メインコンテンツへスキップ
見出し画像

Agentforce に「意味」をどう渡すか ── Data 360 とセマンティックレイヤー

    この記事は、2026年4月22日に開催された「ゆるっとSalesforce #72 AgentforceとData 360の関係」で発表した内容を元にしています。
    Codexを使用して執筆したためいつもと少し文体が異なりますが、内容の調査・推敲は木村が責任を持って行なっています。自分の記事を読ませて文体を直そうかとも思ったんですが、これも悪くはないかなあとそのままにしています。

    「AgentforceにはData 360のコンテキストが重要」というメッセージを、Salesforce関連の発表やブログでよく目にします。

    確かに入門記事やTrailheadにData 360からのデータの渡し方は書いてあります。ただ、いまいち記載が見当たらないのが、Data 360からAgentforceにどうやって「意味」を渡すのか、です。

    たとえば、

    • LTV はどう定義された値なのか

    • revenue は税込みか税抜きか

    • 「売上」と「購買金額」は同じ意味なのか

    といったことです。

    この記事では、通常のAgentforceスタジオ / Agentビルダーで対して、この問いについて調べてみました。

    結論を先に言うと、Agentforceでは、データを渡す方法はあるが、意味を渡す方法はない、という理解になりました。

    この発表のスコープ

    扱うこと

    • コンテキストをエージェントに渡す3つの手段(DMO差し込み項目 / データグラフ / フロー)

    • 意味づけ(セマンティクス)をどの層でやるべきかという設計の問い

    • セマンティックレイヤーという答え(Tableau SemanticsとOpen Semantic Interchange)

    • Tableau Nextではそれがどう使われているか

    扱わないこと

    • 非構造化データの扱い

    • データモデル設計の具体的な手順(データストリーム設定、ID解決のマッチルール詳細など)

    では現時点で、通常のAgentforceでData 360のデータをどう渡せるのか。まずはグラウンディングの手段から見ていきます。


    Part 1: コンテキストをエージェントに渡す3つの手段

    Data 360で用意したデータを、エージェントにどうやって渡すか。公式に用意されている手段は大きく3つあります。

    手段① DMO差し込み項目

    プロンプトビルダーから、DMOの項目を直接参照する方法です。

    画像
    DMO差し込み項目をプロンプトビルダーで挿入する画面

    プロンプトテンプレートの中にこう書きます。

    あなたは顧客サポート担当です。以下の顧客情報を踏まえて対応してください。
    
    顧客情報:
    - 取引先名: {!$Input:Account.ssot__Name__c}
    - 取引先番号: {!$Input:Account.ssot__Number__c}
    - 商談名: {!$Input:Opportunity.ssot__Name__c}
    - 商談金額: {!$Input:Opportunity.ssot__TotalAmount__c} 円
    - 受注予定日: {!$Input:Opportunity.ssot__CloseDate__c}
    
    顧客の発言: {!$Input:userMessage}

    特徴:

    • 項目単位で細かく制御できる: どの項目をどの位置に置くか、ラベルをどう表現するかを開発者が完全にコントロールできる

    • プロンプトが肥大化しがち: 項目が10個、20個と増えてくるとテンプレートが長くなり管理が辛くなる

    DMO差し込み項目は「渡したい項目が少なく、表現を厳密に制御したい」ケースに向いています。

    手段② データグラフ

    複数のDMOを関係性ごとまとめてJSONにし、LLMに渡す方法です。

    画像
    データグラフの編集画面

    データグラフから取得されるJSON(抜粋):

    {
      "ssot__Id__c": "001xx000003DGSQAA4",
      "ssot__Name__c": "Acme Industries Japan",
      "ssot__Number__c": "A-10045",
      "ssot__AccountSource__c": "Sales Cloud",
      "KQ_Id__c": "acc_10045",
      "ssot__WebsiteAddr__c": "https://www.acme.co.jp",
      "ssot__Opportunity__dlm": [
        {
          "ssot__Id__c": "006xx000004Tt9YAAS",
          "ssot__Name__c": "FY26 Renewal - Acme Industries Japan",
          "ssot__CreatedDate__c": "2026-03-01",
          "ssot__CloseDate__c": "2026-05-31",
          "ssot__Description__c": "Existing contract renewal and add-on licenses",
          "ssot__Probability__c": 70,
          "ssot__TotalAmount__c": 12500000,
          "ssot__TotalProductQuantity__c": 120,
          "ssot__OpportunityContact__dlm": [
            {
              "ssot__Id__c": "00Kxx00000123AAE",
              "ssot__OpportunityId__c": "006xx000004Tt9YAAS",
              "ssot__AccountContactId__c": "003xx0000089LmQAAU",
              "ssot__AccountContact__dlm": [
                {
                  "ssot__Id__c": "003xx0000089LmQAAU",
                  "ssot__PersonName__c": "Yuki Sato",
                  "ssot__Title__c": "Procurement Manager",
                  "ssot__ContactEmailId__c": "yuki.sato@acme.co.jp",
                  "ssot__MobilePhoneId__c": "+81-90-1234-5678"
                }
              ]
            }
          ]
        },
      ]
    }

    ここで一つ重要なポイントがあります。

    DMO差し込み項目では、「累計購買金額」というラベルを開発者がプロンプトテンプレートに手書きしていました。ところがデータグラフでは、JSONのキー名がそのままLLMへのラベルとして機能します。

    DMO差し込み項目:  プロンプト側で「累計購買金額: {!...lifetime_value__c}」と書く
                       ↓
                       ラベルはプロンプトテンプレート側の責任
    
    データグラフ:      JSONのキーが "ssot__TotalAmount__c" や
                                 "ssot__PersonName__c" になっている
                       ↓
                       キー名がそのままLLMへのセマンティクス

    これは地味ですが、設計上かなり重要な違いです。このあと「意味づけの層」の議論につながります。

    特徴:

    • 項目が増えてもプロンプトテンプレートを書き換えなくて済む: データグラフに追加すれば自動的にJSONが拡張される

    • 関係性ごと渡せる: Customer 360的な顧客全体像をエージェントにまとめて渡す用途に向いている

    • ラベルはJSONのキー名に依存: 命名が悪いとLLMへの伝わり方が悪くなる

    手段③ フロー / Apex

    Prompt Builderでは、フローやApexもグラウンディングの手段として使えます。

    たとえばフローなら、Data 360の値を読み取って複数の項目をまとめ、

    この顧客は直近90日で3回購入しており、累計購買金額は35万円です。

    のような形でプロンプトに差し込めます。

    ここでも、意味はフローで組み立てた文章やApexで整形したレスポンスに埋め込まれます。つまり、プロンプトでやっていた意味づけを別の場所に移しただけです。

    特徴:

    • 複雑な整形や独自ロジックに強い: 条件分岐や加工を入れたいときに向いている

    • ラベルや説明はフロー / Apex側の責任になる: 意味をモデル側で定義しているわけではない

    • スキーマ変更にはやや弱い: 項目を増やしたり出し方を変えたりすると、フロー / Apex側の修正が必要になる

    3つの使い分け

    画像
    3つの手段の比較表

    ここで重要なのは、どの手段もデータは渡せるが、意味を一箇所で定義して渡しているわけではないことです。

    • DMO差し込み項目: プロンプト側がラベルを書く

    • データグラフ: JSONキー名がラベルになる

    • フロー / Apex: 組み立てた文章やレスポンスが意味を担う

    この違いが、次の「意味づけはどこでやるべきか」という問いにつながります。


    Part 2: 意味づけはどこでやるべきか

    ここまでが現状できるData 360からAgentforceにデータを渡す手段の話です。ここからが今日の発表の本題です。

    Part 1で見たように、データグラフではJSONのキー名がそのままLLMへのラベルになります。この観察が、ここからの議論の伏線になります。

    同じデータ、複数のエージェントから使うと何が起きるか

    DMO差し込み項目の例をもう一度見ます。

    商談金額: {!$Input:Opportunity.ssot__TotalAmount__c} 円

    「商談金額」というラベルは、開発者がプロンプトテンプレートに手書きした文字列です。データモデル側には ssot__TotalAmount__c という項目があるだけで、「これは税込みなのか税抜きなのか」「見込み金額なのか確定金額なのか」といった情報はどこにもありません。

    ここで仮の状況を考えてみます。

    - 営業エージェントが ssot__TotalAmount__c を使う
        → プロンプトに「商談金額」と書く
    
    - 予実管理エージェントが ssot__TotalAmount__c を使う
        → プロンプトに「見込み売上」と書く
    
    - 経営向け要約エージェントが ssot__TotalAmount__c を使う
        → プロンプトに「案件金額」と書く

    それぞれ同じデータを違うラベルでLLMに渡しています。さらに、ビジネス定義が変わったらどうなるか。

    経理から連絡:
    「商談金額の定義を税抜きから税込みに変えてほしい」
    
    ↓
    
    ・サポートエージェントのプロンプトを書き換える
    ・営業エージェントのプロンプトを書き換える
    ・マーケエージェントのプロンプトを書き換える
    ・(プロンプトを書き換え忘れたエージェントは古い意味でデータを読み続ける)

    これは二重管理です。

    意味(セマンティクス)がデータモデル層ではなくプロンプトテンプレート層にある状態なので、意味が変わるたびに使っている場所すべてに波及します。

    データグラフも万能ではない

    「データグラフならJSONのキーがラベルになるから解決では?」と思いますが、これも限界があります。

    {
      "ssot__Id__c": "001xx000003DGSQAA4",
      "ssot__Name__c": "Acme Industries Japan",
      "KQ_Id__c": "acc_10045",
      "AccountOpportunitySummary__cio": [
        {
          "accountid__c": "001xx000003DGSQAA4",
          "opportunitycount__c": 3,
          "totalamountsum__c": 17300000
        }
      ]
    }
    • totalamountsum__c が税込みなのか税抜きなのか

    • どの商談をどう集計した合計なのか

    • AccountOpportunitySummary__cio がどういう計算済み指標なのか

    項目の説明をLLMに伝える仕組みが、データグラフ単体にはありません。

    現状ツールの限界

    「AgentforceにData 360が重要、データモデル設計が重要」というメッセージ自体は正しいのですが、現状のツールだけでは意味づけ(セマンティクス)をデータモデル層で完結させる手段が足りないというのが、ここまで調べてわかったことです。

    プロンプトテンプレートで補うのは本質的には二重管理であり、設計としての正解ではなく、現状ツールの不足を開発者が埋めているだけです。


    Part 3: セマンティックレイヤーという答え

    この「意味づけをデータモデル層でやるべき」という問いに対して、Salesforceが出してきた答えがTableau Semanticsであり、さらにその先にあるのが**Open Semantic Interchange(OSI)**です。具体例が一番わかりやすいので、まずは業界標準のOSIから入ります。

    Open Semantic Interchange(OSI)── 意味づけを標準化する試み

    OSIは、Salesforceを含む業界主要プレイヤーが共同で策定している、セマンティックレイヤーのオープン標準です。

    • 2025年9月: Salesforce、Snowflake、dbt Labs、BlackRockなどが共同で発表

    • 2026年1月27日: OSI v0.1.1 SpecificationがGitHubで公開、コミュニティハブopen-semantic-interchange.orgが開設

    • 最終的に Apache Software Foundation に寄贈される方針

    OSIはどうやって意味づけをするのか ─ YAMLの実例

    OSIは宣言的なYAML形式でセマンティックモデルを定義します。今日の話との対応がはっきり出るので、実例を見ます。

    semantic_model:
      - name: tpcds_retail_model
        description: TPC-DS retail semantic model for sales and customer analytics
        ai_context:
          instructions: "Use this semantic model for retail analytics."
    
        datasets:
          - name: orders
            source: sales.public.orders
            primary_key: [order_id]
            description: Order transactions
            ai_context:
              synonyms:
                - "purchases"
                - "sales"
    
        metrics:
          - name: total_revenue
            expression:
              - dialect: ANSI_SQL
                expression: SUM(orders.amount)
            description: Total revenue across all orders
            ai_context:
              synonyms:
                - "total sales"
                - "revenue"

    このYAMLの中で、意味づけがどこに書かれているかに注目します。

    • description: これは何のデータか

    • ai_context.instructions: このモデルをどう使うべきか

    • ai_context.synonyms: 別名でどう呼ばれるか

    • expression: 計算式そのもの

    OSIが従来の試みと一線を画すのが、このai_contextです。自然言語の指示やsynonymsをモデル側に持てることが、AI時代向けの標準であることを示しています。

    この発表の問いへの答え

    Part 2で言ったことは、OSIのYAMLならこう書けます。

    metrics:
      - name: total_amount
        expression:
          - dialect: ANSI_SQL
            expression: SUM(orders.amount)
        description: "Order total in JPY, tax-inclusive"
        ai_context:
          synonyms:
            - "購買金額"
            - "注文金額"
            - "売上"

    つまり、

    • 何を意味するかは description

    • どう呼ばれるかは synonyms

    • どう計算するかは expression

    に寄せられます。プロンプトテンプレートに書いていた意味づけが、モデル定義側に移る。これが OSI の本質です。

    Tableau Semantics ─ Data 360における同じ概念の実装

    OSIは仕様です。ではSalesforceの製品として、この「意味づけをデータモデル層で行う」ことを実現するのがTableau Semanticsです。

    • メトリクスの定義

    • 関係性の定義

    • 説明文の付与

    • business termsに合わせた意味付け

    をData 360上で管理する層だと考えると、位置づけが掴みやすいです。

    コンセプトとしてはOSIのYAMLでやっていることに近く、メトリクスの意味を一箇所で宣言して、消費側はそれに従うという思想です。

    画像
    セマンティックレイヤー(Tableau Semantics)の画面

    Tableau Nextではどう使われているか

    ここで重要なのは、Tableau NextではTableau Semanticsが前提として使われていることです。

    ここで言いたいのは「設定で何をするか」より、ユーザーがTableau Nextを使うときに、裏でSemanticsがどう効いているかです。

    たとえばユーザーは、Tableau Nextに対して自然言語でこう聞きます。

    今月、西日本の売上が落ちている理由は?

    このときユーザーは、テーブル名もSQLも項目API名も意識しません。

    裏では、Tableau Semanticsが次のような役割を果たします。

    1. 売上がどのメトリクスを指すかをセマンティックモデルから判断する

    2. 西日本がどのディメンションやフィルタ条件に対応するかを解釈する

    3. 今月を日付条件に展開する

    4. セマンティックモデルに定義された関係性と計算式に従ってセマンティッククエリーを組み立てる

    5. その結果をもとに、回答テキスト、可視化、説明を返す

    つまりユーザー体験としては、

    自然言語で問いかける
    ↓
    セマンティックレイヤーがビジネス用語を意味のある問い合わせに変換する
    ↓
    その定義に従った答えと可視化が返る

    という流れです。

    画像
    Tableau Nextでのユーザー体験

    ここで重要なのは、答えが単にデータベースを直接読んだ結果ではなく、セマンティックモデルで定義されたビジネス上の意味づけを通した結果になっていることです。

    たとえば売上という言葉ひとつでも、

    • 税込みか税抜きか

    • 返品を控除するのか

    • どの地域区分を使うのか

    といった前提はセマンティックモデル側にあります。

    だからTableau Nextでは、ユーザーは業務用語で問いかければよく、エージェント側はその意味をセマンティックモデルから受け取って答えられます。

    ただし通常のAgentforceにはまだない

    一方で、通常のAgentforceスタジオには、Tableau Semanticsを直接グラウンディングに使う導線がありません。

    ここが今のギャップです。

    • Tableau Next: セマンティックレイヤーを前提にエージェントを使う

    • 通常のAgentforce: DMO / データグラフ / フローでデータを渡し、足りない意味はプロンプト側で補う

    将来的にここがつながる可能性は高いですが、少なくとも現時点では別物として見ておいた方が安全です。

    OSIはこの先をどう変えるのか

    ここでOSIが重要になるのは、「Agentforceに意味をどう渡すか」という問いが、もはやAgentforce単体の話ではなくなるからです。

    Salesforceの表現を借りれば、

    ビジネス上の意味は一度定義したら、どこでも同じ意味で理解されるべき

    ということです。

    これは言い換えると、

    • Tableau Nextでも

    • Agentforceでも

    • Snowflakeやdbtでも

    同じ定義を共有できる世界を目指す、ということです。

    ここが実現すると、今のように

    • プロンプトごとにラベルを書く

    • エージェントごとに説明を変える

    • ダッシュボードごとに用語の意味がずれる

    といった状態から抜け出せます。

    つまりOSIが変えようとしているのは、単にファイル形式ではありません。
    意味の定義を、個別のプロンプトや個別の製品から切り離して、共有可能な資産に変えることです。

    その前提に立つと、いまプロンプトに意味を書き足していくやり方は、やはり長期解ではありません。

    Part 4: では今、どう設計するか

    将来の本命がセマンティックレイヤーだとしても、今日の実務は今日やる必要があります。

    では、通常のAgentforceを今どう設計するか。

    現実解は次の4つだと思います。

    1. Data 360はしっかり使う

    Data 360自体は重要です。

    • データを統合する

    • 顧客軸を揃える

    • 必要に応じてデータグラフでまとめる

    「意味」は担えなくても、意味のあるデータを渡すための前提条件だからです。

    2. 項目名とAPI名を雑にしない

    今は完全なセマンティックレイヤーが通常のAgentforceから使えないので、名前付けがかなり重要です。

    たとえば、

    • ltv__c より lifetime_value_jpy__c

    • amount より order_amount_ex_tax_jpy

    • score より churn_risk_score_0_to_100

    の方が、少なくとも誤解は減ります。

    これは本質的な解ではありませんが、現場では効きます。

    3. データグラフは「意味付け」ではなく「梱包」に使う

    データグラフは有用です。
    ただし期待しすぎない方がいいです。

    データグラフの価値は、

    • 関連レコードをまとめる

    • プロンプトを減らす

    • LLMに顧客全体像を見せやすくする

    ことです。

    一方で、

    • 指標定義を一元化する

    • 同義語を管理する

    • ビジネス用語を統一する

    ことまではできません。

    4. プロンプト / フロー / Apexの補償は、負債だと認識して使う

    今はどうしてもプロンプトやフロー / Apexで意味を補足する場面があります。

    それ自体は悪ではありません。
    ただし、それを

    これが正しい設計だ

    とは思わない方がいいです。

    正確には、

    いま使える製品導線の中で、意味の不足を補うための暫定策

    です。

    この認識があるだけで、将来Tableau SemanticsやOSIに寄せるときに設計を崩しにくくなります。


    まとめ

    • Data 360はAgentforceに重要
      ただし、それは意味を定義する層ではなく、データを渡す基盤として重要だという意味です。

    • 通常のAgentforceでは、データは渡せても意味は渡せない
      DMO差し込み項目、データグラフ、フロー / Apexはそれぞれ有用ですが、どれも意味を一箇所で定義して渡す仕組みにはなっていません。

    • その答えとしてSalesforceが出してきたのがTableau SemanticsとOSI
      Tableau Nextではすでに、セマンティックレイヤーを前提に自然言語の問いを意味のある問い合わせに変換する構成が見えています。

    • ただし通常のAgentforceにはまだ直接つながっていない
      だから今は、Data 360でデータを整えつつ、意味の不足はプロンプトやフロー / Apexで暫定的に補うしかありません。

    Agentforceに「意味」をどう渡すか ─ 現状はプロンプトテンプレートやフロー / Apexでの補償に頼らざるを得ず、それが二重管理の温床になっています。業界はセマンティックレイヤー(Tableau Semantics / OSI)で本来の居場所(データモデル層)に意味を戻そうとしている、というのが今見えている構造です。

    そして、おそらく将来的には通常のAgentforceもこの方向に寄っていくはずです。そうなれば、意味づけをデータモデル層で完結できるようになり、プロンプト側での補償はかなり減っていくはずです。

    だから今は、Data 360でデータをきちんと整えつつ、意味の不足は暫定的に補う。そのうえで、通常のAgentforceがセマンティックレイヤーにどうつながっていくかを追っていくのが現実的だと思います。


    参考リソース

    公式

    Trailhead

     
     
    株式会社co-meetingのCEOです。ここでは個人的なことを書いていましたが、最近は仕事のことも書いてます。

    あなたへのおすすめ