# Lista kontrolna gotowości danych dla Agentforce

> Praktyczna lista kontrolna gotowości danych dla Agentforce. Oceń, czy Twoje dane Salesforce są gotowe dla agentów AI w zakresie kompletności, spójności, PII i nie tylko.

Source: https://dataqualitysense.com/pl/resources/ai-readiness/agentforce-data-readiness-checklist/
Last updated: 2026-07-15

---

Gotowość danych dla Agentforce to stan, w którym Twoje rekordy Salesforce są kompletne, spójne, poprawne, aktualne, pozbawione duplikatów i wolne od ujawnionego PII, tak aby agenci AI pobierali dokładny kontekst i generowali wiarygodne odpowiedzi. Twoje dane są gotowe na Agentforce, gdy każdy z tych sześciu warunków jest zmierzony i spełnia zdefiniowany próg, a nie tylko zakładany. Ta lista kontrolna podaje elementy do zweryfikowania, powód, dla którego każdy z nich ma znaczenie, oraz metrykę DQS, która go mierzy.

Agenci Agentforce pobierają rekordy Salesforce, generują odpowiedzi oparte na danych CRM i podejmują działania w imieniu użytkowników. Każdy z tych kroków odczytuje Twoje dane jako źródło prawdy. Jeśli pole jest puste, agent nie ma kontekstu. Jeśli wartość jest zapisana na cztery sposoby, agent traktuje ją jako cztery fakty. Jeśli komentarz w Case zawiera numer Social Security, agent może go ujawnić. Gotowość oznacza zamknięcie tych luk przed wdrożeniem, a nie po tym, jak agent udzieli błędnej odpowiedzi na produkcji. Pełny plan fazowy stojący za tą listą znajdziesz w artykule [Przygotowanie do Agentforce](/pl/resources/ai-readiness/agentforce-preparation/).

## Skąd wiesz, czy Twoje dane Salesforce są gotowe na Agentforce?

Wiesz to dzięki pomiarom, a nie ręcznemu przeglądaniu rekordów. Uruchom [skan DQS](/pl/resources/using-dqs/running-scans/) na każdym obiekcie, do którego agent będzie miał dostęp, a następnie porównaj każdą metrykę z progiem docelowym. Przepracuj sześć obszarów poniżej. Każde pole wyboru to coś, co możesz zweryfikować na podstawie wyniku skanu, więc odpowiedź na pytanie „czy moje dane są gotowe" staje się liczbą zamiast opinią.

Krok pomiaru to ten, który większość organizacji pomija. Według [badań Accenture nad gotowością danych do AI](https://www.accenture.com/us-en/insights/ai-data/ai-ready-data), 61% dyrektorów ds. doświadczenia klienta przyznało, że ich zasoby danych nie są jeszcze gotowe na sztuczną inteligencję generatywną, a tylko 7% firm osiągnęło poziom gotowości danych wymagany do skalowania zaawansowanej sztucznej inteligencji. Lista kontrolna zweryfikowana względem wyników skanów pokazuje, po której stronie tej linii się znajdujesz.

Skopiuj listę kontrolną do notatek projektu i zaznaczaj elementy w miarę ich potwierdzania.

## Zakres i dostęp

Zdefiniuj, czego dotyka agent, zanim cokolwiek zmierzysz. Agent, który czyta niewłaściwe obiekty, zawodzi niezależnie od tego, jak czysta jest reszta Twojej org.

- [ ] **Wypisz każdy obiekt, który Agentforce będzie czytał lub zapisywał.** Agent pobiera tylko to, na co pozwalają jego topics i actions. Ogranicz zakres skanów dokładnie do tego zbioru, abyś mierzył dane, które agent faktycznie widzi.
- [ ] **Wypisz pola w każdym obiekcie, których agent używa do odpowiedzi.** Description, Comments, Notes i kluczowe picklisty niosą kontekst. Skanowanie wszystkich pól to marnowanie wysiłku; skanuj te, które stanowią podstawę odpowiedzi.
- [ ] **Potwierdź, że bezpieczeństwo na poziomie pól odpowiada zamierzeniu.** Agent dziedziczy dostęp użytkownika, w którego imieniu działa. Pole ukryte przed użytkownikiem jest niewidoczne dla agenta, więc „brakująca" odpowiedź to czasem luka w uprawnieniach, a nie luka w danych.
- [ ] **Zapisz, które integracje zapisują do tych pól.** Integracje są najczęstszym źródłem niespójnych i zduplikowanych wartości. Znajomość źródeł zapisu mówi Ci, gdzie naprawić wejście danych, a nie tylko same dane.

## Kompletność

Agenci generują ogólnikowe odpowiedzi, gdy pola, które czytają, są puste. Kompletność to pierwsza rzecz do zmierzenia, ponieważ brakujący kontekst jest najczęstszą przyczyną słabych wyników agenta.

- [ ] **Completeness Rate wynosi 85% lub więcej dla każdego pola, którego agent używa do odpowiedzi.** Puste pole Description nie daje agentowi nic, na czym mógłby oprzeć odpowiedź. **Completeness Rate** raportuje odsetek rekordów, w których pole zawiera wartość.
- [ ] **Krytyczne pola kontekstowe nie mają systemowych braków z jednego źródła.** Pole pozostawione puste przez jedną integrację to naprawa procesu, a nie czyszczenie rekord po rekordzie. Completeness Rate na poziomie pól izoluje źródło.
- [ ] **Pola wymagane przez biznes są wypełnione, nawet jeśli nie są wymagane w schemacie.** Agentforce traktuje puste pole jako brak faktu. Zobacz [Kompletność](/pl/resources/data-quality/completeness/), aby dowiedzieć się, jak DQS określa „powinno być wypełnione" dla każdego obiektu.

## Spójność i poprawność

Gdy ta sama wartość ze świata rzeczywistego pojawia się w kilku formach, agent traktuje każdą jako odrębną i odpowiada niespójnie. Gdy wartość łamie oczekiwany format, pobieranie na dalszym etapie staje się niewiarygodne.

- [ ] **Conformance Rate wynosi 90% lub więcej dla pól typu picklist i referencyjnych.** Pole Country zawierające „US", „USA" i „United States" rozbija jeden fakt na trzy. **Conformance Rate** raportuje odsetek wartości pasujących do Twojego zbioru kanonicznego. Użyj Import from Field, aby odkryć istniejące warianty, a następnie zdefiniuj wartości kanoniczne. Zobacz [Spójność](/pl/resources/data-quality/consistency/).
- [ ] **Validity Rate wynosi 90% lub więcej dla pól formatowanych.** E-mail bez `@`, numer telefonu z literami albo niemożliwa data to dane, z którymi agent nie może nic zrobić — nie wyśle, nie zadzwoni ani nie zaplanuje. **Validity Rate** raportuje odsetek wartości przechodzących Twoje reguły formatu. Zobacz [Poprawność](/pl/resources/data-quality/validity/).
- [ ] **Sprzeczności między polami są rozwiązane.** Billing State sprzeczny z Billing Country uczy agenta fałszywej zależności. Kontrole spójności ujawniają wartości, które są ze sobą niezgodne.

## Aktualność i duplikaty

Nieaktualne dane opierają odpowiedzi na faktach, które już nie są prawdziwe. Zduplikowane rekordy dają agentowi dwie wersje jednej jednostki, więc odpowiedź zależy od tego, którą kopię pobierze.

- [ ] **Timeliness Rate spełnia Twój cel dla pól wrażliwych na daty.** Last Activity sprzed dwóch lat lub Close Date w przeszłości wprowadza agenta w błąd. **Timeliness Rate** raportuje odsetek rekordów aktualnych w zdefiniowanym przez Ciebie oknie. Zobacz [Terminowość](/pl/resources/data-quality/timeliness/).
- [ ] **Duplicate Rate jest niski na obiektach, które agent czyta.** Gdy agent pobiera jeden z trzech rekordów dla tego samego klienta, odpowiada na podstawie częściowej historii. **Duplicate Rate** raportuje odsetek rekordów, które są duplikatem innego. Zobacz [Unikalność](/pl/resources/data-quality/uniqueness/).
- [ ] **Scal lub oznacz duplikaty przed wdrożeniem, a nie po.** Duplikaty tworzone przez formularze, importy i ręczne wprowadzanie mnożą się bez monitorowania. Rozwiąż je, aby agent czytał jeden rekord na jednostkę.

## PII i zgodność

PII w polach tekstowych, które agent czyta, trafia do kontekstu AI i może pojawić się w wygenerowanej odpowiedzi. To obszar, w którym luka w gotowości staje się incydentem zgodności.

- [ ] **PII Exposure Rate jest poniżej 1% dla pól tekstowych, do których agent ma dostęp.** Numery SSN i kart kredytowych gromadzą się w Description, Comments i Notes przez kopiowanie-wklejanie i email-to-case. **PII Exposure Rate** raportuje odsetek rekordów zawierających dopasowanie wzorca. Zobacz [PII Detection](/pl/resources/ai-readiness/pii-detection/).
- [ ] **Zero dopasowań SSN lub kart kredytowych w Case Description i Comments.** Finansowe PII to znalezisko o najwyższej wadze. Uruchom skan z presetem Critical, aby je wyizolować, a następnie maskuj, usuwaj lub wyklucz potwierdzone dopasowania.
- [ ] **Nadpisania wzorców na poziomie pól są skonfigurowane dla pól z oczekiwaną zawartością.** Pole Email z założenia pasuje do wzorca e-mail, co jest szumem, a nie ekspozycją. Nadpisania na poziomie pól usuwają ten szum, aby wartość odzwierciedlała rzeczywiste ryzyko.
- [ ] **Zespół ds. zgodności zaakceptował skan PII po naprawie.** GDPR, CCPA, HIPAA i PCI DSS wymagają identyfikacji i ochrony PII. DQS działa w całości wewnątrz Salesforce, więc żadne rekordy nie opuszczają org podczas wykrywania. Zobacz [Zgodność PII dla Agentforce](/pl/resources/ai-readiness/agentforce-pii-compliance/).

## Operacje i monitorowanie

Jakość danych degraduje się w miarę, jak użytkownicy wprowadzają nowe rekordy. Zbiór danych, który dziś przechodzi kontrolę, gromadzi nowe problemy w ciągu tygodni, więc gotowość to stan, który utrzymujesz, a nie kamień milowy, który mijasz raz.

- [ ] **Metryki bazowe są udokumentowane dla każdego wymiaru w zakresie.** Potrzebujesz wartości początkowych, aby udowodnić, że naprawa zadziałała, i aby później wykryć regresję.
- [ ] **Harmonogram cyklicznych skanów jest skonfigurowany.** Zaplanowane skany zamieniają jednorazową migawkę w linię trendu. Uruchamiaj PII tygodniowo na obiektach tekstowych o dużym wolumenie, kompletność i spójność miesięcznie, a pełny skan kwartalnie.
- [ ] **Odpowiedzialność za naprawę jest przypisana dla każdego wymiaru.** Metryka bez właściciela się nie poprawia. Wskaż osobę odpowiedzialną za kompletność, za PII i tak dalej.
- [ ] **Odpowiedzi agenta są testowane na naprawionych danych.** Pozytywny skan przewiduje dobre zachowanie; test je potwierdza. Zweryfikuj, że wyniki są dokładne i że w generowanej treści nie pojawia się żadne PII.

## Progi gotowości w skrócie

Użyj tej tabeli jako kryteriów zaliczenia dla każdego obszaru. Cele odpowiadają planowi [Przygotowanie do Agentforce](/pl/resources/ai-readiness/agentforce-preparation/).

| Obszar listy kontrolnej | Metryka DQS | Próg docelowy |
|---|---|---|
| Kompletność | Completeness Rate (kluczowe pola) | 85% lub więcej |
| Spójność | Conformance Rate (picklisty, pola referencyjne) | 90% lub więcej |
| Poprawność | Validity Rate (pola formatowane) | 90% lub więcej |
| Terminowość | Timeliness Rate (pola wrażliwe na daty) | Spełnia zdefiniowane okno |
| Unikalność | Duplicate Rate (obiekty czytane przez agenta) | Niski i spadający |
| PII i zgodność | PII Exposure Rate (pola tekstowe czytane przez agenta) | Poniżej 1% |

## Co, jeśli moja org nie przechodzi kilku punktów?

Lista kontrolna z niezaliczonymi punktami to oczekiwany punkt wyjścia, a nie powód do opóźnień. Większość organizacji odkrywa przy pierwszym skanie problemy, których się nie spodziewała. Priorytetyzuj w tej kolejności: najpierw PII, ponieważ niesie ryzyko zgodności; następnie kompletność i spójność, ponieważ kształtują jakość kontekstu agenta; potem poprawność, terminowość i unikalność. Najpierw napraw elementy o największym wpływie i najmniejszym nakładzie pracy, uruchom skan ponownie i porównaj z wartością bazową. Ścieżkę naprawy krok po kroku znajdziesz w artykułach [Porządkowanie danych Salesforce dla Agentforce](/pl/resources/ai-readiness/salesforce-data-cleanup-for-agentforce/) i [Dlaczego agenci Agentforce zawodzą](/pl/resources/ai-readiness/why-agentforce-agents-fail/).

## Dalsze kroki

- [Przygotowanie do Agentforce](/pl/resources/ai-readiness/agentforce-preparation/): pełny fazowy plan gotowości stojący za tą listą kontrolną
- [Porządkowanie danych Salesforce dla Agentforce](/pl/resources/ai-readiness/salesforce-data-cleanup-for-agentforce/): jak naprawić niezaliczone punkty
- [PII Detection](/pl/resources/ai-readiness/pii-detection/): skonfiguruj skanowanie PII dla pól, które agenci czytają
- [Dlaczego agenci Agentforce zawodzą](/pl/resources/ai-readiness/why-agentforce-agents-fail/): problemy z danymi stojące za słabymi wynikami agenta
- [FAQ o jakości danych dla Agentforce](/pl/resources/ai-readiness/agentforce-data-quality-faq/): szybkie odpowiedzi na typowe pytania o gotowość
- [Jak mierzyć jakość danych w Salesforce](/pl/resources/salesforce/measure-data-quality-in-salesforce/): Data Quality Score w szczegółach
- [Ocena gotowości na AI](/pl/ai-readiness/): uzyskaj swój aktualny wynik gotowości