[Salesforce]Agentforce기반 활용 기술 -고객 응대 자동화

 

Agentforce기반 활용 기술 - 고객 응대 자동화

 

 

 

 

 고객 응대 자동화를 중심으로 Agentforce가 어떻게 작동하는지 한 눈에 정리한 구조입니다.

먼저, 화면 상단의 회색 박스를 보면, Agentforce Service Agent가 위치하고 있습니다.

이 Agent는 대화형 인터페이스를 통해, 사용자의 질문을 이해하고 응답을 생성하는 중심 역할을 합니다.

즉, 고객이 자연어로 문의를 하면 이를 해석하고 적절한 해결책을 제시하는 AI비서라고 볼 수 있습니다.

 

 Agentforce는 크게 Atlas Reasoning Engine, RAG(Retrieval-Augmented Generation) 이렇게 두 개의 핵심 엔진으로 구성되어 있습니다.

 먼저 Atlas Reasoning Engine은 문맥 기반 질의 해석과 추론을 담당합니다.

단순히 문장 안의 키워드를 인식하는 수준이 아니라, 고객이 '무엇을 묻고자 하는지', '어떤 의도로 이야기하는지'를 파악합니다.

이 단계에서 질문의 의미를 정확히 이해해야 이후 단계에서 올바른 데이터를 찾을 수 있습니다.

 RAG는 내부의 Data library를 분석하고 필요한 정보를 찾아 응답을 생성합니다.

즉, 기존의 지식 기반과 실시간 데이터를 함께 활용해 정확하고 신뢰성 있는 답변을 만들어 내는 역할을 합니다.

이 과정에서 고객별 맥락 정보나 과거 이력도 함께 반영되어 보다 맞춤형 응답이 가능해 집니다.

 이 두 엔진은 Data Cloud와 Service Cloud와 긴밀히 연동됩니다.

 

 먼저 Data Cloud는 고객의 이력과 데이터를 통합 관리하며, Agentforce가 고객의 상황에 맞게 응답할 수 있도록 지원합니다. 예를 들어, 고객의 이전 문의 내용이나 구매 이력이 여기에 저장됩니다.

 반면, Service Cloud는 실제 케이스 관리와 SLA(Service Level Agreements)대응을 담당합니다. 즉, Agentforce가 처리할 수 없는 복잡한 요청이 들어왔을 때 자동으로 케이스를 생성하고 담당자에게 전달하는 역할을 합니다.

 

 범례의 두 가지 화살표 색상을 보면 동작 시나리오를 쉽게 구분할 수 있습니다.

 빨간색 화살표는 Agentforce로 자동 해결이 불가능한 경우, 즉 케이스 생성을 통해 담당자가 직접 대응해야 하는 시나리오를 나타냅니다. 반면, 파란색 화살표는 Agentforce만으로 자동 해결이 가능한 시나리오를 뜻합니다.

 예를 들어, 단순 정보 조회나 계정 관련 문의처럼, 규칙 기반으로 답변 가능한 경우입니다.

 

 결과적으로 Agentforce는 이처럼 Atlas Reasoning Engine, RAG, 그리고 Salesforce의 Data Cloud 및 Service Cloud를 연계함으로써 고객 문의를 분석하고, 필요한 경우 자동으로 해결하거나 케이스를 생성하는 완전한 AI기반 서비스 자동화 프로세스를 완성하게 됩니다.

 

즉, Agentforce를 통해 고객 응대는 더 빠르고 정확해지며, 업무 효율성은 높아지고, 담당자는 더 복잡하고 고부가가치 업무에 집중할 수 있게 됩니다.