에이전틱 및 기존 워크플로 자동화 선정

이제 Agentforce를 사용하면 규칙으로 단순화할 수 없는 자동화된 작업을 위한 새로운 패러다임을 열 수 있습니다. 이러한 새로운 기능에는 구조화되지 않은 대화에서 고객 의도를 파악하고, 시스템 전반에 걸친 다자간 프로세스를 조정하며, 실시간으로 운영 상황에 대응하는 기능이 포함됩니다. 에이전틱 워크플로는 사전 정의된 단계를 실행하는 대신 결과를 향해 추론하도록 설계된 자동화를 사용합니다. 이러한 요구를 충족하려면 자동화 복잡성의 전체 스펙트럼에서 작동하는 플랫폼과 각 기능이 적합한 위치를 보여주는 프레임워크가 필요합니다.

Agentforce는 Einstein Trust 계층, Reasoning Engine, Agent Script, Flow, Apex, Data 360을 하나의 통합 플랫폼으로 결합합니다. 이 조합은 간단한 레코드 트리거 자동화부터 음성, 비전, 문서, 실시간 Telemetry 전반에 걸쳐 복잡한 다중 에이전트 오케스트레이션에 이르기까지 모든 작업을 처리합니다. MuleSoft는 엔터프라이즈 전반에서 에이전트 워크플로를 연결하는 데 필요한 MuleSoft 패브릭, 거버넌스, 교차 시스템 오케스트레이션을 사용하여 이 플랫폼을 확장합니다. Agentforce Operations(이전의 Agentforce Supply Chain)는 이러한 기능을 운영 및 제조 프로세스의 특정 요구에 적용합니다.

이 가이드는 이 제품 환경 전반에서 정보에 근거한 결정을 내릴 수 있는 오케스트레이션 밀도 프레임워크 및 지침을 소개합니다. 프레임워크는 아키텍트에게 Salesforce Platform의 지능형 자동화 사용 사례에 대한 오케스트레이션 밀도 수준을 사용하여 올바른 도구 및 패턴을 선택하는 반복 가능한 접근 방식을 제공합니다.

Agentforce 규칙 기반 자동화에서 추론 기반 워크플로로의 Salesforce Platform에서 작업이 수행되는 방식의 근본적인 변화를 나타냅니다. 에이전트의 잠재력을 확보하려면 설계자가 에이전트가 적합한 위치, 구성 방법 및 오케스트레이션하는 항목에 대해 의도하고 정보에 근거한 결정을 내려야 합니다. 다음 원칙은 에이전트의 결정에 대한 반복 가능한 지침을 제공합니다.

• 올바른 작업에 적합한 도구를 사용하십시오. 실행 경로, 모달 혼합 및 목표 복잡성을 기반으로 오케스트레이션 밀도를 사용하여 가장 적합한 솔루션을 결정합니다.

  • Flows 및 Apex를 활용한 기존 자동화를 규칙 기반의 결정적 작업에 사용합니다. 이때 결과는 규칙 집합으로 완전히 범위가 지정되고 정의될 수 있습니다. 기존 자동화는 예측 가능하고 반복 가능한 결과를 보장하고 감사 가능성에 매우 중요한 정적 실행 경로를 제공합니다. 엄격한 규정 준수 및 법적 준수를 요구하는 과업에 일반적인 자동화를 선택합니다.

  • 오케스트레이션 복잡성이 낮거나 중간인 대량 추론 사용 사례에 Agentforce 그리드를 사용합니다. 이 패턴은 단일 턴 생성적 추론을 사용하여 대량의 CRM 레코드에서 데이터를 분류, 점수화 또는 요약함으로써 즉각적인 감사 가능성과 함께 고처리량 실행을 보장합니다.

  • 원하는 결과는 알지만 설계 시점에 정확한 실행 경로를 지정할 수 없는 개방형 목표가 있는 작업에는 Agentforce with Agent Script를 사용합니다. 예측 가능하고 추적 가능한 결과를 보장하기 위해 안내된 결정주의를 통해 추론이 필요한 요구 사항에 이 패턴을 적용합니다.

  • 공급 체인 워크플로를 위한 AI 지원 관리로 협업형 비즈니스 프로세스를 간소화 및 자동화하려면 Agentforce Operations를 사용합니다.

• 오케스트레이션 밀도가 낮은 사용 사례에 에이전트 워크플로를 적용하지 마십시오. 기능 및 비 기능 요구 사항에 대한 기존 자동화와 에이전트 자동화 간의 제약을 평가합니다. 기존 자동화는 사용 사례에 필요한 규모, 신뢰도, 성능을 제공할 수 있습니다.

• Agent Automation Hybrid 접근 방식을 채택하십시오. 이는 Agentforce와 기존 자동화를 Flows 및 Apex와 결합할 때, 단독으로 에이전트 자동화 또는 기존 자동화를 사용하는 것보다 더 큰 가치를 제공하는 경우에 해당합니다.

Salesforce sObject는 일반적으로 레코드 자동화를 위한 기본 입력 지점입니다. 시스템은 삽입, 업데이트 또는 삭제와 같은 데이터 조작 언어(DML) 이벤트 직후에 규칙을 기반으로 논리를 실행합니다. 효율적인 레코드 트리거형 자동화를 위한 도구를 선택하기 위해 자동화 수량, 레코드 볼륨 및 종속성 확산을 고려하여 시스템의 복잡성을 측정하는 수단으로 자동화 밀도을 도입했습니다. 기존 자동화는 구조화된 스키마 준수 및 규칙 기반 구조로 데이터를 가져오기 위해 필요한 광범위한 사전 작업으로 제한됩니다.

에이전트 자동화는 원하는 결과를 달성하기 위해 사유를 적용할 수 있는 입력으로 사용자 의도 또는 구조화되지 않은 데이터를 사용하여 기존 자동화를 업그레이드합니다. 설계자는 다중 모달 비정형 데이터에 대한 확률적 추론을 활용할 시기와 예측할 수 없는 결과의 위험을 완화하기 위해 결정적 안내 워크플로를 적용할 시기를 결정해야 합니다.

요구 사항이 규칙 기반 단계 실행에서 결과에 대한 추론으로 바뀌면 설계자가 제안된 솔루션의 추론 깊이와 목표 복잡성을 평가할 수 있는 표준화된 프레임워크가 필요합니다.

오케스트레이션 밀도는 에이전트 워크플로 내의 복잡성 측정값입니다. 오케스트레이션 밀도는 실행 경로, 목표 복잡성, 모달 혼합과 같은 세 가지 요소로 결정됩니다. 자동화 밀도는 시스템 규칙 및 볼륨의 물리적 복잡성을 측정하지만 오케스트레이션 밀도는 목표를 향한 에이전트 경로의 추론 복잡성을 측정합니다. 복합 오케스트레이션 밀도를 사용하여 설계 요구 사항을 평가하고 아키텍처 표준에 맞춥니다.

• 실행 경로: 설계 시 워크플로의 범위를 완전히 지정할 수 있는 정도입니다. 완전히 지정된 워크플로는 워크플로가 사전 결정된 실행 경로로 이어지는 모든 분기와 결과를 정의함을 의미합니다. 지정할 수 없는 워크플로는 컨텍스트 데이터 및 지침에 대한 추론을 통해 런타임 중에 나타날 수 있는 경로가 있습니다.
• 목표 복잡성: 워크플로가 런타임 시 해결해야 하는 고유한 결과, 결정 지점 및 경로 변형의 수입니다. 복잡도가 낮은 워크플로는 사전 결정된 결과가 있는 단일 포함된 과업을 처리하고, 복잡도가 높은 목표는 설계 시 예상할 수 없는 가장자리 사례와 경쟁하거나 충돌하는 목표가 있는 여러 스테이지에 걸쳐 있습니다.
• 모달 믹스: 워크플로에서 처리해야 하는 입력 유형의 범위 및 워크플로에서 생성해야 하는 출력 양식입니다. 낮은 모달 혼합은 표준 CRM 필드를 읽고 레코드 업데이트를 생성합니다. 중간 모달은 구조화된 CRM 필드와 이메일 본문 또는 사례 기록과 같은 정적 비정형 데이터를 혼합하여 레코드 업데이트를 생성합니다. 높은 모달 혼합은 라이브 오디오나 텔레메트리와 같은 동적 실시간 스트림을 사용하고, 여러 외부 시스템에서 다중 모달 출력을 생성합니다.

적절한 오케스트레이션 밀도 수준을 결정하려면 실행 경로, 목표 복잡성, 모달 조합을 순차적으로 평가해야 합니다. 먼저 실행 경로를 검사합니다. 경로를 완전히 지정할 수 있는 경우 기존 자동화부터 시작합니다. 추론이 필요 없는 결정적 경로를 단순히 오케스트레이션하고 실행하기 위해 에이전트 솔루션을 사용하는 것은 안티 패턴입니다. 이는 에이전트 확산(비관리 AI 에이전트의 과도한 확산) 및 에이전트 슬롭(품질이 낮고 불필요한 AI 생성 출력)으로 이어져 가치가 낮은 결과를 초래합니다.

일부 또는 지정할 수 없는 경로의 경우 계속해서 목표 복잡성을 평가하십시오. 목표 복잡성이 잘 정의되어 있으나 경로 상의 특정 노드에서 확률적 평가가 필요한 경우, 해당 지역적 요구를 충족하기 위해 Flow 또는 Apex의 에이전트를 호출하는 것을 고려하십시오. 대신, 실행 경로의 단계에서 대규모 레코드 집합에 대해 하나 이상의 AI 기반 요구 사항이 필요한 경우에는 Agentforce 그리드를 고려하십시오. 그리드는 여러 AI 또는 에이전트 열을 통해 다단계 시트 기반 워크플로를 지원합니다. 대량 행 지향 실행에 가장 적합합니다. 이 접근 방식을 사용하면 워크플로의 성능이 높고 감사 가능성이 높아 경로를 미리 정의할 수 없는 경우에만 확률적 추론을 호출합니다.

경쟁 차원(예: 사기 감지, 증권 준수, 고객 만족도와 함께 보험 청구 지급 결정) 및 지정 불가능 실행 경로에 따라 목표 복잡성이 증가함에 따라 Agentforce 에이전트 스크립트를 사용하여 자동화에 대한 안내 결정성을 고려하십시오. Salesforce 및 타사 시스템과 관련된 교차 엔터프라이즈 사용 사례의 경우 MuleSoft Fabric 및 Agent Broker를 사용하십시오.

마지막으로 모달 혼합을 평가하여 다중 모달 연결 또는 전문 통합과 같은 필수 기술 기능을 식별합니다. 모달 혼합은 밀도 계산기가 아닌 기능 선택기로 작동합니다. 기본 오케스트레이션 논리를 변경하지 않고 솔루션의 입력 및 출력 형태를 처리하는 데 필요한 인프라를 결정하는 데 도움이 됩니다.

이 매트릭스를 사용하여 에이전트 자동화의 아키텍처 표준을 결정합니다. 자동화 문제를 해결하는 접근 방식을 선택하여 기존 자동화와 에이전트 자동화의 균형을 맞춥니다.

• 기존 자동화(낮은 오케스트레이션 밀도): 레코드 변경으로 프로세스가 트리거되고 데이터가 구조화되고 논리가 규칙 기반이며 미리 결정되어 있고 결과가 예측 가능해야 하는 경우 일반 자동화를 사용합니다(예: 표준 가격 계산 또는 자동 과업 생성).
• Agentforce 그리드(저~중간 오케스트레이션 밀도): 기존 레코드에서 대량의 AI 작업을 처리해야 하는 경우에는 Agentforce 그리드를 사용하십시오(예: 이 목록의 모든 계정에 대해 마지막 50건의 사례를 요약하고, 감정 점수를 계산하여 사례 필드에 저장).
• 하이브리드 오케스트레이션(고급 증강 자동화): Flow와 Apex의 트랜잭션 무결성이 필요한 복잡한 종단간 비즈니스 프로세스(예: 청구 처리 또는 온보딩)를 자동화할 때 하이브리드 오케스트레이션을 사용합니다.
• Agentforce Agent Script(높은 의도 복잡성): 입력 지점이 비정형(예: 채팅, 이메일, 음성)이고, 해결을 위해 대화 또는 모호한 사용자 요청을 처리할 수 있는 능력이 필요할 경우 Agent Script를 사용합니다.

다음 표는 다양한 사용 사례에 대한 일반적인 모범 권장 사항을 제공합니다.

대기 시간

동기식 레코드 트리거 플로우는 플랫폼 트랜잭션 내에서 실행되며, 밀리초 내에 완료됩니다. Agentforce 추론 시간은 Atlas Reasoning Engine에 따라 다르며, 추론 깊이와 모달 복잡성에 따라 확장됩니다. Agentforce 대기 시간이 기본 제약인 대용량 동기식 레코드 처리에 적합하지 않습니다.

비용

에이전트 워크플로의 추론 비용은 결과의 비즈니스 가치와 비교하여 정당화되어야 합니다. 결정적 경로가 있는 대용량 및 낮은 오케스트레이션 밀도 작업의 경우 기존 자동화 또는 Agentforce 그리드가 엔드-투-엔드 에이전트 워크플로보다 저렴할 수 있습니다. 명시적인 최대 재시도 제한 및 브레이커를 사용하여 디자인이 올바른 재시도 패턴을 수용하는지 확인합니다. 이 가드레일은 대량 처리와 관련된 비용 초과 위험을 제한합니다.

거버너 제한

비동기 실행을 위해 일일 플랫폼 제한 대비 대용량 에이전트 워크플로를 평가합니다. Agentforce 그리드 배치 작업은 표준 플랫폼 트랜잭션 제한을 따릅니다. Salesforce 개체를 포함하는 자동화의 경우 Salesforce는 멀티테넌트 환경에서 공유 자원 관리와 런어웨이 자동화가 공유 자원을 독점하지 않도록 거버너 제한을 적용하므로 일일 DML 작업의 총 수를 고려하십시오.

감사 및 규정 준수

기존 자동화는 플로우 트리거 탐색기 및 Apex 로그를 통해 완전히 감사 가능한 실행 내역을 생성합니다. Agentforce 기반 엔드 투 엔드 또는 하이브리드 패턴은 에이전트 의사 결정 과정에 대한 투명성을 제공하는 추론 로그를 생성하지만, 이를 해석하기 위해서는 전문 지식이 필요합니다. 에이전트 스크립트를 통한 안내 결정성은 완전한 실행 감사 가능성이 준수 요구 사항인 규제 산업에 권장되는 패턴입니다.

에스컬레이션

밀도가 높은 에이전트 워크플로에서 금융 거래, 규제 제출 또는 공급업체 서약과 같은 되돌릴 수 없는 결과가 있는 작업에 대해 명시적 인 승인 또는 에스컬레이션 게이트를 통합해야 합니다. 에이전트 스크립트 조건부 제어는 에이전트가 아닌 워크플로 내에서 이러한 게이트를 결정적으로 적용하는 메커니즘을 제공합니다.

오케스트레이션 설계에서 단순함을 우선시하십시오 목표를 달성할 수 있는 최소한의 오케스트레이션 수준에서 시작하고, 실제 부하에서 검증한 후 반복하십시오. 체인의 추가되는 각 에이전트, 핸드오프 또는 종속성은 일관성 없는 동작을 초래할 수 있는 새로운 위험 요소를 도입합니다.

지정 가능한 실행 경로에서 추론이 필요한 노드에서 에이전트 포함을 시작합니다. Agentforce 에이전트를 구축하기 위한 모범 사례를 따르십시오. 많은 하위 에이전트(이전의 “topics”)를 사용하지 말고, 명령을 불필요하게 늘리지 마십시오. 자동화 사용 사례에 배포된 에이전트는 유일한 인터페이스가 아니므로 간결할 수 있습니다. 연결에 적합한 기본 항목을 선택합니다. 오케스트레이션(위임) 패턴은 실행 순서를 더욱 엄격하게 제어하고 전문가에게 하위 과업을 위임할 수 있습니다. 코레오그래프(핸드오프) 패턴을 피하십시오. 핸드오프 설계를 구현해야 하는 경우 로컬 목표가 아닌 전역적으로 최적화할 수 있도록 수신 에이전트에 목표, 컨텍스트, 상태를 제공합니다.

작업 또는 도구의 난립을 피하십시오. 작업은 에이전트의 추론이 실현되는 곳이며, 그 설계에 따라 신뢰할 수 있는 결과를 내는지, 실패를 초래하는지가 결정됩니다. 모든 작업은 AI 에이전트가 다음 대화 순서를 계획하는 데 사용할 수 있는 구조화되고 관찰 가능한 응답을 반환해야 합니다.

동일한 과업을 수행하기 위해 두 개 이상의 작업(및 다른 출력 구조)을 사용하면 에이전트가 작업에 적합한 도구를 판단하거나 선택할 수 있는 능력이 저하됩니다. 에이전트가 뉘앙스를 놓칠 수 있습니다. 작업 정의가 중복되면 잘못 분류될 위험이 있습니다. 작업 라이브러리가 감사되고 버전이 지정되어 하위 에이전트(이전 주제) 범위를 준수하는지 확인합니다.

관찰 가능한 목표를 정의합니다. 목표를 절차뿐만 아니라 관찰 가능한 결과로 정의합니다. 모호한 목표는 에이전트 드리프트를 초대합니다. 지정 가능한 실행 경로를 사용하여 증가합니다. 하이브리드 추론과 함께 에이전트 그래프를 사용하여 명시적 상태의 그래프 노드로 목표를 모델링합니다. 런타임은 워크플로 내에서 에이전트의 현재 위치를 추적하며, 부차적 입력 후 이를 복원합니다. 또한, 컨텍스트 창에서 추가 정보를 받을 때에도 목표가 손실되지 않습니다.

테스트 및 평가. 강력한 테스트 및 평가 프레임워크를 구현하여 확률적 노드의 추론과 에이전트 자동화의 출력을 검증합니다. 예상 결과 경로에 대한 실행 경로를 확인하여 모델이 올바른 결과에 도달하는지 확인합니다. 실행 단계에서 결과를 검증함으로써, 에이전트가 성공을 잘못 보고하거나 무한 루프 혹은 복구 불가능한 루프에 진입하는 것을 방지합니다. 세션 추적을 사용하여 전환 상호 작용, 추론 엔진 실행, 작업, 프롬프트 및 게이트웨이 입력/출력, 오류 메시지, 최종 응답을 검사합니다.

작성자 정보

Arvind Palaniswamy는 Chief Architect 사무실의 Well-Architected 팀에서 소프트웨어 엔지니어링 아키텍트입니다. 그는 최초 원리를 사용하여 복잡한 시스템을 가장 단순한 형태로 구조화하는 것을 좋아합니다. 수십 년간의 경험과 MS/MBA(Kellogg) 교육을 통해 엔지니어링, 운영, 비즈니스를 이해합니다.