいており、非決定論的であるため、モデルの理解と解釈によって結果が変わる可能性があります。
3. フィルターはAIエージェントの意思決定を制限する：検討対象からオプションを完全に削除し、検索余地を最小限に抑え、精度を向上させます。

Atlas推論エンジンを構成するもう1つの要素が引用です。引用を使用して、LLMが応答を生成するために使用するソースを検証できます。以下のダイアグラムは、引用が推論エンジンの流れのどこに当てはまるかを示すものです。

このダイアグラムでは、推論エンジンの構成可能なアーキテクチャについても強調表示されています。エスカレーション、引用、ガードレールは、Service向けAgentforceのテンプレートを使用してAIエージェントを構築する際に、推論エンジンによって使用されるモジュラーコンポーネントです。現在、推論エンジンで使用されるモジュラーコンポーネントは、テンプレートごとに設定されています。Salesforceでは、これらのコンポーネントを、AIエージェントの中で自由に入れ替えられるレゴブロックのような仕組みにしようと取り組んでいます。将来的には、お客様ご自身で交換できるようにすることも視野に入れています。

すでに多くのことを取り上げてきましたが、ここでは一歩下がり、顧客がエージェントに質問するときに、トピック、指示、アクションが推論エンジンとどのように連携するのかを完全な例を挙げながら説明していきます。

カスタマーメッセージ：「昨日赤いセーターを注文しましたが、配送先住所を変更する必要があります」

• 推論エンジンは、メッセージをすべてのトピック名および分類の説明と比較します
• その分類の説明に「注文の変更」と記載されていることから、推論エンジンは「注文管理」トピックを選択します。

• 推論エンジンは、「配達時間の変更」または「住所の変更」トピックをフォーカスプロンプトに取り込み、トピックのスコープ、指示、使用可能なアクションに加え、会話履歴とユーザーメッセージも併せて組み込みます。
• このスコープは、エージェントが注文を変更できるが、処理後に注文をキャンセルすることはできないことを示しています
• 注文変更の処理に関するガイダンスを指示に取り入れます

• トピックの指示とアクションの説明にもとづいて、推論エンジンは以下を行う必要があると判断します。
  • まず、注文を特定します（「説明で注文を検索」アクションを使用）
  • 次に、配送先住所を更新します（「注文の配送を更新」アクションを使用）

• 推論エンジンは、注文を見つけるために顧客にメールを要求します
• 注文が見つかると、新しい配送先住所が取得されます。
• 注文IDと新しい住所を使用して「注文配送の更新」アクションを実行します
• 住所変更を顧客に確認します

推論エンジンの仕組みと、トピック、アクション、指示が非常に重要である理由を理解したところで、それらを作成するためのいくつかのベストプラクティスを見てみましょう。

トピックは、AIエージェントの能力の基盤であり、AIエージェントが何をできるか、どのような顧客リクエストに対応できるかを定義します。トピックは、トピック名、分類の説明、スコープの3要素で構成されます。

• 「AIエージェントが『達成すべきジョブ（Jobs to Be Done）』をどのように分類するのか」を検討する
• 認識しやすい名前を使用する
• 簡潔で記述的な名前を使用する
• 名前の最後を提供する、変更する、キャンセルするなどの動詞にする
• 別のトピック名と意味が重複しないように注意する
• 新しいトピックを作成する前に既存のトピックを確認する
• エージェントごとにトピックを10件から15件に制限する（トピックが多すぎる場合や重複している場合、エージェントが非一貫的または不正確になる可能性が高くなる）

• ユーザーがこのようなタイプのサポートを求めるさまざまな場面を取り入れる
• 顧客が通常使用する特定のキーワードやフレーズをリストアップする
• このトピックで処理すべきすべての質問をカバーする
• 専門用語ではなく自然な文章で書く
• 他のトピックの説明と重複しないようにする

AIエージェントがユーザークエリに対して、適切なトピックを一貫して選択できない場合には、まずトピック名と説明を調査して絞り込む必要があります。

• 新入社員に仕事を説明するように書く：「あなたの仕事は〜をすることです。あなたには〜ができません。」
  • 権限と制限の両方を明確にする
• 境界について説明する際には、明確で明瞭な言葉を使用する

では、設計時にトピックを設定して、AIエージェントがユーザーのパスワードリセットを支援できるようにする方法を見てみましょう。この例では、トピック、手順、およびアクションは次のように構成されています。

その後のランタイムに、顧客が会社のWebサイトからエージェントとやり取りした場合には、以下のような展開が発生します。

1. お客様の発言：「ログイン情報を忘れてしまいました。」
2. 推論エンジンは、分類の説明に「パスワードを忘れた、ログインの問題、アカウントアクセスの問題」と記載されているため、これをパスワードリセットのトピックと一致させます。
3. スコープには、AIエージェントがパスワードのリセットを支援できる一方で、アカウント情報へのアクセスや変更はできないことが記されています。
4. エージェントは指示に従い、最初に顧客の本人確認を行います。次に、パスワードリセット用リンクの送信を提案します。
5. AIエージェントは、「パスワードリセットメールの送信」アクションを使用してタスクを完了します。

指示は、トピック内の会話をどのように処理するかをAIエージェントに指示するガイドラインとなります。そして、AIエージェントが実行すべきアクションと応答方法を決定するのに役立ちます。

指示は、エージェントの意思決定プロセスにおいていくつかの重要な役割を果たします。

1. アクション選択のガイド：エージェントが特定の状況でどのアクションを使用すべきなのかを選択するのに役立ちます。
2. 会話パターンの設定：Aiエージェントが採用すべき顧客との対話方法を確立します。
3. ビジネスコンテキストの提供：エージェントが会社のプロセスと用語を理解するのに役立ちます。

明確な指示がない場合、AIエージェントは間違ったアクションを選択したり、ユーザーの要求を誤解したりする可能性があります。また、一貫性のない応答を提供することも考えられます。ただし、指示はプロンプトにマージされてからLLMに送信されるため、必ずしも一貫した応答が得られるとは限りません。これらは、アクション内のコード化されたビジネスルールの必要性を置き換えるものではありません。

推論エンジンは、顧客の要求を処理する際に、ユーザーの指示を使用して以下の事柄を実行します。

1. 実行するアクションを決定する：指示は、エンジンが特定の状況に最も適したアクションを決定するのに役立ちます。
2. ステップの順序を決定する：指示は、特定のステップを他のステップよりも先に実行する必要があるかどうかについてエンジンをガイドできます。より決定論的なものにするには、アクション変数と条件付きフィルターを使用できます。
3. 応答の形式を設定する：指示は、顧客への情報の提示方法を決定します。
4. 例外を処理する：標準プロセスが適用されない場合に何をすべきかをエンジンに指示します。（たとえば、エッジケースが発生した場合には、エージェントへのエスカレーションを提案します。）

指示が明確かつ具体的であるほど、エージェントのパフォーマンスの一貫性が向上します。

AIエージェントを構築する際は、指示とアクションの違いを正しく理解し、それに基づいて機能を設計することが重要です。複雑な計算、機密情報の処理、特定のシーケンス処理を必要とするマルチステップオペレーションなど、一貫して適用する必要がある重要なビジネスロジックについては、アクションを使用します。それとは対照に、指示の使用が適しているのは、会話の流れをガイドするようなケースです。具体的には、応答のフォーマットとトーンを定義し、情報が曖昧な場合に明確な戦略を確立することで、AIエージェントがコンテキストにもとづいて適切なアクションを選択できるよう支援します。

• 悪い例：「30日以上経過した注文には返金を行わない」（指示として）
• 適切なアプローチ：日付の入力とともにこのロジックを返品注文アクション自体に組み込み、アクションの検証を行います。

Refund Order Action Example:

public with sharing class RefundOrderHandler {

public class RefundResult {

@AuraEnabled public Boolean canReturn;

@AuraEnabled public String message;

}

@AuraEnabled

public static RefundResult processRefund(Id orderId, Date orderDate) {

RefundResult result = new RefundResult();

if (orderDate == null || orderId == null) {

result.canReturn = false;

result.message = 'Invalid input: Order ID and Order Date are required.';

return result;

}

Date today = Date.today();

Integer daysSinceOrder = today.daysBetween(orderDate);

if (daysSinceOrder > 30) {

result.canReturn = false;

result.message = 'Order cannot be returned.More than 30 days have passed.';

} else {

result.canReturn = true;

result.message = 'Order can be returned.Sending return slip.';

sendReturnEmail(orderId);

}

return result;

}

• 用語を定義する：エージェントが業界用語の意味を理解していると思い込まないようにしましょう。
  • 例：「プロモーションコードはチェックアウトの際の割引に使用され、登録コードは製品の保証登録に使用されます。」
• シーケンスを具体的なものにする：特定の順序でステップを発生させる必要がある場合は、それを明確に説明し、1つの指示ボックスに含める必要があります。
  • 例：「まずは顧客確認アクションを使用して顧客本人確認を行い、次にアカウント情報を入力します。」
• 一貫した用語を使用する：すべての手順で同じ用語を使用します。
  • 悪い例：ある指示では「クライアントの情報をチェックしてください」と設定し、別の指示では「顧客の詳細を確認してください」と設定する
  • 良い例：「顧客」を一貫して使用し、アクションを正確な名前で参照する
• 絶対的な表現に注意する：「常に」や「決して〜しない」などの言葉は、文字通りに受け取られます。
  • 絶対的な表現は、AIエージェントの対話方法に大きな影響を与える可能性があります。指示に絶対表現を含める場合は、意図を明確にしたうえで使用してください。
• アクションとシチュエーションを組み合わせる：どのような状況で、どのアクションを使用するかを明確に指定します。
  • 例：「お客様が荷物の場所や配送日について問い合わせるときに、注文の追跡アクションを使用してください。」
• 決定基準を提供する：AIエージェントが類似したオプションから選択できるように支援します。
  • 例：「お客様が自分のメールにアクセスできる場合は、メールによるパスワードリセットアクションを使用します。ユーザーが自分のメールにアクセスできない場合は、セキュリティに関する質問による認証アクションを使用してください。」

アクションは、エージェントが情報を取得したり、タスクを実行したりするために使用するツールです。

AIエージェントが顧客のリクエストを処理する際、推論エンジンは以下のことを行います。

1. 顧客のメッセージと選択したトピックを分析する
2. そのトピックで使用可能なアクションを確認する
3. 以下の項目にもとづいて、使用するアクションを決定する：
   - アクション名、アクションの説明、およびアクションの入力
   - アクションを参照するトピックの指示
   - 会話のコンテキスト
4. 選択したアクションを適切な入力で実行する
5. アクションの出力を使用して、応答の定式化や次のステップの決定を行う

このプロセスを効果的に機能させるには、明確でわかりやすい名前と指示をアクションに提供する必要があります。これにより推論エンジンは、いつ、どのような方法でアクションを使用するのかを理解できます。遅延を最小限に抑え、パフォーマンスを向上させるには、トピックに15個を超えるアクションを割り当てないでください。また、トピック間でアクションを再利用できることに留意してください。

AIエージェントの各アクションには、アクション名、アクションの指示、アクションの入力指示という3つの重要な要素があります。

• 顧客がアクションをどのように説明するかに合わせて、わかりやすい言葉を使用する。
• アクションのAPI名は推論エンジンに送信されるため、API名が明確で、機能を説明するものであるよう徹底する。

アクション指示のベストプラクティス

• アクションが何をするのかを正確に説明する文章を1〜3文書く
• このアクションをいつ使用するのかを指定する（顧客の要求の種類）
• アクションを正常に実行するために必要な情報をリストアップする
• アクションが処理する特別な条件やエッジケースについて言及する
• このアクションをトリガーする想定顧客フレーズの例を含める

アクションの入力指示の主なヒント

• 入力内容とその目的を明確に説明する
• 必要な形式（長さ、文字数、構造）を指定する
• 検証ルールや入力形式の条件を明記する

これは、私たちがお客様からよく受ける質問の1つです。答えは、「極めて重要」です。AIエージェント分析やDigital WalletなどのAgentforceの特定の機能にData Cloudアーキテクチャが活用されています。そのため、Data Cloudは、Agentforceにとって不可欠な要素と言えます。さらに、Data Cloudのインフラは、非構造化データのインデックス作成と検索、フィードバックのログ記録と監査証跡を強化します。また、Data Cloudを利用することで、 Agentforceの拡張性を向上できます。ユーザーは、独自のモデル（BYOM）と大規模言語モデル（BYO-LLM）を有効にして、Salesforce以外のプラットフォームで構築されたデータやモデルと、Agentforce上に構築されたAIエージェントを組み合わせて使用することもできます。

データフェデレーションを通じた他のデータレイクからのデータへのアクセスから、ペタバイト規模のデータに対応するハイパースケールインフラストラクチャの活用まで、Data CloudのアーキテクチャとAgentforceを活用することで、ユーザーはAIの成果をすぐに向上させることができます。また、AIエージェントを動かす基盤となるデータセットがどれほど大きく複雑であっても長期的な実行可能性を確保できるため、AIエージェントの導入を成功させることができます。

以下の概要にて、Data CloudがAgentforceのどの機能に搭載されるのかをご紹介します。デフォルトでData Cloudに対応しているAgentforceの機能や、実装の拡張を検討しているお客様が有効化できるData Cloudの任意の機能の概要について、ご確認いただけます。

ここまで、Agentforceを機能させるための主な要素であるAtlas推論エンジンについて説明し、トピック、指示、アクションの使用方法を紹介してきました。Agentforceを効果的に使用するための鍵は、これらの要素を理解することです。Agentforceの成果を高めるため、Agentforceの実装を始める際にはこのガイドをご活用ください。詳細については、提供されているリソースを確認することをおすすめします。

エージェントプランニング：エージェントの作業の概要を定める
https://trailhead.salesforce.com/ja/content/learn/modules/agentforce-agent-planning/outline-the-agents-work

アクションの指示：
https://help.salesforce.com/s/articleView?id=ai.copilot_actions_instructions.htm&type=5

トピックの指示：
https://help.salesforce.com/s/articleView?id=ai.copilot_topics_instructions.htm&type=5

AIエージェントのトラブルシューティング：
https://help.salesforce.com/s/articleView?id=ai.copilot_troubleshoot.htm&type=5

Agentforceの変数：
https://developer.salesforce.com/blogs/2025/04/agentforce-variables-a-new-way-to-structure-agent-memory

https://developer.salesforce.com/blogs/2025/04/control-agent-access-and-decision-making-with-variables-and-filters