Salesforce AgentForce フィールド選定・チャンク強化・Prepend活用

1. フィールド選定の重要性：AIが“何を読むか”を決める設計 💡

Salesforce AgentForceのRAG構成では、AIが回答を生成する際にどのデータフィールドを参照するかが極めて重要です。
Data CloudやCRMに登録された情報が多すぎると、AIは“必要以上の情報”を読み込み、回答の精度や速度を落とすことがあります。
そのため、フィールド選定＝AIの理解範囲を最適化する設計作業といえます。
たとえば「契約更新」フローにおいて、必要なのは契約ID・顧客名・満了日・プラン種別といった数項目のみ。
これに製品マスタや請求履歴などを無制限に渡してしまうと、AIの処理がノイズで埋もれてしまいます。
ポイントは、“人間が参照して判断している最小限の情報”を明確化し、AIにも同じ視野を与えること。
この設計によって、AgentForceの会話はより正確で、一貫性のある業務回答を実現できます。

2. チャンク強化：AIの“記憶単位”をチューニングする 🧠

AIが情報を検索・理解する際、内部的には「チャンク（Chunk）」と呼ばれる情報の分割単位を使っています。
たとえばFAQや契約データ、ナレッジ記事などをAIが扱う場合、それを100〜500トークン程度の小さな塊に分けて保存・検索します。
この“チャンク化”の設計を工夫することで、AIの検索精度が飛躍的に向上します。

・チャンクの粒度
細かすぎると文脈が失われ、粗すぎるとノイズが増えます。
理想は、1チャンク＝1概念 or 1回答単位です。
たとえば「保証内容」や「返品ポリシー」など、自然なまとまりごとに切るのがベストです。

・メタデータ強化
各チャンクには、関連タグ（例：カテゴリ・作成日・関連製品）を付与し、検索時のフィルタリング精度を上げます。
この「チャンク＋メタデータ」設計こそ、AgentForceで高精度なRAG検索を実現する鍵です。

さらにSalesforceでは、FlowやApexと組み合わせて自動チャンク更新を仕組み化することも可能です。
データ更新を検知し、AIが最新の情報を常に参照できる──これが“自己学習するエージェント”への第一歩です。

3. Prepend活用：AIに“思考のガイドライン”を与える ⚙️

最後のポイントは「Prepend（プロンプト前置き）」の活用です。
Prependとは、AIがユーザーの質問を処理する前に常に付加される“固定指示文”のこと。
たとえば、AgentForceのPrompt Builderで次のように設定します。

🧩 例文：
「あなたはSalesforceのサポートアシスタントです。常に最新のData Cloud情報を参照し、事実ベースで答えてください。推測は避け、契約・顧客データに基づいた根拠を添えて回答してください。」

このようにPrependを設定しておくと、AIはどのトピックにおいても一貫した文脈理解を維持できます。
特に業務AIでは、**“ブレない回答スタイル”と“根拠付き応答”**が求められるため、Prependはその指針として極めて有効です。
さらに、複数の業務ドメイン（営業・サポート・開発など）ごとにPrependを分けておくと、エージェントの人格や回答品質を柔軟にチューニングできます。

Prependは、単なる固定文ではなく“AIの思考フレーム”。
人間でいえば「話す前に考え方をリセットする」ようなもの。
この仕組みを使いこなすことで、AgentForceは一貫性・信頼性・応答品質のすべてを強化できます。

まとめ ✨

Salesforce AgentForceでAIエージェントの精度を高めるには、データ構造とプロンプト設計のバランスが鍵になります。
・フィールド選定でAIの情報入力を最適化し、
・チャンク強化で記憶構造をチューニングし、
・PrependでAIの思考プロセスを安定化させる。
この3つを組み合わせることで、AgentForceは“理解して動く”だけでなく、“一貫して正確に話す”AIに進化します。
まとめると、これらは単なる技術設定ではなく、AIに「人間らしい思考の軸」を与える設計手法です。
AIが迷わず、正確に、誠実に応答するための三本柱──それが「フィールド・チャンク・Prepend」です。