अधिकांश Agentforce गलत जवाब उस डेटा तक जाते हैं जिसे agent retrieve करता है, उस model तक नहीं जो text generate करता है। Agentforce agents आपके Salesforce records पढ़ते हैं, जो पाते हैं उसमें अपने responses ground करते हैं, और उस पर act करते हैं — इसलिए जब underlying records incomplete, inconsistent, stale, या duplicated होते हैं, तो agent bad data के accurate retrieval से inaccurate responses पैदा करता है।
यह एक troubleshooting guide है। हर section एक failure symptom को, जिसे आप observe कर सकते हैं, उसे पैदा करने वाली data समस्या से, इसे diagnose करने वाले DQS metric से, और इसे fix करने वाले remediation step से map करता है। यदि आप एक deployment को debug करने के बजाय plan कर रहे हैं, तो Agentforce data quality guide और data readiness checklist से शुरू करें।
Agentforce बिल्कुल गलत जवाब क्यों देता है?
एक agent शून्य में facts का आविष्कार नहीं करता। यह उन records को retrieve करता है जो एक request से match करते हैं, जिन fields तक उसकी access है उन्हें पढ़ता है, और उस context से एक response assemble करता है। Model consistent है; उसके नीचे का डेटा नहीं है।
जो एक hallucination जैसा दिखता है वह अक्सर agent का आपके records जो कहते हैं उसे faithfully report करना होता है। एक blank field agent को ground करने के लिए कुछ नहीं देता। एक ही country की चार spellings इसे चार जवाब देती हैं। एक duplicate record इसे सच का दूसरा version देता है। डेटा fix करें और इनमें से अधिकांश failures agent configuration को छुए बिना गायब हो जाते हैं।
यह पैटर्न industry-wide है, आपके org के लिए specific नहीं। Gartner ने 2024 में भविष्यवाणी की कि 2025 के अंत तक कम से कम 30% generative AI projects को proof of concept के बाद abandon किया जाएगा, poor data quality को एक leading cause के रूप में नामित करते हुए। और Salesforce की अपनी State of Data and Analytics research में, data और analytics leaders ने अपने 26% data को untrustworthy rate दिया — मोटे तौर पर एक record में से चार किसी भी agent को गलत context feed करता है जो इसके ऊपर बनाया जाता है।
नीचे के छह failure modes उन data root causes को cover करते हैं जिन्हें आप Salesforce में माप और correct कर सकते हैं।
Agentforce responses vague या generic क्यों होते हैं?
Symptom. Agent एक specific सवाल का एक generic reply से जवाब देता है। एक user पूछता है कि एक Case क्यों escalate किया गया था और उसे actual कारण के बजाय “the issue was reviewed and addressed” मिलता है।
Root cause. Incomplete records। जब agent एक empty Description, Comments, या Resolution field वाला Case retrieve करता है, तो उसके पास एक specific जवाब ground करने के लिए कोई context नहीं होता। यह एक vague summary पर लौट आता है क्योंकि पढ़ने के लिए कुछ concrete नहीं है।
Diagnosis. Completeness Rate, field के हिसाब से broken down, दिखाती है कि agent के scope में कितने records उन fields को miss कर रहे हैं जिनकी इसे context के लिए जरूरत है। एक high overall score समस्या छुपाता है यदि empty fields वही हैं जिन्हें agent पढ़ता है। Description, Notes, Comments, और Resolution पर specifically Completeness check करें।
Fix. agent जिन fields को responses के लिए उपयोग करता है उन पर Completeness बढ़ाएँ। एक trusted source से backfill करें, critical fields को entry पर required बनाएँ, और पुष्टि करने के लिए scan rerun करें। field-level diagnostic flow के लिए Completeness देखें।
Agentforce conversations में खुद का विरोधाभास क्यों करता है?
Symptom. वही सवाल अलग-अलग sessions में अलग-अलग जवाब लौटाता है, या दो users को एक ही account के बारे में conflicting facts मिलते हैं।
Root cause. Inconsistent values और duplicate records। जब Country field में “US”, “USA”, “United States”, और “U.S.A.” हों, तो agent उन्हें चार distinct values मानता है और अपने answers को इस आधार पर segment करता है कि उसने कौन सा retrieve किया। जब दो Account records एक ही company को अलग-अलग data के साथ describe करते हैं, तो agent उसी से जवाब देता है जिसे उसने पहले पाया।
Diagnosis. Conformance Rate मापती है कि कितनी values आपके canonical set से match करती हैं, इसलिए एक low rate fragmented picklist और reference fields को expose करती है। Duplicate Rate मापती है कि कितने records किसी अन्य की duplicate हैं, जो इस failure का दूसरा हिस्सा है। agent जिन objects को पढ़ता है उन पर दोनों चलाएँ।
Fix. values को एक controlled set में standardize करें और duplicates merge करें। आपके डेटा में पहले से मौजूद variants discover करने के लिए Definition Builder में Import from Field का उपयोग करें, canonical value define करें, और normalize करें। फिर duplicate records merge करें और नए को block करने के लिए matching rules configure करें। Consistency और Uniqueness देखें।
Agentforce outdated information क्यों लौटाता है?
Symptom. Agent एक closed deal को open के रूप में report करता है, एक contact का नाम बताता है जो एक साल पहले company छोड़ गया, या एक superseded record से एक price quote करता है।
Root cause. Stale records। Agent के पास “old” की कोई अवधारणा नहीं है। यह content match के हिसाब से सबसे relevant record पढ़ता है, चाहे डेटा को last कब touch किया गया हो। एक record जो facts बदलने के बाद से update नहीं हुआ, agent को obsolete context feed करता है।
Diagnosis. Timeliness Rate मापती है कि LastModifiedDate या एक business date जैसे date field पर आपके परिभाषित freshness threshold के भीतर कितने records आते हैं। agent के objects पर एक declining Timeliness Rate का मतलब है कि agent के outdated facts surface करने की संभावना बढ़ रही है। Timeliness देखें।
Fix. आपके freshness threshold से परे records को flag करें और उन्हें re-engagement या archival workflows में route करें। उन records को archive या exclude करें जिन्हें अब answers inform नहीं करने चाहिए, ताकि agent उन्हें retrieve करना बंद कर दे। Timeliness scan को दोहराने के लिए schedule करें ताकि staleness visible रहे।
Agentforce वह sensitive data क्यों surface करता है जो उसे नहीं करना चाहिए?
Symptom. एक generated response में एक Social Security Number, एक credit card number, या PII का कोई अन्य टुकड़ा शामिल है जिसका agent output में दिखने का कोई business नहीं है।
Root cause. free-text fields में बैठी PII। Email-to-case, chat transcripts, और manual notes personal data को Description और Comments fields में capture करते हैं। जब agent उनमें से एक record retrieve करता है, तो PII AI context में enter करती है और एक response में दिख सकती है।
Diagnosis. PII Exposure Rate मापती है कि scope में कितने records आपके text fields में detectable PII रखते हैं। agent जिस हर text field को पढ़ सकता है उसे scan करें, PII के नाम वाले fields को नहीं, क्योंकि exposure general-purpose comment और description fields में छुपती है। PII Detection देखें।
Fix. एक PII scan के साथ findings की पहचान करें, फिर confirmed matches को mask, delete, या restrict करें। उन fields के लिए per-field pattern overrides configure करें जहाँ एक matching pattern expected और legitimate है, ताकि आप real exposure पर act करें। validate करने के लिए scan rerun करें, और deployment से पहले PII compliance guide की समीक्षा करें।
Agentforce सही record क्यों नहीं ढूँढ पाता?
Symptom. Agent report करता है कि यह एक ऐसे customer को नहीं ढूँढ सकता जो मौजूद है, या पूरी तरह गलत record retrieve करता है। एक user email से search करता है और agent कुछ नहीं लौटाता।
Root cause. Invalid formats और unsearchable values। “john [at] company dot com” के रूप में store किया गया email, inconsistent punctuation वाला एक phone number, या गलत format में एक ID उस lookup से match नहीं करता जो agent चलाता है। Record वहाँ है, लेकिन agent इसे resolve नहीं कर सकता।
Diagnosis. Validity Rate मापती है कि email, phone, और identifiers जैसे structured fields पर आपके परिभाषित format rules कितनी values पास करती हैं। एक key lookup field पर एक low Validity Rate retrieval failures की भविष्यवाणी करती है। Validity देखें।
Fix. agent जिन fields को search करता है उन पर malformed values को mass-correct करें, फिर नए records पर format enforce करने के लिए एक validation rule जोड़ें। उन fields पर focus करें जो lookups और matching drive करते हैं, जहाँ एक format error एक response को सिर्फ degrade करने के बजाय retrieval को पूरी तरह तोड़ देता है।
Agentforce के जवाब समय के साथ खराब क्यों होते हैं?
Symptom. Agent launch पर अच्छा perform करता है और हफ्तों में degrade होता है। एक clean deployment के बाद vague answers, contradictions, और stale facts फिर से दिखाई देते हैं।
Root cause. बिना monitoring के data quality regression। launch से पहले आपने जो records clean किए थे वे decay करते हैं जैसे-जैसे users नया data enter करते हैं, integrations नए records लिखते हैं, और agent खुद fields update करता है। एक one-time cleanup एक snapshot है, और snapshot पुराना पड़ जाता है।
Diagnosis. कोई single metric regression नहीं पकड़ता। आप इसे trend से पकड़ते हैं। सभी छह dimensions में recurring scans schedule करें और हर rate को समय के साथ एक line के रूप में देखें, ताकि एक नई integration या process change के bad data introduce करने के दिनों के भीतर एक dip surface हो। Understanding Results देखें।
Fix. agent के scope में objects पर scheduled, recurring scans configure करें और Insight Studio में metric trends track करें। risk के हिसाब से एक cadence सेट करें: high-volume text fields पर साप्ताहिक PII scans, मासिक Completeness और Consistency, एक त्रैमासिक full scan। regression को dashboard पर पकड़ें इससे पहले कि यह एक answer तक पहुँचे।
Symptom-to-Fix Reference
| Symptom | Root cause | DQS metric | Fix |
|---|---|---|---|
| Vague या generic responses | Incomplete records (empty Description, Notes) | Completeness Rate | Context fields backfill करें; entry पर required करें |
| Conversations में contradictory answers | Inconsistent values और duplicate records | Conformance Rate, Duplicate Rate | Values standardize करें; duplicates merge करें; matching rules जोड़ें |
| Outdated information | Stale records | Timeliness Rate | freshness threshold से परे records flag और archive करें |
| Sensitive data surface करता है | free-text fields में PII | PII Exposure Rate | Text fields scan करें; findings mask, delete, या restrict करें |
| सही record नहीं ढूँढ पाता | Invalid formats, unsearchable values | Validity Rate | Formats mass-correct करें; lookup fields पर validation rules जोड़ें |
| जवाब समय के साथ degrade होते हैं | Data quality regression, कोई monitoring नहीं | सभी छह (trend) | Recurring scans schedule करें; Insight Studio में trends track करें |
यह Diagnosis कैसे चलाएँ
agent जिस हर object को पढ़ता है उस पर एक DQS scan चलाएँ और छह metrics को एक साथ review करें। Scan पूरी तरह Salesforce के अंदर चलता है, इसलिए कोई डेटा org से बाहर नहीं जाता। हर weak metric को ऊपर की table में उसके symptom से match करें, priority order में remediate करें, और scan को दोहराने के लिए schedule करें ताकि fix टिका रहे। पूरे preparation workflow के लिए, Agentforce के लिए data cleanup guide देखें।
अगले कदम
- Agentforce Data Quality: पूरी preparation guide और timeline
- Agentforce Data Readiness Checklist: pre-deployment verification
- Agentforce के लिए Salesforce Data Cleanup: remediation workflow
- Agentforce Data Quality FAQ: सामान्य सवालों के जवाब
- पाँच Dimensions: हर data quality dimension का अवलोकन
- AI Readiness Assessment: अपना current readiness score प्राप्त करें