Salesforce가 2026년 6월 17일 기존 자동화 시스템을 Agentforce 환경에 최적화하기 위한 가이드를 공개했다. 핵심은 복잡하게 얽힌 모놀리식 프로세스를 결정론적 실행이 가능한 단위로 재구성하여 인공지능의 확률적 추론과 시스템의 신뢰성을 결합하는 것이다. 개발자는 자동화 자산을 우선순위에 따라 분류해야 한다. 즉시 전환 가능한 단일 목적 흐름, 소규모 분리가 필요한 로직, 의존성이 강한 자산, 사용자 권한을 우회하는 고위험 패턴으로 구분해 접근한다.

성공적인 전환을 위해서는 할인 계산, 청구서 생성, 알림 발송 등 각 기능을 개별 단위로 분리해야 한다. 기술적 요구사항으로는 데이터를 동기적으로 처리하기 위한 벌크화(bulkification), Apex 래퍼 클래스를 통한 데이터 계약 강제, 그리고 @InvocableVariable 어노테이션으로 에이전트에 명확한 JSON 스키마를 제공하는 방식이 포함된다. 모든 데이터 작업에는 'with sharing' 키워드와 'WITH USER_MODE'를 적용해 보안을 엄격히 통제해야 한다.

이렇게 모듈화된 자산은 Agentforce의 맞춤형 작업으로 기능하며, 인공지능이 사용자의 의도를 관리하는 동안 Salesforce 아키텍처는 데이터 거버넌스를 보장한다. 초기 단계에서는 단일 핵심 기능을 먼저 적용해 기준을 마련한 뒤 점진적으로 확장하는 방식을 권장한다. 이러한 모듈형 접근은 에이전트 통합을 용이하게 할 뿐만 아니라 전반적인 보안과 신뢰성을 개선한다.

Salesforce가 2026년 6월 17일 기존 자동화 시스템을 Agentforce 환경에 최적화하기 위한 가이드를 공개했다. 핵심은 복잡하게 얽힌 모놀리식 프로세스를 결정론적 실행이 가능한 단위로 재구성하여 인공지능의 확률적 추론과 시스템의 신뢰성을 결합하는 것이다. 개발자는 자동화 자산을 우선순위에 따라 분류해야 한다. 즉시 전환 가능한 단일 목적 흐름, 소규모 분리가 필요한 로직, 의존성이 강한 자산, 사용자 권한을 우회하는 고위험 패턴으로 구분해 접근한다.

성공적인 전환을 위해서는 할인 계산, 청구서 생성, 알림 발송 등 각 기능을 개별 단위로 분리해야 한다. 기술적 요구사항으로는 데이터를 동기적으로 처리하기 위한 벌크화(bulkification), Apex 래퍼 클래스를 통한 데이터 계약 강제, 그리고 @InvocableVariable 어노테이션으로 에이전트에 명확한 JSON 스키마를 제공하는 방식이 포함된다. 모든 데이터 작업에는 'with sharing' 키워드와 'WITH USER_MODE'를 적용해 보안을 엄격히 통제해야 한다.

이렇게 모듈화된 자산은 Agentforce의 맞춤형 작업으로 기능하며, 인공지능이 사용자의 의도를 관리하는 동안 Salesforce 아키텍처는 데이터 거버넌스를 보장한다. 초기 단계에서는 단일 핵심 기능을 먼저 적용해 기준을 마련한 뒤 점진적으로 확장하는 방식을 권장한다. 이러한 모듈형 접근은 에이전트 통합을 용이하게 할 뿐만 아니라 전반적인 보안과 신뢰성을 개선한다.