고객 지원 관리자는 케이스 백로그 감축, 평균 처리 시간 단축, 디지털 채널 전반의 높은 고객 만족도 유지라는 지속적인 과제에 직면해 있습니다. Service Cloud에 직접 통합된 차세대 자율형 고객 서비스 AI인 Salesforce Agentforce Service Agents는 원활한 상담원 인계 경로를 유지하면서 일상적인 인바운드 문의를 자율적으로 처리함으로써 이러한 과제를 해결합니다. Agentforce를 성공적으로 도입하려면 체계적인 배포 접근 방식, Omni-Channel Supervisor를 통한 선제적 운영 감독, 지속적인 성과 추적이 필수적입니다. 이 가이드는 지원 관리자가 인바운드 케이스 해결을 위해 Agentforce Service Agents를 구성, 출시, 감독 및 최적화하는 전 과정을 안내합니다.
Service Cloud 내 Agentforce의 역할 이해
경직된 의사결정 트리에 의존하는 기존 규칙 기반 챗봇과 달리, Agentforce Service Agents는 추론 엔진이 조율하는 생성형 대규모 언어 모델(LLM)을 사용합니다. 미리 정해진 분기 스크립트를 따르는 대신, Agentforce 에이전트는 정의된 비즈니스 토픽(Topics)을 기준으로 인바운드 고객 메시지를 평가하고, 고객의 의도를 파악하며, 신뢰할 수 있는 CRM 데이터를 활용하여 해당 작업을 실행합니다.
표준 Service Cloud 아키텍처에서 Agentforce Service Agent는 인바운드 디지털 채널의 최전선 역할을 수행합니다. 정책 관련 질문에 답변하고, 실시간 주문 상태를 조회하며, 주소 변경이나 예약 일정 잡기 같은 표준 트랜잭션을 처리하고, 복잡한 문제를 상담원에게 에스컬레이션하기 전에 사전 정보를 수집합니다.
Agentforce의 기반은 Salesforce 플랫폼 내의 세 가지 핵심 축에 의해 뒷받침됩니다:
- Salesforce Data Cloud 및 Knowledge: 그라운딩(Grounding) 메커니즘을 통해 에이전트가 검증된 기업 지식베이스 문서와 고객 레코드 컨텍스트를 검색하도록 보장하여 환각(Hallucination) 현상을 최소화합니다.
- Einstein Trust Layer: LLM 제공업체와의 제로 데이터 보존 계약을 강제하고, 개인 식별 정보(PII)를 마스킹하며, 실시간 유해성 검사를 수행하는 인라인 보안 메커니즘입니다.
- Omni-Channel 통합: 통합 라우팅을 통해 AI 에이전트를 디지털 팀원으로 취급함으로써 메시징 채널 전반에서 일관된 워크로드 밸런싱, 대기열 관리, 상담원 인계를 지원합니다.
배포 전 요구사항 및 데이터 준비
Salesforce Setup(설정)에서 AI 에이전트를 구성하기 전에 지원 관리자는 운영 및 데이터 기반이 마련되어 있는지 확인해야 합니다. AI 에이전트의 정확성과 효과성은 참조하는 데이터의 품질에 전적으로 좌우됩니다.
1. 라이선스 및 권한 구성
조직에 유효한 Agentforce 라이선스가 있고 Setup에서 Einstein 생성형 AI가 활성화되어 있는지 확인합니다. 에이전트 구축 및 감독을 담당하는 지원 관리자와 관리자에게는 다음과 같은 특정 권한 세트가 필요합니다:
Manage Agentforce Service Agents및Manage AI Agents: 에이전트 로직 구축, 구성 및 업데이트용.Contact Center Supervisor또는 Omni-Channel Supervisor의 AI Agents 탭에 액세스할 수 있는 사용자 지정 관리자 권한.- 현재 상태(Presence) 구성, 라우팅 프로필 및 서비스 대기열을 관리하기 위한 표준 Omni-Channel 권한.
2. 지식베이스 준비 및 그라운딩
기존 Salesforce Knowledge 문서를 검토하여 최신 상태인지, 명확한 구조로 간결하게 작성되었는지 확인합니다. Agentforce는 검색 증강 생성(RAG)을 사용하여 지식베이스를 참조합니다:
- 오래된 문서를 아카이빙하고 이전 버전 간의 상충되는 내용을 해결합니다.
- 명시적인 제목, 글머리 기호, 명확한 단계로 문서를 구조화하여 시맨틱 검색의 신뢰성을 높입니다.
- 문서 공개 설정을 확인하여 에이전트가 내부 상담원 전용 메모가 아닌 고객 공개용 문서만 검색하도록 합니다.
3. Data Cloud의 통합 고객 데이터
Data Cloud를 사용하여 연락처 레코드, 계정 및 외부 트랜잭션 시스템 전반의 고객 식별자를 연결합니다. 인바운드 케이스가 접수되면 에이전트는 이 통합 프로필을 활용하여 고객을 식별하고, 최근 트랜잭션을 검토하며, 반복적인 확인 질문 없이 맞춤형 답변을 제공합니다.
Service Cloud 단계별 배포 가이드
Agentforce Service Agent 배포에는 Agent Builder에서 에이전트 동작 구성, 운영 경계 정의, 비즈니스 작업(Actions) 설정, 에이전트를 인바운드 커뮤니케이션 채널에 연결하는 과정이 포함됩니다.
1단계: 에이전트 페르소나 및 글로벌 지침 구성
Setup을 열고 Agentforce Agents로 이동한 후, Service Agent를 생성하거나 선택하여 Agent Builder를 시작합니다.
- 에이전트 정체성 정의: 에이전트 이름, 공개 페르소나, 기본 언어를 설정합니다.
- 시스템 지침 설정: 에이전트의 정체성, 톤, 운영 경계에 대한 명확하고 상위 수준의 가드레일을 제공합니다. 에이전트가 자신을 소개하는 방식(예: 자동화된 어시스턴트임을 명확히 밝힘)과 채택해야 하는 언어 스타일(전문적이고 공감하며 간결함)을 지정합니다.
- 범위 외 지침(Out-of-Scope Directives) 지정: 법적 문의, 특정 금액을 초과하는 청구 분쟁, 상담원 지원에 대한 명시적 요청 등 에이전트가 정중히 거절하거나 상담원에게 즉시 라우팅해야 하는 주제를 명시적으로 지시합니다.
2단계: 토픽(Topics) 및 하위 토픽 구조화
토픽은 에이전트가 처리하도록 승인된 운영 도메인을 정의합니다. 지원 관리자는 모든 지침을 하나의 거대한 프롬프트에 묶는 대신 비즈니스 로직을 모듈식 토픽으로 나누어야 합니다:
| 토픽 이름 | 주요 의도 (Intent) | 포함되는 일반적 작업 (Actions) |
|---|---|---|
| Order Management (주문 관리) | 주문 추적, 배송 예정일 확인, 주문 취소 요청 | Flow: Retrieve Order Status, Flow: Cancel Order |
| Billing & Invoices (청구 및 인보이스) | 잔액 조회, 결제 영수증 요청, 환불 상태 확인 | Flow: Get Balance, Apex: Issue Invoice PDF |
| Account Access (계정 접근) | 비밀번호 재설정, 다단계 인증(MFA) 문제 해결 | Knowledge Grounding, Flow: Send Verification Link |
| General Product FAQ (일반 제품 FAQ) | 제품 사양, 반품 정책, 보증 범위 안내 | Knowledge Retrieval, Search Index Grounding |
각 토픽에는 고유한 설명적 범위와 명확한 지침 세트가 필요합니다. 추론 엔진은 고객 프롬프트를 기반으로 토픽 설명을 검토하여 해당 토픽을 언제 활성화할지 결정합니다.
3단계: 토픽에 작업(Actions) 장착
작업은 Agentforce 에이전트가 Salesforce에서 정보를 검색하거나 업데이트를 수행할 수 있도록 지원하는 실행 가능한 도구입니다. 작업은 다음을 사용하여 생성할 수 있습니다:
- Autolaunched Flows: Case 레코드 업데이트, RMA 번호 생성, 재고 수준 확인 등 선언적 워크플로에 가장 적합합니다.
- Apex Classes: 복잡한 로직, 다중 시스템 데이터 쿼리 또는 엄격한 성능 최적화가 필요한 작업에 사용됩니다.
- Prompt Templates: 특정 레코드 필드를 활용하여 맞춤형 요약이나 형식화된 응답을 생성하기 위해 Prompt Builder에서 구축됩니다.
- MuleSoft APIs: 외부 전사적 자원 관리(ERP) 또는 기존 레거시 주문 처리 데이터베이스와 연동하기 위해 통합됩니다.
모든 작업에는 명확하게 문서화된 입력 및 출력 매개변수가 있어야 합니다. 추론 엔진은 이러한 매개변수 설명을 검사하여 대화에서 어떤 값을 추출하여 작업에 전달할지 결정합니다.
4단계: Omni-Channel Flow를 통한 인바운드 라우팅 구성
인바운드 고객 문의를 Agentforce Service Agent로 안내하려면 Flow Builder에서 Omni-Channel Flow를 생성합니다:
- Omni-Channel Flow (Contact Center) 유형의 새 플로우를 생성합니다.
- 플로우 캔버스에 Route Work 요소를 추가합니다.
- 라우팅 구성에서 라우팅 서비스를 Agentforce로 설정하고 Agent Builder에서 생성한 특정 Service Agent를 선택합니다.
- AI 에이전트가 오프라인이거나, 최대 동시 세션 한도에 도달하거나, 실행 오류가 발생할 경우에 대비하여 상담원 대체 대기열을 정의합니다.
- 플로우를 저장하고 활성화합니다.
5단계: 커뮤니케이션 채널 연결
Omni-Channel Flow를 고객 대면 접점에 연결합니다:
- 웹 및 모바일용 Embedded Messaging: Salesforce Experience Cloud 사이트에 Embedded Messaging 컴포넌트를 추가하거나 외부 고객 포털에 배포 코드 스니펫을 삽입합니다.
- 서드파티 메시징 채널: Service Cloud Messaging 채널을 통해 WhatsApp, SMS 또는 Facebook Messenger를 연결하여 수신 대화를 활성화된 Omni-Channel Flow를 통해 직접 라우팅합니다.
안전장치를 갖춘 상담원 인계 워크플로 설계
자율형 고객 서비스는 고객이 언제든지 인간 상담원의 지원을 쉽게 받을 수 있다고 확신할 때 비로소 성공할 수 있습니다. 지원 관리자는 명확한 인계 트리거와 매끄러운 컨텍스트 전달 체계를 구축해야 합니다.
인계 트리거 (Handoff Triggers)
Agent Builder 내에서 명시적 및 암시적 에스컬레이션 규칙을 모두 구성합니다:
- 명시적 트리거: 고객이 "상담원 연결", "사람과 통화 원함", "상담원"과 같은 문구를 입력하는 경우. 에이전트는 논쟁하거나 이유를 반복해서 묻지 않고 즉시 요청을 수용해야 합니다.
- 의도 복잡성 한계: 고객 문의가 정의된 토픽과 일치하지 않거나 에이전트 권한 범위를 벗어나는 경우 자동 전환을 트리거합니다.
- 반복 실패 임계값: 에이전트가 고객의 응답을 2회 연속 이해하지 못하면 고객 불만을 방지하기 위해 상호작용을 에스컬레이션합니다.
- 감정 및 위험 신호: 부정적인 감정 키워드나 감지된 에스컬레이션 플래그를 모니터링하여 고객 만족도가 저하되기 전에 상담원에게 연결합니다.
인계 시 컨텍스트 보존
Agentforce 에이전트가 상호작용을 상담원 대기열로 넘길 때, 인계받은 상담원이 고객에게 문제를 다시 설명하도록 요구해서는 안 됩니다. 이를 달성하기 위해:
- 전체 대화 기록 전달: 활성 Messaging Session 레코드가 상담원의 Service Console 작업 영역으로 직접 전달되어 전체 대화 내역이 유지됩니다.
- AI 케이스 요약 생성: Agentforce Case Summarization을 활용하여 고객의 문제, AI 에이전트가 이미 시도한 작업, 에스컬레이션 이유를 간략히 정리한 3문장 요약을 생성합니다.
- 케이스 필드 사전 입력: 연락처 이름, 확인된 계정 ID, 제목, 초기 카테고리와 같은 표준 필드가 기본 Case 레코드에 에이전트 작업을 통해 이미 채워져 있도록 합니다.
Omni-Channel Supervisor를 통한 실시간 모니터링
에이전트가 활성화되면 지원 관리자는 Omni-Channel Supervisor(고급 구성에서는 Command Center for Service로도 지칭됨)를 통해 운영을 감독합니다.
AI Agents 탭 탐색
Omni-Channel Supervisor에는 상담원 팀과 함께 자율 에이전트를 관리할 수 있도록 특별히 설계된 전용 AI Agents 탭이 포함되어 있습니다:
- 활성 세션 보기(Active Sessions View): 고객 이름, 채널, 상호작용 시간, 현재 활성 토픽을 포함하여 Agentforce가 실시간으로 처리 중인 모든 동시 대화를 표시합니다.
- 워크로드 분배: 용량 활용도와 인바운드 트래픽 추세를 보여주어 관리자가 상담원 대기열의 수요 급증을 예측할 수 있도록 지원합니다.
라이브 세션 점검 및 개입
감독관은 실시간 고객 상호작용 중에 직접 개입할 수 있습니다:
- 실시간 대화록 모니터링: 활성 세션에서 Monitor 버튼을 클릭하면 실시간 대화록 창이 열립니다. 감독관은 고객과 AI 에이전트가 대화하는 과정을 실시간으로 확인할 수 있습니다.
- 원클릭 상담원 전환 (Transfer to Rep): 감독관이 에이전트의 오해를 감지하거나 고객의 불만을 발견하면 Transfer to Rep을 클릭할 수 있습니다. 이 작업은 즉시 대화에서 AI 에이전트를 분리하고 고객을 높은 우선순위로 지정된 상담원 대기열에 배치합니다.
- 플래그 지정된 대화: 감정이 악화되거나 고객이 당혹감을 나타내는 상호작용은 감독관 대시보드에 자동으로 플래그가 지정되어 관리자가 해당 세션을 검토하도록 알립니다.
성과 추적 및 분석
AI 에이전트를 평가하려면 운영 효율성, 해결 효과성 및 고객 인식을 측정하는 지표가 필요합니다. 지원 관리자는 Agentforce Studio (Observe & Optimize > Analytics), Tableau 기반 대시보드 및 표준 Salesforce 보고서를 통해 이러한 인사이트에 접근합니다.
핵심 성과 지표 (KPI)
| 지표 | 정의 | 비즈니스 목표 | 목표 미달 시 관리 조치 |
|---|---|---|---|
| 자율 해결률 (Autonomous Resolution Rate) | 사람의 개입 없이 AI 에이전트에 의해 해결된 고객 세션의 비율 | 40% – 65% (문의 구성에 따라 상이) | 토픽 커버리지 확대, 일반 문의에 대한 셀프 서비스 작업 추가 |
| 에스컬레이션 / 인계율 (Escalation / Handoff Rate) | 상담원에게 전환된 상호작용의 비율 | 25% – 45% | 전환 사유 분석, 누락된 지식 문서 또는 모호한 토픽 프롬프트 식별 |
| 최초 문의 해결률 (FCR) | 48~72시간 내 재문의 없이 첫 상호작용에서 해결된 케이스 비율 | > 70% | 대화 후 기록을 감사하여 문제가 실제로 해결되었는지 확인 |
| 고객 만족도 (CSAT) | AI 대화 직후 수집된 상호작용 후 설문조사 점수 | > 80% 긍정 평가 | 낮은 점수의 세션을 검토하여 톤, 명확성 또는 실행 상의 결함 파악 |
| 평균 처리 시간 (AHT) | 고객의 첫 입력부터 세션 종료까지의 총 소요 시간 | 자동 해결 시 3분 미만 | 플로우 작업을 간소화하고 중복 대화 턴 제거 |
Data Cloud에서 Agent Session Tracing 활용
Agentforce는 Data Cloud 내 Agent Session Tracing 모델 아래 상세한 실행 텔레메트리를 저장합니다. 이를 통해 다음에 대한 세부적인 가시성을 제공합니다:
- 개별 LLM 호출 및 지연 시간.
- 일치된 토픽 대 불일치 사용자 쿼리.
- 작업 실행 성공률(예: 플로우가 성공적으로 완료된 빈도 대 유효성 검사 오류 발생 빈도).
- Einstein Trust Layer에 의해 트리거된 가드레일 활성화 내역.
LLM 지원 평가
고객이 불만으로 인해 단순히 채팅을 이탈했을 수 있으므로 "인계 없이 종료된 세션"에만 의존하는 것은 오해의 소지가 있습니다. Salesforce는 종료된 세션을 검토하여 해결 품질을 평가하는 LLM 기반 평가 판정 모델을 통합하고 있습니다. 이러한 평가 모델은 고객이 질문한 내용에 직접 답변했는지를 평가하여 진정한 해결과 고객 이탈을 명확히 구분합니다.
지속적인 최적화 주기
Agentforce Service Agent 배포는 일회성 프로젝트가 아니며 지속적인 거버넌스와 개선이 필요합니다. 지원 관리자는 체계적인 주간 및 월간 최적화 주기를 수립해야 합니다:
주간 검토:
1. 불일치 쿼리 점검 (Inspect Unmatched Queries)
└── 일치하는 토픽이 없는 반복적인 고객 질문 파악.
2. 에스컬레이션 대화록 감사 (Audit Escalated Transcripts)
└── 에이전트가 막다른 골목에 도달했거나 의도를 오해한 지점 식별.
3. 부정적 CSAT 세션 검토 (Review Negative CSAT Sessions)
└── 마찰 지점, 혼란을 주는 표현 또는 실패한 작업 파악.
월간 최적화:
1. Salesforce Knowledge 문서 업데이트
└── 새로운 제품 정책, FAQ 및 문제 해결 단계 반영.
2. 토픽 지침 및 경계 개선
└── 토픽 중복을 방지하기 위해 Agent Builder의 설명 명확화.
3. 작업 카탈로그 확장 (Expand Action Catalog)
└── 빈번한 수동 작업을 자동화된 Flows 또는 Apex 작업으로 전환.
4. Sandbox 환경에서 테스트
└── 프로덕션 배포 전 프롬프트 변경 사항 및 새 작업 검증.
장기적 성공을 위한 모범 사례
- 지표를 신중하게 연계: 해결률을 항상 CSAT 및 고객 노력 점수와 함께 분석하십시오. 높은 자율 해결률과 함께 CSAT가 급락한다면 고객이 문제를 해결하지 못한 채 떠나고 있음을 나타냅니다.
- 단계적 배포 채택: 초기에는 정보 제공 중심의 위험도가 낮은 토픽(영업 시간, 배송 FAQ, 반품 정책 등)부터 에이전트를 배포합니다. 성과가 안정화되면 트랜잭션 작업(주문 취소, 주소 업데이트, 보증 등록 등)을 도입합니다.
- 명확한 책임 체계 유지: 지원 리더십, Salesforce 관리자, 지식 관리자 간의 공동 운영 팀을 구성하여 프롬프트 지침, 플로우 로직, 참조 문서가 비즈니스 변화와 지속적으로 일치하도록 유지합니다.
관련 리소스 요약
상세한 구현 가이드 및 기술 문서를 찾는 지원 관리자는 다음 공식 리소스를 참조할 수 있습니다: