Agentforceアクション設計の極意：再利用可能なカタログと堅牢なフォールバックでビジネスを加速
Agentforceのアクション設計は、再利用可能なカタログと失敗時フォールバックが鍵。AIエージェントを最大限に活用し、業務効率化・DXを成功させるための具体的なステップと実践ノウハウをAurant Technologiesが徹底解説。
目次 クリックで開く
AIエージェントの自律的な実行能力を左右するのは、LLMの性能そのものではなく、その「手足」となるアクションの設計精度です。Salesforceが提供するAgentforce（旧Einstein Copilot）は、CRMデータと強固に直結した自律型エージェントを構築できるプラットフォームですが、実務においてはAPIの制約やフォールバック（失敗時の回避策）の設計が運用の成否を分けます。
本ガイドでは、Agentforceのアクションカタログ設計から、MuleSoftを用いた外部システム連携、さらにはエラーハンドリングの実装手順まで、実務者が直面する技術的課題を網羅的に解説します。
1. Agentforceのスペックと主要プラットフォーム比較
導入を検討する際、まず理解すべきはAgentforceのカタログスペックと、他の主要AIエージェントプラットフォームとの差異です。Agentforceは、Salesforceメタデータに直接アクセスできる「Data Cloud」を基盤としている点が最大の特徴です。
主要AIエージェントプラットフォーム比較
| 比較項目 | Salesforce Agentforce | Microsoft Copilot Studio |
|---|---|---|
| 主なデータソース | Salesforce CRM / Data Cloud | Microsoft 365 / Dataverse |
| API制限（標準） | 組織ごとのAPIリクエスト制限に依存 | 2,000要求/24時間（ユーザー単位等） |
| アクション定義 | Apex / Flow / MuleSoft | Power Automate / Bot Framework |
| 処理速度（推論・実行） | 低遅延（Atlas Reasoning Engine） | Azure OpenAI Serviceの性能に依存 |
| 公式価格（参考） | 1対話あたり約$2（要件により変動） | 月額定額 + メッセージ課金 |
【公式URL】
・Salesforce Agentforce 公式：https://www.salesforce.com/jp/agentforce/
・Microsoft Copilot Studio 公式：https://www.microsoft.com/ja-jp/microsoft-copilot/microsoft-copilot-studio
実名導入事例：Wiley（ワイリー）
世界的な出版社であるWileyは、Agentforce（旧Einstein Copilot等を含むAIスイート）を導入し、カスタマーサポートの自動化を推進しました。同社は、標準的なFAQ対応だけでなく、注文状況の照会やライセンス管理などの「アクション」をエージェントに紐付けることで、セルフサービス解決率の大幅な向上を実現しています。
2. 再利用可能なアクションカタログの設計手順
Agentforceにおけるアクションとは、エージェントが実行できる個別のタスク（レコードの更新、メール送信、外部APIの叩き出しなど）を指します。これを「カタログ化」し、再利用可能な形で定義することが、開発コストの削減に直結します。
ステップ1：メタデータとインテントの定義
アクションを作成する前に、Agentforceが「いつそのアクションを呼び出すべきか」を判断するための説明文（インテント）を記述します。これは、検索の最適化と同様、AIに対する指示の明確さが重要です。
- 「設定」から「Agentforce」を選択し、アクションビルダーを開く。
- 新しいアクションを作成し、参照元（Flow, Apex, またはMuleSoft）を指定する。
- 「アクションの説明」欄に、自然言語で用途を詳述する（例：「顧客の現在の未払い残高を取得し、支払い期日を回答するために使用する」）。
- 入力パラメータ（Input）の変数名と説明を、AIが理解しやすい論理的な名称にする。
ステップ2：データの整合性とData Cloud連携
Agentforceの真価は、Data Cloudを介したリアルタイムデータにあります。例えば、ウェブサイト上での顧客の行動履歴に基づいてアクションを発火させる場合、ID連携が不可欠です。このあたりの設計は、WebトラッキングとID連携の実践ガイドで解説しているような、セキュアな名寄せアーキテクチャと組み合わせることで、より精度の高いエージェント運用が可能になります。
3. 堅牢なフォールバック設計とエラーハンドリング
AIエージェントがAPIエラーに遭遇したり、ユーザーの意図を解釈できなかったりした場合の挙動をあらかじめ定義しておくことは、ビジネスの信頼性を担保する上で必須です。
フォールバックの3層構造
- リトライ処理（技術的エラー）：APIのタイムアウトなど、一時的な通信エラーに対する自動再試行。
- 代替アクション（業務的エラー）：在庫がない場合に、類似商品を提案する、あるいは入荷通知アクションへ誘導する。
- ヒューマン・イン・ザ・ループ（最終手段）：エージェントが解決不能と判断した際、ライブエージェント（有人チャット）へコンテキストを引き継ぎながら転送する。
よくあるエラーと解決策（トラブルシューティング）
| 事象 | 原因 | 解決策 |
|---|---|---|
| アクションが呼び出されない | アクションの説明文が抽象的すぎる | インテントを具体的なキーワード（「領収書発行」「住所変更」等）を含めて具体化する。 |
| ハルシネーション（虚偽の回答） | 出力パラメータ（Output）の定義不足 | エージェントの指示（System Instructions）に「不明な場合は推測せず、フォールバックフローへ移行せよ」と明記する。 |
| API制限エラー | ループ処理や過剰なAPIコール | MuleSoft側でキャッシュ戦略を導入するか、SalesforceのAPIアドオンを購入する。 |
4. 外部システム連携：MuleSoftによるカタログ拡張
Agentforceを社内のレガシーシステムや他のSaaSと連携させる場合、MuleSoft Anypoint Platformが標準的なハブとなります。これにより、SAPやOracle、あるいはオンプレミスのデータベースにある情報をAgentforceのアクションとして公開できます。
バックオフィスの自動化においては、楽楽精算×freee会計の連携自動化で求められるような、データのクレンジングとリアルタイム同期が重要です。AgentforceからMuleSoftのAPIを呼び出す際は、OpenAPI（Swagger）仕様書をインポートするだけで、ノーコードに近い形でアクション化が可能です。
【公式URL】MuleSoft 導入事例（Airbus）：https://www.mulesoft.com/jp/case-studies/airbus
5. 運用フェーズでのガバナンスと監視
アクションをデプロイした後は、エージェントの判断精度を継続的に監視する必要があります。Agentforceの「Einstein Feedback Loop」機能を使用し、ユーザーが回答に対して「Good/Bad」をつけたログを収集します。
Agentforceのアクション数は、1エージェントあたり最大1,500個（2025年時点の暫定スペック）とされていますが、実際にはアクション数が多すぎるとAIの判断迷い（推論コストの増大）を招きます。業務ドメインごとにエージェントを分離する「マルチエージェント・アーキテクチャ」の採用を推奨します。
例えば、フロントオフィスの顧客対応とバックオフィスのインフラ管理では、必要なアクションセットが全く異なります。フロントオフィスSaaSの整理を進めると同時に、各領域に特化したエージェントのアクションを磨き上げることが、全体最適への近道です。
まとめ：アクション設計がAIの「実務能力」を定義する
Agentforceは、適切なアクション設計とカタログ化、そして堅牢なエラーハンドリングが組み合わさることで、初めて「使えるAI」となります。公式のスペックを正しく把握し、Data CloudやMuleSoftといった周辺基盤との連携を疎かにしないことが、DX成功の絶対条件です。
まずは、最もエラーが許容されやすく、かつ効果の高い「社内ヘルプデスク」や「リード選別」からスモールスタートし、徐々に再利用可能なアクションカタログを拡張していく戦略を推奨します。
なお、各種アプリのすべての機能を使用するには、Gemini アプリ アクティビティを有効にする必要があります。
導入前に確認すべき「標準機能」と「カスタマイズ」の境界線
Agentforceを実務に投入する際、多くの担当者が「どこまで設定（ノーコード）で、どこから開発（プロコード）が必要か」という判断に迷います。特に既存のCRM環境が複雑な場合、アクションを定義する前のデータクリーンアップが成功の鍵を握ります。まずは以下のチェックリストで、自社の準備状況を確認してください。
実務投入のための事前チェックリスト
- Data Cloudのプロビジョニング： Agentforceが参照するリアルタイムデータ基盤（Data Cloud）が正しくセットアップされているか。
- 権限セットの設計： エージェントが実行するアクションに対して、適切なシステム権限（レコードの参照・更新等）が割り当てられているか。
- サンドボックス環境の確保： 推論エンジンの挙動を確認するためのテスト用環境が用意されているか。
また、アクションを設計する上では、単なるSaaSの機能比較にとどまらず、社内全体のデータ連携の全体設計図を俯瞰しておくことが重要です。個別のツールに依存しすぎない疎結合な設計が、将来的なメンテナンスコストを抑えます。
Agentforce運用における制限事項と技術的制約
公式ドキュメントに基づき、運用担当者が特に注視すべき制限事項をまとめました。これらの数値は組織のライセンス形態によって変動するため、実装前には必ず最新の公式ヘルプを確認してください。
| 項目 | 制限・仕様の概要 | 実務上の留意点 |
|---|---|---|
| APIリクエスト制限 | Salesforce組織全体の制限に準拠 | 頻繁な外部呼出しを行う場合は、APIアドオンの検討が必要（要確認）。 |
| アクションの同時実行 | エージェントの推論プロセスに依存 | 複雑な連鎖アクションは、応答遅延を招く可能性がある。 |
| データの鮮度 | Data Cloudのインジェスト頻度に依存 | リアルタイム性が求められる在庫照会などは、直接APIを叩くアクションを推奨。 |
【公式リファレンス】
・Salesforce公式ヘルプ（Agentforceの制限）：https://help.salesforce.com/s/articleView?id=sf.copilot_limitations.htm&language=ja
高度なパーソナライズを実現する「データ還流」の設計
Agentforceが「顧客の次の行動」を正しく予測するためには、CRMの外側にある行動データをいかに同期させるかが焦点となります。たとえば、Data Cloudに蓄積された分析結果を再びアクションのトリガーとして利用する場合、モダンデータスタック（リバースETL等）の考え方を導入することで、高額なCDPを導入せずとも、AIエージェントの判断精度を劇的に向上させることが可能です。
技術的な「手足（アクション）」を揃えるのと同時に、それらを動かすための「脳の栄養（データ）」の供給経路を最適化することが、Agentforce活用の本質と言えるでしょう。
ご相談・お問い合わせ
本記事の内容を自社の状況に当てはめたい場合や、導入・運用の設計を一緒に整理したい場合は、当社までお気軽にご相談ください。担当より折り返しご連絡いたします。
CRM・営業支援
Salesforce・HubSpot・kintoneの選定から導入・カスタマイズ・定着まで一貫対応。営業生産性を高め、商談化率を改善します。
