Salesforce AI: 독립형 AI 플랫폼이 Einstein 및 Agentforce보다 나은 이유 - 하이브리드 접근 방식으로 벤더 종속을 극복하세요!

세일즈포스에서 독립형 AI 플랫폼의 전략적 중요성: 아인슈타인을 넘어서는 분석

Salesforce는 자사의 네이티브 인공지능(AI)을 Customer 360 플랫폼의 핵심 요소로 내세우며 "CRM을 위한 최고의 AI"로 홍보하고 있습니다. 핵심 메시지는 Einstein, Agentforce, 그리고 더 나아가 AI 클라우드와 같은 AI 기능을 기존 Salesforce 워크플로우에 원활하게 통합하여 생산성을 향상시키고 고객 경험을 개인화할 수 있다는 점입니다. 이러한 친숙한 환경에서의 손쉬운 구현 및 사용이라는 약속은 많은 기업의 공감을 얻고 있습니다.
그러나 Salesforce 고객은 점점 더 전략적인 결정에 직면하고 있습니다. Salesforce의 네이티브 AI 제품군에만 의존할 것인지, 아니면 더욱 전문화된 독립형 AI 플랫폼을 통합할 것인지 고민해야 합니다. AI 시장은 빠르게 진화하고 있으며, 타사 공급업체들은 올인원 플랫폼의 기능을 뛰어넘는 고도로 전문화된 모델과 혁신적인 솔루션을 지속적으로 선보이고 있습니다.

이 글에서는 Salesforce 환경 내에서 독립적인 AI 플랫폼을 사용하는 전략적 이점을 분석합니다. Salesforce 자체 AI의 기능과 한계를 비판적으로 검토하고, 통합 경로와 과제를 제시하며, 유연성, 비용, 데이터 개인정보 보호, 벤더 종속성 등의 핵심 측면을 다룹니다. 궁극적으로는 Salesforce 사용자가 Salesforce 자체 솔루션에만 의존하는 것보다 보다 개방적인 AI 전략을 채택하는 것이 더 유리할지 여부를 판단하는 데 필요한 근거를 제공하는 것을 목표로 합니다.

핵심 질문은 고도로 통합된 솔루션의 편리성과 외부 AI 도구의 잠재적 성능 및 전문성 사이의 균형점에 관한 것입니다. Salesforce는 자사의 통합 AI가 제공하는 이점을 강조하지만, AI 분야의 높은 전문성과 빠른 혁신 속도를 고려할 때 보다 섬세한 접근 방식이 필요합니다. 단일 플랫폼 제공업체는 특정 영역에 집중하는 제공업체와 달리 모든 AI 영역에서 탁월한 성능을 제공하기 어려울 수 있습니다. 통합과 최고 수준의 솔루션 간의 이러한 긴장 관계는 이 보고서에서 살펴보는 전략적 고려 사항의 핵심입니다.

적합:

• 모든 회사 문제에 대한 독립적 및 교차 데이터 소스 전체 AI 플랫폼의 AI 통합

Salesforce의 기본 AI 제품군(Einstein, Agentforce, AI Cloud) 이해하기

Salesforce는 Einstein, Agentforce, AI Cloud라는 브랜드명으로 출시된 다양한 클라우드 제품에 AI 기능을 깊이 통합하여 제공합니다. 이러한 제품군은 자동화, 예측 및 개인화된 상호 작용을 통해 일상적인 비즈니스 프로세스를 최적화하는 것을 목표로 합니다.

클라우드별 기능 개요

• 세일즈 클라우드의 핵심 기능에는 잠재 고객과 기회의 계약 성사 가능성을 평가하는 아인슈타인 리드/기회 점수 매기기, 더욱 정확한 매출 예측(아인슈타인 예측), 개인 맞춤형 영업 이메일 자동 생성(영업 이메일), 영업 통화 요약(통화 요약), 이메일 및 캘린더 활동 자동 캡처(아인슈타인 활동 캡처) 등이 포함됩니다. 또한 아인슈타인 코파일럿은 영업 프로세스 전반에 걸쳐 상황에 맞는 맞춤형 지원과 조치를 제공합니다.
• 서비스 클라우드: 여기에서 AI는 고객 사례를 자동으로 분류(사례 분류)하고, 적합한 기술 자료 또는 미리 작성된 답변을 추천(자료/답변 추천)하며, 완료된 사례에 대한 요약(작업 요약)을 생성하고, 챗봇을 사용하여 표준 요청을 자동화할 수 있도록 지원합니다.
• 마케팅 클라우드: AI 기능은 마케팅 콘텐츠 생성 및 자동 태깅(콘텐츠 생성/태깅), 연락처의 상호 작용 가능성 평가(참여도 점수), 최대 오픈율을 위한 전송 시간 최적화(전송 시간 최적화), 그리고 캠페인 및 고객 경험의 심층적인 개인화를 지원합니다.
• 커머스 클라우드: 이 영역에서 AI는 개인 맞춤형 제품 추천, 검색 결과 최적화, 구매 행동에 대한 통찰력 제공을 통해 전환율을 높이는 데 중점을 둡니다.
• 크로스 플랫폼/일반: Einstein Prediction Builder와 같은 도구를 사용하면 관리자가 코드를 작성하지 않고도 사용자 지정 예측 모델을 만들 수 있습니다. Einstein Discovery는 데이터에서 패턴과 인사이트를 찾는 데 도움을 줍니다. Einstein Next Best Action은 상황을 고려한 권장 사항을 제공합니다. Agentforce는 작업을 독립적으로 수행할 수 있는 자율 AI 에이전트입니다. Prompt Builder와 Copilot Studio를 사용하면 AI 기반 도우미와 프롬프트를 사용자 지정하고 만들 수 있습니다.

적합:

• 미국 클라우드에서 나가기 : Sovereign SaaS는 개요 + 행동 권장 사항을 제공합니다.

기본 아키텍처

Salesforce AI의 기능은 데이터 클라우드와 아인슈타인 트러스트 레이어라는 두 가지 핵심 요소에 기반합니다.

데이터 클라우드 의존성

Salesforce 데이터 클라우드는 중앙 데이터 기반 역할을 합니다. Salesforce 내부 및 외부의 다양한 소스에서 수집된 고객 데이터를 통합하여 360도 전방위적인 고객 정보를 제공합니다. 이렇게 통합된 데이터는 생성형 AI 및 개인화 기능을 비롯한 다양한 AI 애플리케이션의 기반이 됩니다. 중요한 점은 특정 생성형 AI 기능과 트러스트 레이어의 감사 추적 기능은 데이터 통합에 많이 사용되지 않더라도 데이터 클라우드 프로비저닝을 필요로 한다는 것입니다. 이는 아키텍처 종속성을 야기하고, 특히 이미 데이터 웨어하우스나 데이터 레이크를 구축한 기업의 경우 추가적인 복잡성과 비용 증가를 초래할 수 있습니다. 따라서 데이터 클라우드 도입은 총 소유 비용(TCO)을 증가시키고, 신중하게 관리하지 않을 경우 잠재적인 병목 현상으로 작용할 수 있습니다.

아인슈타인 신뢰 계층

이 보안 프레임워크는 생성형 AI의 신뢰할 수 있는 사용을 보장하기 위해 설계되었습니다. 이 프레임워크는 다음과 같은 여러 구성 요소로 이루어져 있습니다.

• 안전한 데이터 쿼리: Salesforce 데이터에 접근하여 각 사용자의 접근 권한을 고려하면서 관련 컨텍스트를 추가하여 프롬프트를 보강합니다.
• 신속 방어: 시스템 정책은 언어 모델(LLM)에서 발생하는 환각 및 유해한 출력을 줄이기 위한 것입니다.
• 데이터 마스킹: 개인 식별 정보(PII) 또는 결제 정보(PCI)와 같은 민감한 데이터는 외부 LLM으로 전송되기 전에 마스킹 처리됩니다.
• 독성 평가: 생성된 응답은 잠재적으로 유해한 내용이 있는지 확인하고 평가합니다.
• 데이터 무보존 정책: Salesforce는 OpenAI 및 Azure OpenAI와 같은 파트너와 계약을 체결하여 제출된 회사 데이터가 이러한 제3자 제공업체에 저장되거나 모델 학습에 사용되지 않도록 보장합니다.

아키텍처를 자세히 살펴보면 Salesforce는 OpenAI, Anthropic, Google과 같은 외부 제공업체의 대규모 언어 모델(LLM)에 의존하여 많은 생성형 AI 기능을 구현하고 있음을 알 수 있습니다. 이러한 모델은 AWS Bedrock과 같은 클라우드 서비스를 통해 통합되며, Einstein Trust Layer가 보안 게이트웨이 역할을 합니다. 즉, Salesforce는 자체적인 핵심 생성형 모델을 개발하기보다는 주로 통합 및 보안 중개자 역할을 수행합니다. 이러한 방식은 강력한 모델에 대한 접근성을 제공하지만, 의존성을 발생시키고 다른 플랫폼을 통해 이러한 모델을 직접 사용하는 것과 핵심 AI 기술의 차이점에 대한 의문을 제기합니다. 고객은 기본적으로 Salesforce에 통합, 보안 계층, 그리고 대부분 외부에서 제공되는 AI 모델을 기반으로 하는 워크플로에 대한 비용을 지불하는 셈입니다. 따라서 이러한 외부 모델 또는 플랫폼과의 직접 통합을 검토해야 할 필요성이 더욱 커집니다.

기존 솔루션의 강점을 인정합니다.

앞서 언급한 사항들에도 불구하고, Salesforce의 자체 AI 제품군은 부인할 수 없는 장점을 제공합니다.

• 원활한 통합: AI 기능은 Salesforce 사용자 인터페이스 및 워크플로에 깊이 통합되어 원활한 사용을 가능하게 합니다.
• 사용 편의성 및 친숙성: 기존 Salesforce 사용자 및 관리자는 일반적으로 빠르게 적응할 수 있어 온보딩 시간을 단축할 수 있습니다. 또한 로우코드 도구를 통해 기술적인 지식이 없는 사용자도 AI 기반 환경을 구축할 수 있습니다.
• 기존 CRM 데이터 활용: 이 AI는 Salesforce에 저장된 고객 데이터와 직접 연동되도록 설계되어 데이터 준비 과정을 간소화할 수 있습니다.

Xpert.Digital의 포괄적인 서비스 패키지에서 5가지 전문 지식을 활용해 보세요 | R&D, XR, PR 및 디지털 가시성 최적화 - 이미지: Xpert.Digital

Xpert.Digital은 다양한 산업에 대한 심층적인 지식을 보유하고 있습니다. 이를 통해 우리는 귀하의 특정 시장 부문의 요구 사항과 과제에 정확하게 맞춰진 맞춤형 전략을 개발할 수 있습니다. 지속적으로 시장 동향을 분석하고 업계 발전을 따라가면서 우리는 통찰력을 가지고 행동하고 혁신적인 솔루션을 제공할 수 있습니다. 경험과 지식의 결합을 통해 우리는 부가가치를 창출하고 고객에게 결정적인 경쟁 우위를 제공합니다.

자세한 내용은 여기를 참조하세요.

• 월 €500부터 시작하는 하나의 패키지로 Xpert.Digital의 5배 전문 지식을 활용하세요

세일즈포스 내 독립적인 AI 플랫폼에 대한 논거

Salesforce AI의 기본 통합은 여러 장점을 제공하지만, 독립적인 AI 플랫폼 도입을 진지하게 고려해야 할 타당한 이유가 있습니다. 이러한 외부 솔루션은 유연성, 전문성, 적응성 및 잠재적인 비용 절감 측면에서 더 우수할 수 있습니다.

유연성 및 모델 특화

AI 시장은 높은 역동성과 전문화라는 특징을 가지고 있습니다. 독립적인 AI 공급업체들은 특정 분야나 기술에 집중하는 경우가 많아, 세일즈포스와 같은 범용 플랫폼보다 특정 분야에서 더욱 발전된 맞춤형 솔루션을 제공할 수 있습니다.

최고 수준의 모델 이용 가능

외부 공급업체는 자연어 처리(NLP), 컴퓨터 비전 또는 산업별 분석과 같은 분야에 특화된 알고리즘을 개발하는 경우가 많습니다. 예를 들어, ContractPodAi와 같은 법률 문서 전문 AI나 Aquant와 같은 산업별 진단 도구가 있습니다. 이러한 특화된 모델은 Salesforce에 내장된 일반 모델보다 뛰어난 성능을 보일 수 있습니다.

더 빠른 혁신 주기

AI 전문 기업은 세일즈포스와 같은 대형 플랫폼 제공업체보다 새로운 모델과 기능을 더 빠르게 개발 및 출시할 수 있는 경우가 많습니다. 세일즈포스의 AI 로드맵은 더 광범위한 출시 주기에 맞춰져 있기 때문입니다. 따라서 기업은 최신 AI 기술 발전을 더 신속하게 활용할 수 있습니다.

더욱 다양한 모델

독립 플랫폼 또는 마켓플레이스는 틈새 솔루션, 오픈 소스 옵션 또는 Salesforce의 "Bring Your Own Model"(BYOM) 기능을 통해 직접 제공되지 않는 공급업체의 모델을 포함하여 더 넓은 범위의 모델에 대한 액세스를 제공합니다.

적합:

• 유럽 ​​기업을위한 전략적 대안으로서 독립 AI 플랫폼

이처럼 외부 공급업체에 특화된 AI 서비스를 제공하는 방식은 Salesforce의 보다 광범위한 접근 방식과 대조적입니다. Salesforce는 자사의 CRM 제품군 전체에 걸쳐 기본적인 AI 기능을 제공하는 것을 목표로 합니다. 이러한 광범위한 접근 방식은 다양한 영역에서 AI를 활용할 수 있도록 보장하지만, 전문성 측면에서는 한계가 있을 수 있습니다. 예를 들어, 사기 탐지 AI나 의료 영상 분석 도구는 일반적인 CRM 통합 모델보다 해당 특정 작업에서 훨씬 뛰어난 성능을 발휘할 가능성이 높습니다. 특정 AI 영역에 대한 요구 사항이 매우 중요한 기업은 Salesforce의 기본 AI 기능이 부족하다고 느낄 수 있습니다. 독립적인 플랫폼을 사용하면 기업은 잠재적으로 유일하게 적합한 기본 솔루션에 만족하는 대신, 작업에 가장 적합한 도구를 선택할 수 있습니다.

적응 및 제어

독립형 AI 플랫폼은 데이터 준비부터 모델 구현 및 모니터링에 이르기까지 전체 AI 수명주기에 대한 더 높은 수준의 제어 기능을 제공하는 경우가 많습니다.

심층적인 모델 미세 조정

외부 플랫폼은 대개 머신러닝 엔지니어를 위해 설계되었으며 모델 학습 및 미세 조정에 대한 세부적인 제어 기능을 제공합니다. 이는 Salesforce의 Einstein Prediction Builder와 같은 보다 추상적인 로우코드 도구의 기능이나 Salesforce 내에서 가져온 모델(BYOM)을 미세 조정하는 데 따른 제한 사항을 뛰어넘는 수준입니다.

알고리즘 선택 및 투명성

사용자는 Salesforce의 추상화 계층을 통할 때보다 특정 알고리즘을 선택하는 데 더 많은 자유를 누릴 수 있으며, 모델 작동 방식(설명 가능성)에 대한 투명성을 더 높일 수 있습니다. Salesforce는 모델 인스펙터와 같은 도구를 제공하지만, 외부 MLOps 도구가 더 포괄적인 기능을 제공하는 경우가 많습니다.

AI 스택에 대한 제어

AWS나 Google Cloud와 같은 플랫폼에서 전체 AI 파이프라인(데이터 준비, 학습, 배포, 모니터링)을 관리하면 Salesforce의 관리형 환경에 의존하는 것보다 더 많은 제어 권한을 얻을 수 있습니다.

Salesforce 사용자 지정 제한 사항

Salesforce는 손쉬운 맞춤 설정을 위한 로우코드 빌더를 제공하지만, 외부 플랫폼을 사용하면 더욱 심층적인 코드 기반 맞춤 설정이 가능한 경우가 많습니다. 또한 복잡한 요구 사항이나 Einstein Activity Capture 맞춤 설정과 같은 특정 기능적 제약 사항과 일반적인 플랫폼 제약 사항도 존재합니다.

잠재적인 비용 이점

AI 솔루션의 비용 구조는 상당히 다양할 수 있으며, 단순히 라이선스 비용을 비교하는 것만으로는 충분하지 않은 경우가 많습니다.

다양한 가격 모델

Salesforce는 기존 클라우드 라이선스에 추가 기능으로 AI 기능을 사용자당 월 단위로 라이선스하는 경우가 많습니다. 반면, 독립형 AI 플랫폼의 가격은 실제 사용량(컴퓨팅 시간, 메모리, API 호출)을 기준으로 책정되는 경우가 일반적입니다. 독립형 AI 공급업체는 자체적인 가격 모델을 보유하고 있을 수 있으며, 이러한 모델은 Salesforce보다 더 유연할 수 있습니다. Salesforce의 BYOM(Bring Your Own Model) 옵션을 통해 Einstein Requests 비용을 절감할 수 있지만, 외부 모델 공급업체의 기본 비용은 여전히 ​​적용됩니다.

총 소유 비용(TCO)

종합적인 총소유비용(TCO) 분석은 매우 중요합니다. Salesforce AI의 네이티브 통합은 초기 통합 비용을 줄일 수 있지만, 데이터 클라우드 라이선스 또는 사용량, AI 추가 기능에 대한 상대적으로 높은 사용자당 비용, 외부에서 더 저렴하게 구할 수 있는 AI 모델에 대한 프리미엄 지불 가능성 등 다른 요인들이 전체 비용을 증가시킬 수 있습니다. 독립형 AI의 TCO에는 통합 비용이 포함되어야 하지만, 핵심 AI 사용 비용 절감 및 기존 클라우드 인프라 활용이라는 이점을 누릴 수 있습니다. Agentforce 또한 사용 비용이 비쌀 수 있다는 지적이 있습니다(대화당 2달러).

중복 방지

독립적인 AI를 활용하면 기업은 다른 클라우드 플랫폼이나 자체 데이터 인프라에 대한 기존 투자를 활용할 수 있으므로 Salesforce 생태계 내에서 불필요한 지출을 피할 수 있습니다.

Salesforce 네이티브 AI와 독립형 AI: 기능 및 유연성 비교

Salesforce 네이티브 AI와 독립형 AI: 기능 및 유연성 비교 – 이미지: Xpert.Digital

Salesforce의 네이티브 AI(예: Einstein 또는 Agentforce)와 특수 모델 또는 오픈 소스 모델을 사용하는 독립형 AI 플랫폼은 기능과 유연성 면에서 상당한 차이를 보입니다. Salesforce 네이티브 AI는 일반적인 접근 방식과 CRM 애플리케이션에 초점을 맞추는 반면, 독립형 플랫폼은 특수 모델과 오픈 소스 옵션을 포함한 더 폭넓은 선택지를 제공합니다. Salesforce의 최신 모델 접근성은 릴리스 주기와 파트너십에 따라 달라지는 반면, 전문 공급업체는 더 빠른 업데이트를 제공할 수 있습니다. 세밀한 조정 측면에서 Salesforce 네이티브 모델은 Prediction Builder와 같은 도구를 통해 제한적이고 추상적인 방식으로 구현되는 반면, 독립형 플랫폼은 학습 프로세스를 더욱 세밀하게 제어할 수 있습니다. Salesforce의 경우 알고리즘 선택의 폭이 제한적입니다. 일반적으로 알고리즘이 미리 정의되어 있거나 파트너를 통해 제공되기 때문입니다. 반면 독립형 플랫폼은 이 부분에서 더 큰 자유를 제공합니다. 또한 Salesforce는 AWS 또는 GCP 기반의 인프라를 완벽하게 관리하는 반면, 독립형 플랫폼은 기업 자체 클라우드 또는 온프레미스 환경에 직접 접근할 수 있도록 지원합니다. Salesforce 솔루션은 기본적으로 통합되어 있어 통합 작업이 간편하지만, 외부 플랫폼은 더 많은 개발 및 구성 작업이 필요합니다. 비용 측면에서 Salesforce는 종종 사용자 기반 월별 가격 모델을 추가 기능으로 사용하는 반면, 독립형 플랫폼은 컴퓨팅 성능이나 API 호출 횟수와 같은 사용량 기반 가격 책정 방식이나 공급업체별 모델을 사용하는 경우가 많습니다.

통합 탐색: 독립형 AI와 Salesforce 연결하기

독립형 AI 플랫폼을 선택할 때는 기존 Salesforce 환경과의 통합을 위한 신중한 계획이 필요합니다. 이러한 연결을 구축하는 방법에는 여러 가지가 있으며, 각 방법마다 장점과 어려움이 있습니다.

통합 방법

앱익스체인지 / 에이전트익스체인지

Salesforce AppExchange는 AI 솔루션을 포함하여 다양한 타사 애플리케이션을 제공하며, 이러한 애플리케이션은 종종 사전 구축된 통합 기능을 제공합니다. AgentExchange는 파트너가 제공하는 AI 에이전트 스킬, 테마 및 템플릿에 특화된 새로운 마켓플레이스로, AI 에이전트 배포를 가속화하는 것을 목표로 합니다. 이는 종종 가장 간단한 접근 방식이지만, 솔루션을 제공할 수 있는 적합한 파트너가 필요합니다.

API(REST/SOAP/대량/스트리밍)

Salesforce API를 직접 사용하면 맞춤형 통합이 가능합니다. 개발자는 데이터를 교환하고, Salesforce에서 프로세스를 실행하거나, 외부 AI 모델의 결과를 피드백할 수 있습니다. Composite API는 여러 작업을 효율적으로 묶는 데 도움이 됩니다. 이 방법은 최대한의 유연성을 제공하지만 상당한 개발 노력이 필요합니다.

미들웨어 플랫폼(예: MuleSoft)

MuleSoft(Salesforce 자체 솔루션)와 같은 통합 플랫폼은 중개자 역할을 할 수 있습니다. 이러한 플랫폼은 데이터 변환, 복잡한 워크플로 오케스트레이션, Salesforce와 외부 AI 서비스 간의 연결 관리와 같은 작업을 처리합니다.

클라우드 플랫폼 커넥터(AWS/GCP)

대형 클라우드 제공업체들은 Salesforce와의 통합을 용이하게 하는 특정 서비스를 점점 더 많이 제공하고 있습니다. 예를 들어, 안전한 네트워크 연결을 위한 AWS Private Connect, 실시간 이벤트 전송을 위한 AWS Event Relay, AWS Glue Salesforce 커넥터, 데이터 준비를 위한 SageMaker Data Wrangler 커넥터 등이 있습니다. Google Vertex AI는 Model Builder를 통해 Salesforce Data Cloud에 통합할 수 있습니다. 이러한 커넥터는 통합을 간소화할 수 있지만, 사용자를 각 클라우드 제공업체의 생태계에 종속시킨다는 단점이 있습니다.

BYOM은 아인슈타인 스튜디오를 통해 제공됩니다.

앞서 언급했듯이, 이 기능을 사용하면 모델 빌더를 통해 외부에서 호스팅되는 모델을 Salesforce 환경에 통합할 수 있습니다. 요청은 여전히 ​​Salesforce 인프라를 통해 처리되고 신뢰 계층을 활용하므로 통합이 간소화되지만 특정 종속성이 발생합니다.

적합:

• 창고 물류의 AI 및 기계 학습의 통합 - 독일, EU, 미국 및 일본의 글로벌 개발

일반적인 통합 과제

Salesforce와 외부 시스템을 통합하는 것은 간단한 작업이 아니며 다음과 같은 특정한 어려움이 있습니다.

API 제한

Salesforce는 조직별 및 기간별(예: 일별, 동시 접속) API 호출 횟수를 제한합니다. 데이터를 자주 동기화하거나 쿼리하는 데이터 집약적인 AI 프로세스는 이러한 제한에 빠르게 도달할 수 있습니다. 따라서 신중한 설계(예: 스로틀링, 배치 처리, 캐싱)가 필요하거나 더 높은 Salesforce 에디션 또는 추가 API 할당량을 구매해야 할 수 있습니다. 특히 실시간 사용 사례의 경우 스트리밍 API의 제한 사항이 중요합니다.

데이터 동기화

Salesforce와 외부 AI 플랫폼 간의 데이터 일관성을 보장하는 것은 매우 중요합니다. 대용량 데이터(LDV) 처리, 실시간 업데이트와 배치 업데이트 중 선택, 지연 시간 관리, 데이터 불일치 방지 등이 주요 과제입니다. 제로 카피 통합과 같은 접근 방식은 이러한 문제를 완화하는 데 도움이 되지만 항상 적용 가능한 것은 아닙니다.

데이터 매핑 및 변환

서로 다른 데이터 모델, 형식 및 필드 의미 체계를 일치시켜야 합니다. 이를 위해서는 정확한 데이터 해석을 보장하기 위한 복잡한 변환 로직이 필요할 수 있습니다.
보안 및 인증: 접근 자격 증명(API 키, 토큰)의 안전한 관리, 강력한 인증 방식(예: OAuth 2.0, 명명된 자격 증명) 구현, 그리고 안전한 데이터 전송(암호화) 보장이 필수적입니다. 잘못된 구성은 보안 취약점으로 이어질 수 있습니다.

오류 처리 및 데이터 일관성

통합 시스템은 오류(네트워크 문제, 시스템 장애, 데이터 오류)에 대한 복원력이 뛰어나야 합니다. 데이터 무결성을 보장하고 다운타임을 최소화하려면 강력한 로깅, 모니터링 및 자동 재시도 로직이 필수적입니다.

복잡성과 유지 관리

맞춤형 통합은 특히 Salesforce 또는 외부 AI 플랫폼이 발전함에 따라 지속적인 유지 관리 및 조정이 필요합니다. 이는 리소스를 소모하고 기술 전문 지식을 요구합니다.

통합 복잡성은 종종 과소평가되는 비용 요소입니다. 독립형 AI 플랫폼은 핵심 비용 절감이나 우수한 기능 제공 등 여러 장점을 제공할 수 있지만, 개발 시간, 미들웨어 라이선스, 지속적인 유지 관리 등 통합에 필요한 비용과 노력을 총 소유 비용(TCO) 계산에 반드시 포함해야 합니다. Salesforce의 네이티브 AI는 사전 구축된 통합 기능을 통해 이점을 누릴 수 있습니다. 하지만 API 제한으로 인해 번거로운 해결 방법을 사용하거나 더 비싼 라이선스를 구매해야 하는 경우, 복잡성과 비용이 더욱 증가할 수 있습니다. 따라서 독립형 AI 플랫폼 도입 여부를 결정할 때는 조직의 기술 역량과 이러한 통합 복잡성을 관리할 수 있는 리소스를 고려해야 합니다. 통합 계획이 제대로 세워지지 않으면 외부 플랫폼 도입의 이점이 상쇄될 수 있습니다.

성공적인 통합 패턴

여러 어려움이 있지만, 성공적인 통합을 위한 확립된 패턴과 도구들이 존재합니다. 사례 연구를 통해 AWS SageMaker와 Salesforce의 성공적인 통합이 입증되었으며, 특히 성능과 비용을 최적화하기 위해 특정 AWS 서비스를 활용하는 경우가 많습니다. Google Vertex AI와의 유사한 통합도 특히 모델 빌더를 통해 가능합니다. Zapier와 같은 도구를 사용하면 Google Sheets와 Salesforce 데이터의 대리 역할을 하는 Vertex AI 간의 데이터 이동 등 시스템 간 데이터 통합을 코드 없이 간편하게 수행할 수 있습니다. AWS Glue, EventBridge, Private Connect와 같은 클라우드 네이티브 커넥터 및 서비스를 활용하면 통합 프로세스를 크게 간소화하고 보안을 강화할 수 있습니다.

독립형 AI 플랫폼: 통합 방법 및 과제 개요

독립형 AI 플랫폼: 통합 방법 및 과제 개요 – 이미지: Xpert.Digital

독립형 AI 플랫폼은 다양한 통합 방식을 제공하며, 각 방식에는 고유한 장점과 어려움이 있습니다. AppExchange 또는 AgentExchange 앱을 사용하면 파트너가 제공하는 사전 구축된 애플리케이션이나 구성 요소를 최소한의 개발 노력으로 간편하게 설치할 수 있으며, 품질 인증까지 완료된 경우가 많습니다. 하지만 사용자 정의 기능이 제한적이고 파트너 제공 서비스에 대한 의존성 및 추가 비용이 발생할 수 있습니다. Salesforce API(REST, SOAP, Bulk, Streaming 등)를 활용한 직접 API 통합은 최대의 유연성과 데이터 흐름 및 로직에 대한 완벽한 제어를 제공합니다. 그러나 상당한 개발 노력, API 제한 관리, 철저한 보안 감사 및 지속적인 유지 관리가 필요합니다. MuleSoft와 같은 미들웨어를 사용하면 연결, 데이터 변환 및 오케스트레이션을 통해 복잡한 통합을 간소화할 수 있습니다. 중앙 집중식 관리와 재사용성을 제공하지만 추가 라이선스 비용과 광범위한 플랫폼 교육이 필요합니다. AWS 또는 GCP와 같은 클라우드 커넥터는 Glue, Event Relay, Private Connect와 같은 특정 서비스(때로는 로우코드 방식)를 통해 통합을 최적화합니다. 이러한 서비스는 일반적으로 강력하고 안전하며 각 클라우드 생태계에 적합하지만, 특수 구성이 필요하고 사용자가 특정 공급업체에 종속될 수 있습니다. Einstein Studio의 BYOM 기능을 사용하면 외부에서 호스팅된 모델을 Salesforce 워크플로에 쉽게 통합할 수 있으며, 신뢰 계층을 활용하여 통합 프로세스를 간소화할 수 있습니다. 그러나 직접 사용, 세부 조정 및 Salesforce 플랫폼 의존성과 비교했을 때 모델 지원 측면에서 제약이 존재합니다.

모든 회사 문제에 대한 독립 및 교차 데이터 소스 전역 AI 플랫폼의 통합 : Xpert.Digital

Ki-Gamechanger : 비용을 줄이고 결정을 향상 시키며 효율성을 높이는 가장 유연한 AI 플랫폼 테일러 제작 솔루션

독립 AI 플랫폼 : 모든 관련 회사 데이터 소스를 통합합니다

• 이 AI 플랫폼은 모든 특정 데이터 소스와 상호 작용합니다
  • SAP, Microsoft, Jira, Confluence, Salesforce, Zoom, Dropbox 및 기타 여러 데이터 관리 시스템에서
• 빠른 AI 통합 : 몇 달이 아닌 몇 시간 또는 며칠 내에 회사를위한 맞춤형 AI 솔루션
• 유연한 인프라 : 자체 데이터 센터에서 클라우드 기반 또는 호스팅 (독일, 유럽, 무료 위치 선택)

• 가장 높은 데이터 보안 : 법률 회사에서의 사용은 안전한 증거입니다.
• 다양한 회사 데이터 소스에서 사용하십시오
• 자신 또는 다양한 AI 모델 선택 (De, EU, USA, CN)

AI 플랫폼이 해결하는 도전

• 기존 AI 솔루션의 정확성 부족
• 민감한 데이터의 데이터 보호 및 안전한 관리
• 개별 AI 개발의 높은 비용과 복잡성
• 자격을 갖춘 AI 부족
• AI를 기존 IT 시스템에 통합합니다

자세한 내용은 여기를 참조하세요.

• 모든 회사 문제에 대한 독립적 및 교차 데이터 소스 전체 AI 플랫폼의 AI 통합

핵심 고려 사항: 독립형 AI의 위험 관리

독립적인 AI 플랫폼 도입 여부를 결정할 때는 데이터 보호, 공급업체 의존도, 데이터 주권 등 잠재적 위험에 대한 신중한 평가가 반드시 포함되어야 합니다.

개인 정보 보호 및 보안

세일즈포스는 아인슈타인 트러스트 레이어를 안전한 AI 사용을 보장하는 솔루션으로 내세우지만, 자세히 살펴보면 독립적인 솔루션과 비교 검토해야 할 실질적인 한계점이 드러납니다.

Einstein Trust Layer의 제한 사항:

Agentforce 워크플로에서 데이터 마스킹 기능 비활성화: 핵심은 Agentforce 워크플로에서 데이터 마스킹 기능이 명시적으로 비활성화되었다는 점입니다. 그 이유는 마스킹 기능이 검색 결과의 맥락적 정확성과 관련성을 저해할 수 있기 때문입니다. 예를 들어, 유사 계정을 검색할 때 참조 계정의 세부 정보가 필요한 경우 마스킹이 제대로 이루어지지 않을 수 있습니다. 이는 잠재적으로 민감한 고객 데이터가 마스킹되지 않은 상태로 외부 LLM(Local Leadership Management) 업체에 전송될 수 있다는 점에서 심각한 데이터 개인정보 보호 위험을 초래합니다. 특히 규제가 엄격한 산업에서는 더욱 문제가 되며, Salesforce의 "신뢰" 약속과도 상충됩니다.
대안 완화 방안(Anthropic): Salesforce는 AWS Bedrock에서 호스팅되는 "Salesforce Trusted Boundary" 내에서 실행되는 Anthropic 모델을 대안으로 제공할 계획입니다. 이 방식을 사용하면 데이터가 Salesforce의 관리 영역을 벗어나지 않지만, 데이터 마스킹 기능은 여전히 ​​비활성화된 상태입니다. 마스킹 기능이 제대로 작동하는 경우와 비교했을 때, 이 방식이 데이터 개인정보 보호 문제를 충분히 해결하는지는 의문입니다.
일반적인 신뢰 계층 기능: 파트너와의 데이터 보존 기간 제로화 및 유해성 검사와 같은 핵심 기능은 그대로 유지됩니다. 그러나 Agentforce에 대한 예외 조항은 중요한 제약 사항입니다.

독립 플랫폼의 잠재적 이점:

전용 데이터 상주 옵션: 독립적인 클라우드 제공업체 또는 전문 플랫폼은 데이터 저장 및 처리 위치에 대한 더욱 세밀한 제어를 제공할 수 있습니다. 이는 Salesforce Hyperforce의 일반적인 보장 범위를 넘어서는 엄격한 지역 데이터 개인정보 보호법(예: GDPR 또는 특정 국가 규정)을 준수하는 데 필요할 수 있습니다.
대안적인 보안 아키텍처: 조직은 전용 암호화, 더욱 엄격한 접근 제어 또는 데이터 격리 메커니즘과 같이 특정 보안 요구 사항에 더 적합한 아키텍처를 선택할 수 있습니다.
공급업체 직접 책임: AI 공급업체와 직접 협력하면 Salesforce를 중간 매개체로 사용하지 않고 데이터 처리에 대한 책임 소재를 명확히 할 수 있습니다.

트러스트 레이어의 마케팅 약속과 기술적 현실 사이의 격차, 특히 에이전트포스(Agentforce)의 마스킹 기능 비활성화는 위험 평가에 있어 매우 중요합니다. 의사 결정권자는 마케팅 주장만으로는 충분하지 않으며, 실제 사용 사례에 대한 구체적인 구현 방식을 검토하고, 잠재적으로 더 일관적이거나 구성 가능한 제어 기능을 제공하는 독립 플랫폼과 비교해야 합니다.

적합:

• 신뢰할 수있는 AI : 유럽의 트럼프 카드와 인공 지능에서 주요 역할을 수행 할 수있는 기회

데이터 보호 및 보안 측면: 아인슈타인 트러스트 레이어와 독립형 플랫폼 비교

데이터 보호 및 보안 측면: 아인슈타인 트러스트 레이어와 독립 플랫폼 비교 – 이미지: Xpert.Digital

Salesforce의 Einstein Trust Layer와 독립 플랫폼 모두 데이터 개인정보 보호 및 보안을 최우선으로 생각합니다. 데이터 마스킹과 관련하여 Trust Layer는 특정 지역 및 언어를 지원하지만 Agentforce의 경우 제한 사항이 있습니다. 반면 독립 플랫폼은 구성 및 사용자 지정 가능한 규칙과 지원되는 데이터 유형을 제공할 수 있습니다. Trust Layer에서는 에이전트 기반 워크플로에 대해 데이터 마스킹이 비활성화되어 있지만, 독립 플랫폼에서는 구현 방식에 따라 성능 저하를 감수하는 경우 데이터 마스킹이 가능한 경우가 많습니다. OpenAI와 같은 제3자 공급업체와의 계약을 통해 데이터 보존 기간이 0으로 보장됩니다. 독립 플랫폼은 제3자를 완전히 배제하기 위해 고객과 직접 계약하거나 자체 인프라에 호스팅하는 방식을 제공합니다. Trust Layer는 유해 콘텐츠 및 마스킹을 포함한 감사 추적 기록을 Data Cloud에 기록하는 반면, 독립 플랫폼은 MLOps 도구와 같은 상세한 로깅 및 모니터링 기능을 제공하는 경우가 많습니다. 데이터 상주 제어와 관련하여 Trust Layer는 Hyperforce 지역 및 프로비저닝에 의존하는 반면, 독립 플랫폼은 일반적으로 데이터 센터 지역을 더욱 세분화하여 선택할 수 있습니다. Salesforce의 호스팅 옵션은 벤더 관리형 호스팅부터 SF Gateway를 통한 BYOM(Bring Your Own Host) 방식까지 다양하며, AWS나 GCP 같은 파트너사의 호스팅을 이용할 수 있습니다. Anthropic 또한 SF 지역에서 서비스 제공을 계획하고 있습니다. 반면 독립형 플랫폼은 전용 클라우드 인스턴스, 온프레미스 또는 벤더 클라우드에서 호스팅을 지원합니다. 제어 수준 측면에서 보면, 트러스트 레이어는 마스킹 규칙 정의와 같은 구성 가능한 옵션을 제공하는 반면 기본 아키텍처는 고정되어 있습니다. 독립형 플랫폼은 보안 조치에 대한 보다 포괄적인 구성 가능성을 제공하는 경우가 많습니다.

벤더 종속 방지

Salesforce 서비스의 심층적인 통합은 공급업체에 대한 강한 의존성으로 이어질 위험이 있습니다.

생태계 의존성의 위험성

Salesforce CRM 및 AI에만 전적으로 의존하면 상당한 의존성이 발생합니다. 이는 가격 조정 시 협상력을 약화시키고 향후 다른 기술을 활용할 수 있는 유연성을 제한할 수 있습니다.

전략적 다각화

독립적인 AI 플랫폼을 사용하면 기술 스택을 다양화할 수 있습니다. 기업은 시장 전반의 혁신을 활용하고 필요에 따라 공급업체를 더 쉽게 변경할 수 있습니다. 이를 통해 전략적 유연성을 유지할 수 있습니다.

세일즈포스의 "개방형 생태계"의 역설

Salesforce는 BYOM(Bring Your Own Machine)과 같은 개방형 생태계를 장려하지만, 심층적인 통합으로 인해 사실상 벤더 종속으로 이어지는 경우가 많습니다. BYOM을 사용하더라도 관리 및 배포는 Salesforce 플랫폼을 통해 이루어지기 때문에 다른 플랫폼으로 전환하기가 어렵습니다. 통합 솔루션의 편리함은 근본적인 종속성을 가리는 "소프트 벤더 종속"으로 이어질 수 있으며, 다른 관리 또는 배포 전략으로 전환할 때 어려움을 겪게 됩니다.

자세한 내용은 여기를 참조하세요.

• 벤더 종속의 위험성: 기업이 벤더 의존을 피해야 하는 이유

데이터 주권 및 이동성

자신의 데이터에 대한 통제권과 필요에 따라 모델이나 데이터를 마이그레이션할 수 있는 능력은 중요한 전략적 측면입니다.

아인슈타인 활동 포착(EAC) 관련 우려 사항

한 가지 구체적인 문제는 EAC(Email Action Calendar)와 관련이 있습니다. 캡처된 이메일 및 캘린더 데이터는 Salesforce의 표준 활동 기록으로 저장되지 않고 AWS에 외부 저장소로 저장됩니다. 이 데이터는 보존 기간이 제한적이며(기본값 6개월, 유료 라이선스 사용 시 최대 24개월) EAC가 비활성화되면 삭제됩니다. 이는 데이터 주권, 장기적인 접근성 및 백업 옵션과 관련하여 중요한 문제를 제기합니다. 이러한 경우 사용자는 데이터에 대한 완전한 소유권을 갖지 못하게 됩니다.

모델 이식성

Einstein Prediction Builder와 같은 Salesforce 도구를 사용하여 기본적으로 구축된 모델은 플랫폼에 종속되어 있어 쉽게 이식할 수 없습니다. 기본 데이터는 내보낼 수 있지만 학습된 모델 자체는 전송할 수 없습니다. 반면, 외부 플랫폼(AWS, GCP 등)에서 개발된 모델은 Salesforce와 일시적으로 통합되더라도 본질적으로 이식성이 뛰어납니다.

독립형 AI에서의 데이터 이동성

외부 AI 플랫폼을 사용할 경우, 핵심 데이터 처리 및 모델 산출물은 종종 Salesforce 외부에 남아 있게 됩니다. 이는 Salesforce와의 관계 또는 전략이 변경될 경우 데이터 및 모델의 이식성을 향상시킬 수 있는 잠재력을 제공합니다.

의사결정자를 위한 전략적 권고사항

Salesforce 환경에서 적합한 AI 전략을 선택하려면 단순한 기능 비교를 넘어선 심층적인 평가가 필요합니다. 다음 권장 사항은 의사 결정권자에게 도움이 될 수 있습니다.

사용 사례를 비판적으로 평가하십시오

Salesforce의 기본 AI 기능에만 의존하지 마십시오. 다음 기준에 따라 각 AI 사용 사례를 개별적으로 평가하십시오.

• 필요한 전문성: 해당 작업에 심층적이고 전문적인 AI 기능(예: 복잡한 과학 분석, 특정 산업 분야 예측)이 필요한가요? 이러한 기능은 전용 플랫폼을 통해 더 효과적으로 수행할 수 있을 것으로 예상되나요?
• 적응성 요구 사항: 모델, 학습 데이터 및 알고리즘에 대한 제어 권한은 어느 정도까지 필요한가? Salesforce의 추상화 수준은 충분한가?
• 성능 요구 사항: 최적화된 외부 인프라를 통해 더 잘 충족될 수 있는 엄격한 지연 시간 또는 처리량 요구 사항이 있습니까?
• 데이터 민감도 및 규정 준수: 사용 사례에 신뢰 계층의 한계(특히 Agentforce의 마스킹 기능 부족)로 인해 허용할 수 없는 위험이 발생하는 매우 민감한 데이터가 포함되어 있습니까? 특정 데이터 상주 요구 사항을 외부에서 충족하는 것이 더 나을까요?

하이브리드 접근 방식을 추구하다

단순하고 고도로 통합된 작업(예: 기본 리드 스코어링, Sales Cloud의 이메일 초안 작성)에서 Salesforce의 네이티브 AI를 활용하는 전략을 고려해 보세요. 동시에, 고부가가치, 전문화된 또는 매우 민감한 사용 사례에는 독립적인 플랫폼을 통합하십시오.

통합 준비 상태를 고려하십시오.

조직의 기술 자원과 노하우를 현실적으로 평가하여 외부 AI 솔루션 통합 및 유지 관리의 복잡성을 처리할 수 있는지 판단해야 합니다. 복잡한 자체 개발에 착수하기 전에, 지원이 잘 되어 있는 통합 플랫폼(예: AppExchange, 기존 클라우드 커넥터)부터 시작하는 것이 좋습니다.

총소유비용(TCO)을 계산하세요

Salesforce 네이티브 AI(라이선스, 데이터 클라우드 사용량, 잠재적 기능 제한 사항 포함)의 총비용과 독립형 AI(핵심 AI 비용 + 통합 개발/유지 관리 + 미들웨어 포함)의 총비용을 비교하는 철저한 TCO 분석을 수행하십시오.

총소유비용(TCO) 분석은 기술의 전체 수명 주기 동안 기술을 획득하고 운영하는 데 드는 총비용을 평가하는 방법입니다. 여기에는 획득 비용뿐만 아니라 지속적인 운영 비용, 유지 보수, 교육, 업그레이드 등이 포함됩니다.

외부 AI 플랫폼이 더 비용 효율적일 수 있는 이유:

• 규모의 경제: 서비스 제공업체는 인프라 비용을 여러 고객에게 분산시킵니다.
• 투자 비용 절감: 자체 인프라를 구축할 필요가 없습니다.
• 빠른 배포: 출시 기간 단축으로 간접 비용을 절감할 수 있습니다.
• 유지보수 및 업데이트 포함: IT 운영에 있어 고객님의 노력은 전혀 필요하지 않습니다.
• 사용량에 따라 비용이 조정됩니다.

총소유비용(TCO) 분석 결과, 외부 AI 플랫폼이 장기적으로 자체 솔루션보다 더 저렴하고 유연한 경우가 많습니다.

전략적 유연성을 우선시하십시오

통합된 Salesforce 생태계의 편리성과 벤더 종속으로 인한 장기적인 전략적 위험을 비교 검토하십시오(섹션 VB 참조). AI 전략을 수립할 때 처음부터 이식성을 고려해야 합니다.

투명성을 요구하라

Salesforce 및 독립 공급업체를 포함한 모든 공급업체로부터 모델 기능, 제한 사항, 데이터 처리 방식, 보안 조치 및 가격 모델에 대한 명확한 문서를 요구하십시오. 마케팅 주장을 면밀히 검토하고 기술적 현실과 비교하십시오.

적합:

• 변경중인 데이터 관리 시스템 : AI 시대에 회사의 성공을위한 전략

세일즈포스 내 개방형 AI 전략 도입 촉구

분석 결과, Salesforce의 기본 AI 제품군에만 의존하는 것이 기존 CRM 프로세스와의 편리하고 원활한 통합을 제공하는 것은 사실이지만, 모든 기업에 최적의 전략은 아니라는 점이 분명하게 드러났습니다. 독립적인 AI 플랫폼을 전략적으로 고려하면 다음과 같은 상당한 이점을 얻을 수 있습니다. 고도로 전문화되고 잠재적으로 더 강력한 모델에 접근할 수 있고, AI 스택에 대한 유연성과 제어력이 향상되며, 대안적인 가격 모델과 기존 인프라 활용을 통해 비용 효율성을 높일 수 있고, 벤더 종속 및 데이터 주권과 관련된 중요한 위험을 완화할 수 있습니다.

아인슈타인 트러스트 레이어의 한계점, 특히 에이전트포스 워크플로우에서 데이터 마스킹 기능이 비활성화된 점은 매우 중요합니다. 이는 마케팅 문구에 현혹되지 않고 기술적 현실을 면밀히 검토해야 할 필요성을 강조하며, 특히 민감한 데이터를 처리할 때는 더욱 그렇습니다. 아인슈타인 액티비티 캡처 사례에서 볼 수 있듯이 데이터 이동성에 대한 우려는 독점적인 저장 및 처리 메커니즘에 지나치게 의존하는 것에 대한 경고이기도 합니다.

동시에 Salesforce AI의 역할 또한 과소평가해서는 안 됩니다. Salesforce AI는 많은 표준 CRM 작업에 유용하고 잘 통합된 솔루션을 제공합니다. 한계점에도 불구하고, Einstein Trust Layer는 중요한 거버넌스 및 보안 계층 ​​역할을 합니다. 또한, 로우코드 도구를 통해 조직 내 AI 도입을 더욱 폭넓게 확대할 수 있습니다.

많은 기업에게 가장 효과적인 전략은 개방형 하이브리드 접근 방식일 가능성이 높습니다. 이러한 전략은 일상적이고 통합된 작업에는 Salesforce AI의 강점을 활용하는 동시에, 특정하고 까다롭거나 전략적으로 중요한 사용 사례에는 외부의 최고 수준 AI 솔루션을 선별적으로 통합하는 것을 주저하지 않습니다. 이를 위해서는 기본 도구만 사용하는 기존 방식에서 벗어나 사용 사례 기반의 엄격한 평가를 수행해야 합니다.

의사 결정권자는 네이티브 AI 솔루션과 독립형 AI 솔루션의 적절한 조합을 신중하게 결정해야 합니다. 이러한 결정은 특정 비즈니스 요구 사항, 기존 기술 역량, 위험 감수 수준 및 장기적인 전략 목표를 고려하여 이루어져야 하며, 불필요한 의존성이나 위험을 초래하지 않고 Salesforce 생태계 내에서 AI의 잠재력을 최대한 활용해야 합니다.

✓ 전략, 컨설팅, 계획 및 구현에 대한 중소기업 지원

AI 전략의 생성 또는 재정렬

✔️ 선구적인 사업 개발

Konrad Wolfenstein

저는 귀하의 개인 조언자로 기꺼이 봉사하겠습니다.

아래 문의 양식을 작성하여 저에게 연락하시거나 +49 89 89 674 804 (뮌헨) .

나는 우리의 공동 프로젝트를 기대하고 있습니다.

Xpert.Digital은 디지털화, 기계 공학, 물류/내부 물류 및 태양광 발전에 중점을 둔 산업 허브입니다.

360° 비즈니스 개발 솔루션을 통해 우리는 신규 비즈니스부터 판매 후까지 유명 기업을 지원합니다.

시장 정보, 마케팅, 마케팅 자동화, 콘텐츠 개발, PR, 메일 캠페인, 개인화된 소셜 미디어 및 리드 육성은 당사 디지털 도구의 일부입니다.

www.xpert.digital - www.xpert.solar - www.xpert.plus 에서 확인할 수 있습니다.