【第505回】 Agentforce ： 2026 年 4 月 新機能リリース ハイライト
Data 360 と同様に、Agentforce もほぼ毎月のように新機能が追加されており、正直なところキャッチアップするだけでも一苦労です。
私自身も、「いつの間にか新機能が増えている」「結局どれが本当に重要なのか分かりづらい」と感じることが増えてきました。リリースノートをそのまま追うだけでは、全体像や優先順位が見えにくいのが実情です。
そこで今後は、Data 360 と同じように、Agentforce についても 毎月の新機能を要点だけ整理するまとめ記事 を継続していきたいと思います。
単なる機能紹介ではなく、「何が変わったのか」「どこにインパクトがあるのか」を分かりやすく整理していく予定です。
過去の記事
2026 年 4 月リリース ハイライト
2026 年 4 月のリリースでは、Agentforce の開発体験の向上、プロンプト設計の高度化、そして可観測性（Observability）のさらなる強化 にフォーカスしたアップデートが追加されました。
主なポイントは次の通りです。
Agentforce Builder の強化（コンソール / オートコンプリート）
HyperClassifier によるサブエージェント分類の精度向上
Web 検索アクションの拡張（You.com 追加）
Prompt Builder の進化（テンプレート再利用 / Web 連携 / データ受け渡し）
Enhanced Web Chat v2 の機能強化（ユーザーコンテキスト対応）
Agentforce Grid の拡張（実行条件 / コスト見積もり / スケーリング）
AI モデルの拡張と TPM 制限の導入
Observability 強化（Agent Platform Tracing / セッション可視化）
Audit & Feedback の標準 DMO 対応
今回のアップデートでは、特に エージェント開発のしやすさ と 運用時の可視化 が大きく進化しています。
それでは、一つずつ確認しましょう。
Agentforce Builder
① エージェントの構築とトラブルシューティングの迅速化
Agentforce Builder に追加されたコンソールにより、エージェントのトラブルシューティングをこれまで以上に効率的に行えるようになりました。このコンソールでは、構文エラーや予期しない値など、エージェントのパフォーマンスに影響を与える可能性のあるエラーや警告が一覧で表示されます。
さらに、開発プロセスをスムーズにする新機能も追加されています。たとえば、Canvas ビューでのユーティリティ参照機能や、Script ビューでのオートコンプリート機能により、より直感的かつ効率的にエージェントを構築できます。
方法：新しい Agentforce Builder でエージェントを開きます。問題を迅速に特定・修正するには、Canvas または Script ビューのコンソールに表示されるエラーや警告をクリックします。すると、現在のビュー上で該当する要素やコード行が自動的に表示されます。
Canvas ビューで既存のユーティリティを参照するには、「@」を入力し、「Actions」から対象のユーティリティを選択します。
Script ビューでオートコンプリートを利用するには、「@」を入力後、矢印キーで参照したいリソースを選択し、Tab または Enter キーで確定します。
② HyperClassifier によるサブエージェント分類の強化
新しい Agentforce Builder において、デフォルトの Agentforce Service エージェントおよび Agentforce Employee エージェントテンプレートから作成されたエージェントは、サブエージェント分類に Salesforce 独自の「HyperClassifier」モデル を使用するようになりました。
HyperClassifier は、従来の LLM と比較して 処理速度と精度に優れており、特に複雑な指示や否定条件（〜しない場合など）の解釈において高い性能を発揮します。
方法：デフォルトテンプレートから新規作成したエージェントでは、HyperClassifier は 自動的に適用されるため、特別な設定は不要です。
また、Agent Script の model_config プロパティを使用することで、サブエージェントブロックごとに利用モデルをカスタマイズすることも可能です（Canvas ビューの Agent Router からは変更不可）。
start_agent agent_router:
description: "ユーザー入力に基づいて適切なサブエージェントを判定"
model_config:
model: "model://sfdc_ai__DefaultEinsteinHyperClassifier"なお、model_config を省略した場合は、Setup の Agentforce 設定で選択されているモデルがデフォルトで使用されます。
Agent Action
① Web 検索機能の検索プロバイダーに新たな選択肢を追加
「Search The Web」エージェントアクション において、新たに You.com が検索プロバイダーとして追加され、Web 検索の選択肢が拡張されました。これまで BrightData と OpenAI のみ対応していました。さらに、今回からは ドロップダウン形式でプロバイダーを選択可能 になっています。
方法：Agentforce Builder で「Search The Web」アクションを開き、「Edit Action」をクリックします。Inputs セクション内の「Search Provider」の Configuration Value から、利用する検索プロバイダーをドロップダウンで選択します。
※ 既存の設定で選択リストが表示されない場合は、アセットライブラリから新しいアクションを追加し直す必要があります。
Prompt Builder
① プロンプトテンプレートをアクションとして再利用可能に
Prompt Builder において、プロンプトテンプレートをアクションとして呼び出せる機能が追加されました。これにより、あるテンプレートから別のテンプレートを呼び出すことができ、一貫性のあるモジュール型のプロンプト設計が可能になります。
これまでプロンプトテンプレートは個別に動作していたため、再利用性に制限がありました。今回のアップデートにより、テンプレート同士を連携させることが可能となり、メンテナンス性の向上と再利用の促進が実現されています。
方法：Prompt Builder で新しいアクションを追加し、既存のプロンプトテンプレートを選択します。入力値を設定し、その応答をメインプロンプトに組み込みます。
実行時には、参照されたテンプレートが先に実行され、その結果が最終的な応答に統合されます。
また、Performance Insights パネルでは、各テンプレートごとの レイテンシやトークン使用量などのパフォーマンス情報も確認できます。
② Web Action によるリアルタイムデータ連携
Prompt Builder に Web Action が追加され、プロンプト内で リアルタイムのWeb データを活用できるようになりました。外部サイトから最新情報を取得し、出典付きで応答に反映することが可能です。
これまで Prompt Builder は Salesforce 内のデータに依存していたため、市場動向やニュースなどの 最新かつ外部の情報を扱うことが困難でした。本アップデートにより、常に最新の情報を含んだ応答生成が可能になります。
方法：Prompt Builder の Template Settings で Web Action を追加し、検索クエリや検索プロバイダーを設定します。必要に応じて取得元ドメインも指定可能です。
実行時には、Web から取得した情報がプロンプトに組み込まれ、引用リンク付きで結果が出力されるため、情報の信頼性も確認できます。
③ アクション間でデータを受け渡し可能に
Prompt Builder において、アクション間で出力データを受け渡す機能が追加され、より柔軟で動的なワークフローが構築できるようになりました。プロンプトテンプレート、Flow、Apex、Retriever などの出力を次の処理に活用し、文脈に応じた高度な応答生成が可能になります。
従来はアクションの入力が固定値や手動設定に限られており、処理間でのデータ連携に制約がありました。本アップデートにより、前の処理結果を次の処理にそのまま活用できるため、設定の手間を減らしつつ、より動的なプロンプト設計が実現します。
方法：Prompt Builder で、あるアクションの出力を別のアクションの入力として設定します。例えば、プロンプトテンプレートの出力を Retriever に渡したり、取得したデータを別のプロンプトに引き渡すことが可能です。
実行時にはアクションが順番に処理され、それぞれが前のステップの結果を利用します。Performance Insights パネルでは、各アクションごとの レイテンシやトークン使用量も確認できます。
拡張チャット v2
① ユーザーコンテキストでのアクション実行に対応
資格情報ベースのユーザー認証により、Enhanced Web Chat v2 セッションにおいて、Agentforce の AI エージェントがユーザーのコンテキストに基づいたアクションを実行できるようになりました。たとえば、注文情報の参照やキャンセルといった操作を、ユーザー本人の代わりとしてエージェントが実行できるようになりました。これまでは Enhanced Web Chat v1 のみで提供されていた機能が、v2 でも利用可能になった形です。
これまでは「ただのチャットボット」止まりでしたが、一気に “実際に業務を代行できるエージェント” に変化 します。
設定は大きく 2 つのステップで行います。
Messaging Settings にて、対象のメッセージングチャネルで「Add User Verification（ユーザー認証を追加）」にチェックを入れます。
Experience Builder で Embedded Messaging コンポーネントを選択し、プロパティエディタから「Add credential-based user verification」を有効化したうえで、変更内容を公開します。
Enhanced Web Chat v1 と v2 の比較表はこちら
Agentforce Grid
① AI ワークフローの構築とスケーリングを加速
Agentforce Grid を活用することで、インサイトの取得から実行完了まで、各カラムが連携しながらプロジェクトを段階的に進める「累積型ワークフロー」を実現できます。
今回のリリースでは、コスト見積もりをサポートする Billing Calculator や、各カラムをいつ実行するかを制御できる 実行条件（Run Conditions） が新たに追加され、より柔軟で実用的な運用が可能になりました。
さらに、ワークシートあたり最大 1,000 行までスケール可能 となり、大規模なデータ処理にも対応しています。また、Web 上のデータを活用して LLM の応答精度を向上させる機能も追加され、より高度なアウトプットが期待できます。
Agentforce Grid とは
👉 AIワークフローをスプレッドシート形式で構築し、データからインサイト、アクションまでを一連で処理できるツールです。
Agentforce Agent Architecture
① 用語変更：「Topics」は「Subagents」へ
プラットフォームの機能をより正確に反映するため、これまで「Topics」と呼ばれていたものは 「Subagents」（役割ごとに分業されたエージェント） に名称変更されました。
また、「Topic Selector」は 「Agent Router」 に変更されています。なお、機能自体に変更はありません。
Agent Router とは、つまり企業の受付のスタッフさんのようなものであり、ユーザーの発言をまず始めに受け取って、適切なエージェント（正しくは、サブエージェント）へと案内します。
start_agent agent_router:
label: "Agent Router"
description: "Welcome the user and determine the appropriate subagent based on user input"
model_config:
model: "model://sfdc_ai__DefaultEinsteinHyperClassifier"
reasoning:
instructions: ->
| Select the best tool to call based on conversation history and user's intent.
actions:
go_to_ServiceCustomerVerification: @utils.transition to @subagent.ServiceCustomerVerification
available when @variables.isVerified == False
go_to_CaseManagement: @utils.transition to @subagent.CaseManagement
available when @variables.isVerified == True
go_to_AccountManagement: @utils.transition to @subagent.AccountManagement
available when @variables.isVerified == True
go_to_ReservationManagement: @utils.transition to @subagent.ReservationManagement
available when @variables.isVerified == True
go_to_DeliveryIssues: @utils.transition to @subagent.DeliveryIssues
available when @variables.isVerified == True
go_to_OrderInquiries: @utils.transition to @subagent.OrderInquiries
available when @variables.isVerified == True
go_to_GeneralFAQ: @utils.transition to @subagent.GeneralFAQ
go_to_escalation: @utils.transition to @subagent.escalation
go_to_off_topic: @utils.transition to @subagent.off_topic
go_to_ambiguous_question: @utils.transition to @subagent.ambiguous_questionサポートモデル
① 名称変更：「Einstein Studio」は「AI Models」へ
Data 360 において、これまでの Einstein Studio は「AI Models」へ名称変更されました。機能自体に変更はありませんが、移行期間中はドキュメントや UI 上で新旧の名称が混在する場合があります。
方法：Data 360 で「AI Models」に移動し、左側ナビゲーションから生成系・予測系モデルを確認できます。
生成モデルは「Generate」からアクセス可能です。
また、Prompt Builder や Models API と組み合わせることで、対応モデルを使ったプロンプトの構築・テストが可能です。
② 新制限：Tokens Per Minute（TPM）の理解
サービス保護のため、モデルごとに組織単位の「TPM（1分あたりのトークン数）」制限が新たに導入されました。1 分間に処理された入力トークン＋出力トークンの合計で使用量が測定され、この上限を超えるとエラーが返されます。
方法：各 Salesforce 管理モデルの TPM 上限は、Salesforce ヘルプの「Large Language Model Limits」から確認できます。
③ 利用可能なAIモデルの拡張
Einstein Platform において、利用可能な AI モデルのラインナップが大幅に拡張されました。GPT 系・Claude 系を含む複数のモデルが追加され、用途に応じた柔軟なモデル選択が可能になっています。なお、一部モデルはベータ版として提供されており、有効化が必要です。
主なモデルと特徴：
GPT 5.4（GA）
高い汎用性と安定性を持つモデル。幅広いユースケースに対応しやすく、迷ったらまず選択肢になります。Claude Sonnet 4.6（GA）
バランス型のモデルで、自然な文章生成や要約に強みがあります。安定した応答品質が特徴です。Claude Opus 4.6 / 4.7（Beta）
より高度な推論や複雑な指示への対応に優れた高性能モデル。精度重視のユースケースに適しています。
Observability 可観測性
① Agent Platform Tracing の追加
Agent Platform Tracing により、エージェントの実行プロセスや意思決定の流れを 詳細に可視化（オブザーバビリティ）できるようになりました。各ステップの処理内容、ツールの使用状況、LLM の呼び出しなどを追跡し、最終的な応答に至るまでの一連の流れを把握できます。
これにより、エラーの原因特定や想定外の挙動の理解、パフォーマンスのボトルネックの特定が可能になります。
方法：設定で「Einstein Generative AI」を検索し「Einstein Audit, Analytics, and Monitoring Setup」を開きます。「Agentforce Session Tracing」を有効化したうえで、「Agent Platform Tracing」をオンにします。
その後、Data 360 のレポート機能を使用して、「Service Rep Sessions」および「Platform Traces」のレポートを作成・実行することで、トレース情報を確認できます。
② Agentforce Session Trace データのエクスポート（ベータ）
新たに追加された Agentforce Session Trace OTel API により、エージェントのセッションデータを 統一された JSON 形式でエクスポートできるようになりました。取得したデータは、各種オブザーバビリティツールや OpenTelemetry（OTLP）コレクターに取り込み、より詳細な分析に活用できます。
出力される JSON には、エージェントの一連のやり取りがすべて含まれます。
会話のターン（やり取り）
メッセージ内容
LLM 呼び出し
アクション実行履歴
RAG（検索拡張生成）の取得内容
品質スコアやフィードバック
フォーマットは OpenTelemetry（OTLP）仕様に準拠しています。
方法：設定の「Einstein Audit, Analytics, and Monitoring Setup」から、
「Agentforce Session Tracing」および「Audit and Feedback」を有効化します。
その後、External Client App（ECA）を利用して OAuth 2.0 認証を行い、REST API にセッション ID を指定して実行します。
取得したデータは、Splunk、Datadog、New Relic などのツール、または OTLP コレクターに取り込んで分析可能です。
③ 制限変更：GenAIRequestTag クエリのタグ上限
Einstein 生成 AI の監査およびフィードバックで使用される GenAIRequestTag クエリにおいて、1 回の LLM リクエストあたり最大 20 件までのタグ出力制限が新たに導入されました。これを超えるタグは、REMAINDER_TAGS という 1 行にまとめられ、JSON 配列として格納されます。
この変更により、Data 360 クレジットの消費削減とデータストレージの効率化が図られています。
方法：既存の SQL クエリで tag__c を条件にしている場合、上限を超えたタグは個別行として扱われません。そのため、REMAINDER_TAGS の JSON をパースするようにクエリを修正する必要があります。
また、従来の「タグ 1 件＝ 1 行」前提で作られているダッシュボードやレポート、Data Cloud レシピでは、エラーではなく一部データが欠損した状態で表示される可能性があるため注意が必要です。
④ 新しい品質指標と Civilian Government Cloud 対応
Agentforce Observability が強化され、エージェントの最適化（Agent Optimization）機能が Civilian Government Cloud に対応しました。さらに、エージェントの品質やリスクを評価するための 新しい指標（メトリクス）が追加されています。
主な強化ポイント：
① Agent Optimization の拡張
Civilian Government Cloud で利用可能に
セッション結果に「離脱（abandonment）」や「自己解決（deflection）」を反映
インタラクション詳細とトレース情報を統合したスプリットビューを提供
非同期ジョブも含めた、セッション全体の実行フローを可視化
② Agent Analytics の強化
監査・フィードバック・ガードレールに関する新しい指標が追加：
ユーザーフィードバック（Positive / Negative / N/A）
フィードバック件数（ポジティブ／ネガティブ）
タスク解決率（Task Resolution Rate）
指示遵守率（Instruction Adherence / Adherence Rate）
平均トキシシティスコア（Average Agent Toxicity Score）
また、これらを支える新しいデータモデル（DMO）も追加されています。
セッション結果の可視化やトレースの統合により、エージェントの挙動をより正確に把握できるようになりました。加えて、新しい分析指標とデータモデルにより、パフォーマンス評価とリスク管理の精度が向上しています。
権限：
Agent Optimization：Access Agentforce Optimization、Data Cloud User 権限が必要
Agent Analytics：CRM Analytics User または Einstein Analytics Plus 権限が必要
方法：設定の「Einstein Audit, Analytics, and Monitoring Setup」から Audit and Feedback を有効化することで関連する DMO が利用可能になります。
⑤ 監査・フィードバック分析の強化：標準 DMO の活用
Audit and Feedback において、新しい標準 DMO をベースに、分析やレポート作成が可能になりました。これにより、Tableau Next などの他製品とも連携しやすくなり、より柔軟な分析が実現します。なお、既存のカスタム DMO を利用したレポートやダッシュボードも引き続き使用可能です。
新しい標準 DMO と従来のカスタム DMO は、どちらも同じデータレイクオブジェクト（DLO）にマッピングされています。
例えば：
標準 DMO：AI Feedback
カスタム DMO：GenAIFeedback
どちらも同じ DLO を参照するため、どちらの DMO を使っても同じデータにアクセス可能です。
方法：
既存の本番環境では、標準 DMO は自動的にプロビジョニングされるため、特別な対応は不要です。
トライアルまたは無料環境では、「Einstein Audit and Feedback」を一度オフにしてから再度オンにすることで有効化されます。
DMO と DLO のマッピングを確認するには、Data 360 の「Data Model」タブから対象の標準 DMO を選択して確認できます。
注意：今後の Audit and Feedback のスキーマ更新は、標準 DMO のみに適用されます。新規のダッシュボードやレポートは、標準 DMO をベースに構築することが推奨されます。
Agentforce ドキュメンテーション
① 実装ガイドで Agent Script 対応エージェントを構築
Agentforce Implementation Guide は、エージェントを構築するための、最も包括的で実践的なハンズオンリソースです。今回、Agentforce Studio の新しい Agentforce Builder に対応する形で内容がアップデートされました。
本ガイドでは、Agent Script を活用して、より決定論的（意図した通りに動作する）エージェントを構築する手順を学べるほか、ハイブリッド推論の強力さを実際に体感できます。
さらに、Agentforce Builder における強化されたプレビュー機能やデバッグ体験、そして Agentforce Studio の新しい Agentforce Testing Center を活用することで、これまで以上に効率的なテストが可能になりました。
加えて、更新された Observability ガイドを通じて、エージェントのパフォーマンスや挙動を最大限に引き出すための方法も学べます。
この実装ガイドを最後まで完了することで、顧客からの問い合わせ対応、ケースの作成・更新、さらにはサポート担当者へのエスカレーションまで対応可能な、完全に機能する顧客向けエージェントを構築できます。
請求関連
① プロダクト単位のアンメータリング管理
Product-Based Unmetering は、特定の Agentforce 機能や生成 AI 機能の利用を ユーザー単位で アンメータリング（従量課金の対象外）にできる仕組みです。割り当てられたライセンスに応じて、対象ユーザーは、該当機能を利用量を気にせず使用できます。
これは、すべての機能を対象とするグローバルなアンメータリングとは異なり、特定のプロダクト内で定義された機能に限定して適用される「スコープ付きアンメータリング」となります。
※ 本機能は一部の Agentforce アドオンに限定して提供されます。
いかがでしたでしょうか。
今回のアップデートは、Agentforce が「開発する」フェーズから「より効率的に構築し、実運用で最適化する」フェーズへ進んだことがポイントです。
特に重要なのは以下の 3 点です。
・Agentforce Builder の進化により開発効率が大幅向上
・Prompt Builder の強化でプロンプト設計がモジュール化・高度化
・Observability の拡張で挙動の可視化と改善精度が向上
また、HyperClassifier の導入や AI モデルの拡張により、エージェントの精度と柔軟性もさらに高まっています。
今回は以上です。
次の記事はこちら
前回の記事はこちら
私の note のトップページはこちら
