Nếu Flow Builder là cỗ máy tự động hóa, thì Agentforce là một “nhân viên AI” có khả năng hiểu ngôn ngữ tự nhiên, suy luận và thực hiện công việc dựa trên ngữ cảnh.

Chúng ta đã đi qua 8 phần: từ Data Model, Security, Configuration, Automation, Productivity, AppExchange, Sales & Marketing cho đến Service Cloud.

Và ở phần cuối cùng, chúng ta chạm vào một chủ đề đang thay đổi cách doanh nghiệp nhìn nhận Salesforce: Agentforce AI.

Đây cũng là phần mà Admin 2026 cần thay đổi tư duy. Bạn không cần trở thành AI Engineer, không cần viết model AI hay code machine learning. Nhưng bạn cần hiểu một điều cực kỳ quan trọng:

AI làm được gì, được phép làm gì, lấy dữ liệu ở đâu và làm thế nào để kiểm soát nó?

---

1. Agentforce vs Flow Builder: Khi nào dùng cái gì?

Đây là một trong những cách tư duy quan trọng nhất khi tiếp cận Agentforce.

Đừng nghĩ:

“Có AI rồi thì cái gì cũng dùng Agentforce.”

Sai.

Trong Salesforce, Admin giỏi không phải là người dùng công nghệ mới nhất cho mọi bài toán, mà là người chọn đúng công cụ cho đúng loại vấn đề.

Flow Builder: Quy trình rõ ràng, tuyến tính, rập khuôn

Flow cực kỳ phù hợp khi chúng ta biết trước:

• Điều kiện nào cần kiểm tra.
• Bước nào cần thực hiện.
• Dữ liệu nào cần cập nhật.
• Nhánh xử lý nào sẽ xảy ra.
• Kết quả cuối cùng phải như thế nào.

Ví dụ:

Case Status = Closed
        ↓
Kiểm tra Customer Tier
        ↓
Nếu VIP
        ↓
Gửi Email Survey
        ↓
Update Survey Sent = True

Đây là một quy trình deterministic.

Cùng một input → gần như luôn cho cùng một logic xử lý.

→ Dùng Flow.

---

Agentforce: Khi bài toán cần hiểu ngôn ngữ và ngữ cảnh

Bây giờ hãy tưởng tượng khách hàng nói:

“Đơn hàng của tôi vẫn chưa tới. Tôi đặt từ tuần trước, bên em kiểm tra giúp xem chuyện gì đang xảy ra được không? Nếu bị trễ thì cho tôi biết khi nào nhận được nhé.”

Đây không còn là một câu lệnh cứng nhắc.

Agent cần:

1. Hiểu khách hàng đang yêu cầu gì.
2. Xác định Order liên quan.
3. Kiểm tra trạng thái giao hàng.
4. Đọc thông tin liên quan.
5. Có thể gọi Action phù hợp.
6. Tổng hợp kết quả.
7. Trả lời bằng ngôn ngữ tự nhiên.

Đây chính là vùng đất của Agentforce.

Salesforce mô tả Agentforce là nền tảng để xây dựng các AI Agent có khả năng reason, plan và execute các tác vụ nhiều bước trong hệ sinh thái Salesforce và cả hệ thống bên ngoài.

Có thể nhớ bằng công thức:

Bài toán	Công cụ phù hợp
Quy trình cố định	Flow
Logic rõ ràng, deterministic	Flow
Update record theo điều kiện	Flow
Giao tiếp tự nhiên	Agentforce
Hiểu câu hỏi mở	Agentforce
Phân tích context	Agentforce
Reason → Plan → Act	Agentforce

Đừng dùng AI để giải quyết một bài toán mà Flow có thể giải quyết đơn giản, ổn định và dễ kiểm soát hơn.

Đó chính là tư duy Architecture.

---

2. Einstein Trust Layer: “Tấm khiên” bảo vệ dữ liệu AI

Đây là phần rất quan trọng đối với Admin.

Doanh nghiệp thường có một câu hỏi cực kỳ hợp lý:

“Nếu tôi đưa dữ liệu khách hàng vào AI thì dữ liệu đó có bị lộ không?”

Salesforce giải quyết vấn đề này thông qua Einstein Trust Layer.

Hãy hình dung:

Salesforce Data
      ↓
Einstein Trust Layer
      ↓
    LLM / AI
      ↓
Einstein Trust Layer
      ↓
Salesforce / User

Trust Layer đóng vai trò như một lớp bảo vệ giữa Salesforce và Large Language Model (LLM).

Nó cung cấp nhiều cơ chế như:

• Secure Data Retrieval.
• Dynamic Grounding.
• Zero Data Retention.
• Prompt Defense.
• Toxicity Detection.
• Audit & Feedback.

---

Data Masking: Dữ liệu nhạy cảm được bảo vệ

Trong các trải nghiệm Generative AI có hỗ trợ masking, Trust Layer có thể nhận diện các thông tin nhạy cảm như PII và thay chúng bằng placeholder trước khi gửi prompt tới LLM.

Ví dụ:

Customer: Nguyen Van A
Phone: 0901234567

Có thể được xử lý thành dạng placeholder trước khi gửi tới model.

Sau khi model trả kết quả, dữ liệu phù hợp có thể được khôi phục để người dùng nhận được câu trả lời đúng ngữ cảnh.

⚠️ Nhưng Admin 2026 cần nhớ một nuance cực kỳ quan trọng

Không nên học thuộc rằng “Agentforce luôn bật Data Masking”.

Tài liệu Salesforce hiện tại nêu rõ: pattern-based và field-based data masking đang bị disabled đối với Agentforce agents nhằm cải thiện performance và accuracy. Tuy nhiên, dữ liệu gửi tới external LLM providers vẫn nằm dưới chính sách Zero Data Retention, và Agentforce tiếp tục sử dụng các cơ chế Trust Layer khác.

Đây chính là kiểu “exam trap” rất đáng chú ý.

---

Zero Data Retention: Không lưu dữ liệu để train model

Một điểm quan trọng khác:

Third-party LLM provider không được giữ lại dữ liệu gửi từ Salesforce để lưu trữ hoặc sử dụng cho việc training model theo chính sách Zero Data Retention.

Nói đơn giản:

Salesforce không muốn doanh nghiệp phải đánh đổi dữ liệu khách hàng để lấy sức mạnh của Generative AI.

Salesforce áp dụng các thỏa thuận Zero Data Retention với các external model providers, trong đó dữ liệu được xử lý để tạo response nhưng không được provider giữ lại hoặc dùng để train model.

---

3. Quản trị Agentforce: Admin không viết AI, Admin “đặt luật”

Đây mới chính là phần Admin cần quan tâm nhất.

AI Agent mạnh đến đâu không quan trọng bằng việc:

Nó được phép làm gì?

3.1. Instructions / Prompts: Dạy Agent cách hành xử

Admin có thể cấu hình các Instructions để định nghĩa Agent phải hoạt động như thế nào.

Ví dụ:

Bạn là Customer Service Agent.

- Luôn lịch sự với khách hàng.
- Không tự ý hứa hoàn tiền.
- Nếu không chắc chắn, chuyển Case cho nhân viên.
- Chỉ sử dụng thông tin từ nguồn dữ liệu được cấp quyền.

Đây chính là cách chúng ta tạo guardrails về hành vi cho Agent.

Salesforce cũng cho phép Admin kiểm soát instructions và guardrails của Agent để phù hợp với business policy và compliance requirements.

---

3.2. Permission Sets: AI cũng phải tuân thủ Security

Một sai lầm nguy hiểm là nghĩ:

“AI là AI nên nó có quyền đặc biệt.”

Không.

Agentforce vẫn phải hoạt động trong framework quyền của Salesforce.

Quyền truy cập vào record và field của Agent phụ thuộc vào các access controls và permissions được cấu hình.

Vì vậy Admin cần tư duy:

Agent
  ↓
Permission Set / Access
  ↓
Object Permissions
  ↓
Field-Level Security
  ↓
Record Access
  ↓
Agent Actions

Nếu Agent không được phép truy cập dữ liệu nào đó, không nên cấp thêm quyền chỉ vì AI cần nó.

Hãy thiết kế permission tối thiểu cần thiết.

Đây chính là nguyên tắc:

Least Privilege

---

3.3. Conversation Preview: Test trước khi cho Agent “ra đời”

Một Agent không nên được build xong rồi lập tức đưa cho khách hàng sử dụng.

Admin cần test trước.

Trong Agent Builder, khu vực Preview cho phép Admin mô phỏng các cuộc hội thoại với Agent để kiểm tra:

• Agent có hiểu câu hỏi không?
• Có chọn đúng Action không?
• Có trả lời đúng context không?
• Có tuân thủ instructions không?
• Có thực hiện hành động ngoài ý muốn không?
• Có bị prompt injection hoặc input bất thường làm sai hành vi không?

Salesforce cung cấp Agent Preview để thử nghiệm Agent trước khi triển khai; Testing Center còn hỗ trợ kiểm tra thêm bằng các input dự kiến nhằm đánh giá độ an toàn của Agent.

Tư duy chuẩn của Admin:

Configure
   ↓
Set Permissions
   ↓
Set Instructions / Guardrails
   ↓
Preview
   ↓
Test
   ↓
Monitor
   ↓
Improve

Không phải Configure → Activate → Pray. 😄

---

4. Những điểm cần “đóng đinh” trước kỳ thi Admin 2026

Nếu chỉ còn vài phút trước khi vào phòng thi, hãy nhớ:

Flow Builder

Deterministic → Structured → Predictable → Workflow

Agentforce

Natural Language → Context → Reasoning → Planning → Action

Einstein Trust Layer

Security + Privacy + Grounding + Guardrails

Admin Governance

Instructions + Permissions + Preview + Monitoring

Và đặc biệt:

AI Agent càng mạnh thì Governance càng phải mạnh.

---

5. Lời kết: Chúng ta đã đi hết 9 phần!

Vậy là chúng ta đã chính thức hoàn thành series:

Lộ Trình Tự Học Salesforce Platform Administrator (Cập Nhật Agentforce AI)

Từ những viên gạch đầu tiên như:

Data Model → Security → Configuration → Automation → Productivity → AppExchange → Sales & Marketing → Service Cloud → Agentforce

Chúng ta đã đi từ câu hỏi:

“Salesforce lưu dữ liệu như thế nào?”

đến:

“Ai được quyền truy cập dữ liệu?”

rồi đến:

“Làm thế nào để tự động hóa quy trình?”

và cuối cùng là một câu hỏi lớn hơn rất nhiều:

“Làm thế nào để một AI Agent có thể làm việc cùng con người một cách an toàn và có kiểm soát?”

Đó chính là kỷ nguyên Agentic AI.

Và mình tin rằng đây mới chỉ là phần mở đầu.

🚀 Agentforce quá lớn để chỉ nói trong một bài!

Agentforce không chỉ là một feature nhỏ trong Salesforce.

Nó liên quan đến:

• Agent Architecture.
• Agent Builder.
• Topics / Instructions.
• Actions.
• Prompt Engineering.
• Data 360.
• RAG & Grounding.
• Trust Layer.
• Security & Permissions.
• Testing.
• Monitoring.
• Governance.
• Human-in-the-loop.
• Và cả cách doanh nghiệp thiết kế lại quy trình làm việc trong thời đại AI.

Vì vậy, Agentforce sẽ có một SERIES HOÀN TOÀN RIÊNG BIỆT.

🔥 Một series chỉ tập trung vào Agentforce.

Không còn dừng ở mức “biết để thi Admin”.

Mà sẽ đi sâu vào tư duy:

Build → Secure → Test → Govern → Deploy → Optimize Agentforce trong môi trường doanh nghiệp thực tế.

Nếu bạn đã theo dõi đến Phần 9, cảm ơn bạn rất nhiều.

❤️ Nếu series này giúp bạn hiểu Salesforce rõ hơn, hãy Follow tài khoản để không bỏ lỡ series Agentforce sắp tới.

9 phần đã khép lại.

Nhưng hành trình Salesforce + AI thì chỉ vừa mới bắt đầu.

🚀 Salesforce Admin không biến mất trong kỷ nguyên AI.

Vai trò của Admin đang tiến hóa.

Từ người cấu hình hệ thống → trở thành người thiết kế, kiểm soát và quản trị một hệ sinh thái AI doanh nghiệp đáng tin cậy.

See you in the Agentforce Series! 🤖🔥