Agentforceスペシャリスト試験対策｜現役TAが出題傾向を実務解説【2026】

はじめに——「AIの知識」ではなく「AIを安全に業務投入する設計力」が問われる試験
【第1編】Agentforceの基礎とアーキテクチャ
1. エージェントの自律的アクション
【第2編】Data Cloudと検索インデックス戦略（RAGの実現）★最重要
1. ハイブリッド検索インデックスの活用
【第3編】エージェントのテストとリリース管理
1. Testing Centerを用いた安全なテスト
2. モデルの監視と監査
【第4編】プロンプトエンジニアリングとセキュリティ
1. プロンプトビルダー（Prompt Builder）
実務で見るAgentforce導入の勘所【アーキテクトからの提言】
おすすめの学習方法とリソース
まとめ
1. 関連記事（内部リンク）

はじめに——「AIの知識」ではなく「AIを安全に業務投入する設計力」が問われる試験

Salesforce認定Agentforceスペシャリストは、Salesforceの最新AI技術（Agentforce、Prompt Builder、Data Cloudなど）を使い、生成AIによる自律型エージェントや高度な自動化ソリューションを設計・実装するスキルを証明する、いま最も注目度の高い資格のひとつです。

20年以上、日本のITアーキテクト現場に立ってきた私（ケイ）が、実際にAgentforce案件で設計・レビューをしてきた立場から言うと——この試験の本質は「AIに詳しいか」ではありません。「企業の正確なデータをどう安全にAIへ渡すか（グラウンディング）」「不確実なAIをどう安全に本番へ出すか（テスト・監査）」という、アーキテクトの設計判断が問われます。

そのため本記事は、単なる暗記ポイントの列挙ではなく、「なぜその機能・その設計が正解なのか」を実務の文脈つきで解説します。出題傾向を4編に整理しました。

💡 前提知識として Data Cloud の理解が想像以上に効きます。Agentforceのグラウンディングは実質Data Cloudだからです。未学習の方は先に👉[Data Cloud認定コンサル重要コンセプト30選（前編）／（後編）]を読むと本記事の第2編が一気に腹落ちします。

【第1編】Agentforceの基礎とアーキテクチャ

Agentforce（旧Einstein Copilot）の基盤概念と、自律型エージェントがどのようにユーザーの意図を解釈し行動を実行するかの理解が最初のステップです。

エージェントの自律的アクション

標準アクションとカスタムアクション：レコードの要約やドラフト作成などの標準アクションが用意されています。独自のビジネスプロセスを実行するには、FlowやApexでカスタムアクションを作成してエージェントに割り当てます。
推論エンジン（Reasoning Engine）：ユーザーの自然言語入力（発話）を受け取り、利用可能なアクション一覧から最適なものを選んで実行するメカニズムの理解が問われます。

🏛 実務コラム：アクションは「少なく・明確に」が正解
現場でエージェントが誤動作する典型パターンは、アクションを盛りすぎて推論エンジンが選択を誤るケースです。人間の新入社員に「できること」を100個渡すと混乱するのと同じで、推論エンジンも候補が多いほど誤選択が増えます。試験でも実務でも、アクションの説明文（description）を具体的に書き、用途が被るアクションを整理するのがベストプラクティス。「動かない」相談の大半は、モデルではなくアクション設計の問題です。（※実体験ベースで調整：自分が遭遇した誤選択の例を1つ）

【第2編】Data Cloudと検索インデックス戦略（RAGの実現）★最重要

生成AIに自社の正確なデータを学習（グラウンディング）させるには、Data CloudとRAG（Retrieval-Augmented Generation：検索拡張生成）の知識が不可欠です。検索手法の違いは試験の超重要トピックであり、実務でもエージェント精度を左右する心臓部です。

ハイブリッド検索インデックスの活用

純粋なベクトル検索だけでは正確なキーワードを取りこぼすことがあり、キーワード検索だけでは意味的（セマンティック）な関連性を見逃すことがあります。
ハイブリッド検索インデックスは、複雑な自然言語クエリに推奨される手法です。
これは正確なキーワード一致＋セマンティック検索（ベクトル/埋め込み）を組み合わせ、精度とコンテキスト理解の最適バランスを提供します。
例：「contract ID 54321」のような特定の用語と、「サブスクリプションの更新」のようなセマンティックな意図を同時に検索できます。

🏛 実務コラム：エージェントの精度問題は「モデル」より「グラウンディング」で決まる
「エージェントの回答が微妙」という相談で、モデルを上位に変えて解決することはほとんどありません。効くのは検索インデックス設計です。具体的には、

根拠にするナレッジをData Cloud側でどうモデリング（DMO）するか

チャンク（分割）の粒度をどう切るか

ハイブリッド検索でキーワード側とベクトル側の比重をどう取るか

ここが8割です。RAGの「R（検索）」の質が、そのまま回答の質になります。この設計判断こそData Cloudコンサルの知識そのものなので、Agentforce受験者はData Cloud側を必ず押さえてください。
👉 深掘り：[Data Cloud 重要コンセプト30選（前編：取り込みとID解決）](内部リンク: data-cloud-30-part1)／[（後編：セグメント・アクティベーション）](内部リンク: data-cloud-30-part2)

【第3編】エージェントのテストとリリース管理

AIという「不確実性」を伴うソリューションを本番投入するため、安全で確実なテスト手法が厳しく問われます。

Testing Centerを用いた安全なテスト

Testing Centerを使うと、本番システムやデータに影響を与えず現実的なテスト条件を確保できます。
すべての構造化テスト・回帰テストは、本番から複製したサンドボックス環境で実行すべきです。
Developer Orgなど実稼働データと無関係な環境でのテストは適切ではありません（頻出のひっかけ）。

モデルの監視と監査

Einstein Trust Layer：本番でのAI回答を監視し、毒性（Toxicity）検出スコアやデータマスキングの状況を監査証跡（Audit Trail）で確認する方法を押さえましょう。

🏛 実務コラム：「AIだからテストは無理」ではなく「AIだからこそテスト設計」
従来の決定論的なシステムと違い、AIは同じ入力でも揺らぎます。だからこそ代表シナリオを固定してTesting Centerで回帰的に評価する発想が重要です。企業導入で最後に効いてくるのは、賢さより「変な回答をしない」保証（Trust Layer＋監査）。試験もこの”安全側の設計”を正解として要求します。（※実体験ベースで調整）

【第4編】プロンプトエンジニアリングとセキュリティ

ユーザーの指示をLLMに正しく伝える技術と、データの安全性を担保する仕組みです。

プロンプトビルダー（Prompt Builder）

テンプレートの種類：「セールスメール作成」「項目生成プロンプト」「フレックスプロンプト」など、用途に応じた使い分けが頻出。
マージ項目の活用：CRMレコードやFlow、Data Cloudから取得したデータをプロンプトへ動的に挿入（グラウンディング）し、ハルシネーション（AIの嘘）を防ぐ手法が問われます。
明確で簡潔な指示：LLMを混乱させないため、複雑なネスト条件を避け、自然で明確な言語を使うのがベストプラクティス。

実務で見るAgentforce導入の勘所【アーキテクトからの提言】

試験の先にある「実際に使えるエージェント」を作るために、現場で効く観点を挙げます。

スモールスタート：全社横断より、明確なユースケース1つ（例：問い合わせ一次対応、レコード要約）から。アクションを絞るほど精度が上がる。
グラウンディング設計を最優先：モデル選定より、Data Cloud側のデータモデリングと検索インデックスに時間を使う。
Trust Layer前提で稟議を通す：日本企業の導入審査は「情報漏えい」「誤回答」への不安が最大の壁。マスキング・監査証跡を最初から設計に織り込むと通りやすい。

※実体験ベースで調整：自分が関わった（または見聞きした）Agentforce/生成AI導入の具体シーンを1〜2段落入れると、この記事のE-E-A-Tが一気に上がります。

まとめ

Agentforceスペシャリスト試験は、「AIの知識」＋「企業データを安全に活用する設計力」の両輪が問われます。特に第2編のData CloudによるグラウンディングとRAGが合否と実務精度の分かれ目です。

推論エンジンは「アクションを絞る」ほど賢くなる
精度はモデルよりグラウンディング（検索インデックス設計）で決まる
本番投入はTesting Center＋Einstein Trust Layerで安全側に

最新AIスキルを証明し、合格を掴み取りましょう。

【2026年最新】Salesforce認定Agentforceスペシャリスト試験対策・出題傾向まとめ｜現役アーキテクトが実務目線で徹底解説