【リードコンサルタント解説】Agentforce設計：Flow/Apex/プロンプトの使い分けでDXを加速する実践ガイド

Salesforceが提供する自律型AI「Agentforce」は、従来のチャットボットとは一線を画す、意思決定とアクションを自ら行うエージェントプラットフォームです。しかし、実務において最も困難なのは「どの機能をどのツール（Flow、Apex、プロンプト）で実装すべきか」という設計判断です。

本ガイドでは、Agentforceの設計・開発に携わる実務担当者に向けて、各ツールの仕様比較から、具体的な実装ステップ、エラー回避策までを網羅的に解説します。単なる理論ではなく、公式リファレンスに基づいた数値と事例を元に、現場で即戦力となる知識を提供します。

1. Agentforceのアーキテクチャと基本仕様

Agentforceは、Salesforceの「Einstein 1 Platform」上で動作する自律型エージェントです。その中核を成すのは、自然言語による指示を理解し、適切な「アクション」を選択・実行する推論エンジンです。

1-1. 従来のツールとのスペック比較

Agentforceが他の自動化ツールとどのように異なるのか、スペック面から比較します。

Agentforceと既存ツールの比較表

項目	Einstein ボット	Salesforce Flow	Agentforce
判断ロジック	シナリオ分岐（If-Then）	定義されたフロー	LLMによる推論・動的判断
データ参照	定義済み変数のみ	SOQL/Get Records	Data Cloud連携/RAG
実行トリガー	ユーザー入力・定型	レコード更新・スケジュール	自律的判断（自発的実行可）
API呼び出し	外部サービス経由	Apex/HTTPコールアウト	Actionとしての統合管理

1-2. 料金体系とライセンス

Agentforceの導入にあたっては、使用するエージェントの種類と処理量に基づいたコスト計算が必要です。

• Agentforce Service Agent: 会話1件あたり約300円（2ドル）〜の従量課金モデル。
• Platformライセンス: Data Cloudの利用やFoundation Modelsの利用枠が含まれます。

【公式情報URL】: Salesforce Agentforce 公式製品ページ

2. Flow・Apex・プロンプトの最適な使い分けルール

エージェントに「何をさせるか」を決める際、実装方法は大きく3つに分かれます。この選択を誤ると、メンテナンス性が著しく低下します。

2-1. Flow（ローコード）が最適なケース

「標準オブジェクトの更新」や「メール送信」など、Salesforce内の定型プロセスを実行する場合はFlowを選択します。Agentforceからは「Flow Action」として呼び出されます。

• メリット: 視覚的なデバッグが可能。管理者による修正が容易。
• 制限値: 1つのフロー内での要素実行数は2,000要素まで。

2-2. Apex（プロコード）が必要なケース

複雑なリスト処理、外部システムへのセキュアなAPI連携、またはガバナ制限を厳密に管理する必要がある場合はApexを用います。@InvocableMethodアノテーションを付与することで、Agentforceのアクションとして公開できます。

• 実装例: 外部在庫システムからのリアルタイムデータ取得と、レスポンスのJSONパース。
• 解決策: ヒープサイズ制限（6MB）やCPU時間制限（10秒）に注意し、非同期処理を検討する。

2-3. プロンプトテンプレート（生成AI直結）の活用

「顧客への返信文案作成」や「商談メモの要約」など、言語生成が主目的の場合はPrompt Builderを使用します。
SFA・CRM・MAの違いとデータ連携の全体設計図でも触れている通り、データの出力先（顧客接点）に合わせた最適なプロンプト設計が不可欠です。

3. Agentforceの実装ステップバイステップ

ここでは、実際に「顧客の契約状況を確認し、アップセルの提案を行うエージェント」を構築する手順を解説します。

ステップ1：Data Cloudでのデータ整備

Agentforceが参照するデータは、Data Cloudを通じてベクトル化されている必要があります。ストリーミングインジェクションを使用する場合、データの反映遅延を数秒以内に抑えることが可能です。

ステップ2：アクション（Invocable Action）の定義

Apexクラスを作成し、Agentforceから呼び出せるようにします。

public class ContractInquiryAction {
@InvocableMethod(label='契約情報の取得' description='顧客IDから最新の契約状況を返します')
public static List<String> getContractStatus(List<Id> accountIds) {
// 実装ロジック：SOQLによるデータ抽出
return new List<String>{'有効な契約あり: Enterprise Edition'};
}
}

ステップ3：エージェントの指示（Instructions）の設定

Agent Builder上で、エージェントの振る舞いを自然言語で定義します。
「あなたは誠実なカスタマーサクセス担当です。契約状況を確認する際は、必ずステップ2のアクションを使用してください」といった具体的な指示を記述します。

4. 公式導入事例に見るDXの成果

Agentforceの真価は、実際のビジネスプロセスに組み込まれた際に発揮されます。

事例1：OpenTable（予約プラットフォーム）

OpenTableは、Agentforce Service Agentを導入し、顧客からの予約変更やキャンセル対応を自律化しました。これにより、人間のオペレーターが介入することなく、自然な対話を通じて解決に至る割合が大幅に向上しました。

【公式事例URL】: Salesforce公式プレスリリース（事例紹介）

事例2：経理業務の高度化との親和性

バックオフィス業務においても、Agentforceは強力です。例えば、freee会計導入マニュアルに基づいた会計システム運用のなかで、未消込の明細に対する理由確認をAgentforceが自動で行うといった設計が可能です。

5. トラブルシューティング：よくあるエラーと解決策

Agentforceの開発・運用で直面しやすい課題とその対策をまとめました。

事象	主な原因	解決策
エージェントがアクションを実行しない	Instructions（指示文）の曖昧さ	アクションの「説明文（Description）」に具体的な使用条件を記述する。
Data Cloudのデータが古い	データリフレッシュスケジュールの遅延	ストリーミングデータストリームへの切り替えと、変換ジョブの頻度見直し。
ハルシネーション（虚偽回答）の発生	参照ソースの不足または誤り	ガードレール設定で「参照ソース以外の回答を禁止」するプロンプトを強化。

また、従業員のアカウント管理ミスがセキュリティリスクを招くこともあります。Entra IDやOktaを活用したID管理の自動化を併せて導入し、Agentforceへのアクセス権限を厳密に制御することを推奨します。

まとめ：自律型AIを実務に定着させるために

Agentforceは、単なるツール導入ではなく「業務フローの再設計」そのものです。Flowで標準的な動きを固め、Apexで高度な連携を実現し、プロンプトテンプレートで人間味のある対応を付与する。この3要素のバランスこそが、検索結果に並ぶ成功事例への最短ルートとなります。

まずは、Data Cloudによるデータ基盤の整備から着手し、小さな業務単位でのエージェント適用からスタートしてください。公式ドキュメント（Help & Training）の制限事項を常に参照し、ガバナ制限を意識した設計を心がけることが、安定した運用への鍵となります。

Agentforce実装の品質を左右する「指示」の具体化

Agentforceの推論エンジンは、人間が記述する「Instruction（指示文）」と、各アクション（Flow/Apex）に設定された「Description（説明文）」を元に、次に行うべき行動を決定します。多くの開発者が躓くのは、エージェントが意図したアクションを呼び出さないケースですが、その大半は自然言語による記述の具体不足に起因します。

アクション選択精度を高めるためのチェックリスト

エージェントが正しくツール（アクション）を使い分けるために、以下の項目がアクションの「説明文」に含まれているか確認してください。

• 入力パラメータの定義： 何をトリガーにこのアクションを呼ぶべきか（例：顧客から注文IDを提示された場合、など）。
• 出力結果の活用方法： このアクションが何を返し、それが後続の対話にどう役立つか。
• 使用禁止シーン： 逆に「どのような場合にはこのアクションを呼んではいけないか」という否定的な制約。

実務で差が出る「アクション」の技術的制約一覧

設計段階で見落としがちな、Agentforceから呼び出されるアクションの技術的境界線をまとめました。特に大規模なデータ処理を伴う場合は、ApexとFlowの使い分けが運用コストに直結します。

アクション実装時の主要制限事項

制限項目	Flowアクション	Apexアクション (@InvocableMethod)
最大実行時間	Flowの制限に準拠（要素数等）	10秒（同期CPU時間）
バルク処理	対応（ただし自動まとめに依存）	List型引数による明示的なバルク処理が必須
外部API連携	外部サービス（HTTPコールアウト）	HttpRequestクラスによる高度な制御が可能
複雑なデータ構造	コレクション変数で限定的に対応	カスタムクラス（Wrapperクラス）で柔軟に対応可能

高度なデータ統合と拡張性

Agentforceを単なるチャットボットに留めず、全社的なデータ基盤として活用するには、Data Cloudだけでなく周辺システムとの連携設計が不可欠です。例えば、モダンデータスタック（BigQuery・dbt・リバースETL等）を用いたデータ基盤を構築することで、Salesforce外に存在する膨大な顧客行動ログをAgentforceの推論に反映させる「真のRAG（検索拡張生成）」が実現します。

公式ドキュメントおよび学習リソース

Agentforceは進化の速い製品です。実装時には常に最新の公式制限値とベストプラクティスを参照してください。

• Salesforce公式ヘルプ：Agentforceエージェントの概要と設定
• Agentforce Developer Guide（開発者向けドキュメント）
• BigQueryとリバースETLで構築する「行動トリガー型LINE配信」のアーキテクチャ（Agentforceの判断を外部接点へ拡張する際の参考設計）

📚 関連資料

このトピックについて、より詳しく学びたい方は以下の無料資料をご参照ください：