【第368回】 Agentforce ： Data Cloud の RAG の説明と最適化について

Salesforce Data Cloud の RAG に関する説明の決定版的記事が登場しましたのでご紹介しておきます。Data Cloud 新機能リリース ハイライトでお馴染みの マシュー・ウォッシュ （Matthew Wash）さん の LinkedIn 記事です。

Agentforce に取り組む場合は、一読することをオススメします。

が、読む時間の無い人のために、端的にまとめると、こういうことです。

• 背景：AI は正しく学習・準備しないと誤回答や遅延を生み、時間・コスト・顧客ロイヤルティを失うリスクがある。

• ポイント：そのカギは「非構造化データ（PDF、メール、音声記録など）」をどう扱うか。

• 解決策：検索拡張生成（RAG）を使えば、非構造化データを分割・整理・検索でき、AI が正確かつ迅速に答えられる。

• プロセス：

  1. データを取り込み、細かく分けて（チャンク化）、ベクトル化（住所付け）して検索できる状態にする。

  2. 顧客の質問を同じくベクトル化して照合し、関連データを探し出す。

  3. それをプロンプトに入れてLLMに渡し、自然な回答として返す。

• 要は：Agentforce は RAG を使って企業内に眠る非構造化データを活用し、正確で早い顧客対応を実現する。その仕組みと実装を理解しないとリスクが大きい。

という話でした。これをもっと細かく丁寧に、Tips を混ぜながら解説してくれています。

オススメの Trailhead

• 「検索インデックス」の作成を試したい場合

今回は以上です。

次の記事はこちら

前回の記事はこちら

私の note のトップページはこちら