Agentforceコンテキストエンジニアリングガイド

_{このガイドは、最新のAgentforceビルダーに対応しており、アプリケーションランチャーから利用可能です 。［設定］からAIエージェントを管理している場合は、レガシーガイド を参照してください。}

AIエージェントは、効率性の向上、手作業の削減、そしてより高度で適応性の高い職場の実現を通じて、組織を変革しています。

このガイドでは、AIエージェントを構築するためのSalesforceのプラットフォームであるAgentforceの主要な要素について解説します。その中で、実務担当者は、コンテキストエンジニアリングを活用して、目標の達成に必要な具体的な情報、アクション、指示をAgentforceのAIエージェントに提供します。さらに、Agentforce Scriptがハイブリッド推論を用いて、生成AIと決定論的な制御をどのように組み合わせているかについても説明します。

私たちは、開発者がさまざまな環境でAIエージェントを構築していることを認識しています。用途に応じて最適なモデルや環境を選択できるこの柔軟性をサポートしています。

Claude Code、Labs、Agentforceスタジオ、またはその他の環境で構築する場合でも、Agentforceが内部でロジックや接続をどのように管理しているかを理解することは有益です。

このガイドの内容：

• II.キーポイント
• III.Agentforceの基礎
• IV. Agentforce Script
• V.プロンプトとAIエージェント
• VI.コンテキストエンジニアリング
• VII.Agentforceの推論の仕組み
• VIII.信頼性の高いコンテキスト
• IX.ベストプラクティス
• X.AgentforceにおけるData 360の必要性
• XI.まとめ
• XII.詳細はこちら

• ハイブリッド推論は、Agentforceの推論エンジンを支える中核的な要素です。このアプローチにより、LLMの柔軟性と、Agentforce Scriptの決定論的な信頼性が組み合わされます。
• Agentforce Scriptは、構造化されたビジネスロジックによって過剰に複雑化したシステムプロンプトを置き換え、AIエージェントの動作を決定論的に完全に制御できます。
• Data 360はAgentforceにおいて不可欠な要素です。これにより、検索拡張生成（RAG）、Agent Analytics、Digital Walletにおけるインデックス作成およびチャンク化が実現されます。

AIエージェントは、生成AIを活用して、次に何を行うか、またそれをどのように実行するかについて意思決定を行う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とるべきかを自律的に推論し、必要なデータを特定したうえで、人の介入の有無にかかわらずアクションを実行できます。

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。
• AIエージェントは自律的に（人の介入なしに）動作することもあれば、必要に応じて人間が介在するように設計することもできます。
• 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。

AIエージェントは、大規模言語モデル（LLM）を活用して自然言語やインテントの処理を行う一方で、Agentforceは特定のビジネスロジックに従うためにAgentforce Scriptも使用します。このハイブリッド推論モデルにより、AIエージェントは従来の自動化よりも柔軟性が高く、ハードコーディングされたソフトウェアと同等の信頼性を維持します。

Agentforceスタジオ

Agentforceスタジオは、AIエージェントのライフサイクル全体を対象とした統合ワークスペースです。

Agentforceスタジオには、AIエージェントの動作を構築、テスト、管理するために必要なすべてのアクションがまとめられています。Agentforceスタジオには、AIエージェントの開発ライフサイクルを管理するための主要コンポーネントが3つあります。

• Agentforceビルダー：プレーンな言語でルールを作成できるAIネイティブのビルダーです。構成、ビジネスロジック、指示を統合して信頼性の高いAIエージェントの動作を表現する言語であるAgentforce Scriptを使用します。
• テスティングセンター：デプロイ前にAIエージェントの動作を検証します。
• Agentforceオブザーバビリティ：AIエージェントのパフォーマンスをモニタリング・分析し、ロジックの改善点を特定します。

Agentforceスタジオは、技術者と非技術者の間のギャップを埋めます。Conagra Brands 社のKatherine Mains氏は、これを「設計における『ゴルディロックスゾーン』。アーキテクトには十分に高度でありながら、管理者にも直感的に使い始められるレベル」と表現しています。

Agentforceは、単純なFAQ対応にとどまらず、より高付加価値な業務へと移行するために必要な予測可能性を提供するフレームワークです。ハイブリッド推論とAgentforceスクリプトにより、制御性と創造性を両立します。インテリジェントコンテキストは、適切なデータを適切なタイミングで提供することでAIエージェントを支えます。Agentforceスタジオは、システム全体を管理するための統合ワークスペースを提供します。

Data 360は、Agentforceの拡張性を高めるさまざまな機能を提供します。これらのコンポーネントを以下で簡単にご紹介します。

AIエージェントの推論プロセスの設計図であるAgentforce Scriptについて、詳しく見ていきましょう。

Agentforce Scriptは、AIエージェントの構築および統制のためのテキストベースの基盤として機能する、Agentforce専用のスクリプト言語です。これは、AIエージェントの動作全体を表現する統一された言語として機能します。この単一のファイルにより、構成、ビジネスロジック、アクション、推論に関する指示が統合されます。自然言語とコードを別々の要素として扱うのではなく、実務担当者はこの設計図を用いて、AIエージェントのアーキテクチャ全体を一元的に管理します。

生成AI のみを使用するエージェントアクションでは、ユーザーは長文の自然言語プロンプトに依存することになり、その結果、タスクの成果が一貫性に欠けたり予測不能になったりする可能性があります。Agentforce Scriptは、この状況を変えます。スクリプトによるハイブリッド推論は、自然言語と決定論的なルールベースの指示を組み合わせます。

このレベルの制御により、リーダーは即座に成果を実感しています。Equitable Trust社のパートナー兼COOであるScott Van Dusen氏は、Agentforce Scriptは非常に強力であると述べています。同氏は、フローやアクションを操作する能力が、LLMのみの手法と比べてはるかに堅牢であると評価しています。「より効果的に制御できるようになっています」とVan Dusen氏は述べています。

Datasite社のAgentforce管理者であるGrant Roberson氏 は、スクリプトはプロンプトエンジニアリングによるAIエージェントよりも「はるかに優れている」と述べています。

「以前は、動作を強制するために、あちこちに同じような指示を長々と書いていました」とRoberson氏は述べています。「スクリプトを使えば、そのような不要な記述を簡単に排除し、条件分岐ロジックに置き換えることで、AIエージェントが意図どおりに動作すると確信できるようになります」

スクリプトは、プロンプト作成中心のアプローチから、スケーラブルなオーケストレーションへと移行させます。構造化されたテキストベースの形式を採用しているため、チームは従来のコードと同様に、AIエージェントの動作をバージョン管理、レビュー、ガバナンスすることができます。

Agentforce Scriptは、宣言的な構文を用いてAIエージェントの機能を整理します。指示、アクション、サブAIエージェントをモジュール化されたコンポーネントとして扱います。この構造により、推論エンジンは利用可能なリソースを明確に把握でき、AIエージェントが想定された範囲内で動作するように境界が設定されます。さらに、これらのスクリプトは、LLMの呼び出し回数を削減し、ロジックエラーを防ぐことで、ワークフローを確率的な推論から確実な結果へと導きます。

アーキテクチャとモジュール化

以下は、保守性と予測可能性に優れたAIエージェントを構築するために、モジュール設計の原則にもとづいて整理された構造的なベストプラクティスの一覧です。

• 本人確認などの特定のタスクごとに、小さく独立したスクリプトを作成します。これにより、ビジネスポリシーが変更された場合でも、AIエージェントの他の部分に影響を与えることなく単一のスクリプトを更新できるため、システムの保守が容易になります。また、これらの共通スクリプトを複数のサブAIエージェントで利用することで、一貫した体験を実現できます。
• スクリプト内のアクションは、それぞれが担う具体的なインテントにもとづいて整理します。サブAIエージェントやアクションには、その機能が明確にわかる名前を付けます。推論エンジンはこれらの名前をもとに最適な処理経路を選択するためです。
• 各インタラクションの開始と終了をコードで制御する「決定論的サンドイッチ」アプローチを採用します。中間部分ではAIの自然な応答を活用することで、会話の開始と完了を完全に制御できます。

データとコンテキストの管理

以下は、レイテンシーの削減とパーソナライズの向上を実現するために、セッション管理にもとづいて整理されたデータ管理手法の一覧です。

• スクリプトブロックの開始時に必要なデータ入力を定義し、AIエージェントがアクションを実行する前にコンテキストを収集できるようにします。処理速度を高めるために、AIエージェントが主要なタスクを開始する前に、必要なデータをすべて取得することが推奨されます。LLMの呼び出しは行うたびに処理時間が増加するため、あらかじめルールにもとづいて必要な情報を収集することで、不要な呼び出しを回避できます。
• チャット中のデータ管理のために、ユーザー名やステータスなどの情報をセッション変数に保存します。これらの変数により、サブAIエージェント間で情報を受け渡すことができ、AIエージェントが同じ質問を繰り返すのを防ぎます。また、AIエージェントが追加のユーザー入力なしにアクションを使用するために必要なデータを保持できるようにします。
• 変数を差し込み項目として指示に直接挿入します。これにより、AIエージェントはユーザーデータにもとづいてパーソナライズされた回答を提供したり、特定のロジックに従って処理を実行したりすることが可能になります。

ロジックとコンプライアンスの標準

以下は、厳格なコンプライアンスと信頼性を維持するために、実行ロジックにもとづいて整理された設定標準の一覧です。

• 指示は会話のスタイルに影響を与えるために使用し、実際のビジネスロジックはスクリプトで処理します。このように分離することで、LLMは言語処理を担い、スクリプトはデータチェックや必須の処理手順を管理します。この決定論的なアプローチにより、自然言語プロンプトに見られがちな不確実性が排除されます。
• if-thenロジックを適用して、AIエージェントを特定の処理経路へ導きます。たとえば、割引を提示する前に顧客のロイヤルティステータスを確認するようにAIエージェントを設定できます。
• 明確な終了条件を設定し、サブAIエージェントがメインAIエージェントに会話を戻すタイミングや、セッションを終了するタイミングを正確に定義します。適切な境界を設けることで、AIエージェントは最大限の効率で動作します。

戦略的な実装

以下は、ユースケースに適した自動化の方法を選択できるように、ツール選定にもとづいて整理された実装ガイドラインの一覧です。

• AIエージェントを単純で直線的なチャットボット のように設計することは避けます。プロセスが固定的で変化しない場合は、AIエージェントではなく、Flow Builder の標準フローを使用します。Agentforce Scriptは、複雑で予測しにくい人の入力を処理する場合に使用します。
• 開発時間を短縮するために、AgentExchange で事前構築済みのAIエージェントソリューションや再利用可能なスクリプトを活用します。このマーケットプレイスには、すぐに利用できるAIアクションやサードパーティ連携が含まれており、一般的な業務タスクを迅速に自動化できます。AgentExchangeのメリットの詳細については、こちらのeBookをご覧ください。

先に進む前に、Agentforce 360 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は、生成AIを活用するアプリケーションを構築するためのもう1つの強力なツールです。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に導く、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、およびコンテキストデータ検索拡張生成（ RAG） を通じて、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非常に高いセキュリティを備えており、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立てます。

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単発のタスクに最適です。たとえば、継続的な文脈が不要な場合（文章の言い換えやケースの要約など）には、プロンプトテンプレートが適しています。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、これらがステートレス（ターン間でメモリを保持しない）であり、意思決定やアクションを行わないことを理解し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ができます。また、エージェントアクションを介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、次のような場合に適しています。

• 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埋め込み、応答を生成できます。ただし、複数の選択肢を踏まえて推論したり、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

AIエージェントを適切に実装するには、推論エンジンが内部でどのように動作しているかを理解することが重要です。初期のAIエージェントの時代には、私たち実務担当者はプロンプトエンジニアリング、すなわちLLMを意図どおりに動作させるための「働きかけ」の技術を中心に扱ってきました。そして現在では、コンテキストエンジニアリングへと進化しています。

コンテキストエンジニアリング は、単に優れたプロンプトを作成するだけにとどまらない、より包括的なアプローチです。Agentforceのハイブリッド推論では、自律的なLLMの推論と、決定論的な制御を実現するルールベースのロジックとのバランスをとるシステムを設計します。

コンテキストエンジニアリングは、プロンプトエンジニアリング の後継にあたるものです。これは、サブAIエージェント、指示、ルール、アクションを組み合わせたシステムを設計し、AIエージェントが目的を達成するために必要な正確な情報と境界を提供するアプローチであり、LLMから意図どおりの応答を引き出すために最適な言い回しを作り込むアプローチとは異なります。

コンテキストエンジニアリングの3つの要素

実務担当者は、Agentforce Scriptを統一された言語として使用し、サブAIエージェント、指示、アクション、ルールを単一のファイル内で表現します。

1. サブAIエージェント：特定の役割を担うAIエージェントと、その専門性を定義します。
2. 指示：会話の流れ、トーン、インテントに関するガイダンスを提供します。
3. アクションとルール：アクションを実行し、必須のビジネスロジックを適用します。

それでは、Agentforceを使用してAI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、サブAIエージェント、指示、アクションについて詳しく見ていきましょう。

サブAIエージェントは、AIエージェントの機能の基盤であり、AIエージェントが実行できる内容や、対応可能な顧客のリクエストの種類を定義します。特定の専門性、ツール（アクション）、ガイドライン（指示）を備えた専門部署のようなものと捉えることができます。顧客がメッセージを送信すると、AIエージェントはまずリクエストを処理する「部署」（サブAIエージェント）を判断し、その部署のガイドラインに従い、ツールを使用して顧客を支援します。

指示とは、サブAIエージェント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、会話のパターンを設定し、ビジネス上のコンテキストを提供します。明確に区別されたサブAIエージェントは重複を防ぎ、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、かつ実行可能である必要があります。

AIエージェントは、情報を取得したりタスクを実行したりするためにアクションを使用します。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重要です。エンジンは、アクションの名前、説明、入力内容に加え、サブAIエージェントの指示や会話のコンテキストにもとづいて、使用可能なアクションを判断します。Agentforceには、標準のAIエージェントアクションが多数用意されています。また、カスタムAIエージェント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確認してください。複数のサブAIエージェントで利用できるため、再利用性を考慮してアクションを設計します。以下は、使用可能なカスタムAIエージェントアクションと、それぞれの使用に適した状況の一覧です。

推論エンジンは、サブAIエージェント、指示、アクション、ルールを用いて処理を実行します。Agentforce ScriptがAIエージェントの完全な定義として機能するため、確率的なルーティングに伴うブラックボックス性が解消されます。要するに、推論エンジンは次の処理を行います。

• サブAIエージェントの分類：エンジンは、名称や説明にもとづいて顧客のメッセージを最適なサブAIエージェントに割り当てます。
• スクリプト化されたロジックの実行：エンジンは、スクリプトで定義された指示およびルールを実行します。これは、非決定論的な指示を評価する前に行われます。
• アクションの適用：タスクの実行に外部データや更新が必要な場合、エンジンは必要なアクションを実行し、その結果を取得します。
• グラウンディングチェック：最終的な応答を送信する前に、エンジンはその回答がアクションや指示にもとづく正確な情報にもとづいていること、およびスクリプトや指示で定められたガイドラインに従っていることを確認します。

ここでは、AIエージェントが呼び出されるたびに推論エンジン内でどのような処理が行われるのかを、段階的に説明していきます。

さらに詳しくは、「信頼性の高いAIエージェントの動作を実現するためのAgentforceガイド：決定論の6段階フレームワーク」をご覧ください。

正確なAIエージェントを構築するためには、フィルタリングと指示の違いを理解する必要があります。フィルター は、会話の各ターンにおいてLLMが参照できる情報や実行できる処理を制御し、複数のレベルで機能します。また、フィルターはサブAIエージェント、アクション、リトリーバーに適用でき、どのサブAIエージェントを利用可能にするか、それらが何を実行できるか、また各ステップでモデルがどのコンテンツを取得するかについて、実務担当者にきめ細かな制御を提供します。

銀行のバーチャルアシスタントを例に考えてみましょう。顧客が不動産ローンについて問い合わせると、不動産ローンにスコープが設定されたサブAIエージェントが起動します。そのフィルターにより、LLMはクレジットカードのデータや投資記録ではなく、不動産ローン関連のドキュメントのみを参照します。しかし同じ会話の中でも、顧客の現在の金利を取得するアクションでは、さらに厳格なフィルターが適用され、その顧客のアカウントに限定された情報のみが使用されます。その結果、顧客は正確な回答を得ることができ、無関係なデータが処理に入り込むことはありません。

フィルターは、静的（セットアップ時に事前設定）または動的（会話コンテキストやプロンプト入力から実行時に渡される）のいずれかとして設定できます。Enhanced Retriever Pre-Filters（高度な検索前フィルター機能）を使用すると、各リトリーバーに最大10個の動的フィルターを適用し、AND/ORロジックで組み合わせたり、LIKE演算子を用いてパターンマッチングを行ったりすることが可能です。これにより、検索時のノイズが低減され、コンテキストウィンドウを最も関連性の高いコンテンツに集中させることができます。たとえばソフトウェア開発のワークフローでは、アクションごとのコンテキストフィルターを適用することで、AIエージェントはユーザープロンプトの解釈に柔軟性を持たせながら、コードベースの現在の状態に対しては厳密性を維持することができます。

Agentforce Scriptは、AIエージェントが従うべき具体的な処理手順やルールを定義することで、最も高いレベルの決定論的な制御を実現します。このアプローチにより、指示が長すぎたり複雑になりすぎたりして、LLMが正確に従えなくなる「プロンプト・ドゥームループ」を防ぐことができます。

フィルターやAgentforce Scriptがシステムレベルでの制御を提供する一方で、実務担当者は正確性を検証するための手段も用意する必要があります。引用は、AIエージェントが内部で参照したコンテキストと提示された回答とを結び付けることで、各応答に対する明確な監査証跡をユーザーに提供します。

推論エンジンは、これら4つの要素を連携させることで、柔軟性と制御性を両立しながらリクエストを処理します。たとえば、「昨日赤いセーターを注文しましたが、配送先住所を変更したいです」といった顧客の発言を考えてみましょう。

1. サブAIエージェントの分類。エンジンは顧客のメッセージを分析し、サブAIエージェントの分類を行います。リクエストの内容が名称や説明と一致するため、「注文変更」サブAIエージェントに割り当てられます。
2. コンテキストの構築。エンジンはコンテキストを構築し、AIエージェントのメモリを形成します。サブAIエージェントの指示、スクリプト、および利用可能なアクションを収集します。
3. Agentforce Scriptの実行。エンジンはAgentforce Scriptを実行し、決定論的なビジネスロジックを適用します。スクリプトは赤いセーターの注文状況を確認し、その注文が倉庫内にある場合には、変更処理を進めることをAIエージェントに許可します。
4. 指示にもとづく推論。指示は会話の進行を導き、トーンを定義し、AIエージェントが顧客に新しい配送先住所を確認するよう促します。
5. アクションの適用。AIエージェントは「配送先更新」アクションを選択して実行します。注文IDと新しい住所をシステムに渡し、更新を完了します。
6. グラウンディングされた応答。AIエージェントは顧客に最終確認の応答を返します。グラウンディングチェックを実行し、情報の出所を検証するための引用を含めます。

コンテキストエンジニアリングを効果的に機能させるには、サブAIエージェント、指示、スクリプト、アクションをシームレスに連携させることが求められます。これら4つの要素が連携することで、AIエージェントは最適な関連性と正確性の範囲内で動作し続けることができます。サブAIエージェントは専門的な役割を定義します。指示は会話のガイダンスとトーンを提供します。Agentforce Scriptは、ビジネスルールを適用するための決定論的な制御レイヤーを追加します。アクションは、AIエージェントが処理を実行し、リアルタイムデータにアクセスできるようにします。この統合的なアプローチにより、AIエージェントは有用性と高い信頼性の両方を維持できます。

効果的なコンテキストエンジニアリングには、ロジックをどこに配置するかを適切に見極めることが重要です。

• 制御にはアクションおよびAgentforce Scriptを使用する。重要なビジネスルールや複数ステップのワークフローは、Agentforce Scriptまたはアクションに組み込みます。これには、複雑な計算や必須の処理順序の管理が含まれます。
• 挙動の制御には指示を使用する。指示を用いて会話の流れを導き、応答のトーンを定義します。

効果的な指示を書くためのベストプラクティス

• 用語を定義する。AIエージェントが業界用語の意味を理解していることを前提にしないでください。たとえば、割引用の「プロモーションコード」と保証用の「登録コード」の違いを明確に定義します。
• 手順は具体的に示す。手順に順序がある場合は、1つの指示ブロック内で明確に記述します。
• 用語の一貫性を保つ。アクションは明確な名称で参照し、すべての指示で同一の用語を使用します。
• 絶対表現の使用は意図的に行う。「常に」や「決して」といった表現は、AIエージェントの振る舞いに大きな影響を与えます。
• 判断基準を提示する。AIエージェントが類似する選択肢の中から適切に選択できるようにします。たとえば、ユーザーがメールにアクセスできる場合はEmail Resetアクションを使用し、できない場合はSecurity Questionアクションを使用するようAIエージェントに対して指示します。

これは、お客様からよく寄せられる質問の1つです。結論から言うと、答えは「はい」です。Data 360はAgentforceにとって不可欠な要素です。これは、Agent AnalyticsやDigital WalletといったAgentforceの特定の機能において、Data 360のアーキテクチャが活用されているためです。さらに、Data 360のインフラは、非構造化データのインデックス作成および検索、フィードバックログや監査証跡にも活用されています。また、Data 360は追加の拡張性も提供します。Agentforceの利用者は、独自データレイクの持ち込み（BYOL）や大規模言語モデルの持ち込み（BYO-LLM）といった機能を有効化することで、Salesforce外のプラットフォーム上で構築されたデータやモデルを、Agentforce上のAIエージェントと組み合わせて利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の活用に至るまで、AgentforceにおいてData 360のアーキテクチャを活用することで、顧客は現在より優れたAIの成果を得ることができます。また、この強力なアーキテクチャにより、AIエージェントを支える基盤データセットの規模や複雑さにかかわらず、AIエージェント導入の長期的な持続性も確保されます。

Data 360によってどのようなAgentforceの機能が提供されているのか気になりますか？以下の表では、Data 360がデフォルトで提供するAgentforceの機能と、実装を拡張するために顧客が有効化できるオプション機能を示します。

ここまで、推論エンジンをはじめとするAgentforceを機能させるための主な要素と、スクリプト、サブAIエージェント、指示、アクションの活用方法について説明してきました。これらのコンポーネントを理解することが、Agentforceを効果的に活用するための鍵となります。本ガイドを活用して、Agentforceの導入における成果の向上にお役立てください。詳細については、提供されているリソースもあわせてご参照ください。

ブログ、ガイド、デモ動画などの各種リソースは、Agentblazer.comおよびAgentforce.comをご覧ください。

• 長編ガイド：
  • 信頼性の高いAIエージェントの動作を実現するためのAgentforceガイド：決定論の6段階フレームワーク
  • エージェンティック・エンタープライズを運営するためのガイド（英語）
  • Agentforceと検索拡張生成（RAG）：より優れたAIエージェントを構築するためのベストプラクティス（英語）
  • Agentforceコンテキストエンジニアリングガイド
    
    
• CIO向け：
  • 確実に動作する信頼性の高いAIエージェントを構築するための実践ガイド（英語）
  • 見えざる強み - 実名のCIOによって検証・実証された、エージェント型エンタープライズにおける8つの主要設計原則（英語）

• ブログ：ドゥームプロンプティングでは予測可能なAIエージェントは構築できないが、新しいスクリプト言語なら可能（英語）
• 開発者ブログ：変数やフィルターを用いて、AIエージェントのアクセスと意思決定を制御（英語）
  
  
• Trailhead：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
  
  
• サポートドキュメント：
  • アクションの指示
  • サブAIエージェントの指示
  • AIエージェントのトラブルシューティング