Why Data Cloud Is the Real Engine Behind Agentforce

Context

Agentforce 도입 조직들 중 대다수가 AI 모델 자체의 문제가 아닌 중복 연락처, 만료된 계정 데이터, 2019년 이후 미갱신 필드 등 데이터 품질 문제로 실패하고 있다. 데이터가 통일되지 않으면 AI 에이전트는 고객의 어제 불만 제기나 다음 달 갱신 예정 등 필수 컨텍스트를 알 수 없어 정확한 응답을 제공할 수 없다.

Technical Solution

• No-code 리트리버(Retriever) 기능으로 Data Cloud에 수집된 데이터를 Prompt Templates와 Flow 자동화에 직접 연결하여 PDF, 지식 기사, 통화 기록 같은 비정형 데이터에서 벡터 쿼리 코드 없이 컨텍스트 추출
• 복제 규칙(Duplicate Rules)과 매칭 규칙(Matching Rules)을 주요 객체별로 설정하여 리드와 연락처의 중복 정의 기준을 각각 지정
• 데이터 입력 시점에 검증 규칙(Validation Rules) 적용으로 나쁜 데이터가 시스템에 진입하는 것을 차단
• Zero Copy Technology를 통해 Snowflake, Google BigQuery 등 외부 플랫폼의 데이터를 직접 수집하지 않고도 접근하여 복잡한 ETL 파이프라인 유지 제거
• Identity Resolution 구성으로 고객 기록, 거래 이력, 지원 티켓, 행동 데이터를 통합 프로필로 통합
• 월 1회 이상(주 1회 권장) 중복 제거 루틴 수행 및 권한 설정(Permission Sets) 완료로 Data Cloud 접근 제어

Impact

Data Cloud와 Agentforce 제품이 Q3 FY2026 기준 연간 경상 수익(ARR) 약 14억 달러에 도달했으며 전년 대비 114% 성장률 달성.

Key Takeaway

Agentforce의 성공은 AI 프롬프트의 정교함보다는 Data Cloud를 통한 데이터 정제·통일·거버넌스의 지루한 기초 작업에 달려 있으며, 이 작업이 AI 에이전트를 데모에서 실제 가치 제공 도구로 전환시키는 결정 요인이다.