샌프란시스코 로컬빵집에서 미리 만난 드림포스

Dreamforce 2025

안녕하세요, Decision Intelligence Lab D-Science 담당에서 DI Agent 개발을 담당하는 남윤지, 온라인 고객 행동 데이터 체계 구축을 진행한 고아라입니다.

저희는 지난 2025년 10월, 샌프란시스코 모스콘 센터에서 열린 Dreamforce 2025에 다녀왔습니다. 이번 글에서는 행사 전반의 분위기와 함께, 기술적으로 인상 깊었던 메시지와 세션 내용을 중심으로 Dreamforce 2025 참관 후기를 공유드리겠습니다.

Dreamforce 2025 한 줄 요약

2025년의 핵심 키워드는 단연 Agentic Enterprise였습니다.

약 5만 명의 참석자, 1,500개 이상의 세션이 진행된 이번 행사에서 Salesforce는 AI 에이전트를 단순한 보조 도구가 아닌 기업 운영의 중추로 재정의하고 있다는 메시지를 반복해서 강조했습니다.

특히 중심에는 Agentforce 360 플랫폼이 있었고,

• 오랫동안 강조해온 Data First 철학

• 정형·비정형 데이터를 모두 아우르는 Intelligent Context

• 그리고 이를 기반으로 의사 결정하고 행동하는 AI Agent

이 세 가지가 모든 솔루션 라인업과 Feature에 일관되게 녹아 있었습니다.

인상 깊었던 세션

Agent 관점에서 본 Dreamforce 2025 (by 남윤지)  

Dreamforce 2025는 다음 질문에 대한 힌트를 주었습니다.  “NL2SQL 이후, 우리는 무엇을 만들어야 하는가?” , “Agent를 어디까지 믿고, 어디서 통제해야 하는가?” , “현실적인 Decision Intelligence 운영은 어떻게 해야하는가?”

1. Agentforce Keynote: Become an Agentic Enterprise 중 아키텍처 Deep Dive

“Single Copilot은 죽었다. Multi-Agent가 기본이다.”

“모든 Agent는 Stateless, 모든 상태는 Platform이 가진다”

Agent Fabric을 통해 서로 다른 역할의 에이전트(예: 고객 응대, 네트워크 로그 분석, SLA 모니터링)가 실시간으로 데이터를 공유하고 상호 작용합니다.

1) 멀티 에이전트 (Role-based/Task-based Agent Mesh)

• 모든 Agent는 Stateless
• 모든 상태(State)는 Platform이 관리
• 역할 기반 / 태스크 기반 Agent Mesh

2) Planner / Executor 분리

• Planner Agent: 사용자 요청을 Goal과 Subtask로 분해

• Executor Agent: 실제 실행 담당

3) Domain / Data / Guardrail Agent

• Domain Agent: Sales, Support, Analytics 등

• Data Agent: Semantic Layer + Data Cloud + External DB

• Guardrail / Policy Agent: 보안, 권한, 설명가능성(Why this decision?)
  
  

2. Data Cloud Keynote: Real-Time Data for AI

Salesforce Research 팀이 던진 메시지는 매우 명확했습니다.

“NL2SQL accuracy는 plateau에 도달했다. 이제 차이는 Semantic Reasoning에서 난다.”

그리고 이를 한 문장으로 정리하면 다음과 같습니다.

“Agent에게 SQL을 가르치지 말고, 조직의 ‘의미 체계’를 가르쳐라.”

즉, Semantic Layer는 Agent의 World Model이라는 점을 강하게 강조했습니다.

SQL 생성 정확도보다 더 중요하다고 언급된 요소들은 아래와 같았습니다

3. Trust Layer & Responsible AI 세션

“Insight는 자동화해도, Decision은 관리해야 한다”

Salesforce는 Agent Output과 실제 실행(Execution)을 명확히 분리하는 구조를 제시했고
Agent Output → Decision Graph (Causal / Policy-aware) → Human Approval / Auto-Execute 분기

모든 Output에 Confidence / Assumption / Risk가 함께 제공되며, 모든 결정은 감사(Audit)이 가능한 Decision Log로 관리되어,Decision Intelligence는 ‘자동 결정’이 아니라, 결정의 품질을 높이기 위한 체계라는 점을 다시 한번 강조한 세션이었습니다.

4. Andrew Ng: “Building With AI: Speed, Smarts, and Scale” 세션

제가 가기 전부터 가장 기대했던 세션이 바로 Andrew Ng이었는데요, 논문이나 영상으로만 보던 사람이라 연예인을 보는 기분이기도 했습니다. 😊 현장 반응도 1시간 전에 이미 현장 입장이 어려울만큼 굉장히 뜨거웠구요.

Andrew Ng의 세션에서는 다음 네 가지 메시지가 특히 인상 깊었습니다.

특히, 모든 게 완벽해지기 전까지 도입하지 않다가 골든 타임을 놓치는 여러 사례를 목격했으니, 작은 영역에서 일단은 시도해보라는 메시지를 마지막까지 강조했습니다.

결론: Dreamforce 2025를 통해 얻은 교훈

2. Data 관점에서 본 Dreamforce 2025 (by 고아라)  

Dreamforce 2025에서 인상 깊었던 메시지 중 하나는, 많은 기업이 “우리는 데이터 중심이다”라고 말하지만 변화를 실제로 만들어내는 건 데이터 자체가 아니라 “Context(맥락)“이라는 점을 세일즈포스가 다시 짚어줬다는 것입니다. 단순히 데이터가 많다고 해서 혁신이 일어나는 것이 아니라, 그 데이터가 상황을 설명하고 판단을 돕는 형태로 연결될 때 비로소 실행력이 생긴다는 내용이었습니다.

올해 Data Cloud Keynote는 “수집·저장”이라는 전통적인 데이터 관점에서 한 발 더 나아가, 데이터를 쓰이게 만드는 활용(activation)에 초점을 맞추고 있었습니다. 여러 시스템에 흩어진 정보를 하나로 모으는 것 자체가 목표가 아니라, 통합된 데이터에 의미를 얹어 AI와 에이전트 경험 전반을 지탱하는 기반으로 만들겠다는 방향이었습니다.

그 흐름 속에서 공개된 Data 360(기존 Data Cloud의 리포지셔닝이자 확장된 개념)은 단순한 이름 변경 그 이상의 시그널로 느껴졌습니다. 세일즈포스가 말하는 핵심은, 실시간으로 데이터를 해석하고 의사결정에 연결할 수 있는 조직이 다음의 Customer Engagement 시대를 선도한다는 것이었습니다. 결국 데이터의 역할이 “저장소”에서 “전략 자산”으로 변화하고 있으며, 그것은 Context와 AI Readiness로 무게중심이 옮겨가는 것이었습니다. AI Agent가 효과적으로 작동하기 위해 가장 중요한 요소로 정확하고 신뢰할 수 있는 컨텍스트가 반복해서 강조되었고, 이를 제공하는 핵심 플랫폼으로 Data 360(Data Cloud)이 소개되었습니다.

1. Keynote: Activate Trusted Data Everywhere

세일즈포스의 Rahul Auradkar는 모든 기업이 겪고 있는 현실로 키노트를 열었습니다. 수십 년간의 투자에도 불구하고, 대부분의 고객 데이터는 여전히 “데이터 사일로(silo)”에 갇혀 있다는 점입니다. 데이터 파이프라인은 종종 끊기고, 데이터가 의사결정 지점에 도달할 즈음에는 이미 시의성이 떨어지는 등 인사이트 도출이 늦어집니다. 세일즈포스는 이에 대한 해답으로 데이터가 어디에 있든 신뢰할 수 있는 데이터를 통합(unify)·정합(harmonize)·활성화(activate)하도록 설계된 플랫폼, Data360을 소개했습니다. 이를 통해 분절된 데이터를 필요한 접점에, 필요한 순간에 연결해 가치로 전환하겠다는 메시지였습니다.

Data Cloud Keynote에서 공개한 Data 360의 핵심 신규 기능은 두 가지였습니다.

첫째, 원천 데이터를 그대로 공유하지 않고도, 여러 조직이 공동 분석과 협업 실행을 할 수 있도록 설계된 ‘안전한 협업 공간’으로 Data 360 Clean Rooms을 소개했습니다. 예를 들어 제약사와 여러 의료기관 네트워크가 함께 신규 치료제의 대상이 될 수 있는 환자군의 교집합 세그먼트를 찾아내고, 환자의 프라이버시를 보호하고 규제를 준수하며 개인화된 안내를 제공하는 시나리오가 소개되었습니다. 안전한 데이터 협업이 현실적으로 가능해질 수도 있겠다는 생각이 들었습니다.

둘째, Salesforce가 말하는 ‘맥락’은 비정형 데이터까지 포함합니다. Intelligent Context(컨텍스트 처리)를 통해 PDF, 이미지, 차트, 의료 문서 같은 비정형 데이터까지 다루겠다는 내용은, 실제로 현업에 많은 ‘잠재 데이터’가 문서 형태로 쌓여 있다는 점을 떠올리게 했습니다. 비정형 데이터는 기존 AI가 해석하기 어려웠으나 활용 가치가 매우 큽니다. 특히 정형 데이터와 결합하면, AI 에이전트가 정확하고 도메인 맥락을 이해한 의사결정을 할 수 있는 기반을 제공하기 때문에, Data 360은 더 이상 단순한 데이터 플랫폼이 아니라 ‘신뢰 가능한 AI(Trusted AI)를 구동하는 엔진’이라는 메시지를 전달하였습니다.

2. Put Agents to Work Across Your Data Cloud Journey

Salesforce에서 전통적 CDP(Customer Data Platform)역할을 하였던 Data Cloud는 Data 360으로 발전하며 기업 전반의 데이터 관리와 활성화를 더 빠르고 쉽게 만드는 AI 기반 기능이 강화됐다는 점을 강조했습니다. Data 360에는 AI Agent가 내장되어 있어, 데이터 수집(ingestion)부터 활성화(activation)까지, AI 에이전트가 작업을 자동화하고, 추천을 제공하며, 선제적 조치를 수행합니다. 또한 기술 숙련도와 무관하게 누구나 효율적으로 성과를 낼 수 있도록 지원한다는 메시지가 핵심이었습니다.

Data 360은 풍부한 메타데이터, 시맨틱(semantic) 이해, 자연어 처리(NLP)를 활용해 데이터 처리와 인사이트 도출에서 끊김 없고 신뢰 가능한 사람-AI 파트너십을 구현한다고 설명했습니다. 향후에는 선제적 추천과 end-to-end 파이프라인 오케스트레이션까지 확장해, 메타데이터 강화와 시맨틱 이해를 바탕으로 데이터 관리 및 활성화 프로세스를 최적화 할 계획을 갖고 있습니다.

AI Agent를 데이터 플랫폼에 내장했다는 점이 굉장히 흥미로웠지만, 그 결과에 대한 신뢰는 또 다른 문제로 보여집니다. AI Agent를 통해 데이터를 Ingestion → Harmonization → Activation하는 과정을 시연하였고, 결과에 대한 검증은 “Data preview“로 설명하였는데, 결과를 검증하고 평가하는 부분은 보완이 필요하다고 생각했습니다.

에이전트가 데이터를 갖고 스스로 리즈닝해서 결정하고 행동하기 위한 Key는 “Unified foundation”입니다. 하지만, 복잡한 여러 파이프라인을 통해 데이터를 가져온 후 서로 연결하는 것은 매우 어려운 일이며, 각 파이프라인을 수시로 모니터링하고 관리해야 하는 어려움이 있습니다. Data 360은 Agent Capabilities를 소개하며 AI Agent기반으로 데이터 플랫폼이 어떻게 동작할 수 있는지 보여주었고, Salesforce 내부에서 AI Agent + Metadata + Data Cloud가 통합된 첫 구조임을 강조하며 공개하였습니다. 이는 “AI가 엔터프라이즈 데이터를 스스로 관리하는 시대”를 제시한다는 점에서 매우 인상 깊었습니다.

Top-Level 사용자: 데이터 관리자, 비즈니스 유저, 에이전트, 앱

최상단 레이어 [결과/활용 영역]

• 데이터 통합 및 정렬

  • 데이터 수집, 연결, 변환, 통합, data graph 구축 등 데이터를 사용 가능하도록 준비하는 단계

• 분석, 인사이트 전달, 활성화(세그먼트 생성, Journeys 연동 등)

중간 레이어 [에이전틱 core 영역]

• 백그라운드 에이전트

  • 중복 필드, 데이터 품질 및 파이프라인 등 이상 감지를 위한 지속 모니터링

  • 스키마 매핑 추천, 조인 추천, 고객 통합을 위한 룰 제안 등 지능형 추천

• Agentic Foundation

  • NL2SQL: 자연어 → SQL 생성

  • NL2DATA: 자연어 → 데이터 요청/데이터셋 생성

  • Data Preview / UI Preview: 데이터/UI 미리보기

  • Data QnA / Help QnA: 데이터 질문 응답 / 도움말 질문응답

  • NL2Plan: 자연어 → 실행 계획(플로우/단계) 생성

하단 레이어 [Data Foundation]

• Rich Active Metadata Graph

  • Data 360의 핵심 엔진

  • 정적인 메타데이터가 아니라, 사용 패턴, 운영 정보, 정책, 시멘틱 계속 업데이트하며 살아 움직이는 메타데이터 그래프

  • AI가 데이터를 자연스럽게 이해하고 실행할 수 있게 해주는 기반이 됨

  • 구성 요소:

    • Data Catalog: 데이터 카탈로그(데이터 자산 목록 및 위치 정보)

    • Data Lineage: 데이터 흐름·변환 이력 추적

    • Semantic Context: 시맨틱 문맥(용어/의미/지표 정의)

    • APIs & Actions: API 및 실행 액션 (연동/트리거)

최하단 레이어 [데이터소스]

• 외부 카탈로그 | 세일즈포스 데이터 | 외부 데이터

전 구간 공통 영역

• 프로세스 및 데이터 관측성(모니터링/추적/진단)

• 데이터 거버넌스 및 보안(권한/정책/컴플라이언스)

3. Marketing 관점에서 본 Dreamforce 2025 (by 고아라)  

이번 컨퍼런스의 핵심인 ‘Data 360'과 'Agentforce'를 통해가장 활발하게 비즈니스 가치를 만들어내는 영역이 바로 '마케팅’입니다. 세일즈포스는 글로벌 CRM 솔루션 선도 기업으로서 Dreamforce 2025를 통해 마케팅 플랫폼이 지향하는 방향과 활용 방식의 큰 그림을 제시했고, 이를 구현하기 위해 필요한 도구와 기능의 방향성도 확인할 수 있었습니다.

1. Keynote: Marketing That Sparks a Conversation

1)Two way Conversation

Salesforce는 이메일, 모바일, 웹 전반에서 “양방향 AI 보조 대화(Two-way conversation)”를 가능하게 하는 Agentforce Marketing을 소개했습니다.

고객의 메시지 회신에 따라 매장 방문을 예약해주거나 고객 서비스 센터로 연결하는 등, 고객 중심으로 채널과 메시지를 통합해 마케팅, CS, 세일즈를 고객 경험 관점에서 재구성하였습니다. 기존의 단방향 마케팅을 넘어 채널 간 양방향·개인화 대화를 가능하게 하면서 고객의 참여 방식을 혁신한 점이 인상적이었습니다.

통신사의 특성상 요금 조회·납부, 요금제 변경, 부가서비스 해지/신청 등 다양한 목적의 CS 인입이 상시적으로 많습니다. 이번 키노트를 보면서 이러한 접점을 당사에서 에이전트 기반의 양방향 대화로 전환해 나가는 시나리오를 자연스럽게 떠올려 보기도 했습니다. 예를 들어 매월 요금 명세서를 발송한 뒤, 고객이 문자나 이메일로 “이번 달 요금이 왜 늘었지?”, “분할 납부 가능해?”, “데이터 추가 옵션을 추천해줘”처럼 회신하면, Agentforce가 고객의 사용 패턴과 가입 정보, 미납 여부를 바탕으로 원인을 설명하고 선택지를 제시한 뒤, 고객이 동의하는 경우 요금제 변경/부가서비스 신청/상담 예약까지 한 흐름으로 이어지는 방식입니다. 필요 시에는 상담센터로 전환하되, 앞선 대화 내용과 맥락을 함께 전달해 반복 문의를 줄이고 처리 시간을 단축하는 형태도 가능할 것으로 생각했습니다.

결국 마케팅 메시지 발송 이후의 ‘문의’가 단절된 CS로 넘어가는 것이 아니라, 대화 자체가 곧 개인화된 안내와 전환으로 이어지는 경험으로 재구성될 수 있다는 점이 통신사 관점에서도 의미 있게 다가왔습니다. 통신사는 어느 산업군보다, 고객 경험의 차별화가 경쟁력이라고 생각하는데, 그 측면에서 ‘양방향 대화’가 주는 가능성이 크게 느껴졌습니다.

2) From Automation to Autonomous with Agentforce Marketing

마케팅뿐 아니라 Sales, CS를 아우르는 Unified Customer Profile 구축이 가장 기본적인 과제로 제시되었습니다. 또한 이메일·모바일·웹 등 채널별 인게이지먼트 데이터를 실시간으로 연결함으로써, 고객의 반응과 상황 변화에 맞춰 커뮤니케이션과 다음 액션을 즉시 조정할 수 있는 기반을 마련했습니다.

이러한 기반 위에서 AI Agent는 자연어 질의로 세그먼트를 생성하는 것부터 캠페인 기획, 콘텐츠 생성, Journey 오케스트레이션, 캠페인 최적화까지 캠페인 라이프사이클 전 과정을 자율적으로 수행해 캠페인 출시 시간을 최대 80%까지 단축할 수 있음을 강조했습니다. 더 나아가 채널과 조직별로 분산 운영되던 캠페인을 중앙에서 통합 관리·최적화함으로써 Silo를 해소하고, 성과를 일관되게 개선하는 동시에 운영 효율을 높일 수 있다는 점도 함께 부각했습니다. 그 결과 마케터는 반복적인 실행 업무에서 벗어나 창의성과 영향력이 요구되는 전략적 업무에 더 집중할 수 있게 된다는 메시지가 핵심이었습니다.

2. Your Marketing Maturity Model: What AI to Use When

세일즈포스는 마케팅에서 AI를 어떻게 적용할지에 대한 기준으로 ‘Marketing AI Maturity Model’을 제시하며, 상황에 따라 적절한 AI를 선택하는 접근을 소개했습니다. 핵심은 AI를 한 번에 모든 영역에 적용하기보다, 기본 제공 예측 모델로 빠르게 시작하고, 에이전트로 반복 업무를 자동화하며, 커스텀 모델과 에이전트로 자사 데이터와 운영 방식에 맞춘 차별화를 확장해 나가는 단계적 로드맵이었습니다. 이를 위해 세일즈포스는 마케팅 성숙도를 다음 3단계로 구분해 설명했습니다.

[1단계] Out-of-the-box Models

Engagement Scoring, Send Time Optimization 등 기본 제공 예측 모델(ML)을 활용해 대상 선정과 타이밍·빈도 최적화를 지원하는 단계입니다. 마케터는 추천 결과를 참고해 캠페인을 설계·운영함으로써 운영 효율과 성과를 동시에 높일 수 있습니다.

• Engagement Scoring: Open/Click/Subscribe Likelihood 등을 통해 반응 가능성을 예측하고, Persona(사전 정의 세그먼트: loyalists, window shoppers, winback/dormant, selective shoppers 등)로 고객 특성을 분류해 실행 관점의 타겟팅을 제공합니다.

• Engagement Frequency: 고객에게 과도하거나 부족하지 않도록 최적의 이메일/푸시 발송량을 제시합니다. (Oversaturated / Almost Saturated / On Target / Overlooked)

• Send Time Optimization: 고객별 반응 가능성이 높은 시간대를 추천해 발송 타이밍을 최적화합니다.

[2단계] Out-of-the-box Agents

명확한 규칙과 절차가 있는 반복 업무를 에이전트가 자율적으로 수행하는 단계입니다. 마케터는 운영 과정에서 발생하는 수작업을 줄이고, 설계·전략 등 고부가가치 업무에 더 집중할 수 있도록 합니다. 즉, AI가 ‘추천’에 그치지 않고 마케터 업무 수행의 일부를 직접 실행합니다.

특히 Campaign Creation Agent는 캠페인 개요 작성 부터 세그먼트 생성, 이메일 초안 작성 등 캠페인 전반 설계서 초안을 작성하고, 플랫폼 내에서 반복 수정(Iterate)을 쉽게 해 캠페인 생성 부담을 크게 줄입니다. 세션에서는 이를 통해 캠페인 제작 시간이 몇 주 단위에서 몇 분 단위로 단축될 수 있음을 강조했습니다. 또한 데모에서는 engagement scoring, send time optimization과 함께 Decision split(의사결정 분기) 기능을 활용해 Journey 운영을 단순화하고, 고객 반응에 따라 다음 액션을 자동으로 분기시키는 방식도 소개했습니다.

[3단계] Custom Models & Agents

1단계와 2단계에서 기본 탑재된 모델과 에이전트를 통해 마케터의 복잡한 프로세스를 간소화하고 최소한의 수작업으로 실시간 캠페인을 운영할 수 있게 했다면, 3단계는 한 단계 더 나아가 각 기업에 맞는 ‘맞춤형 최적화’를 구현하는 단계입니다. 즉, Context를 이해하고 상황에 맞게 액션을 조정해야 하는 고난도 업무에 적합합니다.

Einstein Studio에서 기업 데이터를 활용해 커스텀 “most likely to” 예측 모델을 직접 구축하고, 고객별 “next best action” 모델을 배포해 상황에 맞는 최적의 액션을 추천하거나 결정할 수 있도록 합니다. 또한, Agentforce Builder에서 콘텐츠 블록을 고객의 맥락에 맞게 조정하는 개인화 에이전트를 추가하고, 브랜드 가이드라인을 기준으로 콘텐츠를 검수(QA)·승인해 제작 속도를 높이는 에이전트를 구성하는 접근입니다. 새로운 채널에서도 양방향 agentic conversation을 가능하게 해, 단순 발송을 넘어 대화 기반의 실행까지 확장할 수 있다는 점이 특징이며 이는 앞서 소개했던 양방향 대화와도 연계됩니다.

정리하면 3단계는 “기본 제공 기능을 잘 쓰는 수준”을 넘어, 우리 조직의 목표와 운영 방식에 맞춘 예측(모델)과 실행(에이전트)을 결합해 더 정교하고 일관된 고객 경험을 만드는 단계로 이해할 수 있었습니다.

마무리

Dreamforce 2025는 단순히 새로운 AI 기능을 나열하는 자리가 아니라, 데이터가 AI 시대의 전략 자산으로 어떻게 재정의되고 있는지, 그리고 AI를 실제 엔터프라이즈 운영으로 들여오기 위해 무엇을 설계해야 하는지를 구체적으로 보여준 행사였습니다. 

Agent, Semantic Layer, Decision Flow, Trust & Governance라는 네 가지 키워드는 이번 행사 전반을 관통하는 공통 분모이자, 앞으로 우리가 아키텍처를 설계할 때 지속적으로 점검해야 할 기준선으로 느껴졌습니다. 요약하면, 더 이상 “데이터가 있다/없다”의 문제가 아니라, 이 네 가지 축을 중심으로 데이터를 맥락화하고, 에이전트를 통해 실행과 의사결정을 연결하며, 그 전 과정을 신뢰 가능하게 관리하는 조직이 AI 시대의 경쟁력을 갖추게 될 것이라는 점을 다시 한 번 확인한 경험이었습니다. 

읽어주셔서 감사합니다!