지난 11월 11일(화)에 서울 여의도 콘래드호텔에서 Agentforce Industry Summit이 열렸습니다.
이번 행사는 단순한 기능 소개를 넘어, AI가 실제 비즈니스에서 어떤 구조와 전략 아래에서 활용되어야 효과를 낼 수 있는지 깊이있게 보여준 자리였습니다.
특히 트레슬의 CTO 오비드존(Obidjon)님이 스피커로 참여하며, 실제 고객사 프로젝트에서 검증된 현실적인 AI 에이전트 구축 방식과 운영 구조를 소개해 더욱 의미있었습니다.
AI 도입을 고민하는 많은 기업들이 흔히 어떤 에이전트를 만들까?를 먼저 떠올리지만, 실제 AI는 데이터 · 업무 인덱스 · 조직 구조 · 시스템 아키텍처가 정렬되지 않으면 제대로 기능할 수 없습니다.
이번 포스팅에서는 Summit에서 얻은 인사이트를 기반으로, 트레슬이 바라보는 AI 에이전트 시대의 핵심 포인트를 정리해보았습니다.
1. 키노트 : 질문보다 중요한 것은 컨텍스트
허승진님의 키노트는 명확했습니다. 프롬프트 엔지니어링보다 컨텍스트 엔지니어링이 중요하다.
- AI의 성능은 질문 스킬보다 접근 가능한 데이터의 깊이·일관성·신뢰도에 의해 결정된다.
- 엔터프라이즈 환경은 계속 변화하기 때문에, 정제된 과거 데이터만으로는 지금의 고객·시장·업무를 반영할 수 없다.
- Salesforce는 CRM·Tableau·Data Cloud·Slack을 디지털 자율신경계처럼 묶어 한 흐름에서 데이터 → 인사이트 → 에이전트 실행으로 연결하도록 설계하고 있다.
허승진님의 세션을 들으면서, 트레슬이 모든 프로젝트 시작 단계에서 반복하는 질문이 떠올랐습니다.
고객사의 비즈니스 컨텍스트는 어디에서 생성되며,
그 컨텍스트를 담아낼 데이터·프로세스·사람은 준비되어 있는가?
트레슬에게 Agentforce는 단순한 챗봇이 아닌 함께 일하는 동료입니다.
트레슬의 모든 에이전트 프로젝트는 데이터 구조·업무 흐름·사람의 역할 정의부터 시작됩니다.
2. 세션 1 : 업무를 인덱스화하지 않는 기업, AI가 설명할 수 없다.
임형주님의 세션은 업무의 인덱스화(Indexing)가 왜 중요한지를 실무적으로 설명했습니다.
핵심 메시지 3가지
- 데이터 인프라보다 데이터 문화가 더 큰 문제 : 기업의 데이터 활용률이 낮은 가장 큰 이유는 품질이 아니라 데이터 문화의 부재
- 성과를 과정 데이터로 쪼개야 예측과 분석이 가능 : 매출 +20% 같은 목표가 아니라 콜 시도 → 연결 → 제안 → 전환처럼 업무를 인덱스(KPI)로 쪼개는 구조가 필요
- 활동 기록의 자동화가 필수 : 이메일, 콜, 상담내용을 사람이 직접 입력하지 않아도 기록되도록 설계해야 데이터가 살아 움직인다.
트레슬이 실제 프로젝트에서 가장 먼저 고민하는 부분도 위 핵심메시지와 동일한데요, AI의 판단은 결국 업무를 얼마나 정교하게 정의해주었는가에서 결정되기 때문입니다.
- 영업/마케팅/CS의 E2E 퍼널 매핑
- 각 단계의 지표(KPI) 정의
- KPI를 Salesforce 구조와 매핑
- Agentforce가 읽을 맥락(Context)을 만드는 작업
3. 세션 2 - 데이터, 시스템, 사람을 잇는 아키텍처가 있어야 AI가 산다.
정정호님의 발표에서는 AI 프로젝트의 성공 조건을 데이터·시스템·사람의 연결 구조 관점에서 짚었습니다.
기억에 남은 포인트 4가지
- 유니파이드 아키텍처의 필요성
- Sales·Service·Marketing 시스템을 따로 도입 후 연결하는 방식은 확장성이 떨어지기 때문에, Data Cloud / Customer 360 / Agentforce 360을 하나의 구조로 설계해야 한다.
- 정형·비정형 데이터 모두를 AI가 이해할 수 있게 구성
- BigQuery, 웹 이벤트, 온프렘 DB, PPT·PDF 등 다양한 형태의 데이터를 제로카피 + 문서AI + 청킹으로 Agentforce가 읽을 수 있게 만드는 과정이 필요하다.
- 메타데이터(시맨틱 레이어) 설계 ‘고객 점수’, ‘나이’, ‘단계’의 의미를 AI가 정확히 이해하도록 정의해야 한다.
- AI 거버넌스의 필수 요소
- 개인정보 보호, 접근 권한, 로그관리 등 엔터프라이즈 수준의 보안 구조가 AI 도입 초기부터 필요하다.
트레슬이 프로젝트 진행 시 항상 고민하는 아래의 질문이 정의가 되어야, AI가 실제로 일할 수 있는 환경을 구축할 수 있습니다.
- 이 데이터는 어디에서 생성되고, 누구의 의사결정에 사용되는가?
- 어떤 데이터가 최종 데이터로 인정되는가?
4. 세션 3 - 트레슬 CTO 오비드존이 보여준 실전 AI 에이전트 구축
마지막 세션은 트레슬 CTO이자 Salesforce MVP인 오비드존(Obidjon) 님의 발표였습니다.
AI 에이전트를 단순 기술이 아닌 디지털 워크포스(Digital Workforce)로 정의하면서 AI가 실제로 조직의 한 구성원처럼 일하기 위해 필요한 조건을 명확히 제시했습니다.
AI 에이전트의 필수 조건 4가지
- 정형·비정형·메타데이터를 아우르는 데이터 레이어
- Sales Cloud·Service·Slack 등 업무 앱과의 연결성
- RAG·액션체인·리스닝 엔진 등 Agentforce 특화 기술
- 보안·거버넌스·모니터링·Human-in-the-loop
현장에서 검증된 데모 시나리오
- 이메일로 온 RFP(PDF)를 Agentforce가 분석
- Salesforce 기회(Opportunity) 자동 생성
- 금액/일정/요구사항 자동 추출·입력
- 적합 상품 추천
- Slack 대화만으로 모든 업무 실행 → 화면 뒤에서는 CRM 데이터가 실시간 업데이트
트레슬은 Agentforce를 구축할 때, 고객의 데이터를 깊이있게 파악하고 현실적인 Agent를 개발하기 위해 고객의 업무를 분석합니다.
- 고객 비즈니스 목적 → 유즈케이스 정의
- KPI·업무 인덱스 설계 → 데이터 구조 설계
- CRM·Data Cloud·Slack 연결 → 에이전트 활용 구조 설계
5. 마치며 - AI 에이전트 시대, 결국 이해의 깊이가 경쟁력
이번 행사를 한 문장으로 정리하면 이렇게 말하고 싶습니다.
AI 에이전트 시대의 경쟁력은 데이터를 얼마나 깊이·일관되게 이해하고 설계했는가에 달려 있다.
트레슬은 앞으로도 Agentforce·Data Cloud·Slack·Tableau를 기반으로 고객사의 데이터–업무–사람을 하나의 흐름으로 연결하여, 고객이 데이터를 쌓는 조직이 아닌 데이터를 쓰는 조직이 될 수 있도록 돕겠습니다.
AI 도입을 고민 중이라면 어떤 에이전트를 만들까?라는 질문보다, 우리 회사의 데이터와 업무는 연결되어 있는가?를 먼저 점검해보시면 좋을 것 같습니다.
트레슬은 여러분의 CRM과 AI 여정을 함께 설계하는 파트너가 되겠습니다.
지난 11월 11일(화)에 서울 여의도 콘래드호텔에서 Agentforce Industry Summit이 열렸습니다.
이번 행사는 단순한 기능 소개를 넘어, AI가 실제 비즈니스에서 어떤 구조와 전략 아래에서 활용되어야 효과를 낼 수 있는지 깊이있게 보여준 자리였습니다.
특히 트레슬의 CTO 오비드존(Obidjon)님이 스피커로 참여하며, 실제 고객사 프로젝트에서 검증된 현실적인 AI 에이전트 구축 방식과 운영 구조를 소개해 더욱 의미있었습니다.
AI 도입을 고민하는 많은 기업들이 흔히 어떤 에이전트를 만들까?를 먼저 떠올리지만, 실제 AI는 데이터 · 업무 인덱스 · 조직 구조 · 시스템 아키텍처가 정렬되지 않으면 제대로 기능할 수 없습니다.
이번 포스팅에서는 Summit에서 얻은 인사이트를 기반으로, 트레슬이 바라보는 AI 에이전트 시대의 핵심 포인트를 정리해보았습니다.
1. 키노트 : 질문보다 중요한 것은 컨텍스트
허승진님의 키노트는 명확했습니다. 프롬프트 엔지니어링보다 컨텍스트 엔지니어링이 중요하다.
허승진님의 세션을 들으면서, 트레슬이 모든 프로젝트 시작 단계에서 반복하는 질문이 떠올랐습니다.
고객사의 비즈니스 컨텍스트는 어디에서 생성되며,
그 컨텍스트를 담아낼 데이터·프로세스·사람은 준비되어 있는가?
트레슬에게 Agentforce는 단순한 챗봇이 아닌 함께 일하는 동료입니다.
트레슬의 모든 에이전트 프로젝트는 데이터 구조·업무 흐름·사람의 역할 정의부터 시작됩니다.
2. 세션 1 : 업무를 인덱스화하지 않는 기업, AI가 설명할 수 없다.
임형주님의 세션은 업무의 인덱스화(Indexing)가 왜 중요한지를 실무적으로 설명했습니다.
핵심 메시지 3가지
트레슬이 실제 프로젝트에서 가장 먼저 고민하는 부분도 위 핵심메시지와 동일한데요, AI의 판단은 결국 업무를 얼마나 정교하게 정의해주었는가에서 결정되기 때문입니다.
3. 세션 2 - 데이터, 시스템, 사람을 잇는 아키텍처가 있어야 AI가 산다.
정정호님의 발표에서는 AI 프로젝트의 성공 조건을 데이터·시스템·사람의 연결 구조 관점에서 짚었습니다.
기억에 남은 포인트 4가지
트레슬이 프로젝트 진행 시 항상 고민하는 아래의 질문이 정의가 되어야, AI가 실제로 일할 수 있는 환경을 구축할 수 있습니다.
4. 세션 3 - 트레슬 CTO 오비드존이 보여준 실전 AI 에이전트 구축
마지막 세션은 트레슬 CTO이자 Salesforce MVP인 오비드존(Obidjon) 님의 발표였습니다.
AI 에이전트를 단순 기술이 아닌 디지털 워크포스(Digital Workforce)로 정의하면서 AI가 실제로 조직의 한 구성원처럼 일하기 위해 필요한 조건을 명확히 제시했습니다.
AI 에이전트의 필수 조건 4가지
현장에서 검증된 데모 시나리오
트레슬은 Agentforce를 구축할 때, 고객의 데이터를 깊이있게 파악하고 현실적인 Agent를 개발하기 위해 고객의 업무를 분석합니다.
5. 마치며 - AI 에이전트 시대, 결국 이해의 깊이가 경쟁력
이번 행사를 한 문장으로 정리하면 이렇게 말하고 싶습니다.
AI 에이전트 시대의 경쟁력은 데이터를 얼마나 깊이·일관되게 이해하고 설계했는가에 달려 있다.
트레슬은 앞으로도 Agentforce·Data Cloud·Slack·Tableau를 기반으로 고객사의 데이터–업무–사람을 하나의 흐름으로 연결하여, 고객이 데이터를 쌓는 조직이 아닌 데이터를 쓰는 조직이 될 수 있도록 돕겠습니다.
AI 도입을 고민 중이라면 어떤 에이전트를 만들까?라는 질문보다, 우리 회사의 데이터와 업무는 연결되어 있는가?를 먼저 점검해보시면 좋을 것 같습니다.
트레슬은 여러분의 CRM과 AI 여정을 함께 설계하는 파트너가 되겠습니다.
✨ 세일즈포스 도입 운영에 고민이 있으시다면? 지금 트레슬에 문의해 주세요! ✨