Agentforceデータライブラリ設定ガイド：Data Cloud連携で回答精度をパーソナライズ

どんな取り組みか
使われた技術スタック
実装のポイント
得られた成果や学び
まとめ

どんな取り組みか

本記事では、SalesforceのAgentforceデータライブラリを活用し、エージェントの回答精度を自社データに基づいてパーソナライズする取り組みについて解説します。Agentforceはデフォルトでは学習済みの一般知識をベースに回答を生成しますが、データライブラリ機能を用いることで、エージェントが参照する情報源を社内規程、製品仕様、よくある質問集といった自社のナレッジに絞り込むことが可能になります。

これにより、「回答が漠然としている」「一般論しか返ってこない」といった課題を解決し、より具体的で業務に即した回答をエージェントに生成させることが目的です。これは、例えるなら「持ち込み資料ありの試験」のように、あらかじめ指定した資料の中から答えを導き出す仕組みを構築することに相当します。

使われた技術スタック

この取り組みで中心となる技術スタックは以下の通りです。

Salesforce Agentforce データライブラリ: エージェントが参照する情報源を管理し、回答の根拠とするための主要機能です。
Salesforce Data Cloud (Data 360): データライブラリの前提条件となるサービスであり、データの統合と管理を担います。
LLM (大規模言語モデル): データライブラリによって検索された情報を基に、最終的な回答文を組み立てるために裏側で利用されます。

データライブラリの設定画面での操作の裏側では、以下の処理が順に実行されます。

グラウンディング: AIの回答を自社データに根ざかせる仕組みです。
チャンク化: 取り込んだ文書を「申請手順の章」のように意味のある小さな単位に分割します。
インデックス付け: チャンク化されたデータに対して索引を作成し、エージェントが検索できる状態にします。この処理に時間がかかるため、更新がすぐに反映されない場合があります。
レトリーバー: 質問を受け取ると、関連するチャンクを探し出し、LLMに渡して回答を生成させる役割を担います。

実装のポイント

Agentforceデータライブラリの実装には、いくつかの重要なポイントがあります。

設定前の確認事項

データライブラリの設定を開始する前に、以下の3つの条件を満たしているかを確認する必要があります。

エディションの確認: Enterprise EditionまたはUnlimited Edition（Lightning Experience）であること。Einsteinのアドオンライセンスも必要です。自組織のエディションは「設定」→「会社情報」で確認できます。
Data Cloud（Data 360）の有効化: Data Cloudが有効化されていないと、データライブラリの設定画面自体が動作しません。「設定」のクイック検索で「Data Cloud」と入力して確認します。
Data Cloudアーキテクト権限: 設定を行うユーザーにこの権限が付与されている必要があります。システム管理者プロファイルであっても、明示的な付与が必要な場合があります。

実際の設定手順

設定は以下の5つのステップで進めます。本番環境への適用前にSandbox環境でのテストが推奨されます。

「Agentforceデータライブラリ」を開く: 「設定」のクイック検索で「データライブラリ」と入力し、「Agentforceデータライブラリ」を選択します。
ライブラリ名を入力して保存: 「新規ライブラリ」をクリックし、用途がわかるライブラリ名（例: 「CS一次対応用」）を入力して保存します。保存後、データ処理の準備が裏側で開始されるため、すぐに使える状態にはなりません。
データソースを選択する: このライブラリで参照させるデータとして、「ナレッジ記事」または「ファイルアップロード」を選択します。データソースの種別は後から変更できないため、事前にどちらを使用するか決定しておく必要があります。古い資料や未整理の情報を含めると回答品質に影響するため、情報の取捨選択が重要です。
エージェントにデータライブラリを割り当てる: データライブラリを作成しただけではエージェントは参照できません。対象のエージェント設定画面を開き、「エージェントへのデータライブラリの割り当て」から、作成したライブラリを選択して保存します。
Sandboxでテストする: Sandbox環境で、想定される質問に対して正しい情報がヒットするかを確認します。ユーザー権限の変更時や資料更新後もテストを行い、本番環境でのトラブルを未然に防ぎます。

つまずきやすいポイントと注意点

元データの品質が回答精度を左右する: 「設定したのに回答がまだ曖昧」という場合、ほとんどは元データに原因があります。同じ意味の表現の不統一（例: 「解約」「キャンセル」）や、複数のテーマが混在するファイルは検索精度を低下させます。見出し構造を整え、「一ファイル・一テーマ」を意識した資料整理が回答精度向上に直結します。
同じ質問でも回答がブレることがある: ユーザーの権限設定によって参照できる情報が変わるため、同じ質問でも異なる回答が返ってくることがあります。誰がどの情報を参照できるかを事前に設計しておくことが重要です。
Professional Editionでは利用不可: データライブラリはEnterprise EditionまたはUnlimited Editionでのみ利用可能です。設定画面が表示されない場合は、エディションまたはData Cloudの有効化状況を最初に確認することが解決への近道です。

得られた成果や学び

Agentforceデータライブラリを導入することで、エージェントの回答が自社のナレッジに根ざしたものとなり、回答のばらつきが減少します。これにより、社内ルールに沿った一貫性のある案内が可能となり、顧客対応の品質向上に貢献します。

また、この取り組みを通じて、AIの回答精度は単にツールを設定するだけでなく、その基盤となる「元データの品質」に大きく依存するという学びが得られます。ファイルを登録する前の資料整理が、結果として回答精度を向上させる最も近道であることが強調されます。Data Cloudやインデックス付けといった裏側の仕組みは複雑に見えますが、設定手順自体はシンプルであり、まずはSandbox環境で小さく試しながら慣れていくことが推奨されます。

まとめ

Agentforceデータライブラリは、エージェントの回答を自社のデータに根拠づけることで、パーソナライズされた高精度な回答を可能にする重要な機能です。この機能を活用するには、Enterprise/Unlimited Edition、Data Cloudの有効化、Data Cloudアーキテクト権限という3つの前提条件を満たす必要があります。

データソースの種別は後から変更できないため、初期段階での慎重な選択が求められます。最も重要なのは、元データの品質が回答精度に直接影響を与えるため、資料の事前整理が成功の鍵となる点です。これらのポイントを押さえることで、Agentforceをより効果的に活用し、業務効率と顧客満足度の向上に繋げることができるでしょう。

出典: https://zenn.dev/pacific_creator/articles/d1d85636b02054

Related Certifications