La mayoría de las respuestas incorrectas de Agentforce se remontan a los datos que recupera el agente, no al modelo que genera el texto. Los agentes de Agentforce leen sus registros de Salesforce, basan sus respuestas en lo que encuentran y actúan en consecuencia, así que cuando los registros subyacentes están incompletos, son inconsistentes, están obsoletos o duplicados, el agente produce respuestas inexactas a partir de una recuperación exacta de datos deficientes.
Esta es una guía de resolución de problemas. Cada sección mapea un síntoma de fallo que usted puede observar con el problema de datos que lo causa, la métrica de DQS que lo diagnostica y el paso de remediación que lo soluciona. Si está planificando un despliegue en lugar de depurar uno, empiece por la guía de calidad de datos para Agentforce y la lista de verificación de preparación de datos.
¿Por qué Agentforce da respuestas incorrectas en absoluto?
Un agente no inventa hechos en el vacío. Recupera los registros que coinciden con una solicitud, lee los campos a los que tiene acceso y construye una respuesta a partir de ese contexto. El modelo es consistente; los datos que tiene debajo no lo son.
Lo que parece una alucinación a menudo es el agente informando fielmente de lo que dicen sus registros. Un campo en blanco no le da al agente nada en lo que fundamentarse. Cuatro formas de escribir el mismo país le dan cuatro respuestas. Un registro duplicado le da una segunda versión de la verdad. Corrija los datos y la mayoría de estos fallos desaparecen sin tocar la configuración del agente.
El patrón es de ámbito industrial, no específico de su org. Gartner predijo en 2024 que al menos el 30 % de los proyectos de IA generativa se abandonarían tras la prueba de concepto para finales de 2025, nombrando la mala calidad de datos como una causa principal. Y en la investigación State of Data and Analytics de Salesforce, los líderes de datos y análisis puntuaron el 26 % de sus datos como no fiables —aproximadamente uno de cada cuatro registros alimentando contexto incorrecto a cualquier agente construido sobre ellos.
Los seis modos de fallo siguientes cubren las causas raíz de datos que puede medir y corregir en Salesforce.
¿Por qué las respuestas de Agentforce son vagas o genéricas?
Síntoma. El agente responde a una pregunta específica con una respuesta genérica. Un usuario pregunta por qué se escaló un Case y obtiene «la incidencia se revisó y se resolvió» en lugar del motivo real.
Causa raíz. Registros incompletos. Cuando el agente recupera un Case con un campo Description, Comments o Resolution vacío, no tiene contexto en el que fundamentar una respuesta específica. Recurre a un resumen vago porque no hay nada concreto que leer.
Diagnóstico. La Completeness Rate, desglosada por campo, muestra cuántos registros del alcance del agente carecen de los campos que necesita como contexto. Una puntuación global alta esconde el problema si los campos vacíos son los que el agente lee. Compruebe la completitud en Description, Notes, Comments y Resolution en concreto.
Solución. Eleve la completitud en los campos que el agente utiliza para las respuestas. Rellene desde una fuente fiable, haga que los campos críticos sean obligatorios en la entrada y vuelva a ejecutar el análisis para confirmarlo. Consulte Completitud para el flujo de diagnóstico a nivel de campo.
¿Por qué Agentforce se contradice entre conversaciones?
Síntoma. La misma pregunta devuelve respuestas diferentes en sesiones distintas, o dos usuarios obtienen hechos contradictorios sobre la misma cuenta.
Causa raíz. Valores inconsistentes y registros duplicados. Cuando el campo Country contiene «US», «USA», «United States» y «U.S.A.», el agente los trata como cuatro valores distintos y segmenta sus respuestas según el que haya recuperado. Cuando dos registros de Account describen la misma empresa con datos distintos, el agente responde a partir del que encontró primero.
Diagnóstico. La Conformance Rate mide cuántos valores coinciden con su conjunto canónico, así que una tasa baja revela campos de lista desplegable y de referencia fragmentados. La Duplicate Rate mide cuántos registros son duplicados de otro, que es la segunda mitad de este fallo. Ejecute ambas en los objetos que el agente lee.
Solución. Estandarice los valores a un conjunto controlado y fusione los duplicados. Utilice Import from Field en el Definition Builder para descubrir las variantes que ya hay en sus datos, defina el valor canónico y normalice. Después fusione los registros duplicados y configure reglas de coincidencia para bloquear nuevos. Consulte Consistencia y Unicidad.
¿Por qué Agentforce devuelve información desactualizada?
Síntoma. El agente informa de una operación cerrada como abierta, nombra a un contacto que dejó la empresa hace un año o cita un precio de un registro ya superado.
Causa raíz. Registros obsoletos. El agente no tiene concepto de «antiguo». Lee el registro más relevante por coincidencia de contenido, independientemente de cuándo se tocaron los datos por última vez. Un registro que no se ha actualizado desde que cambiaron los hechos alimenta al agente con contexto obsoleto.
Diagnóstico. La Timeliness Rate mide cuántos registros caen dentro de un umbral de frescura que usted define sobre un campo de fecha como LastModifiedDate o una fecha de negocio. Una Timeliness Rate en descenso en los objetos del agente significa que el agente es cada vez más propenso a exponer hechos desactualizados. Consulte Actualidad.
Solución. Marque los registros que superan su umbral de frescura y diríjalos a flujos de trabajo de reactivación o archivado. Archive o excluya los registros que ya no deberían informar las respuestas, para que el agente deje de recuperarlos. Programe la repetición del análisis de Actualidad para que la obsolescencia siga siendo visible.
¿Por qué Agentforce expone datos sensibles que no debería?
Síntoma. Una respuesta generada incluye un número de la Seguridad Social, un número de tarjeta de crédito u otra pieza de PII que no tiene por qué aparecer en el resultado del agente.
Causa raíz. PII alojado en campos de texto libre. Email-to-case, las transcripciones de chat y las notas manuales capturan datos personales en los campos Description y Comments. Cuando el agente recupera uno de esos registros, el PII entra en el contexto de la IA y puede aparecer en una respuesta.
Diagnóstico. La PII Exposure Rate mide cuántos registros del alcance contienen PII detectable en sus campos de texto. Analice todos los campos de texto que el agente puede leer, no los campos llamados como PII, porque la exposición se esconde en los campos de comentarios y descripción de uso general. Consulte Detección de PII.
Solución. Identifique los hallazgos con un análisis de PII y, después, enmascare, elimine o restrinja las coincidencias confirmadas. Configure excepciones de patrón por campo para los campos donde un patrón coincidente sea esperable y legítimo, de modo que actúe sobre la exposición real. Vuelva a ejecutar el análisis para validar y revise la guía de cumplimiento de PII antes del despliegue.
¿Por qué Agentforce no encuentra el registro correcto?
Síntoma. El agente informa de que no encuentra un cliente que existe, o recupera el registro equivocado por completo. Un usuario busca por correo y el agente no devuelve nada.
Causa raíz. Formatos no válidos y valores no localizables. Un correo almacenado como «john [at] company dot com», un número de teléfono con puntuación inconsistente o un ID con el formato equivocado no coincide con la búsqueda que ejecuta el agente. El registro está ahí, pero el agente no puede resolverlo.
Diagnóstico. La Validity Rate mide cuántos valores superan las reglas de formato que usted define en los campos estructurados, como correo, teléfono e identificadores. Una Validity Rate baja en un campo de búsqueda clave predice fallos de recuperación. Consulte Validez.
Solución. Corrija en masa los valores mal formados en los campos sobre los que busca el agente y, después, añada una Validation Rule para imponer el formato en los nuevos registros. Céntrese en los campos que impulsan las búsquedas y la coincidencia, donde un error de formato rompe la recuperación por completo en lugar de solo degradar una respuesta.
¿Por qué las respuestas de Agentforce empeoran con el tiempo?
Síntoma. El agente funcionó bien en el lanzamiento y se degrada a lo largo de las semanas. Las respuestas vagas, las contradicciones y los hechos obsoletos reaparecen tras un despliegue limpio.
Causa raíz. Regresión de la calidad de datos sin monitorización. Los registros que limpió antes del lanzamiento se deterioran a medida que los usuarios introducen nuevos datos, las integraciones escriben nuevos registros y el propio agente actualiza campos. Una limpieza puntual es una instantánea, y la instantánea caduca.
Diagnóstico. Ninguna métrica por sí sola detecta la regresión. La detecta por tendencia. Programe análisis recurrentes en las seis dimensiones y observe cada tasa como una línea a lo largo del tiempo, de modo que una caída aflore a los pocos días de que una nueva integración o un cambio de proceso introduzcan datos deficientes. Consulte Interpretar los resultados.
Solución. Configure análisis programados y recurrentes en los objetos del alcance del agente y haga seguimiento de las tendencias de las métricas en Insight Studio. Fije una cadencia según el riesgo: análisis de PII semanales en los campos de texto de alto volumen, completitud y consistencia mensuales y un análisis completo trimestral. Detecte la regresión en el panel antes de que llegue a una respuesta.
Referencia de síntoma a solución
| Síntoma | Causa raíz | Métrica de DQS | Solución |
|---|---|---|---|
| Respuestas vagas o genéricas | Registros incompletos (Description, Notes vacíos) | Completeness Rate | Rellenar los campos de contexto; exigirlos en la entrada |
| Respuestas contradictorias entre conversaciones | Valores inconsistentes y registros duplicados | Conformance Rate, Duplicate Rate | Estandarizar valores; fusionar duplicados; añadir reglas de coincidencia |
| Información desactualizada | Registros obsoletos | Timeliness Rate | Marcar y archivar los registros que superan un umbral de frescura |
| Expone datos sensibles | PII en campos de texto libre | PII Exposure Rate | Analizar los campos de texto; enmascarar, eliminar o restringir hallazgos |
| No encuentra el registro correcto | Formatos no válidos, valores no localizables | Validity Rate | Corregir formatos en masa; añadir Validation Rules en los campos de búsqueda |
| Las respuestas se degradan con el tiempo | Regresión de la calidad de datos, sin monitorización | Las seis (tendencia) | Programar análisis recurrentes; seguir tendencias en Insight Studio |
Cómo ejecutar este diagnóstico
Ejecute un análisis de DQS en todos los objetos que el agente lee y revise las seis métricas en conjunto. El análisis se ejecuta íntegramente dentro de Salesforce, de modo que ningún dato sale de la org. Haga coincidir cada métrica débil con su síntoma en la tabla anterior, remedie por orden de prioridad y programe la repetición del análisis para que la solución se sostenga. Para el flujo completo de preparación, consulte la guía de limpieza de datos para Agentforce.
Próximos pasos
- Calidad de datos para Agentforce: la guía completa de preparación y su calendario
- Lista de verificación de preparación de datos para Agentforce: verificación previa al despliegue
- Limpieza de datos de Salesforce para Agentforce: el flujo de remediación
- FAQ de calidad de datos en Agentforce: preguntas habituales respondidas
- Las cinco dimensiones: panorama de todas las dimensiones de calidad de datos
- Evaluación de preparación para la IA: obtenga su puntuación actual de preparación