La maggior parte delle risposte sbagliate di Agentforce risale ai dati che l’agente recupera, non al modello che genera il testo. Gli agenti Agentforce leggono i vostri record Salesforce, fondano le proprie risposte su ciò che trovano e agiscono di conseguenza — quindi quando i record sottostanti sono incompleti, incoerenti, obsoleti o duplicati, l’agente produce risposte inesatte a partire da un recupero accurato di dati errati.
Questa è una guida alla risoluzione dei problemi. Ogni sezione mappa un sintomo di errore osservabile sul problema di dati che lo causa, sulla metrica DQS che lo diagnostica e sul passaggio di bonifica che lo risolve. Se state pianificando un deployment anziché debuggandone uno, iniziate dalla guida alla qualità dei dati per Agentforce e dalla checklist di preparazione dei dati.
Perché Agentforce dà risposte sbagliate?
Un agente non inventa fatti dal nulla. Recupera i record che corrispondono a una richiesta, legge i campi a cui ha accesso e assembla una risposta a partire da quel contesto. Il modello è coerente; i dati che gli stanno sotto non lo sono.
Ciò che sembra un’allucinazione è spesso l’agente che riporta fedelmente quanto dicono i vostri record. Un campo vuoto non dà all’agente nulla su cui fondarsi. Quattro grafie dello stesso paese gli danno quattro risposte. Un record duplicato gli dà una seconda versione della verità. Correggete i dati e la maggior parte di questi errori scompare senza toccare la configurazione dell’agente.
La tendenza è diffusa nell’intera industria, non specifica della vostra organizzazione. Gartner ha previsto nel 2024 che almeno il 30% dei progetti di intelligenza artificiale generativa verrebbe abbandonato dopo la fase di proof-of-concept entro la fine del 2025, citando la scarsa qualità dei dati come una causa principale. E nella ricerca di Salesforce State of Data and Analytics, i leader di dati e analytics hanno classificato il 26% dei loro dati come inaffidabile — circa uno record su quattro che fornisce il contesto sbagliato a qualsiasi agente costruito su di esso.
Le sei modalità di errore seguenti coprono le cause profonde nei dati che potete misurare e correggere in Salesforce.
Perché le risposte di Agentforce sono vaghe o generiche?
Sintomo. L’agente risponde a una domanda specifica con una risposta generica. Un utente chiede perché un Case è stato inoltrato e ottiene «il problema è stato esaminato e risolto» anziché il motivo reale.
Causa profonda. Record incompleti. Quando l’agente recupera un Case con un campo Description, Comments o Resolution vuoto, non ha contesto su cui fondare una risposta specifica. Ripiega su un riepilogo vago perché non c’è nulla di concreto da leggere.
Diagnosi. Il tasso di completezza, suddiviso per campo, mostra quanti record nell’ambito dell’agente sono privi dei campi di cui ha bisogno per il contesto. Un punteggio complessivo elevato nasconde il problema se i campi vuoti sono proprio quelli che l’agente legge. Controllate la completezza specificamente su Description, Notes, Comments e Resolution.
Soluzione. Aumentate la completezza sui campi che l’agente utilizza per le risposte. Reintegrate i dati da una fonte affidabile, rendete obbligatori i campi critici all’inserimento e rieseguite la scansione per confermare. Vedere Completezza per il flusso diagnostico a livello di campo.
Perché Agentforce si contraddice da una conversazione all’altra?
Sintomo. La stessa domanda restituisce risposte diverse in sessioni diverse, oppure due utenti ottengono fatti contrastanti sullo stesso account.
Causa profonda. Valori incoerenti e record duplicati. Quando il campo Country contiene «US», «USA», «United States» e «U.S.A.», l’agente li tratta come quattro valori distinti e segmenta le proprie risposte in base a quale ha recuperato. Quando due record Account descrivono la stessa azienda con dati diversi, l’agente risponde a partire da quello che ha trovato per primo.
Diagnosi. Il tasso di conformità misura quanti valori corrispondono al vostro insieme canonico, quindi un tasso basso espone i campi picklist e di riferimento frammentati. Il tasso di duplicati misura quanti record sono duplicati di un altro, che è la seconda metà di questo errore. Eseguite entrambi sugli oggetti che l’agente legge.
Soluzione. Standardizzate i valori su un insieme controllato e unite i duplicati. Utilizzate Importa da campo nel Definition Builder per scoprire le varianti già presenti nei vostri dati, definite il valore canonico e normalizzate. Poi unite i record duplicati e configurate regole di corrispondenza per bloccarne di nuovi. Vedere Coerenza e Unicità.
Perché Agentforce restituisce informazioni non aggiornate?
Sintomo. L’agente riporta come aperta una trattativa chiusa, nomina un contatto che ha lasciato l’azienda un anno fa o cita un prezzo da un record superato.
Causa profonda. Record obsoleti. L’agente non ha alcun concetto di «vecchio». Legge il record più pertinente per corrispondenza di contenuto, indipendentemente da quando il dato è stato modificato l’ultima volta. Un record non aggiornato da quando i fatti sono cambiati alimenta l’agente con un contesto obsoleto.
Diagnosi. Il tasso di tempestività misura quanti record rientrano in una soglia di aggiornamento che definite su un campo data come LastModifiedDate o una data di business. Un tasso di tempestività in calo sugli oggetti dell’agente significa che l’agente è sempre più propenso a portare alla luce fatti non aggiornati. Vedere Tempestività.
Soluzione. Segnalate i record oltre la vostra soglia di aggiornamento e instradateli verso flussi di re-engagement o archiviazione. Archiviate o escludete i record che non dovrebbero più informare le risposte, così l’agente smette di recuperarli. Programmate la ripetizione della scansione di Tempestività affinché l’obsolescenza resti visibile.
Perché Agentforce porta alla luce dati sensibili che non dovrebbe?
Sintomo. Una risposta generata include un numero di previdenza sociale, un numero di carta di credito o un altro dato PII che non ha motivo di comparire nell’output dell’agente.
Causa profonda. Dati PII presenti nei campi di testo libero. L’email-to-case, le trascrizioni di chat e le note manuali catturano dati personali nei campi Description e Comments. Quando l’agente recupera uno di quei record, il PII entra nel contesto AI e può comparire in una risposta.
Diagnosi. Il tasso di esposizione PII misura quanti record nell’ambito contengono PII rilevabili nei vostri campi di testo. Scansionate ogni campo di testo che l’agente può leggere, non i campi denominati per il PII, perché l’esposizione si nasconde nei campi commento e descrizione di uso generale. Vedere Rilevamento PII.
Soluzione. Identificate i risultati con una scansione PII, poi mascherate, eliminate o limitate le corrispondenze confermate. Configurate gli override dei pattern per campo per i campi in cui un pattern corrispondente è atteso e legittimo, così da agire sull’esposizione reale. Rieseguite la scansione per convalidare ed esaminate la guida alla conformità PII prima del deployment.
Perché Agentforce non riesce a trovare il record giusto?
Sintomo. L’agente riferisce di non riuscire a trovare un cliente che esiste, oppure recupera del tutto il record sbagliato. Un utente cerca per email e l’agente non restituisce nulla.
Causa profonda. Formati non validi e valori non ricercabili. Un’email memorizzata come «john [at] company dot com», un numero di telefono con punteggiatura incoerente o un ID nel formato sbagliato non corrispondono alla ricerca che l’agente esegue. Il record c’è, ma l’agente non riesce a risolverlo.
Diagnosi. Il tasso di validità misura quanti valori superano le regole di formato che definite sui campi strutturati come email, telefono e identificativi. Un tasso di validità basso su un campo di ricerca chiave prevede errori di recupero. Vedere Validità.
Soluzione. Correggete in massa i valori malformati sui campi che l’agente cerca, poi aggiungete una Validation Rule per imporre il formato sui nuovi record. Concentratevi sui campi che guidano le ricerche e le corrispondenze, dove un errore di formato interrompe del tutto il recupero anziché degradare semplicemente una risposta.
Perché le risposte di Agentforce peggiorano nel tempo?
Sintomo. L’agente funzionava bene al lancio e si degrada nel giro di settimane. Risposte vaghe, contraddizioni e fatti obsoleti ricompaiono dopo un deployment pulito.
Causa profonda. Regressione della qualità dei dati senza monitoraggio. I record che avete pulito prima del lancio decadono man mano che gli utenti inseriscono nuovi dati, le integrazioni scrivono nuovi record e lo stesso agente aggiorna i campi. Una pulizia una tantum è un’istantanea, e l’istantanea invecchia.
Diagnosi. Nessuna singola metrica coglie la regressione. La cogliete per tendenza. Programmate scansioni ricorrenti su tutte e sei le dimensioni e osservate ciascun tasso come una linea nel tempo, così un calo emerge entro pochi giorni dall’introduzione di dati errati da parte di una nuova integrazione o di un cambiamento di processo. Vedere Interpretare i risultati.
Soluzione. Configurate scansioni pianificate e ricorrenti sugli oggetti nell’ambito dell’agente e monitorate le tendenze delle metriche in Insight Studio. Stabilite una cadenza in base al rischio: scansioni PII settimanali sui campi di testo ad alto volume, completezza e coerenza mensili, una scansione completa trimestrale. Cogliete la regressione sulla dashboard prima che raggiunga una risposta.
Riferimento sintomo-soluzione
| Sintomo | Causa profonda | Metrica DQS | Soluzione |
|---|---|---|---|
| Risposte vaghe o generiche | Record incompleti (Description, Notes vuoti) | Tasso di completezza | Reintegrare i campi di contesto; renderli obbligatori all’inserimento |
| Risposte contraddittorie tra conversazioni | Valori incoerenti e record duplicati | Tasso di conformità, tasso di duplicati | Standardizzare i valori; unire i duplicati; aggiungere regole di corrispondenza |
| Informazioni non aggiornate | Record obsoleti | Tasso di tempestività | Segnalare e archiviare i record oltre una soglia di aggiornamento |
| Porta alla luce dati sensibili | PII nei campi di testo libero | Tasso di esposizione PII | Scansionare i campi di testo; mascherare, eliminare o limitare i risultati |
| Non riesce a trovare il record giusto | Formati non validi, valori non ricercabili | Tasso di validità | Correggere in massa i formati; aggiungere Validation Rule sui campi di ricerca |
| Le risposte si degradano nel tempo | Regressione della qualità dei dati, nessun monitoraggio | Tutte e sei (tendenza) | Programmare scansioni ricorrenti; monitorare le tendenze in Insight Studio |
Come eseguire questa diagnosi
Eseguite una scansione DQS su ogni oggetto che l’agente legge ed esaminate insieme le sei metriche. La scansione viene eseguita interamente all’interno di Salesforce, quindi nessun dato lascia l’organizzazione. Abbinate ogni metrica debole al suo sintomo nella tabella precedente, bonificate in ordine di priorità e programmate la ripetizione della scansione affinché la correzione regga. Per il flusso di preparazione completo, consultate la guida alla bonifica dei dati per Agentforce.
Prossimi passi
- Qualità dei dati per Agentforce: la guida completa alla preparazione e la tempistica
- Checklist di preparazione dei dati per Agentforce: verifica pre-deployment
- Bonifica dei dati Salesforce per Agentforce: il flusso di bonifica
- FAQ qualità dei dati Agentforce: risposte alle domande comuni
- Le cinque dimensioni: panoramica di ogni dimensione della qualità dei dati
- Valutazione della preparazione IA: ottenere il punteggio di preparazione attuale