先日、Salesforce認定Agentforceスペシャリストに合格してきました！
本試験はAIとSalesforceの統合に関する頻繁に更新される知識が問われるため、似たような機能名や概念が多く、学習中に迷ってしまう方も多いのではないでしょうか（実際私はめちゃくちゃ混乱しました）。
この記事では、実際に私が受験・学習した中で特に「紛らわしい！」と感じた概念について、公式ドキュメントに基づいて分かりやすく整理・解説します。
これから受験を控えている方の参考になれば幸いです。
紛らわしい用語のクイックリファレンス
初めに、私が紛らわしいと感じた各概念のサマリーを書きました。
それぞれの詳細が知りたい場合は個別のセクションをご覧ください。
| 用語 | 関連機能 | 概要・試験でのポイント |
|---|---|---|
| 項目生成 | プロンプトビルダー | 動的フォーム必須。AIの生成結果をレコードの特定の項目に直接保存・表示する。 |
| レコードサマリー | プロンプトビルダー | レコード全体を俯瞰した要約を作成し、画面上にコンポーネントとして表示する。 |
| 安全性スコア | Einstein Trust Layer | 0〜1で評価され、「1」が最も安全（0.5〜1が安全とみなされる）。 |
| 毒性スコア | Einstein Trust Layer | 0〜1で評価され、「1」が最も有害（0.5以上が有害とみなされる）。 |
| Einstein会話インサイト | セールス / サービス | 【基盤機能】通話の文字起こしを行い、キーワードや競合への言及を抽出・分析する。 |
| Einstein通話サマリー | セールス / サービス | ECIの文字起こしを基に、通話の要約や次のステップなどをAIが自動生成する。 |
| 通話エクスプローラー | Agentforce (Copilot) | 通話記録に対して、ユーザーが自然言語で直接質問・対話できる機能。 |
| リトリーバー | Data Cloud / Agentforce | RAGの検索役。Data Cloud必須（Agentforceデータライブラリでインデックス化）。フィルターは最大10個まで。 |
「項目生成」と「レコードサマリー」の違いと見分け方
プロンプトテンプレートの機能である「項目生成」と「レコードサマリー」は、どちらもレコードデータを利用してAIに文章を生成させる点では似ていますが、その「出力先」と「必要な前提条件」で明確な違いがあります。
動的フォームが判別の鍵
「レコードサマリー」がレコード全体を俯瞰した要約を画面上にコンポーネントとして表示するのに対し、「項目生成」はAIが生成したテキストをレコードページ上の特定の項目（フィールド）に直接保存・表示することを目的としています。
そして、この「項目生成」をLightningレコードページで機能させるためには、ページが動的フォーム（Dynamic Forms）にアップグレードされていることが必須条件となります。
試験問題において、「特定の項目にサマリーを入力したい」「動的フォームを用いて」といったキーワードが含まれていれば、それは「項目生成」プロンプトの活用シーンであると判別できます。これは単なる試験テクニックではなく、Salesforceのアーキテクチャの要点を突いた重要なポイントです。
Einstein Trust Layerの「毒性スコア」の罠
生成AIが不適切な回答を出力しないよう監視する「Einstein Trust Layer」には、プロンプトやレスポンスを評価する機能が備わっています。ここで監査機能として登場する「スコア」の評価方法は、非常に引っかかりやすいポイントです。
評価カテゴリによって「0」と「1」の意味が逆転
評価スコアは0から1の間で算出されますが、対象となるカテゴリによってその解釈が真逆になります。
- 安全（Safety）カテゴリの場合: 「1」が最も安全（0.5〜1が安全とみなされる）
- 毒性・有害性（Toxicity）カテゴリの場合: 「1」が最も有害（0.5以上が有害とみなされる）
「0が有害で、1が安全」と一律に覚えてしまうと、毒性スコアを問われた際に間違えてしまいます。「何のスコアを測っているのか」によって数字の意味が変わる点に注意しましょう。
Einstein会話インサイトと関連AI機能群の棲み分け
「Einstein会話インサイト」「通話サマリー」「通話エクスプローラー」は機能が密接に絡み合っているため、混同しやすい領域です。ここは「基盤」と「その上に乗る生成AI機能」という構造で理解するとスッキリします。
会話インサイト（ECI）は「基盤」、通話サマリーは「要約」
「Einstein会話インサイト（ECI）」は、音声・ビデオ通話を文字起こしし、指定したキーワードや競合他社の言及を抽出する基盤機能です。ここでは「何という単語が何回言われたか」を分析します。
一方、「Einstein通話サマリー」は、ECIが作成した文字起こしテキストを生成AIが読み込み、「結局どんな内容の電話だったのか」「次のステップは何か」を自動で要約して文章化する機能です。
通話エクスプローラーと関連レコード照会で対話的に深掘り
「通話エクスプローラー」は、ユーザーがCopilot（Agentforce）を通じて、通話記録に対して自然言語で直接質問できる機能です。「顧客の懸念点は何でしたか？」とチャット形式で質問すると、AIが回答してくれます。
また、「関連レコード照会」を用いることで、商談レコードから紐づく通話内容を参照したり、通話記録から関連する商談のフェーズ進行についてインサイトを引き出したりと、より実践的な営業活動の支援が可能になります。
RAGのリトリーバー（Retriever）とData Cloudの深い関係
AgentforceやData Cloudの文脈で登場する「リトリーバー」は、非常にイメージしづらい概念ですが、一言で表すと「AIが自社の情報を探しに行くための仕組み」です。
Data Cloudと「Agentforceデータライブラリ」が前提
リトリーバーを利用する上で重要な試験のポイントは、Data Cloudが必須（前提）となる点です。ナレッジ記事やPDFなどの非構造化データを検索可能な状態にするには、まずData Cloud基盤の「Agentforceデータライブラリ」を使用してデータをインデックス化（検索インデックスの作成）**する必要があります。
最大10個まで設定できる「フィルター」
さらに試験対策として押さえておきたいのが、リトリーバーの検索精度を高めるための「フィルター機能」です。
また、抽出する対象を絞り込むために、メタデータに基づいたフィルターを最大10個まで設定できるという仕様も、頻出のキーワードです。
このように、インデックス化された膨大な自社データから、リトリーバーが条件（フィルター）に従って関連情報をベクトル検索し、生成AIに正しい根拠（グラウンディング）を与えます。
エビデンス・参考ナレッジ
本記事の作成にあたり、以下のSalesforce公式ドキュメントを参照しています。より詳細な設定方法や仕様については、公式ヘルプをご確認ください。
- プロンプトビルダーの概要 (Salesforce Help)
URL: https://help.salesforce.com/s/articleView?id=sf.prompt_builder_about.htm
プロンプトテンプレートの種類（項目生成やレコードサマリーなど）と、動的フォームの要件に関する詳細が記載されています。 - Einstein Trust Layer の監査とフィードバック (Salesforce Help)
URL: https://help.salesforce.com/s/articleView?id=sf.generative_ai_trust_audit_data.htm
有害性スコアや安全性スコアの評価基準、データの保存の仕組みについて解説されています。 - Einstein 会話インサイト (Salesforce Help)
URL: https://help.salesforce.com/s/articleView?id=sf.voice_coaching_about.htm
通話の文字起こし機能から、生成AIを活用した通話サマリー・通話エクスプローラーの活用方法までが網羅されています。 - Salesforce Agentforce コンテキストエンジニアリングガイド
URL: https://www.salesforce.com/jp/agentforce/guide/
大枠の概念（RAGなどLLMなど）のSalesforce上での位置づけと説明が行われています。