Salesforce AgentForce トラブルシューティング4層

1. エージェント層：アクション呼び出しと連携制御の確認 ⚙️

最初に確認すべきは、AgentForce本体における「アクション呼び出し」と「連携制御」の層です。
この層では、アクション名や変数の紐付け誤り、あるいは複数アクション間のフロー順序の不整合が典型的なトラブル要因となります。
たとえば、ユーザーからの入力をトリガーにFlowやApexアクションを呼び出す際、変数の受け渡しに不備があると、下位層（RetrieverやData Cloud）に正しいクエリが届かず、結果として“空振り回答”を生むことがあります。
また、複数アクションが並列に実行されている場合、処理順序の競合によって一部の変数が上書きされることもあります。
この層では「AIが意図どおりに動かない＝制御ロジックのズレ」と捉え、アクション呼び出しフローを丁寧にトレースすることがポイントです。
AgentForceのトラブルは、実は“AIの理解”ではなく“人間の設計”に起因するケースが少なくありません。

2. インデックス層（Data Cloud）：検索データの鮮度と構成 🧩

次に見直すべきは、Data Cloudを中心とする「インデックス層」です。
この層の主な役割は、AIが検索対象とするデータを最新かつ構造的に保持すること。
もしAIが「古い情報を答えてしまう」「回答が抜け落ちる」といった挙動を示す場合、インデックスの未更新や対象フィールド／チャンク構成の不備が原因である可能性が高いです。
Data CloudでのRAG構築では、DLO／DMO単位の更新スケジュールを設計し、Embeddingやチャンク生成を定期的に再実行することが基本。
特に顧客データやFAQなど“変化する情報”は、古いインデックスが残ることでAIが誤回答を返すリスクが高まります。
また、フィールドマッピングが欠けていると、Retrieverがデータを拾えず空検索になるケースも。
Data Cloud層のチェックは、**「AIが正しい情報を持っているか？」**を確認する工程であり、トラブルの約3割がここで解決します。

3. リトリーバー層＋プロンプト層：検索精度と回答生成の最終ライン 🔍💬

3つ目の層は、Retriever（検索スコアリング処理）とPrompt Builder（回答生成）に関するトラブル切り分けです。
Retriever層では、検索結果件数が0件または過剰、スコアの閾値が低すぎ／高すぎといった設定の偏りが問題になります。
とくにベクトル検索とハイブリッド検索を組み合わせた場合、閾値設定が曖昧だと“関連度の薄いデータ”を拾って誤回答につながることも。
また、Prompt Builder側では入力変数の不一致やRetriever結果の紐付け漏れが典型的な落とし穴です。
さらに、AIが“幻覚（hallucination）”を起こすケースもあり、これはプロンプトの指示が曖昧なときや、Retriever結果が空だった場合に発生します。
つまり、回答の質に問題があるときは、「Retrieverで情報を拾えていない」か「Promptで適切に整形できていない」のどちらか。
この層では、AIが“正しい情報”を持ち、“正しい形”で話しているかを見極めることが肝心です。
最後の砦であるプロンプト層を整えることで、AIは安定して再現性の高い回答を生成できるようになります。

まとめ ✨

Salesforce AgentForceのトラブルは、表面上は「AIが答えない」「精度が低い」と見えますが、実際には4層それぞれに原因が潜んでいます。
1️⃣ エージェント層：アクション呼び出し・制御ロジックの整合性
2️⃣ インデックス層：Data Cloudのインデックス鮮度と構成確認
3️⃣ リトリーバー層＋プロンプト層：検索スコア・変数一致・幻覚抑制
この4層を順に切り分けることで、トラブルの原因を素早く pinpoint できます。
まとめると、AgentForceの安定運用には「AIの問題を技術層にマッピングして考える」ことが重要。
AIをブラックボックス化せず、どの層で“理解・検索・回答”が止まっているかを分解して見る。
それが、信頼できるAI運用への第一歩です。