Salesforce는 네이티브 AI에 막대한 투자를 해왔습니다. Agentforce, Einstein, Data Cloud은 이제 영업, 서비스, 마케팅의 광범위한 사례를 다룹니다. 하지만 AI 워크로드가 파일럿에서 프로덕션으로 이동하면 많은 엔터프라이즈가 같은 장벽에 부딪힙니다. 플랫폼 관리형 제품이 제공할 수 있는 것보다 모델 선택, 인프라, 데이터 거주, 전문화된 워크플로우, AI 경제성에 대한 더 강한 제어가 필요해집니다.
Salesforce AI 통합은 Salesforce 생태계 내부 또는 외부의 AI 기능에 Salesforce의 데이터와 워크플로우를 연결할 수 있습니다. 이 글은 커스텀과 하이브리드 측면에 집중합니다. 즉, SFDC 플랫폼을 외부 AI 에이전트, 오픈 웨이트 또는 셀프 호스티드 LLM, AWS나 GCP에서 실행되는 프라이빗 RAG 파이프라인으로 확장하면서 CRM 데이터의 제어된 근실시간 동기화를 유지하는 방법입니다.
이것은 Agentforce를 대체하지 않습니다. Agentforce는 bring-your-own 모델을 지원하며 많은 네이티브 사례에 적합합니다. 커스텀 또는 하이브리드 아키텍처는 엔터프라이즈가 프라이빗 RAG, 셀프 호스티드 추론, 전문화된 워크플로우, 또는 인프라와 비용에 대한 더 강한 제어가 필요할 때 이를 보완합니다. HDWEBSOFT의 Salesforce Certified Engineer와 AI Engineer가 이러한 통합을 엔드투엔드로 설계하고 구현하기 위해 함께 일합니다.
핵심 요점
- Salesforce AI 통합은 Salesforce 생태계 내부 또는 외부의 AI를 활용할 수 있습니다. 이 글은 외부 에이전트, LLM, 프라이빗 RAG를 활용한 커스텀 및 하이브리드 아키텍처에 집중합니다.
- Agentforce 우선은 많은 네이티브 사례에 적합합니다. 커스텀과 하이브리드 아키텍처는 엔터프라이즈가 모델 유연성, 인프라 제어, 데이터 거주, 전문화된 워크플로우가 필요할 때 이를 보완합니다.
- 전형적인 아키텍처는 Salesforce 데이터를 API 게이트웨이 또는 미들웨어를 통해 AWS나 GCP의 외부 AI 스택으로 라우팅하며, Platform Events, Change Data Capture, Pub/Sub API로 근실시간 CRM 동기화를 구현합니다.
- 프라이빗 RAG 아키텍처는 CRM 문서, 임베딩, 검색 인프라를 엔터프라이즈가 제어하는 환경에 유지합니다. 셀프 호스티드 추론과 결합하면 민감한 컨텍스트를 서드파티 LLM API로 전송할 필요성을 더 줄일 수 있습니다.
- HDWEBSOFT의 Salesforce Certified Engineer와 AI Engineer가 API 아키텍처, 데이터 동기화, LLM과 RAG, 클라우드 인프라, 보안 강화를 포함한 전체 스택을 설계하고 구현합니다.
Salesforce AI 통합이란 무엇인가요?
Salesforce AI 통합은 Salesforce의 데이터와 워크플로우를 AI 기능에 연결하는 실무입니다. Salesforce 생태계 내부(Agentforce, Einstein, Data Cloud)일 수도 있고, 외부 AI 에이전트, 오픈 웨이트 또는 셀프 호스티드 LLM, 프라이빗 RAG 파이프라인을 활용한 커스텀 또는 하이브리드 아키텍처일 수도 있습니다.
Salesforce의 네이티브 AI는 플랫폼의 데이터 모델에 맞는 워크플로우에 최적화되어 있습니다. 외부 AI 통합은 사례가 플랫폼이 네이티브로 제공하지 않는 것을 필요로 할 때 엔터프라이즈가 선택하는 수단입니다. 특정 오픈 웨이트 모델, 프라이빗 검색 파이프라인, 제어된 리전 내 추론, 또는 여러 시스템에 걸친 전문화된 워크플로우가 해당합니다.
커스텀 AI 에이전트 통합은 흔한 패턴입니다. 외부 LLM을 호출하고 프라이빗 벡터 저장소에서 컨텍스트를 검색하며 결과를 Salesforce에 다시 기록하는 에이전트이면서도 Salesforce UI 내에 표시됩니다. 추론과 검색은 엔터프라이즈가 제어하는 인프라에서 일어납니다.
핵심 관점: 네이티브와 커스텀은 상호 배타적이지 않습니다. 성숙한 엔터프라이즈 대부분은 하이브리드 모델을 운영합니다. 네이티브 사례에는 Agentforce를, 더 강한 제어가 필요한 워크로드에는 커스텀 또는 하이브리드 아키텍처를 사용합니다.
Agentforce 우선 vs 커스텀/하이브리드 Salesforce AI: 각각의 적소
Agentforce는 닫힌 시스템이 아닙니다. Salesforce는 bring-your-own 모델을 지원하며 Agentforce는 특정 구성에서 외부 엔드포인트를 호출할 수 있습니다. 플랫폼은 또한 빠르게 성장했습니다. Agentforce ARR은 FY2027 2분기에 15억 달러를 넘었고, 전년 대비 240% 이상 성장했습니다. 이 추진력은 영업과 서비스에서 네이티브, 플랫폼 관리형 AI에 대한 실제 수요를 반영합니다.
질문은 “Agentforce인가, 커스텀인가?”가 아니라 “Agentforce 우선이 어디에 적합하고, 커스텀 또는 하이브리드 아키텍처가 그 위에서 어디에 가치를 더하는가?”입니다. 두 접근은 대부분의 성숙한 엔터프라이즈 스택에서 상호 보완적입니다.
| 평가 기준 | Agentforce 우선 | 커스텀 / 하이브리드 |
|---|---|---|
| 설정 속도 | 빠름, 네이티브 위자드와 로우코드 빌더 | 느림, 아키텍처 설계와 통합 작업 필요 |
| Salesforce 네이티브 워크플로우 | Sales Cloud, Service Cloud, Data Cloud과 깊이 통합 | Salesforce UI에 표시되려면 통합 계층 필요 |
| 모델 유연성 | bring-your-own 모델 지원, 단 플랫폼 제약 내 | 오픈 웨이트, 셀프 호스티드, 관리형 모델 서비스의 완전한 선택 |
| 인프라 제어 | Salesforce 관리 | AWS, GCP, 프라이빗 클라우드에서 엔터프라이즈 제어 |
| 데이터 거주 | Salesforce 리전과 Data Cloud 배치에 따름 | 특정 리전, 클라우드, 온프레미스로 엔터프라이즈 제어 |
| 커스터마이징 깊이 | 플랫폼 기능과 가드레일로 제한 | 아키텍처상 제한 없음, 커스텀 RAG, 라우팅, 워크플로우 가능 |
| 비용 모델 | 시트당 + 사용량(Agentic Work Units) | 인프라와 추론 비용, 자체 관리 및 최적화 |
| 운영 부담 | 낮음, Salesforce가 플랫폼 운영 | 높음, DevOps, MLOps, 옵저버빌리티 필요 |
실무에서 작동하는 패턴은 플랫폼 관리형 AI로 충분한 곳에서 Agentforce 우선으로 시작하는 것입니다. 그런 다음 한계에 부딪히는 워크로드에 커스텀 또는 하이브리드 아키텍처를 추가합니다. 플랫폼이 지원하지 않는 모델, 충족할 수 없는 데이터 거주 규칙, 프라이빗하게 유지해야 할 검색 파이프라인, 또는 플랫폼의 사용량 기반 가격에 맞지 않는 비용 프로필이 그 한계입니다.
핵심 아키텍처: Salesforce와 외부 AI 연결
커스텀 또는 하이브리드 Salesforce AI 통합은 세 계층으로 구성됩니다. API와 통합 계층, CRM 데이터 동기화 계층, 그리고 추론과 검색이 일어나는 외부 AI 스택입니다.
API와 통합 계층
Salesforce는 여러 통합 메커니즘을 제공합니다.
- Named 또는 External Credentials를 사용한 Apex callouts — Salesforce에서 외부 AI 엔드포인트로의 동기식 아웃바운드 호출. External Credentials는 레거시 Named Credentials를 대체하는 현대적 방식이며 Apex 코드 밖에서 시크릿을 관리합니다.
- REST 및 SOAP API — Salesforce에서 읽거나 Salesforce에 다시 기록하는 외부 시스템용. 보통 AI 에이전트가 레코드를 갱신하거나, 작업을 생성하거나, 컨텍스트를 가져올 때 사용됩니다.
- Platform Events, Change Data Capture, Pub/Sub API — 이벤트 기반 근실시간 동기화. 레코드가 변경되면 Salesforce가 이벤트를 발행하고, 구독자가 이를 수신해 처리합니다.
- Salesforce Connect — 외부 데이터 가상화. 데이터를 복사하지 않고 Salesforce가 플랫폼 밖의 데이터를 표시할 수 있게 합니다. 조회에는 유용하지만 AI API의 주 메커니즘은 아닙니다.
AWS 기반 파이프라인에서는 Salesforce 통합이 Salesforce Event Relay를 사용해 Platform Events를 Amazon EventBridge로 직접 스트리밍할 수 있으며, 이벤트브릿지는 Lambda, SQS, 기타 AWS 서비스로 라우팅하므로 커스텀 폴링이 필요 없습니다.
프로덕션에서 흔히 보이는 패턴은 Salesforce와 외부 AI 스택 사이에 API 게이트웨이(AWS API Gateway, Apigee 등)를 두는 것입니다. 인증, 속도 제한, 검증, 로깅을 처리하여 배후의 AI 서비스가 보호되고 관측 가능한 상태로 유지됩니다.
CRM 데이터 동기화
외부 AI 스택은 최신 CRM 데이터가 필요합니다. 근실시간 동기화가 목표지만 정확성도 중요합니다.
Change Data Capture와 Platform Events는 데이터를 S3, BigQuery, Snowflake로 직접 보내지 않습니다. 구독자에게 이벤트를 발행합니다. AWS Lambda, EventBridge, Kafka 등의 미들웨어 또는 스트림 프로세서가 그 이벤트를 소비하고 외부 데이터 저장소를 갱신합니다. AI 스택은 Salesforce에서 직접 읽지 않고 그 저장소에서 읽습니다.
두 패턴이 대부분의 사례를 다룹니다.
- 근실시간 이벤트 동기화 — Platform Events 또는 CDC가 변경을 발행하고, 스트림 프로세서가 수 초 내 외부 저장소를 갱신. 신선도가 중요한 에이전트 지원 및 서비스 워크플로우에 적합.
- 배치 동기화 — 예약된 잡이 RAG 수집, 임베딩 재생성, 파인튜닝을 위한 대규모 데이터셋을 추출. 주기적 갱신으로 충분한 사례에 적합.
동기화를 실행하기 전에 데이터 품질이 중요합니다. Salesforce 데이터 관리 모범 사례를 적용하면(필드 정리, 일관된 명명, 중복 제거, 명확한 소유권) 잘못된 데이터가 검색과 추론 품질을 떨어뜨리는 것을 막을 수 있습니다.
AWS 또는 GCP의 외부 AI 스택
외부 AI 스택은 모델 선택과 인프라 제어가 현실이 되는 곳입니다. 엔터프라이즈는 보통 다음을 배치합니다.
- 오픈 웨이트 또는 셀프 호스티드 LLM — Amazon SageMaker, Google Vertex AI, Kubernetes, 전용 추론 인프라에서 Llama, Mistral, Qwen. 셀프 호스팅은 모델, 리전, 추론 파이프라인에 대한 제어를 제공하지만 운영 비용과 GPU 용량 계획이 따릅니다.
- 관리형 모델 서비스 — Amazon Bedrock과 Vertex AI는 셀프 호스팅 없이 다양한 모델에 대한 관리형 접근을 제공합니다. 이들은 관리형 서비스이지 셀프 호스티드 인프라가 아닙니다.
- 멀티 모델 라우팅 — 모델 앞의 게이트웨이로, 각 요청을 작업, 비용, 레이턴시, 품질에 따라 적절한 모델로 라우팅합니다.
셀프 호스팅과 관리형의 선택은 항상 비용의 문제는 아닙니다. 셀프 호스팅이 API보다 자동으로 저렴해지지 않습니다. GPU 활용도, 엔지니어링 오버헤드, 운영 부담이 토큰당 원시 절감을 상쇄할 수 있습니다. 셀프 호스팅의 진짜 이유는 인프라 제어, 컴플라이언스, 프라이빗 배포, 관리형 서비스가 제공하지 않는 전문적으로 파인튜닝된 모델입니다.
프라이빗 RAG 아키텍처
프라이빗 RAG 아키텍처는 CRM 문서, 임베딩, 검색 인프라를 엔터프라이즈가 제어하는 환경에 유지합니다. 프라이빗 또는 셀프 호스티드 추론과 결합하면 민감한 컨텍스트를 서드파티 LLM API로 전송할 필요성을 더 줄일 수 있습니다.
전형적인 컴포넌트는 다음과 같습니다.
- 문서 수집 — 계약서, 티켓, 지식 베이스 문서, CRM 메모를 처리 파이프라인으로 가져옵니다.
- 임베딩 모델 — 문서를 벡터 표현으로 변환하며, 엔터프라이즈 자체 인프라에서 실행됩니다.
- 벡터 저장소 — 프라이빗 인프라용으로 OpenSearch, pgvector, 또는 엔터프라이즈의 클라우드 계정이나 온프레미스에서 동작하는 자체 관리 벡터 데이터베이스를 사용합니다.
- 검색과 생성 — 쿼리 시점에 시스템이 벡터 저장소에서 컨텍스트를 검색해 LLM에 전달합니다. LLM도 셀프 호스티드라면 전체 경로가 엔터프라이즈 제어 내에 머뭅니다.
가치는 프라이버시만이 아닙니다. 프라이빗 RAG 아키텍처는 검색 품질에 대한 제어도 제공합니다. 플랫폼 관리형 블랙박스 없이 청킹, 임베딩, 리랭킹을 조정할 수 있습니다.
엔터프라이즈가 커스텀 Salesforce AI를 필요로 할 때(사용 사례)
엔터프라이즈를 커스텀 또는 하이브리드 아키텍처로 이끄는 사용 사례는 다음과 같습니다.
- 민감 문서에 대한 프라이빗 RAG — 엔터프라이즈가 제어하는 환경을 떠나면 안 되는 계약서, 법률 서신, 지원 티켓, 지식 베이스. 프라이빗 RAG 파이프라인을 통해 에이전트는 원본 문서를 서드파티 LLM API로 보내지 않고도 답변을 검색할 수 있습니다.
- 인프라 제어, 워크로드 경제성, 컴플라이언스, 프라이빗 배포를 위한 오픈 웨이트 또는 셀프 호스티드 LLM — 엔터프라이즈가 특정 리전의 특정 모델, 관리형 서비스가 충족 못 하는 컴플라이언스 요건, 또는 어떤 API로도 이용 불가한 파인튜닝된 모델이 필요할 때. 셀프 호스팅은 트레이드오프이지 기본 비용 승리가 아닙니다.
- 전문 AI 워크플로우 — BFSI, 헬스케어, 물류, 부동산의 산업별 파이프라인으로, 검색, 분류, 생성을 플랫폼이 네이티브로 지원하지 않는 방식으로 결합합니다.
- 데이터 거주 — 추론과 검색이 특정 국가 또는 리전 내에서 일어나야 할 때. 커스텀 아키텍처는 전체 AI 스택을 해당 리전에 고정합니다.
- 멀티 모델 라우팅 — 단일 게이트웨이 뒤에 여러 LLM을 결합하고, 각 요청을 작업, 비용, 레이턴시 프로필에 가장 적합한 모델로 라우팅합니다.
- Agentforce 보완 — Agentforce 우선으로 부족한 워크로드에 대해 커스텀 또는 하이브리드 계층이 네이티브 AI 스택을 교체하지 않고 Salesforce를 확장합니다.
보안, 거버넌스, 비용 고려사항
커스텀 Salesforce AI 통합은 공격 표면과 거버넌스 부담을 확장합니다. 보안 모델은 데이터가 통과하는 모든 계층을 다뤄야 합니다.
Salesforce 측에서는:
- External Credentials — 인증 시크릿을 Apex 코드 밖에 저장하고, named principal과 permission set으로 외부 AI 엔드포인트에 대한 접근을 제어합니다.
- 최소 권한 접근 — 통합 사용자와 서비스 계정에는 필요한 최소한의 객체 및 필드 권한만 부여합니다.
- 필드 및 객체 수준 권한 — 통합 계층에서 적용하여 외부 AI 스택이 필요한 필드만 수신하도록 합니다.
- 데이터 분류와 마스킹 — 민감도에 따라 필드를 분류하고, Salesforce를 떠나기 전에 PII를 마스킹 또는 익명화합니다.
- 암호화 — 전송 중(TLS)과 저장 시 모두 양쪡에서.
외부 AI 스택 측에서는: 벡터 저장소의 저장 시 암호화, 추론 엔드포인트의 접근 제어, AI 스택과 다른 워크로드 간의 네트워크 격리. 에이전트 AI를 위한 LLM 보안 실무(프롬프트 인젝션 방어, 출력 검증, 도구 사용 가드레일)를 적용하면 AI 특유의 위험에 대한 대응이 완결됩니다.
거버넌스는 대부분의 엔터프라이즈가 여전히 따라잡고 있는 영역입니다. Deloitte의 State of AI in the Enterprise 2026 보고서에 따르면 자율 AI 에이전트에 대해 성숙한 거버넌스 모델을 갖춘 기업은 약 5곳 중 1곳(21%)에 불과하며, 약 80%가 성숙한 거버넌스를 갖추지 못했습니다. 커스텀 Salesforce AI 통합에서 거버넌스는 인간이 어디서 제어를 유지하는지, 자동화된 결정을 어떻게 감사하는지, 어떤 레코드를 보존하는지, 에스컬레이션을 어떻게 사람에게 되돌리는지를 정의하는 것을 의미합니다.
로깅과 감사 추적은 협상의 여지가 없습니다. 모든 호출, 검색, 추론, 쓰기 되돌리기는 무슨 일이 일어났는지와 그 이유를 재구성할 수 있는 충분한 컨텍스트와 함께 기록되어야 합니다.
비용 측면에서 커스텀 아키텍처는 엔터프라이즈에 최적화를 위한 레버를 제공합니다. 토큰 모니터링, 시맨틱 캐싱, 모델 라우팅, 적정 사이징 등입니다. 하지만 동시에 인프라, 추론, 운영의 청구서를 스스로 부담한다는 의미이기도 합니다. 이는 제어와 운영 부담의 트레이드오프이며, 의도적으로 선택하는 것입니다.
커스텀 Salesforce AI 통합 구축
HDWEBSOFT는 Salesforce AI 통합을 Salesforce Certified Engineer와 AI Engineer의 공동 작업으로 다룹니다. Salesforce 측은 CRM 데이터 모델링, 통합 패턴, 보안, 플랫폼 네이티브 워크플로우를 담당하고, AI 측은 외부 LLM 스택, RAG 파이프라인, 클라우드 인프라를 담당합니다.
전형적인 참여는 다음 단계로 진행됩니다.
- 디스커버리와 아키텍처 — 사용 사례, 데이터 흐름, 보안 및 거주 제약을 정리하고, Agentforce 우선이 어디에 적합하고 커스텀 또는 하이브리드 계층이 어디에 필요한지 결정합니다.
- API와 통합 계층 — Apex callouts, External Credentials, Platform Events 또는 CDC 스트림, Salesforce와 외부 AI 스택 사이의 API 게이트웨이를 설계합니다.
- CRM 데이터 동기화 — 스트림 프로세서와 외부 데이터 저장소 갱신을 구축하고, 동기화 실행 전 데이터 품질 검사를 수행합니다.
- 외부 LLM과 RAG — AWS 또는 GCP에서 모델 서빙, 벡터 저장소, 임베딩 파이프라인, 검색 로직을 배포합니다.
- 클라우드 인프라와 보안 — 암호화, 최소 권한, 마스킹, 로깅, LLM 특정 보안 제어를 통합한 컴퓨트, 네트워킹, 스토리지를 프로비저닝합니다.
- 모니터링과 운영 — 추론, 검색, 비용, 거버넌스에 대한 옵저버빌리티를 구축하여 프로덕션에서 시스템이 건강하고 감사 가능한 상태로 유지되도록 합니다.
HDWEBSOFT의 AI 통합 서비스는 전체 스택을 다루며, 팀은 일회성 구현 벤더가 아닌 장기 딜리버리 파트너로 기능합니다.
Salesforce를 Agentforce 너머로 확장할지 평가 중이라면, 가장 유용한 다음 단계는 현재 CRM 데이터, 사용 사례, 제약에 대한 집중된 감사입니다. 네이티브 AI가 어디에 적합하고 커스텀 또는 하이브리드 아키텍처가 실제 가치를 더하는지 매핑합니다.
결론
Agentforce는 Salesforce 내의 네이티브 AI를 많은 영업·서비스 사례에서 강력한 기본값으로 만들었습니다. 하지만 프라이빗 RAG, 오픈 웨이트 또는 셀프 호스티드 LLM, 전문화된 워크플로우, 엄격한 데이터 거주, 또는 더 강한 추론 비용 제어가 필요한 엔터프라이즈는 그 위에 커스텀 또는 하이브리드 아키텍처를 필요로 하는 경우가 많습니다.
올바른 접근은 거의 항상 둘 중 하나가 아닙니다. Agentforce 우선이 네이티브 측을 다루고, 커스텀 또는 하이브리드 Salesforce AI 통합이 플랫폼을 외부 에이전트, LLM, AWS나 GCP의 프라이빗 RAG로 확장하며 근실시간 CRM 동기화와 엔터프라이즈가 제어하는 인프라를 실현합니다. 엔지니어링 작업은 실재합니다. API 아키텍처, 데이터 동기화, 보안, 거버넌스, 운영 모두 올바르게 수행되어야 합니다. 하지만 엔터프라이즈에 되돌려주는 제어가 바로 팀이 그 길을 선택하는 이유입니다.
커스텀 Salesforce AI 통합이 귀하의 스택에 어떻게 맞는지 검토하고 싶다면, HDWEBSOFT의 Salesforce Certified Engineer와 AI Engineer가 도울 수 있습니다. Salesforce AI 커스터마이징 감사를 예약하고 시작하세요.
FAQ
Salesforce AI 통합이란 무엇인가요?
Salesforce AI 통합은 Salesforce의 데이터와 워크플로우를 AI 기능에 연결하는 실무입니다. Agentforce나 Einstein처럼 Salesforce 생태계 내부의 네이티브 방식일 수도 있고, AWS나 GCP에서 실행되는 커스텀 AI 에이전트, 오픈 웨이트 또는 셀프 호스티드 LLM, 프라이빗 RAG 파이프라인처럼 외부 방식일 수도 있습니다. 엔터프라이즈가 모델 선택, 인프라, 데이터 거주, 전문화된 워크플로우, AI 경제성에 대한 더 강한 제어가 필요할 때 커스텀 또는 하이브리드 아키텍처가 Agentforce를 보완합니다.
커스텀 Salesforce AI는 Agentforce를 대체하나요?
아니요. 커스텀 또는 하이브리드 Salesforce AI는 Agentforce를 대체하지 않습니다. Agentforce는 bring-your-own 모델을 지원하며 많은 네이티브 영업·서비스 사례에 적합합니다. 커스텀 및 하이브리드 아키텍처는 네이티브 기능으로 부족할 때 프라이빗 RAG, 오픈 웨이트 또는 셀프 호스티드 LLM, 전문화된 AI 워크플로우, 엔터프라이즈가 제어하는 인프라로 Salesforce를 확장하여 Agentforce를 보완합니다.
Salesforce는 외부 LLM과 RAG에 어떻게 연결되나요?
Salesforce는 여러 메커니즘을 통해 외부 LLM과 RAG에 연결됩니다. 동기식 아웃바운드 호출을 위한 Named 또는 External Credentials를 사용한 Apex callouts, Salesforce에 접근하는 외부 시스템을 위한 REST 및 SOAP API, 이벤트 기반 근실시간 동기화를 위한 Platform Events와 Change Data Capture를 Pub/Sub API와 함께 사용, AWS 기반 파이프라인을 위한 Salesforce Event Relay에서 Amazon EventBridge로의 연결이 그것입니다. 이후 미들웨어 또는 스트림 프로세서 계층이 외부 데이터 저장소를 갱신하고 요청을 외부 AI 스택으로 라우팅합니다.
엔터프라이즈는 언제 Agentforce 대신 커스텀 Salesforce AI를 선택해야 하나요?
엔터프라이즈는 민감 문서에 대한 프라이빗 RAG, 인프라 제어 또는 컴플라이언스를 위한 오픈 웨이트 또는 셀프 호스티드 LLM, 산업별 전문 AI 워크플로우, 엄격한 데이터 거주 요건, 멀티 모델 라우팅, 또는 더 강한 추론 비용 제어가 필요할 때 커스텀 또는 하이브리드 Salesforce AI 아키텍처를 고려해야 합니다. 플랫폼 관리형 AI로 충분한 많은 네이티브 영업·서비스 사례에서는 Agentforce 우선 접근이 여전히 적합합니다.
커스텀 Salesforce AI 통합은 데이터와 비용에 어느 정도의 제어를 제공하나요?
커스텀 또는 하이브리드 아키텍처는 CRM 문서와 임베딩, 검색 인프라가 어디에 위치하는지, 어떤 모델이 어디서 추론하는지, 데이터가 AI 컴포넌트에 도달하기 전에 어떻게 분류되고 마스킹되는지, 그리고 캐싱, 라우팅, 모델 적정 사이징을 통해 추론 비용을 어떻게 모니터링하고 최적화하는지에 대한 제어를 엔터프라이즈에 제공합니다. 이 제어가 바로 엔터프라이즈가 플랫폼 관리형 AI에만 의존하지 않고 Agentforce와 함께 커스텀 Salesforce AI를 채택하는 주된 이유입니다.
