Einstein Spring '26: Einstein Copilot 에이전트가 온라인화되고 CRM 기본 AI가 예측에서 자동화된 실행으로 전환됩니다.

Salesforce Einstein의 Spring '26 릴리스에는 Einstein Copilot 에이전트, 향상된 예측 분석 및 자동화된 권장 사항이 추가되었습니다. Sales Cloud, Service Cloud, Marketing Cloud 및 기타 모듈에 내장된 CRM 기본 AI 플랫폼인 이 업데이트는 Einstein이 "판매 예측 및 채점"이라는 전통적인 위치에서 "자율 실행 에이전트"로의 진화를 의미합니다. AI는 더 이상 "무슨 일이 일어날지" 알려주는 것이 아니라 "당신을 위해 무엇을 해주기" 시작합니다.

• Einstein Copilot Agent: 영업, 서비스 및 마케팅 작업을 수행하는 자연어 기반 CRM 에이전트입니다.
• 향상된 예측 분석: 판매 예측 및 리드 평가 기능이 향상되어 의사 결정이 더욱 정확해졌습니다.
• 자동 추천: 데이터를 기반으로 자동 조치 추천으로 '분석-조치' 거리를 단축합니다.
• Winter '26 계속: Einstein GPT 통합, 자연어 쿼리 및 보고서 생성 기능을 수행합니다.

버전 배경

Salesforce Einstein은 Salesforce 에코시스템의 기본 AI 플랫폼입니다. Sales Cloud, Service Cloud, Marketing Cloud 및 기타 모듈에 내장되어 판매 예측, 리드 채점, 대화 인텔리전스, 자동화된 워크플로 및 자연어 쿼리 기능을 제공합니다. 진화 경로: Winter '26에는 Einstein GPT 통합, 향상된 자연어 쿼리 및 보고서 생성이 도입되었습니다. Spring '26에는 Einstein Copilot 에이전트, 향상된 예측 분석 및 자동화된 권장 사항이 추가되었습니다. AI가 '분석과 제안'에서 '자동실행'으로 나아가는 것이 이 길의 정해진 방향이다.

이번 버전의 하이라이트

아인슈타인 부조종사 에이전트

• 자연어 운영: 자연어를 사용하여 CRM 운영을 추진하고 사용 임계값을 낮춥니다.
• 교차 모듈 실행: 영업, 서비스, 마케팅 시나리오의 작업을 실행하여 비즈니스 폐쇄 루프를 형성합니다.

예측 및 추천

• 판매 예측 개선: 기회 데이터를 기반으로 한 예측이 더욱 정확해지고 판매 관리 결정에 도움이 됩니다.
• 리드 스코어링: 가치가 높은 리드를 식별하고 전환 기회에 판매를 집중합니다.
• 자동 추천: 다음 조치를 추천하고 분석부터 실행까지의 링크를 단축합니다.

분석 및 자연어

• 자연어 쿼리: 자연어를 사용하여 CRM 데이터를 쿼리하고 보고 임계값을 낮춥니다.
• 보고서 생성: AI 기반 보고서 생성으로 수동 정렬이 줄어듭니다.

영업 및 마케팅 팀에 미치는 영향

업계 관점에서 볼 때 Einstein의 진화는 전체 Salesforce 생태계의 AI 기반 생태계의 전형입니다. 예측 분석 솔루션은 "정확하게 볼 수 있으며" 지능형 에이전트는 이를 "할 수 있습니다". 국내 영업 및 마케팅 팀이 배울 수 있는 것은 AI 기능의 계층화된 사용입니다. 먼저 예측과 점수를 사용하여 의사 결정을 지원한 다음 점차적으로 에이전트가 주요 링크를 수동으로 제어하면서 표준화된 작업을 수행하도록 합니다. 판매 예측의 가치는 데이터 품질에 크게 좌우되므로 팀은 먼저 CRM 데이터를 위한 견고한 기반을 마련해야 합니다.

이러한 유형의 AI 기능의 공통 전제는 "데이터 폐쇄 루프"입니다. 즉, 고품질 고객 데이터가 없으면 예측과 자동화가 작동하기 어려울 것입니다.

시작하기 위한 팁

• 예측으로 시작: 먼저 판매 예측 및 리드 스코어링을 사용하여 모델 효과를 확인하고 팀 신뢰를 구축합니다.
• 파일럿 에이전트: Einstein Copilot을 활성화하고 실행 품질을 관찰하기 위해 표준화된 판매/서비스 프로세스를 선택합니다.
• 데이터 강화: AI 기능의 전제 조건으로 CRM 데이터 품질에 투자하세요.

앞으로 주목해야 할 방향

1. 에이전트의 자율 경계: Einstein Copilot이 수행할 수 있는 작업 범위와 인공 안전 메커니즘입니다.
2. 예측 정확도의 실제 측정: 실제 비즈니스 데이터에 대한 예측 성과에 따라 팀의 채택이 결정됩니다.
3. 데이터 클라우드와의 협업: 실시간 데이터 액세스를 통해 AI 효과를 더욱 향상시킬 수 있는 방법.