Indeed의 Agentforce 도입: LLM 프롬프트에서 결정론적 코드로의 전환

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

핵심 요약

Indeed는 대규모 운영 환경에서 LLM 기반 에이전트의 결정 불일치 문제를 해결하기 위해 핵심 로직을 프롬프트에서 결정론적 코드로 이전했다. Salesforce Headless 360 인프라를 활용하여 브라우저 UI 없이 API와 CLI를 통해 에이전트를 구축, 테스트, 배포하는 워크플로를 구현했다. Data 360을 통해 사전 처리된 데이터를 에이전트에 공급하여 실시간 결정론적 라우팅을 실현했다. 이 방식은 에이전트의 예측 가능성을 높이고 운영 리스크를 획기적으로 낮췄다.

대상 독자

프로덕션 환경에서 LLM 에이전트를 구축하고 운영하는 개발자 및 엔지니어

의미 / 영향

이 사례는 LLM의 유연성과 결정론적 코드의 신뢰성을 결합하는 하이브리드 접근법이 엔터프라이즈급 AI 에이전트 운영의 표준이 될 것임을 시사한다. API 중심의 개발 워크플로는 AI 에이전트 배포 속도와 품질을 동시에 향상시킨다.

섹션별 상세

LLM 기반 에이전트는 프롬프트가 복잡해질수록 엣지 케이스 처리에서 일관성을 잃는 운영 리스크가 발생한다.

Indeed의 에이전트 아키텍처 다이어그램. — DiagramSalesforce Platform, MuleSoft, 외부 데이터 소스 간의 연결 구조를 보여준다. 에이전트가 어떻게 데이터와 상호작용하는지 전체적인 흐름을 설명한다.

Agent Script는 핵심 의사결정 로직을 LLM 추론 대신 결정론적 코드 경로로 분리하여 실행 시마다 동일한 결과를 보장한다.

Agentforce Builder 내의 에이전트 로직 스크립트 뷰. — Screenshotif/then 조건문을 사용한 결정론적 라우팅 로직을 시각화한다. LLM 추론 대신 코드로 제어되는 흐름을 보여준다.

Salesforce Headless 360은 API와 CLI를 통한 개발 환경을 제공하여 개발자가 브라우저 UI 전환 없이 에이전트를 구축하고 배포하게 한다.

Cursor IDE와 ADLC 스킬을 활용하여 자연어 프롬프트로 에이전트 로직을 수정하고, 프로덕션 시나리오 기반 테스트를 즉시 수행한다.

Cursor IDE에서 ADLC 스킬을 사용한 에이전트 로직 수정 화면. — Screenshot개발자가 코딩 에이전트를 통해 에이전트 설정을 수정하고 변경 사항을 검토하는 워크플로를 보여준다.

Data 360은 계정 상태, 티켓 이력 등 데이터를 사전에 구조화하여 에이전트가 런타임에 즉시 참조할 수 있는 통합 데이터 계층을 제공한다.

Service Cloud Console에서의 에이전트-인간 핸드오프 화면. — ScreenshotAI 에이전트가 수집한 대화 이력과 요약 정보가 인간 상담원에게 전달되어 끊김 없는 상담을 지원하는 과정을 보여준다.

실무 Takeaway

핵심 의사결정 로직을 LLM 프롬프트에서 결정론적 코드로 분리하여 에이전트의 예측 가능성과 신뢰성을 확보한다.
API 기반 개발 워크플로(Headless 360)를 도입하여 에이전트 구축, 테스트, 배포 과정을 코드 기반으로 자동화한다.
통합 데이터 계층(Data 360)을 구축하여 에이전트가 런타임에 즉시 활용 가능한 구조화된 데이터를 제공한다.

언급된 리소스

DemoIndeed Demo Day Story