서비스용 Agentforce에서 Knowledge 사용하기
학습 목표
이 유닛을 완료하면 다음을 수행할 수 있습니다.
- 서비스용 Agentforce가 Agentforce 데이터 라이브러리를 어떻게 활용하는지 이해합니다.
- Agentforce Knowledge와 Einstein Bots Knowledge 간의 주요 차이점을 파악합니다.
데이터 기반의 Agentforce
에이전트가 기술 자료에서 정보를 실시간으로 검색해 질문에 답할 수 있다고 상상해 보세요. Agentforce는 그런 역할을 아주 간단하게 수행합니다.
Agentforce 데이터 라이브러리와 기사 답변(Einstein Bots) 비교
Agentforce 데이터 라이브러리를 추가하면 응답의 정확도와 고객 신뢰도를 높일 수 있습니다. 데이터 라이브러리는 Knowledge 기사(레코드 및 필드), 업로드 파일, 웹 검색, 맞춤형 검색기를 지원합니다. 그런데 왜 이것이 중요한 개선점일까요?
기존의 Einstein Bots는 기사 답변을 사용하여 매우 구조화된 데이터에 의존했으며, 이 경우 봇이 의도를 이해하고 Knowledge 기사에서 정보를 검색하도록 훈련하기 위해 자연어 처리(NLP)가 필요했습니다. 여러 질문을 다양하게 변형하여 만들고 기사 내 특정 필드와 수동으로 연결해야 했습니다. 필드가 채워진 기사만 인덱싱 및 검색할 수 있었기 때문에 매핑된 필드에 대한 답변이 제한적이었습니다. 따라서 봇은 사전에 정의된 특정 질문에 대해서만 답할 수 있었고, 그 범위를 벗어난 답변은 할 수 없었습니다. 기술 자료의 크기에 따라 구축에 30분 이상 소요되는 경우도 있었습니다. 이는 특별히 훈련된 질문에만 대답할 수 있고 특정한 방식으로 표현해야 하는 사람과 대화하는 것과 비슷했습니다.
비정형 데이터의 힘
Agentforce는 Agentforce 데이터 라이브러리를 통해 지원되는 대규모 언어 모델(LLM)을 활용하여 비정형 데이터를 처리할 수 있습니다. 비정형 데이터에는 일반적으로 대화 기록, PDF, 오디오 및 비디오 파일, 법률 문서, 책처럼 긴 텍스트 파일이 포함됩니다. Agentforce 데이터 라이브러리와 통합하면 Salesforce에서 Knowledge 기사나 PDF 첨부 파일을 통해 이러한 유형의 데이터를 가져올 수 있습니다.
비정형 데이터는 일정한 형식을 갖추고 있지 않지만, Agentforce가 사용하는 LLM은 이러한 유형의 정보를 문제 없이 처리하고 검색할 수 있습니다. 기사나 PDF를 Agentforce 데이터 라이브러리에 업로드하기만 하면 됩니다. 데이터 검색을 위해 특정 필드를 매핑하거나, Knowledge 기사를 새로 고치거나, 구축을 기다릴 필요가 없습니다. 무엇보다도, Agentforce는 사람과의 상호 작용을 자연스럽게 이해하도록 설계되어 있기 때문에 특정 질문에 대해 별도로 훈련을 거칠 필요가 없습니다.
데이터 라이브러리는 검색 증강 생성기(RAG)를 활용해 Knowledge 기사와 첨부 파일을 인덱싱하며, 관련성 높은 최신 정보를 검색할 수 있도록 지원합니다. Agentforce에 데이터 라이브러리를 추가하면 Salesforce는 자동으로 RAG 기반 솔루션을 생성해 Knowledge 기사와 PDF에서 비정형 및 정형 데이터를 검색합니다. 이렇게 인덱싱된 데이터를 바탕으로 Einstein은 구체적인 정책이나 정보에 따라 응답을 빠르게 검증할 수 있습니다. 정답을 단순히 ‘추측’하는 것이 아니라, 정확한 근거를 기반으로 응답하는 것입니다. 결과적으로, 고객이 질문을 하면 Agentforce는 데이터 라이브러리에서 관련 정보를 찾아 정확한 응답을 자연스럽게 대화식으로 제공하게 됩니다.
Agentforce 빌더에서는 기존의 데이터 라이브러리를 선택하거나 새로 만들 수 있습니다. 참고로 데이터 라이브러리를 설정하려면 Data Cloud가 활성화되어 있어야 합니다. 그런 다음 첨부 파일을 업로드하거나 기존 Knowledge 기사를 연결할 수 있으며, 이제부터 Agentforce가 진가를 발휘하기 시작합니다. 정말 간단하죠.
요약
서비스용 Agentforce는 AI를 사용하여 비정형 데이터를 보다 효율적으로 관리하고 활용함으로써 서비스 에이전트의 생산성과 업무 효율을 높이는 것을 목표로 합니다. 주제, 작업, 지침을 추가하면 업무가 가이드라인을 통해 명확히 정의되며, 에이전트는 이를 기반으로 고객과 상호 작용할 시점과 방법을 판단할 수 있습니다. 이제 서비스용 Agentforce가 어떻게 작동하는지 이해했으니 빠른 시작: Agentforce로 서비스 에이전트 구축을 참고하여 직접 해 보세요.