Salesforce AgentForce + 内部LLMと外部LLMの違い

1. LLMの役割：AgentForceを支える“言語の頭脳”

Salesforce AgentForceは、「会話で業務を動かす」というコンセプトを実現するAIプラットフォームです。
その中核を担うのがLLM（Large Language Model）＝大規模言語モデル。ユーザーの指示や質問を自然言語で理解し、最適なアクションへと変換する“頭脳”の役割を果たします。
ただし、AgentForceで利用できるLLMには大きく分けて2種類あります。
1つはSalesforceが自社で運用する内部LLM（Einstein GPT内蔵モデルなど）、もう1つはOpenAIやAnthropicなどが提供する**外部LLM（サードパーティモデル）**です。
両者の違いは「どこにデータを処理させるか」「どのように制御するか」にあります。
この仕組みを理解することで、AgentForceのセキュリティ設計や拡張性をより正しく活かすことができます。

2. 内部LLMの特徴：安全性と一体化された運用

内部LLMは、SalesforceのEinstein Trust Layerの中で動作するモデル群を指します。
これらはSalesforceのインフラ上でデータを処理し、ユーザーの入力・生成結果が外部に出ることはありません。
具体的には、Prompt Builderで作成された指示文がEinstein Trust Layerを通じて内部LLMへ送られ、そこから生成された応答が返却される仕組みです。
このアーキテクチャの最大の利点は「データガバナンスと一貫性」です。
社内CRMデータ（Data Cloud）や顧客情報を利用してAI回答を生成する際も、すべてSalesforce内部で処理が完結するため、情報漏洩リスクが極めて低く抑えられます。
また、FlowやApexと統合されており、業務アクションへの直結もスムーズです。
つまり内部LLMは、「Salesforceの中で安全に動き、業務に深く統合されたAI」として設計されているのです。

3. 外部LLMの特徴：多様なモデル連携と表現力の拡張

一方、外部LLMは、OpenAI（GPTシリーズ）やAnthropic（Claude）、Cohereなどが提供する生成モデルをAgentForceから呼び出して利用する形式です。
Einstein Trust Layerを通して通信が行われ、機密データを送信する前にフィルタリングやマスキング処理が実施されるため、セキュリティを維持したまま外部の生成能力を活用できます。
外部LLMの利点は、モデルの多様性と表現力の高さです。
たとえば、GPT-4を利用すれば自然な文章生成やコード生成に強く、Claudeを利用すれば長文要約や文脈理解に優れた出力が可能になります。
また、業界特化のモデルを接続すれば、法律文書、医療、製造などの専門分野に特化したAIエージェントを構築することも可能です。
ただし、外部LLMを利用する場合は、データ利用ポリシーの明確化とモデル精度の検証が不可欠です。
つまり、外部LLMは「Salesforceの外の知能を安全に借りる仕組み」といえます。

まとめ

Salesforce AgentForceは、内部LLMと外部LLMを柔軟に組み合わせることで、企業の要件に最適化されたAI体験を実現します。
内部LLMは安全性・一貫性・ガバナンス重視、外部LLMは柔軟性・表現力・拡張性重視。
どちらが優れているというよりも、「どの業務で何を優先するか」によって使い分けることが重要です。
たとえば、顧客対応や営業支援のように個人情報を扱う領域では内部LLMを、レポート要約や創造的文章生成には外部LLMを利用する、といった棲み分けが現実的です。
まとめると、AgentForceの真価は“どのモデルを使うか”ではなく、“Salesforceの中でAIを安全に連携・制御できる”点にあります。
内部と外部、両方のLLMを使いこなすことこそが、企業AI活用の次のスタンダードとなるでしょう。