Salesforce AgentForce Retrieverの紐付けとテスト
1. Retrieverとは？RAG構成の“検索脳”となるコンポーネント 🧠
Salesforce AgentForceにおける**Retriever（リトリーバー）**は、RAG（Retrieval-Augmented Generation）構成の中で“AIが情報を探しに行く仕組み”を担う中核コンポーネントです。
AIは、Data Cloudや外部ナレッジベースに格納されたデータを直接理解しているわけではなく、このRetrieverを通して検索・抽出しています。
たとえば「この顧客の最新契約情報を教えて」とユーザーが聞くと、AgentForceはまずRetrieverを起動し、関連するチャンク化データやベクトルインデックスから情報を取得します。
Retrieverは単なる検索エンジンではなく、意味的な近似検索（semantic search）＋フィルタリング＋ランキングを組み合わせて“AIに最もふさわしい情報”を渡す仕組み。
言い換えれば、RAG全体の“精度”を決定づけるAIの“情報探索能力”を司る頭脳です。
このRetrieverの設計とテストは、AIが「探して・理解して・答える」精度を大きく左右します。
2. Retrieverの紐付け：AgentForceとData Cloudの接続設計 🔗
Retrieverを正しく動かすためには、Data CloudやAgentforce Data Library（ADL）との紐付けを行う必要があります。
紐付けとは、AIがどのデータソースを検索すべきかを明確に定義するプロセスです。
💠 紐付け設定のポイント：
・① データソースの指定
Data Cloud（構造化データ）と、外部インデックス（非構造データ／ナレッジ記事など）の両方を対象に設定します。
ADLを経由することで、Retrieverはこれらを統一的に扱えるようになります。
・② 検索範囲のスコープ化
AIがすべてのデータを見に行くのではなく、「顧客契約」「FAQ」「サポート履歴」など、トピックごとにRetrieverを分離して設定。
これにより、意図しない情報を参照するリスクを減らし、検索精度をドメイン単位で最適化できます。
・③ メタデータとフィルタリング
Retrieverのクエリ設計には、Data Cloud内の属性（例：有効期限・顧客ステータス）をフィルタ条件として指定します。
これにより、「アクティブな契約のみ検索」「解約済みは除外」といった業務ルールを組み込めます。
Retrieverは“どこを見るか”“どう探すか”を定義する設計要素。
AIが正確に答えるには、Retrieverの紐付けが明確でなければなりません。
言い換えれば、Retrieverの設計こそがRAG精度の要なのです。
3. テストとチューニング：AIの“検索感度”を磨く 🔍
Retrieverを紐付けた後は、AIが正確に情報を引き出せるかをテストし、チューニングを重ねる工程に入ります。
テストの目的は「AIが正しいデータを取得しているか」「検索結果が文脈に合っているか」を検証することです。
💡 主なテスト手法：
・① クエリ検証
ユーザーが発する質問文（自然言語）を想定し、Retrieverが適切なデータを取得できるかを確認します。
例：「契約更新期限を確認して」→ Data Cloudの契約DLOから満了日が取得できるか？
・② スコア分析
Retrieverは各結果にスコア（類似度）を付与します。
このスコアをモニタリングし、低スコアのケースを特定・再学習させることで検索精度を高めます。
・③ ハイブリッド比較
キーワード検索とベクトル検索を組み合わせる“ハイブリッドRetriever”構成をテスト。
両者を比較し、検索漏れがないかを検証することで、より安定したRAGパフォーマンスを実現します。
さらに、Retrieverテスト結果をPrompt Builderと連携させると、AIが回答を生成する前の“入力段階の品質”を可視化できます。
この工程を繰り返すことで、RetrieverはAIの“情報探索感度”を磨き上げ、
ユーザーがどんな質問をしても、**「一度で的確に答えるAI」**へと進化していきます。
まとめ ✨
Retrieverは、Salesforce AgentForceにおけるRAG構築の要であり、AIの「検索精度」「回答スピード」「再現性」を支える中核コンポーネントです。
・Data CloudやADLとの紐付けで“検索範囲”を定義し、
・メタデータで“業務ルール”を埋め込み、
・テストで“検索精度”を磨く。
この3ステップを徹底することで、AgentForceのAIは**“文脈を理解して探し、最適な答えを返す”**能力を手にします。
まとめると、Retrieverとは単なるRAGの部品ではなく、AIを知識活用プラットフォームへ進化させるための中核設計です。
正しい紐付けと地道なテストが、AIを“人と同等の理解力を持つエージェント”へと育てていきます。
