Salesforce Data Cloud では、Agentforce 応答のグラウンディングなどの AI 駆動型プロセス用のデータ (ドキュメント、レコードなど) を効率的に取得できるように、カスタム検索インデックスが作成されます。

エージェントにおける大規模言語モデル（LLM）の役割は、ユーザー入力を分析し、実行すべき最適なアクションを特定することです。LLMは自然言語理解を用いてユーザーのリクエストを分解し、実行すべきアクションの正しい順序を決定します。
これにより、LLMは実行されるタスクとアクションがコンテキストに適切であり、適切な順序で実行されることを保証します。このプロセスにより、ユーザーのリクエストを事前定義されたSalesforceアクションまたはフローにマッチングさせることで、シームレスでAIを活用したエクスペリエンスがユーザーに提供されます。

AgentForce セキュリティおよびアクセス制御のベスト プラクティス ガイドでは、最小権限の原則を強調しています。これは、定義されたタスクを実行するために厳密に必要な権限のみを各エージェントに付与することを意味します。
医療研究などの機密データへの不正アクセスを防ぐため、管理者はAgentForceサービスエージェントの権限セットグループから医療製品オブジェクトおよび関連レコードへの権限を除外する必要があります。このアプローチにより、推論エンジンが関連クエリを処理した場合でも、アクセス権のないデータを取得したり公開したりすることができなくなります。

AgentForce for Service実装ガイドでは、エージェントがケース関連の操作を実行する前に本人確認を行う必要がある場合、変数ベースの制御フローを使用するのが正しい方法であると明確に規定されています。ドキュメントには、「確定的かつ安全な動作を維持するために、本人確認ステップの結果を格納する変数（例：`isVerified'）を定義します。」と明記されています。
この変数をトピックフローの条件フィルターとして使用し、変数が「true」の場合にのみケース関連のアクションが実行されるようにすることができます。これにより、検証が明示的に確認されない限り、機密データやケース固有のデータが共有されることがなくなります。検証変数によって完了が確認された後にのみ、システムがケースデータアクションを続行するため、確定的な安全策が提供されます。

Agentforce Agents のユーザビリティとアクションの割り当てを監視するには、エージェントのパフォーマンス、ユーザーとのインタラクション、会話内でのアクション実行方法に関する洞察が必要です。Salesforce は、この目的のために特別に設計された組み込み機能として Agent Analytics（オプション C）を提供しています。Agent Analytics は、エージェントの応答時間、ユーザー満足度、アクションの呼び出し頻度、成功率などの指標を追跡するダッシュボードとレポートを提供します。このツールにより、Agentforce スペシャリストはユーザビリティ（エージェントがユーザーのニーズを満たしているかなど）を評価し、アクションの割り当て（どのアクションがどのくらいの頻度でトリガーされているかなど）を監視し、パイロットプログラムを最適化するための実用的なデータを得ることができます。