Agentforce + Data Cloud RAG構成フロー
1. RAG構成とは：AIに“企業データの記憶”を持たせる仕組み
RAG（Retrieval-Augmented Generation）は、生成AIの回答精度を向上させるための代表的なアーキテクチャです。
通常のAIモデルは、過去に学習したデータのみをもとに回答を生成するため、最新情報や企業固有の知識を正確に扱うことが苦手です。
そこで登場するのがRAG構成。ユーザーの質問に対して、まず関連情報を外部のデータソースから検索（Retrieval）し、その結果をAIのプロンプト入力に追加して文脈を拡張（Augmentation）、最終的に自然言語で回答を生成（Generation）する仕組みです。
この構成により、AIは常に最新の社内データや顧客情報を参照しながら回答できるようになります。
Salesforce Agentforceでは、このRAG構成をData Cloudとの連携によって安全に実現し、企業データをAIの知識として活用する基盤を提供しています。
2. Agentforce + Data CloudによるRAG構成フロー
AgentforceでRAGを構築する場合の中心となるのが、Prompt Builder・Data Cloud・Flowの連携です。
フローの流れを順を追って見ていきましょう。
ユーザー入力（会話の開始）
ユーザーが「この顧客の最新契約履歴を教えて」などの質問をすると、Agentforceがトピックを解析し、どのデータソースにアクセスすべきかを判断します。Data Cloudへのクエリ実行
アクション層からData CloudのDLO（Data Lake Object）に対して検索を実行。関連する顧客・取引・契約情報を抽出します。RAGプロンプト生成
取得したデータをPrompt Builderで整形し、AIモデルにコンテキスト情報として渡します。
「この顧客は過去12ヶ月で5回購入」「現在の契約はGoldプラン」など、AIが判断に必要なデータが追加されます。生成と応答
LLMが拡張された文脈をもとに自然言語で回答を生成。必要に応じてFlowを呼び出し、「契約更新フローの実行」や「担当者への通知」などの実アクションも自動的に行います。
この一連のプロセスにより、Agentforceは「データを検索して答える」だけでなく、「データを理解して動く」AIへと進化します。
また、すべてのプロンプトとデータアクセスはEinstein Trust Layerによって制御され、セキュリティとコンプライアンスを確保します。
3. Data Cloud連携の価値：RAGを超えた“文脈的AI”
Data CloudをRAG構成に組み込む最大のメリットは、単なるデータ検索にとどまらない“文脈理解”の実現です。
Data Cloudは顧客・製品・取引などのデータを一元的に統合し、関係性（リレーション）を保持しています。
そのため、AIは「顧客Aがどの製品を購入し、どのサポートケースを抱えているか」といった関連情報を横断的に理解できます。
これにより、AIは単発的な質問応答ではなく、「この顧客には次にどんな対応が必要か」という一歩踏み込んだ提案を行うことが可能です。
さらに、Data Cloud連携によりRAG＋アクション構成が成立します。
FlowやApexを組み合わせることで、AIが「データを参照して考える」だけでなく「その考えを実行する」フェーズへ進化します。
つまり、RAG構成を軸にData CloudとAgentforceを接続することで、AIは“データをもとに行動するCRMエージェント”へと変わるのです。
まとめ
AgentforceとData Cloudを組み合わせたRAG構成は、AIが企業データを理解し、動的に活用するための最も現実的なアプローチです。
・Prompt Builderが質問を解析し、
・Data Cloudが正確な情報を提供し、
・Flowが業務プロセスを自動実行する。
この三層連携により、AIは「知識＋実行力」を備えた業務エージェントとなります。
まとめると、RAGは単なる検索補助ではなく、**“AIが文脈を理解して動くための知能構造”**です。
そしてその中心にあるData Cloudは、Agentforceにおける“AIの記憶と判断基盤”として、今後のSalesforce戦略に欠かせない存在となるでしょう。
