왜 Data Cloud가 Agentforce 뒤의 진정한 엔진인가

Source: Dev.to

아마 지금쯤 Agentforce에 대한 이야기를 들어보셨을 겁니다. 고객 사례를 처리하고, 리드를 자격 검증하고, 심지어 회의를 예약까지 하는 자율 AI 에이전트—이론적으로는 굉장히 매력적으로 들립니다. 하지만 사람들이 Agentforce에 대해 이야기할 때 대부분 지나치는 부분이 있습니다: 데이터가 엉망이면 아무것도 작동하지 않는다.

지난 몇 달 동안 여러 조직이 Agentforce를 구축하려는 모습을 지켜봤는데, 가장 어려움을 겪는 곳은 AI 자체가 아니라 데이터 문제였습니다. 중복된 연락처, 오래된 계정, 2019년 이후로 한 번도 건드리지 않은 필드 등 나쁜 데이터에 걸려 넘어지고 있습니다. Salesforce에서 AI 에이전트를 진지하게 도입하려는 계획이 있다면, Data Cloud는 선택 사항이 아니라 필수—모든 것이 이 위에 기반을 두고 있기 때문이죠.

관계: 근육 vs. 뇌

• Agentforce = 근육.
• Data Cloud = 정보를 공급하는 뇌.

Salesforce는 이를 명확히 밝혔습니다 – Data Cloud는 Agentforce가 실제로 유용하게 작동하는 데 필요한 모든 데이터와 메타데이터를 제공하는 초대규모 데이터 엔진입니다.

Data Cloud가 고객 기록, 거래 내역, 지원 티켓, 행동 데이터를 하나의 통합 프로필로 모아 주지 않으면, 에이전트는 기본적으로 눈이 먼 상태로 일하게 됩니다.

그들은 고객 문의에 응답할 수는 있지만, 같은 고객이 어제 불만을 제기했거나 다음 달에 갱신 예정이라는 사실을 알지 못합니다.

Source:

코드 없는 검색기 기능

데이터 클라우드에 데이터가 수집 및 색인된 후, 검색기는 정보를 바로 다음으로 파이프합니다:

• Prompt Templates
• Flow automations

이는 Agentforce가 비정형 소스(PDF, 지식 기사, 통화 전사)에서 벡터‑쿼리 코드를 작성할 필요 없이 컨텍스트를 끌어올 수 있음을 의미합니다. 개발자가 아닌 관리자를 위해서는 큰 의미가 있습니다.

유용한 용어 리소스

Salesforce 데이터 용어에 익숙하지 않다면 **salesforcedictionary.com**에서 다음에 대한 명확한 정의를 확인하세요:

• 데이터 스트림
• 데이터 모델 객체
• 신원 확인

왜 나쁜 데이터가 쇼‑스톱퍼인가

“나쁜 데이터에서 자동화만으로는 벗어날 수 없습니다.”

인간 담당자가 중복된 연락처를 보면 보통 해결할 수 있습니다. AI 에이전트는? 주어진 대로 처리합니다. 같은 고객에 대한 세 가지 버전이 서로 충돌하는 정보라면, 에이전트는 혼란스럽거나 명백히 잘못된 응답을 제공하게 됩니다. 그것은 AI 문제가 아니라 데이터 문제입니다.

전략적 맥락: Informatica 인수

Salesforce의 Informatica 인수는 Agentforce가 의존하는 데이터 기반을 강화합니다. 이는 Salesforce가 이미 알고 있는 바를 시사합니다: 에이전트 AI는 그 아래의 데이터가 깨끗하고, 일관되며, 맥락이 있을 때만 확장됩니다.

지금 바로 실천할 수 있는 실용적인 단계

1. 핵심 객체에 대한 중복 규칙 및 매칭 규칙 설정.

   • 중복 리드와 중복 연락처는 기준이 다릅니다 – 각 객체마다 정의하세요.

2. 유효성 검사 규칙을 구축하여 입력 시점에 잘못된 데이터를 잡아냅니다.

   • 여전히 가장 효과적인 도구 중 하나이며 비용이 들지 않습니다.

3. 정기적인 중복 제거 루틴을 수립합니다.

   • 최소 월간, 가능하면 주간으로 진행하세요.

4. 데이터‑거버넌스 정책을 문서화합니다.

   • 계정 데이터를 누가 소유하나요? 연락처 정리를 누가 담당하나요? 아무도 모르면 아무도 하지 않습니다.

전형적인 데이터 클라우드 구현 흐름

1. 사용 사례 계획
2. 올바르게 프로비전
3. 데이터 소스 연결
4. 데이터 매핑 및 조화
5. 신원 해결 구성
6. 세그먼트 및 인사이트 구축
7. 활성화
8. 지속적인 변경 관리 (대부분의 조직이 실수하는 단계)

이 단계 중 하나라도 건너뛰면 나중에 골칫거리가 됩니다.

Zero‑Copy Technology

Zero‑Copy를 사용하면 외부 소스(Snowflake, Google BigQuery 등) 에서 데이터를 Salesforce에 직접 가져오지 않고도 액세스할 수 있습니다. 조직에 여러 플랫폼에 걸쳐 데이터가 분산되어 있는 경우, 이 기능만으로도:

• 수개월에 걸친 마이그레이션 작업을 절감
• 복잡한 ETL 파이프라인 없이 데이터를 최신 상태로 유지

권한 관리

Data Cloud는 사용자가 할 수 있는 작업을 제어하기 위해 permission sets를 사용합니다. 각 사용자를 만든 후에는 적절한 permission set을 할당하십시오 – 이 단계를 건너뛰지 마세요. 권한이 전혀 설정되지 않아 팀의 절반이 Data Cloud에 접근하지 못한 조직을 본 적이 있습니다.

스킬 전환

If you’re a Salesforce admin or developer, internalize this: data skills are now core skills. The market is shifting hard toward:

• Data engineering
• Data architecture
• AI‑adjacent roles

Flow‑first development is replacing most custom Apex automation, and understanding how data moves through your org—from ingestion to activation—is becoming just as important as building a screen flow.

시장 규모

• Data Cloud + Agentforce 제품이 거의 14억 달러의 ARR에 도달했으며, 연간 114 % 성장했습니다 (Salesforce FY2026 3분기 실적).
• 이 성장으로 인해 이 스택을 이해하는 사람들에 대한 더 많은 일자리, 더 많은 프로젝트, 그리고 높은 수요가 발생합니다.

인증 및 학습 경로

• Data Cloud Consultant 인증을 로드맵에 포함하는 것을 고려하세요.
• 용어 준비를 위해 Salesforce Dictionary를 활용하세요.
• Trailhead의 Data Cloud 모듈은 실습 학습을 시작하기에 좋은 출발점입니다.

오늘 바로 시작하기 (새롭게 시작하는 경우)

1. 기존 데이터 품질 감사 – 중복, 오래된 레코드, 누락된 필드 식별.
2. 위의 실용적인 단계 구현 (중복 규칙, 검증, 중복 제거 주기).
3. Zero‑Copy 활성화 – 마이그레이션할 수 없거나 원하지 않는 외부 데이터 소스에 대해.
4. 권한 세트 설정 – Data Cloud와 상호작용할 모든 사용자에 대해.
5. 거버넌스 문서화 – 소유자 지정, 프로세스 정의, 정기 검토 일정 수립.

Bottom Line

Agentforce는 강력하지만 그 힘은 데이터를 공급하는 정도에 달려 있습니다. Data Cloud에 투자하고 데이터를 정리하면 Salesforce에서 자율 AI 에이전트의 진정한 잠재력을 열 수 있습니다.

에이전트포스에 뛰어들기 전에 데이터 품질이 중요한 이유

중복 레코드, 불완전한 필드, 오래된 계정 등을 금방 마주하게 됩니다. 현재 상황을 파악하는 것이 모든 개선의 첫 번째 단계입니다.

시작을 위한 네 가지 실용적인 단계

1. 현재 데이터 상태 평가

   • 중복 레코드, 누락된 필드, 오래된 계정에 대한 보고서를 실행합니다.
   • 기준 메트릭을 문서화하여 진행 상황을 측정할 수 있게 합니다.

2. 구체적인 사용 사례 식별

   • Agentforce가 가치를 제공할 두세 개의 특정 시나리오를 선택합니다.
   • 예시:
     • Service Cloud에서 사례 라우팅 자동화.
     • Sales Cloud에서 인바운드 리드 자격 부여.
   • 각 사용 사례를 측정 가능하게 만듭니다 (예: 사례 라우팅 시간을 30 % 감소).

3. 데이터 소스를 Data Cloud에 연결

   • 핵심 Salesforce 데이터부터 시작합니다; Data Cloud에 단일 소스만 통합해도 기반이 마련됩니다.
   • 마케팅, ERP 등 추가 시스템을 차례로 도입해 단일 진실 소스를 구축합니다.

4. 교육에 투자

   • 관리자: 데이터 스트림, 신원 해석, 계산된 인사이트를 학습합니다.
   • 개발자: 자동화 및 맞춤 로직을 위한 플랫폼의 검색 기능을 마스터합니다.

실제 사례 교훈

2026년에 Agentforce로 실제 결과를 보고 있는 조직은 가장 화려한 AI 프롬프트를 가진 조직이 아닙니다. 그들은 먼저 데이터 정리를 하는 지루하고 눈에 띄지 않는 작업을 수행한 조직입니다. Data Cloud는 그 작업을 확장 가능하게 만들고, Agentforce를 멋진 데모에서 실제 가치를 제공하는 솔루션으로 전환시킵니다.

Salesforce 용어 최신 정보 유지

• **salesforcedictionary.com**을(를) 북마크하세요 – 빠르게 진화하는 Salesforce 생태계를 따라잡기 위한 나의 필수 참고 자료입니다.

여러분의 차례

Data Cloud에 대한 지금까지의 경험은 어떠신가요?

• AI 기능을 도입하면서 데이터 품질 문제에 직면하고 계신가요?

댓글을 남겨 주세요—귀사의 조직에서 무엇이 잘 작동하고 무엇이 그렇지 않은지 듣고 싶습니다.