Skip to main content

Agentforce-datakvalitet: vanliga frågor

Svar på vanliga frågor om Agentforce-datakvalitet: behöver Agentforce rena data, vilka data den läser, beredskapströsklar, PII-risk och hur du förbereder dig.

Uppdaterad

Agentforce-datakvalitet: vanliga frågor

Team ställer samma frågor innan de kopplar Agentforce till sina Salesforce-data. Den här sidan besvarar tio av dem direkt. Varje svar är skrivet för snabb referens och länkar till djupare vägledning där du behöver den.

Behöver Agentforce rena data?

Ja. Agentforce behöver rena data eftersom agenter grundar sina svar i de Salesforce-poster de hämtar. En agent arbetar med vad den än hittar i fälten inom sitt omfång. När de fälten är ofullständiga, inkonsekventa eller ogiltiga producerar agenten ofullständiga, inkonsekventa eller ogiltiga resultat. Rena data är skillnaden mellan en agent som hjälper användare och en som vilseleder dem. Insatserna dokumenteras: Gartner förutspådde 2024 att minst 30 % av AI-projekten skulle överges efter proof of concept vid slutet av 2025, med dålig datakvalitet bland de ledande orsakerna. Se varför Agentforce-agenter misslyckas för de specifika feltyper dålig data skapar.

Vilka data använder Agentforce?

Agentforce använder dina Salesforce-poster. Agenter hämtar information från de objekt du ger dem tillgång till, genererar svar baserade på de data, och vidtar åtgärder på användarnas vägnar. De fält som betyder mest för svarskvaliteten är fritextfält som Description, Comments och Notes, tillsammans med picklist- och referensfält som styr sammanhanget. Om ett fält ligger i en agents omfång blir dess innehåll indata till agentens svar. För hela bilden av hur CRM-data matar AI, läs Datakvalitet i Salesforce.

Hur vet jag om mina Salesforce-data är redo för Agentforce?

Du vet att dina data är redo när de uppfyller definierade beredskapströsklar för fullständighet, konsekvens, giltighet och PII-exponering. Beredskap är mätbart, inte en känsla. Kör en DQS-genomsökning på varje objekt en agent kommer att komma åt, registrera en baslinjegrad för varje dimension och jämför de graderna mot dina mål. Checklistan för Agentforce-databeredskap går igenom varje punkt du bekräftar före driftsättning.

Vad händer om Agentforce läser ofullständiga poster?

När Agentforce läser ofullständiga poster genererar den vaga eller generella svar eftersom den inte har något sammanhang att dra från. Ett tomt Description-fält ger agenten inget specifikt att referera till, så den faller tillbaka på svepande formuleringar som tillför lite värde. Problemet växer med volymen. Fullständighetsgrad berättar hur många poster som har den här bristen över de fält en agent använder, så att du kan prioritera de sämsta fälten först. Fullständighet är den första av de fem datakvalitetsdimensionerna.

Kan Agentforce exponera PII?

Ja. Agentforce kan visa personuppgifter (PII) som finns i de Salesforce-fält den läser. PII gömmer sig i fritextfält där användare klistrar in kundkommunikation. E-post-till-ärende fångar till exempel personnummer och kreditkortsnummer från inkommande meddelanden och lagrar dem i Case Description och Comments. När en agent hämtar en av de posterna hamnar PII i AI-sammanhanget och kan visas i ett genererat svar. DQS PII-identifiering levererar åtta mönster för att hitta de data, och guiden Agentforce och PII-efterlevnad täcker hur du hanterar det.

Hur mäter jag datakvaliteten i Salesforce innan jag driftsätter Agentforce?

Du mäter datakvaliteten i Salesforce med DQS, som söker igenom dina poster inuti Salesforce och rapporterar en grad för varje dimension. I Definition Builder väljer du de objekt och fält en agent kommer att komma åt, och kör sedan en genomsökning. Insight Studio returnerar Fullständighetsgrad, Konformansgrad, Giltighetsgrad, Aktualitetsgrad, Dupliceringsgrad och PII Exposure Rate för det omfånget. Hela genomsökningen körs i din org, så inga data lämnar Salesforce. För en steg-för-steg-metod, se hur du mäter datakvalitet i Salesforce.

Hur rena behöver mina data vara?

Sikta på en Fullständighetsgrad på 85 % eller högre på nyckelfält, en Konformansgrad på 90 % eller högre på picklist- och referensfält, en Giltighetsgrad på 90 % eller högre på strukturerade fält, och en PII Exposure Rate under 1 % på textfält. De här tröskelvärdena ger agenter tillräckligt med fullständiga, konsekventa och giltiga data för att svara tillförlitligt samtidigt som känsliga data hålls utanför AI-sammanhanget. Höj målen för reglerade eller kundvända fält där fel medför större risk. Guiden för Agentforce-förberedelse förklarar hur du validerar varje grad mot de här målen före driftsättning.

Hur lång tid tar dataförberedelsen för Agentforce?

Planera ungefär tre månader för dataförberedelse före driftsättning. Kör din bedömning omkring tre månader i förväg för att fastställa baslinjer. Slutför åtgärderna omkring två månader i förväg, och arbeta igenom PII först, sedan fullständighet och konsekvens. Validera omkring en månad i förväg genom att köra varje genomsökning igen och jämföra de nya graderna mot dina baslinjer. Efter driftsättning går du över till löpande övervakning. Organisationens storlek och antalet objekt i omfång förskjuter tidslinjen, men sekvensen håller. För åtgärdsfasen i detalj, se Salesforce-datastädning för Agentforce.

Spelar övervakning av datakvalitet roll efter driftsättning?

Ja. Övervakning av datakvalitet spelar roll efter driftsättning eftersom data försämras när användare matar in nya poster. En datamängd du rensade inför lanseringen ackumulerar nya luckor, inkonsekvenser och PII inom veckor. Engångsåtgärder håller inte. Schemalägg återkommande DQS-genomsökningar, veckovis för textfält med hög volym och månadsvis för objekt i agentens omfång, och följ mätvärdestrenderna. Regelbunden genomsökning fångar regression tidigt, innan den når dina agenter och når dina användare.

Vad är skillnaden mellan datakvalitet och databeredskap?

Datakvalitet mäter om dina poster duger för sitt avsedda syfte. Databeredskap mäter om samma poster är förberedda för en specifik användning, i det här fallet Agentforce. Beredskap bygger på de fem datakvalitetsdimensionerna och lägger till ett bekymmer som traditionellt kvalitetsarbete bortser från: exponering av känsliga data. En post kan vara fullständig, konsekvent och giltig men ändå innehålla ett personnummer som en agent aldrig får visa. Beredskap kombinerar båda kontrollerna. Börja med grunderna i vad är datakvalitet.

Nästa steg