Universal Containers가 Sales Cloud의 Draft with Einstein 기능을 사용하여 개인화된 이메일을 작성할 때, 미리 정의된 "Formalize Less Formal" 조정 옵션을 사용하면 초안을 보다 편안한 어조로 수정할 수 있습니다. 이 옵션은 초안의 문구를 덜 격식적으로 수정하여 전문성을 유지하면서도 소통을 더욱 쉽게 만들어줍니다.
* 친근감을 높이면 분위기가 더 긍정적으로 바뀌지만, 반드시 더 캐주얼해지는 것은 아닙니다.
* 명확성을 위한 최적화는 초안을 더 명확하게 만드는 데 중점을 두지만 톤은 조정하지 않습니다.
자세한 내용은 Einstein이 생성한 이메일 초안과 톤 조정에 대한 Salesforce 문서를 참조하세요.

AgentForce 문서의 정확한 발췌문에서 포괄적이고 자세한 설명:
공식 AgentForce 구현 지침 및 Salesforce의 RAG(Retrieval-Augmented Generation) 아키텍처에 따르면, 검색 정확도 유지는 임베딩 및 색인된 콘텐츠가 최신 데이터와 동기화되도록 보장하는 데 달려 있습니다. 제품 설명서 또는 지식 기반 콘텐츠가 변경되면 벡터 임베딩에 사용되는 기본 텍스트도 새로운 정보를 반영하도록 업데이트해야 합니다.
AgentForce 설명서에는 콘텐츠가 수정될 때 검색 인덱스를 다시 작성하는 것이 권장된다고 명시되어 있습니다. 이 프로세스는 문서 청크를 재생성하고, 최신 모델을 사용하여 다시 임베드하고, 검색 시스템에서 사용하는 인덱스를 업데이트합니다. 이를 통해 쿼리는 업데이트된 콘텐츠에 맞춰 가장 최신의 관련성 높은 응답을 반환합니다.
임베딩을 변경하지 않고 그대로 두면(옵션 A) 기본 의미 표현이 원본 자료와 더 이상 일치하지 않기 때문에 검색 결과에서 오래되었거나 관련 없는 정보가 표시됩니다. 마찬가지로, 오래된 데이터 청크를 수동으로 삭제하면(옵션 C) 벡터 데이터가 완전히 새로 고쳐지지 않아 불완전하거나 일관되지 않은 결과가 발생할 수 있습니다.
따라서 AgentForce 모범 사례에 따르면 올바른 접근 방식은 옵션 B입니다. 검색 인덱스를 다시 빌드하여 모든 임베딩, 청크 및 인덱싱된 데이터가 최신 버전의 콘텐츠에 맞춰 정렬되도록 하는 것입니다.
참조: AgentForce 구현 가이드 - "인덱스 재구축을 통한 검색 정확도 유지" 섹션.

1단계: 요구 사항 정의
이 질문은 영업 관리자의 다음 요구 사항을 명시합니다.
* 대규모 리드에 연락: 대량의 리드를 동시에 처리합니다.
* 매우 관련성 있는 솔루션: 리드별 데이터(예: CRM 데이터, 행동)를 기반으로 맞춤형 솔루션을 제공합니다.
* 맞춤형 커뮤니케이션: 각 리드에 맞게 맞춤형 홍보(예: 이메일, 메시지)를 제공합니다.
* 가능한 가장 효율적인 방법: 수동 작업을 최소화하고 자동화를 극대화합니다.
이는 Salesforce 생태계 내에서 이상적으로는 규모에 맞는 개인화 및 자동화를 위해 AI를 활용하는 솔루션을 제안합니다.
2단계: 제공된 옵션 평가
A). 아인슈타인 영업 사원
* 설명: Einstein Sales Assistant는 2025년 3월 기준 Salesforce 문서에 별도로 포함된 독립형 제품이 아니지만, Sales Cloud Einstein 또는 Einstein Copilot for Sales의 기능과 함께 제공되는 경우가 많습니다. 일반적으로 영업 워크플로에 내장된 AI 기반 비서 역할을 하며, 제안(예: 최선의 후속 조치), 이메일 작성, 통화 요약 등의 기능을 제공합니다.
* 요구 사항 분석:
* 확장성: 개별 담당자의 생산성 향상(예: 개인화된 이메일 작성 속도 향상)을 지원하지만, 본질적으로 대규모 리드에게 자율적으로 연락하는 것은 아닙니다. 각 상호작용에 대해 사람의 개입이 필요합니다.
* 하이퍼 관련성: CRM 데이터를 활용하여 관련성 있는 제안을 제공하므로 맞춤형 솔루션이 가능합니다.
* 사용자 정의: 사용자 정의된 커뮤니케이션(예: CRM 데이터를 기반으로 한 이메일)을 생성할 수 있지만, 이는 수동이거나 반자동입니다.
* 효율성: 영업 담당자의 업무는 간소화되지만, 상당한 인적 감독 없이 대규모 홍보 활동을 처리할 수 있는 자율성이 부족합니다.
* 결론: Einstein Sales Assistant는 영업 담당자를 위한 생산성 도구일 뿐, 대규모 리드 연락을 위한 자율적인 솔루션이 아닙니다. 최적의 솔루션이 아닙니다.
B). 프롬프트 빌더
* 설명: 프롬프트 빌더는 Einstein 1 플랫폼 내의 로우코드 도구로, 사용자가 Salesforce CRM 데이터를 기반으로 개인화된 콘텐츠(예: 이메일, 요약)를 생성하는 재사용 가능한 AI 프롬프트를 만들 수 있도록 지원합니다. 생성형 AI 모델과 통합되며, 워크플로(예: Flow)에 내장되어 콘텐츠 생성을 자동화할 수 있습니다.
* 요구 사항 분석:
* 규모: Prompt Builder만으로는 콘텐츠를 생성할 수 있지만, 홍보 활동을 실행하지는 않습니다. Flow나 Agentforce와 같은 자동화 도구와 함께 사용하면 수천 개의 리드에 대한 콘텐츠를 생성하여 대규모 커뮤니케이션을 지원할 수 있습니다.
* 고도의 관련성: CRM 데이터(예: Data Cloud의 리드 세부 정보)를 사용하여 각 리드의 상황에 맞는 매우 관련성 있는 메시지나 솔루션을 제작합니다.
* 맞춤 설정: 맞춤형 커뮤니케이션을 제작하는 데 탁월하며, 사용자가 개인화를 위해 특정 리드 데이터를 가져오는 프롬프트를 정의할 수 있습니다.
* 효율성: 수동 콘텐츠 생성 작업은 줄어들지만, 효율성은 실행 메커니즘(예: 이메일을 보내는 Flow)과의 통합에 달려 있습니다.
이것이 없다면 아웃리치는 완전하지 않습니다.
Salesforce 문서에는 "Prompt Builder를 사용하면 CRM 데이터를 기반으로 AI 콘텐츠를 생성하는 프롬프트 템플릿을 만들 수 있습니다"라고 설명되어 있습니다(Salesforce 도움말: "프롬프트 템플릿 만들기").
결론: Prompt Builder는 매우 관련성 높고 맞춤형 콘텐츠를 효율적으로 생성하는 데 강력한 후보입니다. 하지만 확장성을 위해서는 추가적인 도구가 필요하기 때문에 부분적이지만 실행 가능한 솔루션입니다.
C). 아인슈타인 리드 후속 조치
설명: 2025년 3월 8일 기준 Salesforce 공식 문서에는 "Einstein Lead Follow-Up"이라는 명확한 제품이 없습니다. 이는 잘못된 명칭이거나 Einstein Lead Scoring(리드 우선순위 지정)이나 Agentforce SDR(자율 리드 육성)과 같은 기능을 지칭하는 것일 수 있습니다. 공정성을 위해 AI 기반 리드 팔로우업 메커니즘을 의미한다고 가정해 보겠습니다.
요구 사항 분석:
규모: Agentforce(예: SDR Agent)의 일부로 해석하면 대규모로 리드에 자율적으로 연락하여 24시간 내내 수천 건의 상호작용을 처리할 수 있습니다.
고도의 관련성: CRM과 외부 데이터를 활용하여 관련 솔루션에 대한 필요성에 맞춰 후속 조치를 맞춤화할 수 있습니다.
맞춤 설정: 구현 방식에 따라 개인화된 메시지나 작업(예: 회의 예약)이 생성될 수 있습니다.
효율성: 자율 에이전트는 영업 담당자의 아웃리치 업무를 분산시켜 효율성을 극대화합니다.
문제점: "Einstein Lead Follow-Up"이라는 검증된 제품이 없기 때문에 해당 제품의 성능을 확인할 수 없습니다.
예를 들어, Einstein Lead Scoring은 리드의 우선순위를 정하지만 연락하지는 않습니다. Agentforce SDR은 더 적합하지만 목록에 없습니다.
결론: Agentforce SDR이라면 이상적일 것입니다. 하지만 옵션의 모호성을 고려하면 검증된 답변으로 신뢰할 수 없습니다.
3단계: 옵션 중 가장 적합한 것을 식별합니다.
아인슈타인 영업 지원: 영업 담당자의 생산성을 향상시키지만 규모와 자율성이 부족합니다.
프롬프트 빌더: 매우 관련성 높고 맞춤형 콘텐츠를 효율적으로 생성하며, Flow나 Agentforce와 같은 자동화 도구와 함께 사용하면 확장 가능합니다. 검증 가능한 기존 도구로서, 요구 사항을 부분적으로 충족합니다.
아인슈타인 리드 후속 조치: 자율적인 후속 조치가 필요한 경우(예: Agentforce) 이상적일 수 있지만, 인정받는 제품이 아니므로 추측적인 방법입니다.
제시된 옵션 중에서 Prompt Builder는 다음과 같은 이유로 돋보입니다.
CRM 데이터에 연결된 AI 생성 콘텐츠를 통해 하이퍼 관련성과 맞춤화를 직접 해결합니다.
Salesforce 자동화(예: 수천 개의 리드에 이메일을 보내는 Flow)를 통해 확장할 수 있지만, 이를 위해서는 추가 설정이 필요합니다.
리드 아웃리치의 주요 병목 현상인 콘텐츠 제작에 효율적입니다.
4단계: 이상적인 솔루션 고려(Agentforce 컨텍스트)
이 질문은 대규모 리드에 자율적으로 연락하고, 관련성이 매우 높은 솔루션을 제공하며, Data Cloud와 Atlas Reasoning Engine을 사용하여 커뮤니케이션을 맞춤 설정하는 Agentforce Sales Agents(예: SDR)와 긴밀히 연관되어 있습니다. Salesforce 설명서에는 "Agentforce SDR은 인바운드 리드를 자율적으로 육성하고, 선호하는 채널을 통해 개인화된 답변을 제공합니다."라고 설명되어 있습니다(Salesforce.com: "Agentforce for Sales").
하지만 Agentforce는 여기서는 옵션이 아니므로 A, B, C 중에서 선택해야 합니다.
5단계: 최종 검증
Prompt Builder 참고 자료: "Prompt Builder를 사용하여 Flow와 통합된 자동화를 통해 개인화된 판매 이메일 또는 요약을 대량으로 생성하세요"(Trailhead: "Prompt Builder를 사용하여 AI 콘텐츠 맞춤 설정"). 이는 Prompt Builder의 관련성 및 맞춤 설정 기능을 확인시켜 주며, 통합을 통해 확장성을 확보할 수 있음을 보여줍니다.
단독으로는 모든 기준을 완벽하게 충족하는 다른 옵션은 없습니다. Einstein Sales Assistant는 규모가 부족하고 Einstein Lead Follow-Up은 정의가 부족합니다.
따라서 실행 자동화와 함께 사용된다면, 제공된 옵션 중 프롬프트 빌더(B)가 가장 좋은 선택입니다. 이러한 가정 없이는 어떤 옵션도 완벽하지 않지만, 프롬프트 빌더는 가장 검증 가능하고 가장 적합한 솔루션입니다.

포괄적이고 자세한 심층 설명: UC는 담당자가 프롬프트를 입력하는 데 소요되는 시간을 줄이고 일관성을 유지하며 기존 프롬프트 지식을 활용하여 생성 AI 사용을 간소화하고자 합니다. 몇 가지 옵션을 평가해 보겠습니다.
* 옵션 A: 에이전트 빌더 및 작업: 레코드 쿼리. Agentforce Studio의 에이전트 빌더는 "레코드 쿼리"와 같은 작업을 통해 데이터를 가져오는 자율 AI 에이전트를 생성합니다. 이 기능은 정보를 검색할 수는 있지만, 에이전트 중심 워크플로를 위해 설계된 것이지, 수동 프롬프트 입력을 간소화하거나 사용자 입력의 일관성을 보장하는 데 적합하지 않습니다. 이는 UC의 문제점을 직접적으로 해결하지 못하며 잘못된 설명입니다.
* 옵션 B: Einstein 프롬프트 빌더 및 프롬프트 템플릿. Agentforce Studio의 일부인 Einstein 프롬프트 빌더를 사용하면 생성 AI에 대한 구체적인 지침과 기반을 담은 재사용 가능한 프롬프트 템플릿을 만들 수 있습니다(예: Atlas Reasoning Engine을 통한 공개 모델 사용). UC는 알려진 언어를 기반으로 프롬프트를 미리 정의할 수 있으므로 담당자의 반복적인 입력을 제거하고 영업 및 서비스 팀 전체의 일관성을 유지하여 시간을 절약할 수 있습니다. 템플릿은 플로우, Lightning 페이지 또는 상담원 상호작용에 내장될 수 있어 UC의 요구를 완벽하게 충족합니다. 정답은 다음과 같습니다.
* 옵션 C: Einstein 추천 빌더. Einstein 추천 빌더는 자유형 프롬프트를 위한 생성 AI가 아닌 예측 AI를 사용하여 개인화된 추천(예: 제품, 차선책)을 생성합니다. 사용자 지정 프롬프트 생성을 지원하지 않으며, 담당자의 시간/일관성 문제를 해결하지 못하여 정확하지 않습니다.
옵션 B가 옳은 이유: Einstein Prompt Builder의 프롬프트 템플릿은 생성 AI 언어에 대한 친숙함을 활용하여 프롬프트를 표준화하고 수동 작업을 줄임으로써 UC의 과제를 직접 해결합니다.
Salesforce 설명서에 따르면 이는 이러한 사용 사례의 핵심 기능입니다.
참고문헌:
* Salesforce Agentforce 문서: Einstein Prompt Builder- 일관성과 효율성을 위한 세부적인 프롬프트 템플릿입니다.
* 시작점: Agentforce에서 프롬프트 템플릿 구축하기 - 템플릿을 사용하면 시간을 절약할 수 있다는 이점에 대해 설명합니다.
* Salesforce 도움말: 프롬프트 빌더를 사용한 생성 AI - 영업 담당자 상호 작용을 간소화하는 데 사용 가능.

포괄적이고 자세한 심층 설명:
Salesforce Agentforce는 텍스트 생성이나 필드 채우기와 같은 AI 기반 작업을 지원하기 위해 다양한 프롬프트 템플릿 유형을 제공합니다. 이 경우 UC는 생성된 출력으로 필드를 채우기 위한 사용자 지정 프롬프트 템플릿이 필요하며, 이는 필드 생성 프롬프트 템플릿 유형과 직접적으로 연결됩니다. 이 유형은 생성 AI를 사용하여 입력 데이터 또는 프롬프트를 기반으로 필드 값(예: 요약, 설명)을 생성하도록 설계되었으므로 UC 요구 사항에 이상적인 선택입니다. 또한 UC는 AI 출력의 안전성, 설명 가능성, 감사 가능성을 보장하는 거버넌스 프레임워크인 Einstein Trust Layer를 활성화하여 AI 도입 모니터링 및 개선 영역 파악을 위한 AI 감사 데이터를 수집합니다.
UC에서 검토해야 할 사항은 동적 필드(Dynamic Fields)의 활성화 여부입니다. 동적 필드를 사용하면 프롬프트 템플릿이 Salesforce 레코드의 가변 데이터(예: 사례 세부 정보, 고객 정보)를 프롬프트에 통합하여 생성된 출력이 각 레코드와 맥락적으로 관련성이 있도록 할 수 있습니다. 이는 정적 프롬프트가 레코드별 요구 사항에 맞춰 조정되지 않기 때문에 필드 채우기 작업에 매우 중요합니다. Einstein Trust Layer는 감사 목적으로 동적 입력이 출력에 미치는 영향을 추적할 수 있으므로 이 기능의 이점을 더욱 누릴 수 있습니다.
* 옵션 A: 정답입니다. "필드 생성"은 사용 사례와 일치하며, "동적 필드"는 신뢰 계층의 유연성과 감사 가능성을 보장하기 위한 핵심 고려 사항입니다.
* 옵션 B: "필드 생성"은 맞지만, "동적 양식"은 관련이 없습니다. 동적 양식은 페이지 레이아웃을 사용자 지정하는 UI 기능이지, 프롬프트 템플릿 설정이 아니므로 이 옵션은 올바르지 않습니다.
* 옵션 C: "Flex" 템플릿은 더 일반적인 용도로 사용되며 현장 인력 충원 작업에 특별히 맞춰져 있지 않습니다. 동적 필드도 적용할 수 있지만, 필드 생성이 UC의 목표에 더 적합합니다.
옵션 A는 적절한 템플릿 유형(필드 생성)과 Einstein Trust Layer가 있는 UC 시나리오에 대한 관련 고려 사항(동적 필드)을 결합하므로 가장 좋은 선택입니다.
:
Salesforce Agentforce 문서: "프롬프트 템플릿 유형"(Salesforce 도움말: https://help.salesforce.
com/s/articleView?id=sf.agentforce_prompt_templates.htm&type=5)
Salesforce Einstein Trust Layer 설명서: "Trust Layer를 사용한 AI 모니터링"(https://help.salesforce.com/s
/articleView?id=sf.einstein_trust_layer.htm&type=5)
Trailhead: "Agentforce를 위한 프롬프트 템플릿 구축"(https://trailhead.salesforce.com/content/learn/modules
/agentforce용 빌드 프롬프트 템플릿)