Salesforce, Agentforce Operations 출시로 기업 AI를 방해하는 워크플로를 수정

Source: VentureBeat

번역할 텍스트를 제공해 주시면 한국어로 번역해 드리겠습니다. 현재는 소스 링크만 포함되어 있어 번역할 내용이 없습니다. 텍스트를 복사해서 알려주시면 바로 번역해 드리겠습니다.

Introduction

Enterprise AI teams are hitting a wall — not because their models can’t reason, but because the workflows underneath them were never built for agents. Tasks fail, handoffs break, and the problem compounds as organizations push agents deeper into back‑office systems. A new architectural layer is emerging to address it: workflow execution control planes that impose deterministic structure on processes agents are expected to run.

One of the companies bringing this to the forefront is Salesforce, with a new workflow platform that turns back‑office workflows into a set of tasks for specialized agents to complete. Users can upload their processes or use one of the Blueprints provided by Salesforce, and Agentforce Operations will break them down for agents.

Salesforce senior vice president of Product, Sanjna Parulekar, told VentureBeat in an interview that many enterprise workflows are not built for agents:

“What we’ve observed with customers is that a lot of times, the brokenness in a process is probably in your product requirements document. So when that’s uploaded into a product, it doesn’t quite work. We can optimize it and cut out some things and replace it with an agent.”

Without this control‑panel layer, enterprises could risk deploying agents that increase cost rather than fix their workflow problems.

에이전트를 위한 워크플로우 구현, 인간만이 아니라

기업들이 에이전트를 도입하면서 비싼 교훈을 얻고 있습니다. 그들의 워크플로우는 인간의 판단 공백을 메우기 위해 설계된 것이지, 기계 실행을 위해 설계된 것이 아니었습니다. 수년간의 우회 방법을 통해 진화한 프로세스—대략적으로 정의된 단계, 암묵적인 결정, 다음에 무엇을 해야 할지 개인이 알고 있어야 하는 조정—은 에이전트가 이를 문자 그대로 따르도록 요구받을 때 무너집니다.

기업의 모든 컨텍스트가 손끝에 있더라도, AI 시스템은 수행해야 할 작업이 명확하지 않으면 작업을 완수하기 어려워합니다.

Parulekar는 그녀의 팀이 프로세스가 작동하는 핵심을 집중적으로 파악하고 이를 보다 명시적인 단계와 워크플로우로 분해하면 시스템이 더 결정론적으로 변한다는 것을 발견했다고 말했습니다. 그런 다음 Agentforce Operations와 같은 플랫폼이 에이전트를 도입하면, 그 에이전트들은 이미 자신의 구체적인 작업을 알고 있습니다.

“이는 기업이 프로세스를 재고하도록 강요하고, 시스템 내 세션 추적 모델 덕분에 가시성을 혼합에 도입하게 합니다,” 라고 그녀는 말했습니다.

인간 검증을 시스템에 내장함으로써 프로세스를 보다 투명하게 만들 수 있습니다.

이 접근 방식이 다른 워크플로우 자동화 솔루션과 다른 점은, 다음에 무엇을 해야 할지 결정하는 주체가 에이전트가 아니라 시스템이라는 점입니다. 확률적 의사결정을 기반으로 작업과 에이전트를 라우팅하는 전통적인 자동화 도구와 달리, 이는 사전에 정의된 결정론적 구조에 따라 실행을 강제합니다.

소개된 문제

워크플로우를 코드화한다고 해서 깨진 프로세스가 고쳐지는 것은 아닙니다. 프로세스에 결함이 있는 단계가 있다면, 이를 에이전트를 위해 인코딩하면 그 문제를 대규모로 고정시켜 버립니다. 워크플로우가 에이전트에 배포되면, 과제는 실행에서 거버넌스로 옮겨갑니다: 누가 프로세스를 소유하고, 누가 검증하며, 비즈니스 상황이 변할 때 어떻게 진화시킬 것인가가 핵심이 됩니다.

조직은 Agentforce Operations와 같은 플랫폼이 제공하는 실행 제어 평면과 함께, 작업 완료와 성공에 대한 책임자를 지정해야 한다는 점을 고려해야 합니다.

워크플로우 오케스트레이션 기업 Asymbl의 설립자이자 CEO인 Brandon Metcalf는 VentureBeat와의 별도 인터뷰에서 인간과 에이전트가 워크플로우를 따르게 하는 핵심은 공유된 목표라고 말했습니다:

“목표를 이해하지 못하면 에이전트든 인간이든 작업을 성공적으로 완료하지 못합니다. 전달되어야 할 결과를 관리할 누군가가 필요합니다. 그 사람은 사람일 수도 있고 에이전트일 수도 있습니다.”

병목 현상이 이동했습니다. Metcalf가 말한 대로, 이제 질문은 에이전트가 작업을 추론할 수 있는가가 아니라, 그 아래에 있는 워크플로우가 실행하기에 충분히 일관된가가 됩니다. 인간의 판단과 조직 기억에 기반해 프로세스를 구축한 기업에게는, 더 똑똑한 모델로 교체하는 것보다 이 문제를 해결하는 것이 훨씬 어렵습니다.