Skip to main content

Jakość danych dla Agentforce: najczęściej zadawane pytania

Odpowiedzi na najczęstsze pytania o jakość danych dla Agentforce: czy Agentforce potrzebuje czystych danych, jakie dane czyta, progi gotowości, ryzyko PII i jak się przygotować.

Zaktualizowano

Jakość danych dla Agentforce: najczęściej zadawane pytania

Zespoły zadają te same pytania przed podłączeniem Agentforce do swoich danych Salesforce. Ta strona odpowiada wprost na dziesięć z nich. Każda odpowiedź jest przygotowana do szybkiego odniesienia i prowadzi do głębszych wskazówek tam, gdzie ich potrzebujesz.

Czy Agentforce potrzebuje czystych danych?

Tak. Agentforce potrzebuje czystych danych, ponieważ agenci opierają swoje odpowiedzi na rekordach Salesforce, które pobierają. Agent pracuje z tym, co znajdzie w polach w swoim zakresie. Gdy te pola są niekompletne, niespójne lub nieprawidłowe, agent produkuje niekompletne, niespójne lub nieprawidłowe wyniki. Czyste dane to różnica między agentem, który pomaga użytkownikom, a takim, który ich wprowadza w błąd. Znaczenie tego jest udokumentowane: Gartner przewidzieł w 2024 roku, że co najmniej 30% projektów sztucznej inteligencji generatywnej będzie porzuconych po potwierdzeniu koncepcji do końca 2025 roku, a słaba jakość danych jest jedną z głównych przyczyn. Zobacz dlaczego agenci Agentforce zawodzą, aby poznać konkretne tryby awarii powodowane przez słabe dane.

Z jakich danych korzysta Agentforce?

Agentforce korzysta z Twoich rekordów Salesforce. Agenci pobierają informacje z obiektów, do których im to przyznasz, generują odpowiedzi na podstawie tych danych i podejmują działania w imieniu użytkowników. Polami, które mają największe znaczenie dla jakości odpowiedzi, są pola tekstowe, takie jak Description, Comments i Notes, a także picklisty i pola referencyjne dostarczające kontekstu. Jeśli pole znajduje się w zakresie agenta, jego zawartość staje się danymi wejściowymi do odpowiedzi agenta. Pełny obraz tego, jak dane CRM zasilają AI, znajdziesz w artykule Jakość danych w Salesforce.

Skąd mam wiedzieć, czy moje dane Salesforce są gotowe na Agentforce?

Wiesz, że Twoje dane są gotowe, gdy spełniają zdefiniowane progi gotowości w zakresie kompletności, spójności, poprawności i ekspozycji PII. Gotowość jest mierzalna, a nie odczuwalna. Uruchom skan DQS na każdym obiekcie, do którego agent będzie miał dostęp, zapisz wartość bazową dla każdego wymiaru i porównaj te wartości ze swoimi celami. Lista kontrolna gotowości danych dla Agentforce prowadzi przez każdy element, który potwierdzasz przed wdrożeniem.

Co się dzieje, gdy Agentforce czyta niekompletne rekordy?

Gdy Agentforce czyta niekompletne rekordy, generuje ogólnikowe lub generyczne odpowiedzi, ponieważ nie ma kontekstu, z którego mógłby skorzystać. Puste pole Description nie daje agentowi nic konkretnego, do czego mógłby się odnieść, więc cofa się do ogólnych sformułowań, które wnoszą niewiele wartości. Problem rośnie wraz z wolumenem. Completeness Rate mówi Ci, ile rekordów ma ten problem w polach używanych przez agenta, dzięki czemu możesz najpierw priorytetyzować najgorsze pola. Kompletność jest pierwszym z pięciu wymiarów jakości danych.

Czy Agentforce może ujawnić PII?

Tak. Agentforce może ujawnić dane osobowe (PII), które znajdują się w polach Salesforce, które czyta. PII kryje się w polach tekstowych, gdzie użytkownicy wklejają komunikację z klientami. Email-to-case na przykład przechwytuje numery Social Security i numery kart kredytowych z przychodzących wiadomości i przechowuje je w Case Description i Comments. Gdy agent pobiera jeden z takich rekordów, PII trafia do kontekstu AI i może pojawić się w wygenerowanej odpowiedzi. PII Detection w DQS dostarcza osiem wzorców do znalezienia tych danych, a przewodnik Zgodność PII dla Agentforce opisuje, jak sobie z nimi radzić.

Jak zmierzyć jakość danych Salesforce przed wdrożeniem Agentforce?

Jakość danych Salesforce mierzysz za pomocą DQS, który skanuje Twoje rekordy wewnątrz Salesforce i raportuje wartość dla każdego wymiaru. W Definition Builder wybierz obiekty i pola, do których agent będzie miał dostęp, a następnie uruchom skan. Insight Studio zwraca Completeness Rate, Conformance Rate, Validity Rate, Timeliness Rate, Duplicate Rate oraz PII Exposure Rate dla tego zakresu. Cały skan działa w Twojej org, więc żadne dane nie opuszczają Salesforce. Metodę krok po kroku znajdziesz w artykule jak mierzyć jakość danych w Salesforce.

Jak czyste muszą być moje dane?

Celuj w Completeness Rate na poziomie 85% lub wyższym dla kluczowych pól, Conformance Rate na poziomie 90% lub wyższym dla pól typu picklist i referencyjnych, Validity Rate na poziomie 90% lub wyższym dla pól strukturalnych oraz PII Exposure Rate poniżej 1% dla pól tekstowych. Te progi dają agentom wystarczająco kompletne, spójne i poprawne dane, by odpowiadać wiarygodnie, jednocześnie utrzymując wrażliwe dane poza kontekstem AI. Podnieś cele dla pól regulowanych lub kontaktowych z klientem, gdzie błędy niosą większe ryzyko. Przewodnik po przygotowaniu do Agentforce wyjaśnia, jak zweryfikować każdą wartość względem tych celów przed uruchomieniem.

Ile trwa przygotowanie danych pod Agentforce?

Zaplanuj mniej więcej trzy miesiące na przygotowanie danych przed uruchomieniem. Przeprowadź ocenę około trzy miesiące wcześniej, aby ustalić wartości bazowe. Zakończ naprawę około dwa miesiące wcześniej, pracując najpierw nad PII, a następnie nad kompletnością i spójnością. Zweryfikuj około miesiąc wcześniej, uruchamiając ponownie każdy skan i porównując nowe wartości z wartościami bazowymi. Po wdrożeniu przejdź do ciągłego monitorowania. Rozmiar org i liczba obiektów w zakresie przesuwają harmonogram, ale kolejność pozostaje ta sama. Szczegóły fazy naprawy znajdziesz w artykule Porządkowanie danych Salesforce dla Agentforce.

Czy monitorowanie jakości danych ma znaczenie po wdrożeniu?

Tak. Monitorowanie jakości danych ma znaczenie po wdrożeniu, ponieważ dane degradują się w miarę, jak użytkownicy wprowadzają nowe rekordy. Zbiór danych, który wyczyściłeś przed uruchomieniem, gromadzi nowe luki, niespójności i PII w ciągu tygodni. Jednorazowa naprawa nie utrzymuje się. Zaplanuj cykliczne skany DQS, tygodniowo dla pól tekstowych o dużym wolumenie i miesięcznie dla obiektów w zakresie agenta, oraz śledź trendy metryk. Regularne skanowanie wcześnie wychwytuje regresję, zanim dotrze ona do Twoich agentów i do Twoich użytkowników.

Jaka jest różnica między jakością danych a gotowością danych?

Jakość danych mierzy, czy Twoje rekordy nadają się do zamierzonego celu. Gotowość danych mierzy, czy te same rekordy są przygotowane do konkretnego zastosowania, w tym przypadku Agentforce. Gotowość bazuje na pięciu wymiarach jakości danych i dodaje jedną kwestię, którą tradycyjna praca nad jakością pomija: ekspozycję wrażliwych danych. Rekord może być kompletny, spójny i poprawny, a mimo to zawierać numer Social Security, którego agent nigdy nie powinien ujawnić. Gotowość łączy obie kontrole. Zacznij od podstaw w artykule czym jest jakość danych.

Dalsze kroki