Salesforce Summer 26, 업무 AI는 팀으로 움직인다

AI 요약

• 무슨 일: Salesforce가 Summer '26 Release에서 Agentforce Multi-Agent Orchestration과 Tableau MCP를 전면에 내세웠습니다.
  • 공식 발표일은 2026년 5월 11일이며, Summer '26 Release는 2026년 6월 15일 제공 예정입니다.
• 의미: 엔터프라이즈 AI의 중심이 단일 챗봇에서 CRM, Slack, Tableau, Service Desk를 넘나드는 업무 에이전트 팀으로 이동합니다.
• 주의점: 멀티 에이전트가 실무 가치를 내려면 데이터 의미 계층, 권한 통제, 관측성, 사람 승인 경계가 함께 설계돼야 합니다.

Salesforce가 2026년 5월 11일 Summer '26 Release를 발표했습니다. 이번 발표의 핵심 단어는 "Agentic Enterprise"입니다. 단순히 CRM 화면에 AI 버튼을 더 붙였다는 이야기가 아닙니다. Salesforce는 Agentforce의 Multi-Agent Orchestration, Slack-first workflow, Tableau MCP, Agentforce Self-Service, Customer Engagement Agent, Momentum 같은 기능을 묶어 기업 업무가 여러 에이전트의 협업 단위로 재편되는 그림을 제시했습니다.

공식 발표에 따르면 Summer '26 Release는 2026년 6월 15일 제공됩니다. 발표문에서 가장 앞에 놓인 기능은 Agentforce의 Multi-Agent Orchestration입니다. Salesforce는 이를 여러 에이전트가 하나의 통합된 팀처럼 움직여 복잡한 end-to-end workflow를 처리하는 기능으로 설명합니다. 고객 입장에서는 채널마다 다른 에이전트를 찾아다니지 않고, 하나의 접점에서 공유 문맥을 유지한 채 문제를 해결한다는 메시지입니다.

이 발표가 흥미로운 이유는 Salesforce가 기업 AI를 "답변 생성"이 아니라 "업무 조율" 문제로 보고 있다는 점입니다. 2025년의 많은 엔터프라이즈 AI는 지식 검색, 문서 요약, 이메일 초안, CRM 필드 추천처럼 사람 옆에서 보조하는 형태였습니다. Summer '26의 언어는 다릅니다. 에이전트가 고객 접점에서 intent를 감지하고, Slack에서 영업 활동을 대신 진행하고, Tableau의 분석 엔진을 질의하고, Service Desk에서 전문 역할을 맡고, Salesforce 안의 workflow를 이어 붙입니다. AI가 사용자의 질문에 답하는 도구에서 업무 흐름을 이어가는 실행 계층으로 올라가고 있습니다.

단일 챗봇에서 에이전트 팀으로

Agentforce Multi-Agent Orchestration의 핵심은 "복잡성의 분산"입니다. 실제 기업 업무는 하나의 프롬프트로 끝나지 않습니다. 고객이 환불을 요청하면 주문 이력, 결제 상태, 재고, 배송, 정책, 고객 등급, 상담 이력, 후속 캠페인이 얽힙니다. IT 직원이 접근 권한 문제를 신고하면 HR 시스템, ID 관리, 보안 정책, 서비스 카탈로그, 티켓 우선순위가 연결됩니다. 영업 담당자가 큰 계정을 관리하면 CRM 기록, 미팅 노트, 이메일, Slack 대화, 계약 조건, 리스크 신호가 함께 움직입니다.

단일 챗봇은 이런 업무를 "대답"으로 축소하기 쉽습니다. 반면 멀티 에이전트 구조는 업무를 역할별로 나누려 합니다. 하나의 에이전트는 intent를 분류하고, 다른 에이전트는 데이터 소스를 확인하고, 또 다른 에이전트는 정책을 검토하며, 마지막 에이전트는 고객 또는 직원에게 응답합니다. Salesforce가 말하는 "single point of contact"는 고객 경험 측면의 표현이지만, 내부 구조에서는 여러 전문 에이전트와 시스템이 같은 문맥을 공유해야 가능합니다.

Salesforce가 함께 발표한 IT Service Domain Pack은 이 방향을 더 구체적으로 보여줍니다. 회사는 Slack, Teams, IT Service Desk에 50개 이상 전문 AI 에이전트를 배치해 직원 요청의 의도를 감지하고 선제적으로 해결한다고 설명합니다. 이 숫자는 마케팅적으로 들릴 수 있지만, 중요한 것은 "범용 에이전트 하나"가 아니라 "업무 도메인별 전문 에이전트 묶음"이라는 설계입니다. 기업에서 AI가 실제 비용을 줄이려면 일반 대화 능력보다 도메인별 처리 절차와 승인 경계가 더 중요합니다.

Tableau MCP, 데이터는 의미 계층을 통해 움직입니다

이번 발표에서 개발자와 AI 제품팀이 특히 봐야 할 부분은 Tableau MCP입니다. Salesforce는 AI 모델이 회사의 깊은 분석 데이터와 분리되어 있으면 유용한 답을 내기 어렵다고 지적합니다. Tableau MCP는 AI 에이전트가 Tableau의 analytics engine을 직접 질의해, Agentforce Trust Layer 아래에서 비즈니스 문맥에 근거한 답을 내도록 하는 통합입니다.

이것은 단순히 "Tableau 데이터를 챗봇에 연결했다"는 말보다 큽니다. Tableau는 2026년 5월 5일 별도 발표에서 스스로를 agentic analytics platform으로 재정의했습니다. 이 발표의 핵심 문장은 raw data만으로는 충분하지 않다는 주장입니다. AI 에이전트가 신뢰할 만한 답을 내고 자율적으로 행동하려면 데이터에 비즈니스 의미가 붙어야 합니다. metric, relationship, semantic model, business rule, definition 같은 지식 계층이 필요하다는 뜻입니다.

Tableau 발표는 Knowledge Engine, Conversational Analytics, Headless Analytics, Decision Engine, Command Center, Secure/Governed 구조를 여섯 축으로 설명합니다. 특히 Headless Analytics는 MCP server architecture를 통해 Tableau의 trusted insight를 Slack, Salesforce, Microsoft Teams, Claude, ChatGPT 같은 표면으로 전달한다고 말합니다. 이는 최근 AI 앱 생태계에서 MCP가 단순 플러그인 표준을 넘어 기업 데이터 접근의 경계면이 되고 있음을 보여줍니다.

하지만 여기서 더 중요한 단어는 MCP보다 "trusted knowledge"입니다. 기업 데이터는 대부분 이름만으로는 의미가 불명확합니다. "revenue"라는 metric도 총매출인지 순매출인지, 환불을 제외하는지, 지역별 환율을 어떻게 처리하는지, 계약 갱신을 언제 인식하는지에 따라 달라집니다. 사람 분석가는 이런 맥락을 경험으로 보정합니다. 에이전트는 그 경험이 없습니다. 따라서 에이전트가 데이터를 직접 질의하려면, 먼저 데이터의 의미를 기계가 읽을 수 있는 구조로 만들어야 합니다.

Slack First Sales와 업무 표면의 재배치

Summer '26 발표에는 Slack First Sales도 포함됐습니다. Salesforce는 대부분의 sales AI가 추천에 머문다고 지적하며, Slack First Sales가 CRM 문맥과 Agentforce Sales를 Slack 안으로 가져와 prospecting, lead engagement, pipeline management를 돕는다고 설명합니다. 이 메시지는 Salesforce가 Slack을 단순 협업 도구가 아니라 에이전트 업무 표면으로 재배치하고 있음을 보여줍니다.

업무 AI의 핵심 전장은 모델 선택만이 아닙니다. 사용자가 실제로 하루 종일 머무는 표면이 어디인지가 중요합니다. 영업 담당자는 CRM 레코드만 보고 일하지 않습니다. Slack 대화, 이메일, 미팅, 노트, 계약 문서, 리드 알림이 계속 섞입니다. AI가 CRM 안에서만 작동하면 사용자는 다시 복사하고 붙여 넣고 확인해야 합니다. 반대로 Slack 안에서 CRM 문맥과 에이전트 행동이 이어지면, AI는 사용자의 자연스러운 업무 흐름에 더 가까워집니다.

Momentum도 같은 맥락입니다. Salesforce는 통화, 이메일, 미팅 대화 데이터가 Salesforce에 남지 않아 deal signal이 불완전해지고 에이전트가 blind 상태로 움직인다고 설명합니다. Momentum은 이 데이터를 실시간으로 캡처하고 구조화해 Salesforce에 되돌립니다. 이 기능이 중요한 이유는 AI 에이전트의 품질이 모델 성능보다 문맥 품질에 크게 좌우되기 때문입니다. 에이전트가 영업 파이프라인을 관리하려면 고객과 실제로 나눈 대화가 CRM에 반영되어야 합니다.

Customer Engagement Agent와 Self-Service의 의미

고객 접점에서도 Salesforce는 에이전트를 전면에 배치했습니다. Customer Engagement Agent는 웹사이트와 이메일에서 24시간 구매자와 대화하고, qualification을 수행하며, warm lead를 영업팀에 넘기는 기능입니다. Agentforce Self-Service는 Help Agent, 새 Portal 경험, 단순화된 가격을 포함하며, Salesforce는 Help Agent가 웹사이트, 새 Portal, WhatsApp에서 작동하고 10 clicks or less로 설정될 수 있다고 설명합니다.

이 방향은 고객 지원과 영업 자동화의 경계를 흐립니다. 과거 챗봇은 FAQ 응답이나 티켓 생성에 머물렀습니다. 이제 Salesforce가 그리는 에이전트는 고객 문의를 해결하고, 리드를 선별하고, 후속 조치를 만들고, 내부 시스템으로 넘깁니다. 사용자는 "봇과 대화했다"기보다 "업무가 진행됐다"고 느껴야 합니다. 기업 입장에서는 비용 절감과 전환율 개선을 동시에 노릴 수 있지만, 실패했을 때 책임과 설명 가능성도 더 커집니다.

여기서 멀티 에이전트 구조의 장단점이 드러납니다. 여러 전문 에이전트가 잘 조율되면 사용자는 반복 설명 없이 일관된 경험을 얻습니다. 반대로 조율이 약하면 각 에이전트가 서로 다른 정책, 다른 고객 상태, 다른 권한을 전제로 움직일 수 있습니다. Salesforce가 "shared context across all channels"를 강조한 것은 이 위험을 알고 있다는 뜻으로 읽힙니다. 멀티 에이전트의 성패는 에이전트 수가 아니라 공유 문맥의 품질에 달려 있습니다.

Microsoft, ServiceNow, Snowflake와 같은 전쟁터

Salesforce의 Summer '26은 혼자 떨어진 발표가 아닙니다. 엔터프라이즈 AI 시장의 큰 흐름은 "agent control plane"과 "business context layer"로 모이고 있습니다. Microsoft는 Copilot과 Agent 365를 통해 M365/Teams/Power Platform 안의 에이전트 관리와 업무 표면을 강화하고 있습니다. ServiceNow는 IT와 HR workflow를 중심으로 AI agent orchestration과 governance를 밀고 있습니다. Snowflake와 Databricks는 기업 데이터 위에서 AI가 신뢰할 만한 질의를 수행하도록 semantic/context 계층을 강조합니다.

Salesforce의 강점은 CRM, Slack, Tableau라는 업무 표면과 데이터 의미 계층을 동시에 갖고 있다는 점입니다. CRM은 고객 관계의 시스템 오브 레코드이고, Slack은 대화와 실행의 표면이며, Tableau는 분석과 metric 의미의 표면입니다. 여기에 Agentforce가 붙으면 Salesforce는 "기업의 고객 관련 업무를 에이전트 팀이 조율하는 플랫폼"이라는 위치를 노릴 수 있습니다.

약점도 분명합니다. Salesforce 환경에 깊이 들어간 조직일수록 효과가 크지만, 이질적인 데이터 스택과 업무 도구를 가진 조직에서는 통합 비용이 남습니다. 또한 Agentforce Trust Layer, Tableau semantic model, Slack workflow가 유기적으로 맞물려야 하므로 단순 라이선스 추가만으로는 작동하지 않습니다. 기업 AI의 병목은 종종 모델이 아니라 데이터 정리, 권한 모델, 업무 프로세스 표준화, 책임자 합의입니다.

개발자와 AI 팀이 봐야 할 실무 포인트

첫 번째 포인트는 MCP의 역할입니다. Tableau MCP는 에이전트가 분석 엔진을 직접 질의하는 통로입니다. 개발자 입장에서는 MCP server가 단순 도구 호출 인터페이스가 아니라, 권한·의미·감사를 포함한 데이터 접근 게이트웨이가 된다는 점을 봐야 합니다. "Claude나 ChatGPT에서 Tableau를 물어본다"는 경험 뒤에는 어떤 metric을 노출할지, 어떤 사용자가 어떤 데이터에 접근할 수 있는지, 어떤 질의 결과를 workflow 실행으로 이어도 되는지라는 설계가 필요합니다.

두 번째 포인트는 관측성입니다. 멀티 에이전트 시스템에서는 누가 어떤 판단을 했는지 재구성할 수 있어야 합니다. 고객 문의가 잘못 처리됐을 때, 리드가 잘못 qualification됐을 때, Tableau 답변이 틀린 metric을 근거로 했을 때, 팀은 어느 에이전트가 어떤 데이터와 규칙을 사용했는지 확인해야 합니다. Salesforce는 Tableau Agentic Analytics Command Center를 가을 GA 예정으로 제시하며, 어떤 에이전트가 실행 중이고 어떤 데이터에 접근하는지 볼 수 있다고 설명합니다. 이는 멀티 에이전트 운영에서 필수적인 방향입니다.

세 번째 포인트는 사람 승인 경계입니다. Salesforce의 발표는 생산성과 자동화를 강조하지만, 모든 업무가 자동 실행되어야 하는 것은 아닙니다. 할인, 환불, 계약 조건 변경, 보안 권한, 고객 커뮤니케이션, 규제 산업의 데이터 처리에는 승인 단계가 필요합니다. 좋은 에이전트 설계는 "무엇을 자동화할 것인가"보다 "어디서 멈추고 사람에게 넘길 것인가"를 더 명확히 해야 합니다.

Agentic Enterprise는 제품명이 아니라 운영 모델입니다

Salesforce가 말하는 Agentic Enterprise는 아직 마케팅 언어의 비중이 큽니다. 하지만 그 안에 담긴 방향은 현실적입니다. 기업은 이미 너무 많은 앱, 데이터 소스, workflow, 대화 채널을 운영합니다. AI가 이 복잡성을 줄이려면 단일 챗봇이 아니라, 각 도메인을 이해하는 에이전트와 그 에이전트를 통제하는 플랫폼이 필요합니다.

Summer '26은 이 관점을 제품 포트폴리오 전체에 펼친 발표입니다. Agentforce는 업무 에이전트 팀의 실행 계층, Tableau는 의미와 분석의 지식 계층, Slack은 업무 대화와 실행 표면, Salesforce CRM은 고객 관계의 기록 시스템이 됩니다. 이 네 요소가 잘 연결되면 AI는 "답변하는 앱"이 아니라 "업무를 이어가는 레이어"가 됩니다.

물론 실제 도입은 발표보다 어렵습니다. 멀티 에이전트는 실패 모드도 늘립니다. 에이전트 간 handoff가 깨질 수 있고, 공유 문맥이 오래될 수 있으며, semantic model이 현실 업무를 따라가지 못할 수 있습니다. 또한 사용자가 AI의 결정을 신뢰하려면 근거와 제어권을 함께 제공해야 합니다. Tableau가 raw data보다 trusted knowledge를 강조한 이유도 결국 이 문제 때문입니다.

이번 Salesforce 발표의 의미는 그래서 명확합니다. 엔터프라이즈 AI의 다음 전장은 "누가 더 똑똑한 챗봇을 제공하는가"가 아닙니다. 누가 기업의 업무 문맥, 데이터 의미, 권한, 협업 표면, 실행 workflow를 하나의 에이전트 운영 모델로 묶을 수 있는가입니다. Summer '26은 Salesforce가 그 전장에 CRM, Slack, Tableau, Agentforce를 모두 투입하겠다는 선언입니다.