※本記事は、Dreamforce 2024で発表されたAgent Force Keynoteの内容を基に作成されています。keynoteの詳細情報は https://www.salesforce.com/plus でご覧いただけます。keynoteの全容は、Salesforce+にて配信されており、より詳細な情報をご覧いただけます。なお、本記事の内容は正確に反映するよう努めていますが、要約や解釈による誤りがある可能性もありますので、正確な情報や文脈については、オリジナルのkeyonoteをご覧いただくことをお勧めいたします。

Agent Forceの詳細については、公式サイト（http://agentforce.com ）をご参照ください。Salesforceは、#1 AI CRMとして、AIによる新しい顧客関係の構築を支援しています。本記事で紹介された内容は、信頼、顧客の成功、イノベーション、平等、持続可能性という核となる価値観に基づいて展開されています。

1. イントロダクション

1.1. AIの新時代の到来

今、私たちは重要な瞬間に立ち会っています。この瞬間は、私たち個人だけでなく、より大きな意味での「私たち」、つまり社会全体にとって重要な転換点となっています。

30年前、私たちはこれに似た瞬間を経験しました。インターネットという小さな革新から始まり、それは徐々に広がり、やがて急速に普及していきました。インターネットは私たちをつなぎ、世界をより小さくしました。

そして15年前、私たちは再び重要な瞬間を迎えました。私たちはモバイルデバイスを持ち歩き始めました。これも最初は緩やかに始まり、その後急速に普及し、私たちのコミュニケーション方法や企業とのやり取りを変革し、社会の構造を根本から変えました。

そして今日、私たちは集団として新たな瞬間を迎えています。これはAIの瞬間です。私たちはこの瞬間に、自分たちが望む未来、Agent Forceと共に開拓していく未来を思い描いています。私たちが立ち上げる技術そのものではなく、最終的にその技術を使って何を成し遂げるかが、すべての人々にとってこの瞬間を変える力となるでしょう。

このAIの瞬間は、Salesforceにとって10年前から始まった旅の一部です。私たちはAIの第一波である予測AIから、現在のGenerative AIの波へと進化してきました。この新しい時代において、私たちは生産性の向上、利益率の改善、そしてビジネスの完全な変革を実現する機会を手にしています。しかし同時に、私たちは常により多くの成長、より高い利益率、より高い生産性への期待に直面しており、それを実現するための時間が十分にないという課題も抱えています。

これこそが、Agent Forceが解決しようとしている本質的な課題なのです。時間を取り戻し、より多くの仕事を完了し、より高い生産性と成長を実現する方法を、私たちはエージェントを通じて提供しようとしています。

1.2. 過去10年間のAI進化の振り返り

Salesforceのこの重要な瞬間は、10年前から始まった旅の一部として捉えることができます。Mark氏が示したスライドの左端にあるRelateIQの部分から始まったこの旅は、私個人にとても深い意味があります。なぜなら、それは私の会社がSalesforceファミリー、私たちが呼ぶOhanaの一部となった時点だからです。最近、私は生成型AIの波の中でSalesforceに戻ってきました。このように、私は両方の波を経験する機会に恵まれました。

10年前の第一波と現在の波の間には、大きな違いがあります。10年前、私たちは優れたエンジニアリングを駆使して会社全体を構築し、販売者向けのメール分析や次のステップを提案する機能を開発するのに何年もの時間を費やしていました。それは膨大な作業量を必要としました。

しかし、この10年の間に何が変わったのでしょうか。今日では、同様の機能を数日で、はるかに少ないエンジニアと少ないリソースで開発することが可能になりました。これこそが生成型テクノロジーがもたらしたパワーです。企業全体やプロダクト全体が機能として集約されるという、非常に興味深い変化が起きているのです。

この変革は、まさに段階的な変化というよりも、飛躍的な進歩を表しています。この期間中、企業には成長の機会が与えられ、利益率を向上させ、生産性を高め、ビジネスを完全に変革する機会を得ました。しかし同時に、常により多くの成長、より高い利益率、より高い生産性への期待が私たちの前に立ちはだかり、それを実現するための時間が十分にないという課題に直面しています。

この10年間で実現した数桁のオーダーの機会は、このギャップを埋めるための重要な転換点となっています。より多くの時間を取り戻し、より多くの仕事を完了し、より高い生産性と成長を実現する方法として、私たちはエージェントの時代に突入しているのです。そして、Agent Forceこそが、エージェントを構築するための最適なプラットフォームなのです。

2. Agent Forceの概要

2.1. エージェントの基本構成要素

Agent Forceの核心には、3つの重要な構成要素があります。まず中心となるのが推論エンジンです。これは、コンテキストとアクションを取り入れて意思決定を行う能力を持つ、エージェントの頭脳とも言える部分です。

この推論エンジンが活用するコンテキストは、あなたのデータから得られます。具体的には、顧客情報、企業ポリシー、指示内容など、あなたのビジネスに関連するあらゆるデータがこれに含まれます。しかし、もしデータだけがあったとしても、それは単に質問に答えることしかできません。

私たちが目指すのは、グラフ上のギャップを埋めること、つまり実際の仕事を完了し、タスクを終わらせることです。そのためには、アクションを起こす必要があります。このエージェントの本質的な力は、あなたのデータとプラットフォーム上に構築されたアクションを推論エンジンと組み合わせることで生まれます。

これらの3つの要素を組み合わせることで、多様なユースケースが可能になります。例えば、営業エージェントがリードのフォローアップを行い、資格を確認し、人間の営業担当者に引き継ぐことができます。また、サービスエージェントは24時間365日顧客の質問に答え、第一段階のチケットを処理することができます。

さらに、すべての顧客会話の文字起こし、マーケティングキャンペーン用の顧客プロファイルへのタグ付け、製品の欠陥を理解してサプライチェーンにフィードバックを返すこと、さらにはビジネスポリシーやコンプライアンスの理解まで、幅広い業務に対応することが可能です。

エージェントのこれらの構成要素が実際にどのように機能するかを具体的に説明するために、私たちが日常的によく経験する注文管理の問題を例に取ってみましょう。オンラインで注文を行い、その注文について企業とコミュニケーションを取る必要がある場合を考えてみましょう。このシナリオにおけるデータとアクションとは何でしょうか？データには、顧客プロファイル、注文履歴、注文詳細、在庫状況、企業ポリシーなどが含まれます。アクションとしては、メールや電話番号による顧客プロファイルの検索、注文番号による注文の検索、SKUによる在庫の確認などが考えられます。

これらの要素が組み合わさることで、エージェントは高度な意思決定と行動を実行することができるのです。

2.2. 従来のチャットボットとの違い

Agent Forceは、従来のチャットボットやコパイロットとは本質的に異なるアプローチを取っています。その違いを明確に理解することは、なぜAgent Forceが企業のAI戦略において重要な転換点となるのかを理解する上で重要です。

従来のチャットボットでは、すべての会話の可能性を事前に想定し、意図（インテント）や対話フローを設定する必要がありました。これは非常に労力のかかる作業であり、結果として想定されていないユースケースに対応できないという制限がありました。実際の例として、あるお客様は従来のチャットボットで140の意図を設定していましたが、Agent Forceに移行後はわずか2つのトピックで、それまで以上の会話を処理できるようになりました。これは、ビジネスの大幅な簡素化を示す顕著な例です。

一方、コパイロットは生産性を支援するツールですが、自律的にアクションを起こすことは困難でした。これに対してAgent Forceは、自律的で積極的なアプローチを取ります。エージェントは独自に判断を下し、ユーザーに代わってアクションを実行することができます。ただし、重要な点として、人間による監督が必要な場合には、必ずエスカレーションを行う仕組みが組み込まれています。

Agent Forceの自律的な意思決定能力は、特に注文の追跡や在庫確認などの具体的なシナリオで威力を発揮します。例えば、「注文がまだ届いていない」という顧客からの問い合わせに対して、エージェントは注文番号を確認し、その情報に基づいて在庫状況を確認し、適切な対応を自律的に判断することができます。この過程で、エージェントは数千もの異なるシナリオに対応することができ、それぞれの状況に応じて適切なアクションを選択することが可能です。

これは、従来のプログラミング手法では実現が困難だった機能です。私は30年間プログラミングを行ってきましたが、従来の方法では各シナリオに対してフローチャートやダイアログフローを個別に作成する必要があり、実質的にすべての可能性を網羅することは不可能でした。Agent Forceは、この制限を推論エンジンによって解決し、事前定義なしでも適切な対応を可能にしています。

2.3. 産業横断的な適用可能性

Agent Forceは、あらゆる産業に適用可能な柔軟性を持っています。例えば、小売業では、ウェブサイト上で24時間365日販売を行うコマースコンシェルジュとしてエージェントを活用できます。通信業界では、カスタマーサポートを24時間体制で提供し、待ち時間を削減するエージェントとして機能します。これらは可能性のほんの一例に過ぎません。

エージェントの特徴的な点は、そのカスタマイズ性にあります。すべてのレベルでカスタマイズが可能です。エージェントレベル、トピックレベル、アクションレベルまで、あなたのビジネスニーズに合わせて自由に設定できます。これにより、エージェントが何をすべきか、どのように行動すべきかを細かく制御することができます。

Agent Forceの重要な特徴として、すべてのエージェントが同じアーキテクチャ上に構築されているという点があります。これには以下の重要な要素が含まれます：

1. ロール：エージェントが支援できるトピックを定義
2. インストラクション：エージェントが従うべき指示
3. データ：ビジネスに関連する知識を提供するためのデータフィード
4. アクション：エージェントが実行できる操作の定義
5. ガードレール：エージェントの行動範囲を定める制限

さらに、エージェントはあらゆるチャネルで相互作用することができ、これらすべてが信頼性のレイヤー上に構築されています。なぜなら、データの安全性は依然として最優先事項であり、すべての相互作用において最高品質を保証する必要があるからです。

このように、Agent Forceは業界や用途を問わず、高度にカスタマイズ可能で、なおかつ安全性と品質を担保したソリューションを提供することができます。これにより、企業は自社の特定のニーズに合わせてエージェントを構築し、展開することが可能になります。

3. 実装事例：Wiley

3.1. 教育リソース分野での導入成果

教育リソースのリーダーであるWileyは、Agent Forceの初期パイロット顧客の一つでした。彼らの導入事例は、季節性の高い需要に対してAIがどのように効果的に対応できるかを示す典型的な例となっています。

私は多くのお客様とパイロットプログラムを実施してきましたが、Wileyとの取り組みから多くを学ばせていただきました。Wileyの事例で特筆すべき点は、季節的な需要の急増への対応です。私自身、3人の子供を持つ親として、学校が始まる時期には教材や講座の購入が集中することを理解しています。従来、Wileyはこの季節的な需要の急増に対応するために、ケースに対応するエージェントの数を増やす必要がありました。

しかし、Agent Forceを導入することで、彼らは劇的な改善を達成しました。具体的には、Agent Forceのパイロット導入により、40%以上のケース解決率の向上を実現しました。この成果は、従来のチャットボットと比較して顕著な違いを示しています。

さらに重要な点として、Wileyは古いチャットボットと比較して、製品に関する最も重要で一般的な問題から、ナレッジベースで回答可能なほぼすべての質問まで、セルフサービスで対応可能なトピックを大幅に拡大することができました。また、これらの問い合わせに対して、定型的な回答ではなく、パーソナライズされたダイナミックな回答を提供できるようになりました。

このように、Wileyの事例は、Agent Forceが季節性の高い需要に対して効果的に対応し、かつ顧客サービスの質を向上させることができることを実証しています。40%のケース解決率の向上という具体的な数字は、この技術の実践的な価値を明確に示しています。

3.2. エージェントビルダーでのカスタマイズデモ

Wileyのようなエージェントをカスタマイズする方法を、エージェントビルダーを使用してデモンストレーションしたいと思います。ビルダーの中で、カスタマイズの魔法が起きるのです。

まず、私たちのサービスエージェントのビルダーを開いて、設定を確認してみましょう。ここには複数のトピックがあり、各トピックはエージェントが処理すべき仕事や会話の内容を定義しています。例として、注文管理のトピックを見てみましょう。

各トピックには2つの重要な要素があります：インストラクションとアクションです。アクションは特に重要で、エージェントが何をできて何をできないかという境界線を提供します。現在、私たちには請求の詳細を更新しようとする人を人間の担当者にリダイレクトするような指示がすでに含まれていますが、私の5歳児と同様に、仕事を正しく完了するにはもう少し指示が必要です。

そこで、注文を更新しようとする人に確認の詳細を求めるための指示と、注文情報を求められた場合に注文の支援を提供する指示を追加してみましょう。

アクションは特に強力です。なぜなら、これらはTrailblazerたちがすでに何年もかけて構築してきたプラットフォームツール（フロー、Apex、プロンプトテンプレートなど）を使って構築されているからです。例えばフロービルダーを見てみると、皆さんがこれまでフローに組み込んできたビジネスルールやプロセスを再利用できることがわかります。これにより、エージェントが適切な注文情報を取得し、シームレスな顧客体験を確実に提供できるようになります。

エージェントビルダーに戻り、これらの新しい指示とアクションをトピックに追加し、完了をクリックするだけです。このように、1行のコードも書かず、複雑な対話ツリーも作成せずに、トピックに新しい指示とアクションを追加することができました。

プレビューで、これらのユーザーリクエストやアタランスをテストしてみましょう。ここで見ているのは推論エンジンの結果です。これは単なる対話ツリーではないことに注意してください。これは推論エンジンが、リクエストを通じて推論し、適切なトピックを選択し、リクエストを完了するための適切なアクションを選択している過程なのです。

3.3. テストセンターの活用方法

プレビューでリクエストをテストし続けることもできますが、それでは規模の拡大が難しくなります。そこで、新しいバッチテストセンターの活用方法をご紹介します。すでに入力したリクエストは自動的にテストとして登録され、合格していることが確認できます。

さらに、注文管理とは全く関係のない「ジョークを言って」というようなリクエストをテストケースとして追加してみましょう。このケースは意図的に失敗するように設定しています。もし注文管理でジョークを扱いたい場合は、推奨事項に従ってトピックを更新することもできます。しかし、注文管理とは無関係なので、このテストケースは削除することにします。

数千人の前で一行一行アタランス（発話）を更新していくのは現実的ではありませんが、その必要はありません。なぜなら、LLM（大規模言語モデル）が私たちの代わりにその作業を行ってくれるからです。シンプルなプロンプトを使用することで、LLMは注文管理に関連するアタランスの様々なバリエーションを生成することができます。

私たちが求めているのは、これらのテストがすべて合格することです。そして、驚くべきことに、生成されたすべてのテストケースで緑色（合格）が表示されました。これにより、このトピックを本番環境で活性化しても問題ないという確信が持てます。

実際にこのトピックを活性化して、サポートページに戻り、先ほどのリクエストをもう一度試してみましょう。「微生物学の本について酵母を学び始めたい」というリクエストに対して、エージェントは正しく注文の更新を実行できるようになりました。

このように、エージェントビルダーを使用することで、新しいトピックを迅速に作成し、大規模なテストを実施し、新しい機能をユーザーに提供することができます。テストセンターは、エージェントの品質と信頼性を確保する上で重要な役割を果たしているのです。

4. データ統合とプロンプト設計

4.1. データクラウドの活用

Agent Forceがワークフローやデータからプロンプト、モデルまでをすべて統合し、真に自律的なエージェント体験を創造する方法は驚くべきものです。しかし、多くの皆さんと話をする中で、共通の疑問が浮かび上がってきました：「これらのエージェントが自律的に動作し、実際のビジネス価値を提供することを、どのように信頼できるのか？」

私たちはよく「AIは使用するデータの質によって決まる」と言います。なぜなら、エージェントは信頼性が高く、正確で、リアルタイムのデータにアクセスする必要があるからです。

しかし、データでエージェントを強化するのは簡単なことではありません。1年前、多くの人々はすべてのビジネスデータで独自のモデルを訓練することが答えだと考えていました。しかし、すぐにこれが最も効率的なアプローチではないことが明らかになりました。特にコストと時間の投資の観点からです。これらのモデルは、データが進化し成長し続けるにつれて、急速に陳腐化していきました。

最も基本的なレベルでは、これらのAIエージェントは大規模言語モデルに一連のプロンプトを送信し、それに応じて応答を生成することで動作します。ここで本当の魔法が起こります。それは、適切なタイミングで適切なプロンプトに適切なデータを提供することです。

Agent Forceを使用すると、既存のビジネスワークフローやデータを活用して、データを認識したプロンプトを作成することができます。例えば、システム内の構造化データ（フロー、関連リスト、マージフィールドなど）を活用することができます。このデータはすでにシステムに存在していますが、そこからさらに一歩進んで、企業内の膨大な非構造化データ（メール、ケース、会話履歴など）も活用することができます。

データクラウドを使用することで、構造化データと非構造化データをすべて単一のシステムに統合し、エージェントが必要な瞬間にそのデータを簡単に検索して取得できるようになります。検索には、ベクトル検索、ハイブリッド検索、さらにはナレッジグラフに基づく検索など、様々な手法を提供しています。

4.2. 構造化・非構造化データの統合手法

データ統合においては、構造化データと非構造化データの両方を効果的に活用することが重要です。最も基本的なレベルでは、これらのAIエージェントは大規模言語モデルに一連のプロンプトを送信し、それに応じて応答を生成します。しかし、真の価値は適切なタイミングで適切なデータを適切なプロンプトに提供することから生まれます。

Agent Forceでは、既存のビジネスワークフローとデータを効果的に活用することができます。まず、システム内の構造化データとして、フロー、関連リスト、マージフィールドなどがあります。これらは既にシステム内に存在し、直接プロンプトに組み込むことができます。

しかし、企業には膨大な非構造化データも存在します。メール、ケース記録、会話履歴などです。これらのデータは直接プロンプトに取り込むことはできませんが、同時にこれらを無視することもできません。そこで、プロンプトに対して必要な情報を検索して取得する仕組みが必要になります。

このようなデータの統合には、データクラウドを活用します。構造化データと非構造化データの両方を単一のシステムに取り込み、必要な瞬間にエージェントが簡単に検索して取得できるようにします。これにより、エージェントはより広範なコンテキストを理解し、より適切な判断を行うことが可能になります。

特に、データモデルの設計においては、データの性質に応じて適切な検索方法を選択できるように考慮する必要があります。例えば、テキストベースの検索、意味的な類似性に基づく検索、あるいは構造化された関係性に基づく検索など、データの特性に応じて最適な方法を選択できるようにしています。これにより、エージェントは必要な情報に効率的にアクセスし、より正確な意思決定を行うことができます。

4.3. RAGの実装

データを意味のある形で検索して取得し、プロンプトに活用する手法として、RAG（Retrieval Augmented Generation）が重要な役割を果たします。私たちはデータクラウドを通じて、多様な検索手法を提供しています。

主な検索手法として、ベクトル検索、ハイブリッド検索、そしてナレッジグラフに基づく検索があります。検索手法の選択は、データの性質や使用目的に応じて行います。例えば、テキストの意味的な類似性を重視する場合はベクトル検索が、より複雑な関係性を考慮する必要がある場合はナレッジグラフベースの検索が適しています。

検索の実装において重要なのは、検索インデックスの構築です。まず、どのフィールドのデータを検索対象とするかを決定します。次に、そのデータを小さなチャンクに分割します。これをチャンキングと呼びます。チャンキングが完了したら、埋め込みモデルを使用してこれらの情報の数値表現（ベクトル）を作成します。これらのベクトルは、データクラウドのベクトルデータベースに格納されます。

プロンプト設計においては、検索クエリの動的な生成が重要です。これは、ユーザーの要求を適切に解釈し、必要な情報を効率的に検索するためのプロンプトそのものです。検索で取得したい情報のフィールドを指定し、適切なフォーマット指示とスタイルの考慮事項を追加することで、効果的なプロンプトを設計することができます。

このようにして構築されたRAGは、Agent Forceの次世代推論エンジンを支える重要な要素となっています。検索は単なる機能の一つではなく、適切なタイミングで適切なデータを提供することで、エージェントのコンテキスト認識能力を強化する中核的な技術となっているのです。

5. 実装事例：ezCater

5.1. ケータリングサービスでの活用事例

ezCaterの実装事例を紹介したいと思います。まず、ezCaterの事業内容について説明させていただきます。

皆さんは金曜の夜に友人や家族のために食事を注文することがいかに簡単かご存知でしょう。しかし、ビジネス向けの注文となると、状況は大きく異なります。必要な食事の量を正確に把握し、食物アレルギーに配慮し、配達ドライバーがセキュリティを通過できるようにするなど、様々な課題があります。これらの課題を解決するのがezCaterのフードプラットフォームです。彼らは組織の食事ニーズを管理することを簡単にしています。

最近の数年間、ezCaterは17年分のケータリングデータにAIとMLを適用してきました。顧客からのいくつかの基本的な入力に基づいて、レストランのメニューを考慮しながら新規注文を自動生成することができます。例えば、17人のチーム向けの注文で、そのレストランのラザニアの1トレイが12人分である場合、適切な追加注文を自動的に提案することができます。

現在、ezCaterはSalesforceの支援を得て、「ディスカバリーフェーズ」と呼ばれる新しい課題に取り組んでいます。現在のソリューションは、顧客が自らレストランを選択するか、ビジネスケータリングの知識を持つカスタマーサービスエージェントに相談するかのどちらかに依存しています。

顧客が「グルメな料理が欲しい」や「季節に合った料理を」、あるいは「先月注文したものと同じような料理を」といった曖昧な要望を出した場合、人間のエージェントはこれらの非構造化されたプロンプトを理解し、顧客のニーズに合わせた提案をすることができます。

事業の規模が拡大し、より多くの注文を処理する必要が出てきたため、人間のエージェントを補完するソリューションが必要となりました。そこでSalesforceのソリューションの出番です。プロンプトビルダーを使用することで、食品の説明だけでなく、顧客の注文履歴や場所の履歴などのコンテキストを考慮した構造化されたプロンプトを設計することができます。例えば、同じクライアントに5日連続でピザを送らないようにするといった配慮も可能です。

最も重要なのは、現代のRAG技術を使用してそのコンテキストを検証することで、例えば朝食会議にスパゲッティとフレンチトーストを提案するといった、以前のAI実験で起きたような不適切な組み合わせを避けることができるようになった点です。また、必要に応じて人間のエージェントにハンドオフすることもできます。

5.2. プロンプトビルダーの実践的活用

プロンプトビルダーでは、まずユーザーのクエリに基づいてケータリングの推奨事項を提供するための指示を作成します。入力リクエストと呼ばれる変数が、ユーザーが尋ねることを動的にキャプチャします。

しかし、ユーザーのリクエストを理解するだけでなく、より多くのコンテキストが必要です。企業に関する情報や過去の注文履歴などのデータも必要です。このリソースフェッチャーがSalesforce内のすべてのデータへのアクセスポイントとなります。

アカウントレコードをクリックすると、レコードスナップショットを取得できます。これは基本的に、アカウントレコード上のすべての情報のスナップショットです。さらに、システム内の既存のフローを使用して、過去の注文履歴を取得することもできます。

しかし、顧客データだけでなく、ezCaterのデータも必要です。ケータリング業者、メニューオプション、カスタマーレビューなど、大量の非構造化データが存在します。例えば、長いメニューの説明文などがあります。このような情報はデータクラウドに取り込まれ、データモデルオブジェクトに格納されます。

このデータを検索できるようにするために、検索インデックスを構築します。まず、どのフィールドのデータを検索したいかを決定します。次に、このデータを小さなチャンクに分割します。これをチャンキングと呼びます。チャンキングが完了したら、埋め込みモデルを使用してベクトルを作成し、それらをデータクラウドのベクトルデータベースに格納します。

プロンプトビルダーに戻り、作成した検索インデックスにアクセスします。検索クエリを入力し、これは動的な性質を持ち、ユーザーが求めているものをキャプチャして検索に渡します。そして、取得したい情報のフィールド（カスタマーレビュー、メニューオプションなど）を指定します。

これにより、プロンプトビルダーは適切なコンテキストを考慮しながら、ユーザーの要求に対して最適な応答を生成することができます。サンプルアカウントレコードでテストを実行すると、すべての異なるデータ参照が解決され、適切な情報が取得されていることが確認できます。

5.3. データ検索と注文処理の自動化

プロンプトを実際のモデルに送信してみましょう。様々なモデルが利用可能ですが、これらはすべて汎用モデルであり、ezCaterのデータで特別に訓練されたものではありません。それでも、適切なデータとプロンプトを提供することで、効果的な結果を得ることができます。

検索の結果、特に注目すべきは類似度スコアです。例えば、ビーガン料理のリクエストに対して、「Vegan Table」というケータリング業者が94%という高い類似度スコアを示しました。このように、検索は単なるキーワードマッチングではなく、意味的な類似性に基づいて最適な結果を提供します。

注文プロセスの自動化においては、ezCaterの独自APIを活用しています。このAPIはエージェントのアクションとして利用可能で、エージェントは適切なタイミングでAPIを呼び出し、注文を処理することができます。これにより、推奨から実際の注文までをシームレスに処理することが可能になります。

しかし、重要なのはエラーハンドリングと適切なエスカレーションです。エージェントは常に処理の各ステップを監視し、不確実な状況や問題が発生した場合には、適切に人間のエージェントにハンドオフします。これにより、顧客は常に適切なサポートを受けることができ、かつezCaterの品質基準を維持することができます。

このように、データ検索から注文処理まで、すべてのプロセスが自動化されながらも、必要に応じて人間が介入できる柔軟な仕組みを構築しています。これにより、顧客は素晴らしいケータリング注文の体験を得ることができ、チームのオンサイトでの食事の手配を安心して任せることができます。

6. Agent Forceのカスタマイズと展開

6.1. カスタムエージェントの構築プロセス

それでは、カスタムエージェントを一緒に構築してみましょう。Agent Forceはエージェントの構築に高い柔軟性を提供しており、エージェント設定から始めます。設定画面では、サービス、セールス、マーケティング、コマース用の事前構築されたエージェントから選択することができますが、今回は完全にゼロからエージェントを構築してみましょう。私たちの信念は「あなたが説明できることは、Agent Forceで実現できる」ということです。

まず、エージェントの目的を自然言語で記述します。例として、出張費用のエージェントを作成してみましょう。これは、支出を追跡し、払い戻しを管理し、重要な点として会社のポリシーに従うエージェントです。この説明を入力すると、Agent Forceは自動的にセマンティック検索を実行します。

このセマンティック検索は非常に興味深い機能です。エージェントの説明に基づいて、組織内の既存のSalesforceリソースを自動的に検索し、類似性の高いものを提示します。例えば、すでに構築済みのアクションや、エージェントを展開可能なチャネルを提案します。これらの提案は説明との意味的な類似性に基づいており、高い類似度を持つリソースを特定します。

さらに、記述に基づいてトピックの指示も推論されます。これらの指示は、エージェントがどのようにアクションを使用し、何をすべきか、何をすべきでないかを定義するルールとして機能します。これらの指示は任意のステップで編集可能です。

チャネルの設定も重要な要素です。エージェントをどこに展開するかを選択できます。例えば、メール、Slack、そしてヘッドレス実行が可能です。特にヘッドレス実行は重要で、これはユーザーが気付かないバックグラウンドでエージェントが動作することを意味します。このヘッドレス実行のトリガーには、皆さんが慣れ親しんでいるフローを使用します。

最後に、エージェントにコンテキストを提供するデータを選択します。組織内で利用可能な構造化データ（予算、支払い、ナレッジなど）だけでなく、PDFファイルなどの非構造化データもアップロードして、特定の地域のポリシーなどの情報を提供することができます。

このように、Agent Forceは直感的なステップでカスタムエージェントを構築できる環境を提供しており、既存のリソースを最大限に活用しながら、新しいエージェントを効率的に作成することができます。

6.2. 経費精算エージェントの実装デモ

エージェントビルダーで経費精算エージェントを作成した後、最後のステップとしてエージェントトリガーを作成します。このトリガーは、プロセスを呼び出すための従来のメカニズムをエージェントにポイントできるようにするためのものです。

トリガーの設定では、まずシステムが自動的にトリガーの名前を提案します。次に、このトリガーに何を渡したいのかを指定します。この例では、出張費用をレコードIDとして渡します。また、エージェントがいつ作業を停止するべきかを定義する必要があります。この場合、経費が承認または却下された時点で処理を終了するように設定します。

これらの設定を適用し、エージェントを有効化すると、実際の処理を開始する準備が整います。例えば、フロービルダーで出張経費レコードが作成されるたびにエージェントを起動するように設定することができます。具体的には、このGET要素を使用してレコードを取得し、先ほど作成した呼び出し可能なアクションを使用して、エージェントビルダーで以前に作成したすべてのパラメータを取得します。

このフローを有効化すると、シミュレーションを実行できるようになります。作成した出張経費に情報を提供し、領収書などの非構造化データや支出の詳細を添付して送信すると、推論エンジンが起動し、この出張経費を承認するか却下するかを評価し始めます。

結果として、私の最近の出張経費は承認され、Dreamforceに参加することができるようになりました。このように、経費精算プロセス全体を自動化しながらも、会社のポリシーに従った適切な承認プロセスを維持することができます。

6.3. プラットフォーム統合の可能性

Agent Forceプラットフォームの重要な特徴は、その拡張性と統合性にあります。Agent Forceは、Salesforceプラットフォームのネイティブ部分として設計されているため、すべてのデータ、すべてのCustomer 360アプリケーション、そしてすでに構築されているすべてのビジネスロジックとオートメーションを活用することができます。

この深い統合により、業務全体でのワークフローの変革が可能になります。また、私たちの素晴らしいパートナーエコシステムとも統合されています。パートナーエージェントを導入したり、既存のエージェントにパートナーのアクションを追加したりすることができます。

さらに、ゼロコピーデータネットワークを通じてあらゆるデータを取り込むことができます。これにより、Agent Forceは単なるSalesforceプラットフォーム上のツールを超えて、企業全体のワークフロー、すべての役割、そしてあらゆる業界を変革する可能性を持っています。

私たちのプラットフォームは深くアプリケーションと統合されており、データと連携しています。これにより、人間とAIエージェントを結び付け、顧客の成功を推進する unprecedented（前例のない）規模の展開が可能になります。このように、Agent Forceは単なる機能の追加ではなく、ビジネス全体を変革するプラットフォームとして位置づけられています。

7. ロードマップと今後の展開

7.1. 1ヶ月後のリリース計画

本日ご紹介した機能の多くは、1ヶ月後から利用可能になります。まず、標準搭載エージェントとして、営業エージェント、サービスエージェント、マーケティングエージェント、コマースエージェントが提供されます。これらはすぐに使い始めることができ，カスタマイズも可能です。

また、本日デモでお見せした推論エンジンも、すべてのエージェントの基盤として提供されます。このエンジンは、データに基づいた判断を行い、適切なアクションを選択する能力を持っています。

さらに、エージェントビルダーも同時にリリースされます。これにより、本日デモでご覧いただいたように、直感的なインターフェースを通じてエージェントをカスタマイズし、新しいエージェントを作成することができます。

また、すでにMoscone Westの2階でAgent Forceを体験いただくことができます。昨日の午前8時から開始して以来、30分のセッションで500以上のエージェントが構築されています。あなただけのパーソナライズされたエージェントを数分で立ち上げることができますので、ぜひお立ち寄りください。

さらに、3階ではMuleSoftプラットフォームのキーノートが行われており、すべてのアクションとの統合方法をご覧いただけます。また、プラットフォームではCRMを超えたユースケースのために、エージェントビルダーでマルチモーダリティを構築する方法もご紹介しています。

7.2. 2024年春のアップデート予定

2024年2月のスプリングリリースでは、本日デモでご覧いただいたバッチテストセンターのさらなる機能拡張が予定されています。これにより、エージェントの品質管理と信頼性の向上がさらに強化されます。

また、検索機能も大幅に強化される予定です。現在のベクトル検索やハイブリッド検索の機能に加えて、より高度な検索機能が追加されます。これにより、エージェントはより正確にコンテキストを理解し、適切なアクションを選択できるようになります。

さらに、マルチモダリティ対応と音声サポートも導入される予定です。これにより、エージェントとのインタラクションの方法が大きく拡張され、より自然なコミュニケーションが可能になります。テキストだけでなく、画像処理や音声対話など、多様なモダリティを通じてエージェントと対話できるようになります。

これらのアップデートにより、Agent Forceはより柔軟で強力なプラットフォームへと進化していきます。私たちは継続的に新機能を追加し、お客様のニーズに応えていく予定です。

7.3. パイロットプログラムと導入支援

もしすぐにAgent Forceを始めたいと思われる方は、Moscone Westの2階にお越しください。そこでは、Agent Forceのハンズオン体験を提供しています。昨日午前8時からスタートして以来、わずか30分のセッションで500以上のエージェントが構築されています。あなた独自のパーソナライズされたエージェントを数分で作成することができます。

また、Moscone Westの3階では、MuleSoftプラットフォームのキーノートを開催しています。ここでは、エージェントをあらゆるアクションと統合する方法をご覧いただけます。さらに、プラットフォームセッションでは、CRMの枠を超えたユースケースのために、エージェントビルダーでマルチモーダリティを構築する方法もご紹介しています。

このように、私たちは段階的な導入支援を提供し、お客様が自社のニーズに合わせてAgent Forceを効果的に活用できるようサポートしています。今回のDreamforceで発表された内容を実際のビジネスで活用していただけることを楽しみにしています。