데이터로 에이전트를 그라운딩하는 방법 복습하기

학습 목표

이 유닛을 완료하면 다음을 수행할 수 있습니다.

Agentforce에 데이터를 통합하는 데 사용할 수 있는 네 가지 메커니즘을 설명합니다.
Agentforce가 데이터에 연결하는 데 사용하는 여러 방법에 대해 알아봅니다.

그렇다면 Agentforce는 그라운딩을 위해 어떻게 데이터에 접근할까요? 이를 이해하기 위해 먼저 AI 에이전트의 기본 구성 요소에 대해 살펴보겠습니다.

에이전트의 기본 구성 요소

에이전트는 3가지 핵심 요소로 구성됩니다.

주제는 에이전트가 수행할 수 있는 작업 유형을 정의합니다.
지침은 에이전트가 의사결정을 내리는 방식을 명확하게 정의하는 경계를 설정합니다.
작업은 에이전트가 수행할 수 있는 구체적인 작업 또는 활동입니다.

Salesforce는 Agentforce를 통해 빠르게 시작하고 실행할 수 있도록 몇 가지 표준 주제와 작업을 제공합니다. 한편, 사용자 정의 주제 및 사용자 정의 작업을 만들어 AI 에이전트가 비즈니스에 맞는 작업을 수행하도록 추가 기능을 부여할 수도 있습니다.

4가지 메커니즘으로 데이터에 작업 연결하기

에이전트 작업을 구축할 때 처음부터 모두 새로 만들 필요가 없습니다. 기존 플랫폼 기능(호출 가능한 Apex 클래스 또는 REST Apex 클래스, 자동 실행 플로, 프롬프트 템플릿, MuleSoft API)을 기반으로 작업을 구축하여 Agentforce에서 사용할 수 있습니다.

Agentforce에서는 이러한 기본 기능을 참조 작업이라고 합니다. 이는 Salesforce Platform 기능을 최대한 활용할 수 있는 훌륭한 방법입니다. 참조 작업은 에이전트가 데이터에 연결하고 작업을 수행하는 메커니즘입니다. 각 참조 작업 유형을 살펴봅시다.

에이전트 작업과 데이터 검색 메커니즘 및 데이터 소스의 관계를 보여주는 프로세스 도식.

Apex를 통한 에이전트 작업

개발자는 Apex를 사용하여 에이전트 작업을 구축할 수 있을 뿐만 아니라 Apex 클래스에서 Agentforce 에이전트를 호출할 수도 있습니다. 자세한 내용은 Apex를 통한 에이전트 사용자 정의 모듈을 참조하세요.

플로를 통한 에이전트 작업

에이전트 작업에 대해 로우코드 또는 노코드 방식을 선호하는 경우 Flow Builder를 사용하여 에이전트 작업을 구축할 수 있습니다. 플로를 사용하여 에이전트 작업을 생성하고 구성하는 방법에 대해 알아보려면 플로를 통한 에이전트 사용자 정의 모듈을 참조하세요.

프롬프트 템플릿을 통한 에이전트 작업

Agentforce의 프롬프트 템플릿은 특정 데이터 및 비즈니스 요구 사항의 컨텍스트에 맞는 정형화된 형식을 제공하여 AI 응답이 데이터에 기반하도록 지원합니다. 구조나 형식을 사전 정의하면 AI 에이전트가 응답을 생성하거나 작업을 완료하는 데 도움이 됩니다. 출력을 생성하는 LLM과 결합된 프롬프트 템플릿 기반 작업은 에이전트가 지식 검색, 요약, 번역, 분류, 콘텐츠 생성 등의 쿼리를 처리하는 데 도움이 됩니다. 프롬프트 템플릿을 시작하려면 프롬프트 빌더를 통한 서비스 에이전트 사용자 정의 모듈을 참조하세요.

MuleSoft API를 통한 에이전트 작업

MuleSoft는 API와 커넥터를 통해 AI 에이전트를 모든 타사 시스템에 연결합니다. Data 360이 외부 데이터 소스와 연결되는 방식과 마찬가지로 MuleSoft API는 개별 규모의 연결을 제공합니다. Agentforce에서는 API를 에이전트 주제 및 작업으로 노출할 수 있으며, 여기에는 내장된 지침과 메타데이터가 포함됩니다. 즉, Salesforce 조직 외부의 데이터나 다른 엔터프라이즈 시스템(전사적 자원 계획 프로그램 또는 SaaS 애플리케이션)을 기반으로 에이전트를 구축할 수 있습니다.

에이전트 작업을 구축할 때 어떤 유형의 참조 작업을 사용해야 할지 확신이 서지 않으신가요? 에이전트 설계 방법에 대해 자세히 알아보려면 Agentforce: 에이전트 계획 뱃지를 참조하세요.

Salesforce 데이터 모델 리소스 사용하기

Salesforce 내 기존 데이터를 최대한 활용하여 이미 사용 중인 거의 모든 필드의 정보에 기반하도록 에이전트를 구축하세요. 기존 CRM 데이터를 사용하면 원활한 통합과 실시간 정확성을 확보할 수 있습니다.

사용 가능한 몇 가지 데이터 형식은 다음과 같습니다.

표준 개체: 에이전트 작업은 계정, 연락처, 사례, 기회와 같은 Salesforce 표준 개체의 정형 데이터에 액세스할 수 있습니다.
사용자 정의 개체: 비즈니스에 맞게 사용자 정의 개체를 만든 경우 에이전트 작업은 해당 개체의 데이터에도 액세스할 수 있습니다.
외부 개체: 실시간 데이터 통합을 위해 Salesforce Connect를 사용하여 개별 외부 데이터 소스를 Salesforce 환경에 직접 연결하면 에이전트가 항상 최신 정보를 사용할 수 있습니다.
데이터 추출: Salesforce 데이터 내보내기 서비스 또는 Data Loader를 사용하여 필요한 데이터를 추출합니다. 이를 통해 데이터의 형식을 LLM 프롬프트에 맞게 지정할 수 있습니다.

하지만 Salesforce 데이터로 에이전트를 그라운딩하는 것이 유일한 방법은 아닙니다. 많은 기업에서는 여러 소프트웨어 서비스를 사용하고 있기 때문에 데이터가 서로 다른 소스와 형식으로 저장되어 있을 가능성이 높습니다. Data 360을 사용하면 이러한 데이터를 통합하여 Agentforce에서 활용할 수 있도록 만들 수 있습니다. Salesforce의 부사장 Erika Ehrli이 작성한 블로그 게시물 Agentforce의 원동력: Data 360이 에이전트 중심 기업을 지원하는 방법을 확인해 보세요. Trailhead의 Data 360을 Agentforce에 연결에서 자세한 내용을 확인해 보세요.

데이터 라이브러리로 통합 간소화하기

Agentforce 데이터 라이브러리(ADL)는 특히 비정형 데이터 집합의 그라운딩 설정 및 유지 보수를 간소화합니다. 데이터 라이브러리를 생성하면 Data 360으로 데이터 스트림 푸시, 데이터 개체 매핑, 검색 색인 및 검색기 생성과 같은 여러 구성 단계가 Data 360과 프롬프트 빌더 전반에 걸쳐 자동화됩니다. 이러한 단계를 완료하면 에이전트를 데이터에 쉽게 연결할 수 있습니다. ADL 설정 또는 Agentforce 빌더를 통해 라이브러리를 생성하고 구성해 보세요. 자세한 내용은 데이터 라이브러리란? 도움말 항목을 참조하세요.

결론

AI 에이전트를 그라운딩하면 비즈니스에 맞춰 정확하고 상황에 맞게 관련성 있는 응답을 제공할 수 있습니다. 정형 및 비정형 데이터 유형을 살펴보고, 그라운딩과 RAG를 비교하며, 사용자 정의 작업을 그라운딩하는 다양한 방법을 간단히 알아보았습니다. AI 에이전트가 데이터를 활용하는 방법에 대해 자세히 알아보거나 직접 활용해 보세요.

예상 시간

주제

도움말 검색

Agentforce 자원