عملاء Agentforce موثوقون بقدر بيانات Salesforce التي وراءهم. جاهزية بيانات Agentforce هي في جوهرها مسألة جودة بيانات: سجلات مكتملة، وقيم متّسقة، وعدم وجود PII في الحقول التي يقرؤها عملاؤك. يوضّح هذا الدليل، مرحلةً بمرحلة، كيفية تقييم بيانات Salesforce وتجهيزها للذكاء الاصطناعي.
ما هو Agentforce؟
Agentforce هي منصة الذكاء الاصطناعي من Salesforce لإنشاء عملاء مستقلّين. يسترجع هؤلاء العملاء المعلومات من سجلات Salesforce لديك، ويُولّدون ردودًا بناءً على بياناتك، ويتّخذون إجراءات نيابة عن المستخدمين.
جودة بياناتك تحدّد جودة سلوك العميل. يعمل العميل بما يجده. إذا كانت البيانات غير مكتملة أو غير متّسقة أو تحتوي على PII، ينتج العميل مخرجات غير مكتملة أو غير متّسقة أو غير متوافقة.
لماذا تهمّ جودة البيانات لـ Agentforce
ثلاث مشكلات في البيانات تخلق ثلاث حالات فشل مميّزة في Agentforce.
البيانات غير المكتملة تنتج ردودًا مبهمة. عندما يسترجع Agentforce سجل Case بوصف Description فارغ، ليس لديه ما يعمل به. يُولّد العميل ردًا عامًا لأن لا سياق يستقي منه. Completeness Rate يخبرك بعدد السجلات التي لديها هذه المشكلة عبر كل حقل في النطاق.
البيانات غير المتّسقة تنتج إجابات متعارضة. عندما يحتوي حقل Country على «US» و«USA» و«United States» و«U.S.A.»، يعاملها العميل كأربع قيم مختلفة. عميل يسأل عن عمليات US يحصل على إجابة مختلفة اعتمادًا على أي سجل استرجعه العميل. Conformance Rate يكشف مدى تجزّؤ بياناتك.
PII في الحقول النصية يخلق انكشافًا للامتثال. عندما يسترجع العميل تعليق Case يحتوي على رقم ضمان اجتماعي، يدخل PII إلى سياق الذكاء الاصطناعي. يمكن للعميل أن يُظهره في رد. PII Exposure Rate يُظهر مدى انتشار هذه المخاطرة عبر حقولك النصية.
الجدول الزمني لجاهزية بيانات Agentforce
خطّط لجاهزية بيانات Agentforce على أربع مراحل.
المرحلة 1: التقييم (قبل 3 أشهر أو أكثر)
شغّل فحوصات DQS عبر جميع الكائنات التي سيصل إليها Agentforce. قِس مقاييس خطّ الأساس لكل بُعد.
| البُعد | المقياس الرئيسي | ما يخبرك به |
|---|---|---|
| الاكتمال | Completeness Rate | نسبة الحقول ذات البيانات |
| الاتساق | Conformance Rate | نسبة المطابقة للقيم المتوقّعة |
| الصحة | Validity Rate | نسبة المرور من قواعد التنسيق |
| الحداثة | Timeliness Rate | نسبة السجلات الحالية |
| التفرّد | Duplicate Rate | نسبة السجلات المكررة |
| PII Detection | PII Exposure Rate | نسبة السجلات التي تحتوي على PII |
وثّق خطوط الأساس هذه. تحتاجها للمقارنة بعد المعالجة.
المرحلة 2: المعالجة (قبل شهرَين)
اعمل عبر الأبعاد بترتيب الأولوية. PII أولًا، ثم الأبعاد التي تؤثّر على جودة سياق الذكاء الاصطناعي.
1. PII (الأسبوع 1–2). عالج اكتشافات SSN وبطاقات الائتمان أولًا. استخدم Critical preset scan لعزل PII المالية. راجع التطابقات، ثم أخفِ أو احذف أو استبعد الاكتشافات المؤكّدة. أعد تشغيل الفحص للتحقّق من التنظيف.
2. الاكتمال (الأسبوع 2–4). ركّز على الحقول التي سيستخدمها Agentforce للردود: Description, Comments, Notes. البيانات المفقودة تعني سياق ذكاء اصطناعي مفقودًا. استهدف الحقول ذات أدنى Completeness Rate أولًا.
3. الاتساق (الأسبوع 3–5). وحّد حقول picklist والمرجع. استخدم Import from Field لاكتشاف الاختلافات الموجودة، ثم عرّف قيمك المرجعية ووحّد. كلما قلّ عدد الاختلافات لكل حقل، زادت موثوقية ردود العميل.
4. الصحة (الأسبوع 4–6). أصلح مشكلات التنسيق على الحقول المهيكلة (email, phone, dates). التنسيقات غير الصحيحة تخلق بيانات غير موثوقة لاسترجاع الذكاء الاصطناعي. ركّز على الحقول التي يكون فيها Validity Rate أقل من 90%.
5. الحداثة والتفرّد (الأسبوع 5–8). عالج السجلات القديمة والمكررات. البيانات القديمة تعلّم العملاء أنماطًا قديمة. المكررات تخلق ردودًا متعارضة عندما يسترجع العميل نسخًا مختلفة من نفس السجل.
المرحلة 3: التحقّق (قبل شهر)
أعد تشغيل جميع فحوصات DQS. قارن النتائج بخطوط أساس المرحلة 1.
| المقياس | خطّ الأساس | بعد المعالجة | الهدف |
|---|---|---|---|
| Completeness Rate (الحقول الرئيسية) | ___% | ___% | 85%+ |
| Conformance Rate (picklists) | ___% | ___% | 90%+ |
| Validity Rate (الحقول المهيكلة) | ___% | ___% | 90%+ |
| PII Exposure Rate | ___% | ___% | أقل من 1% |
اختبر ردود العميل على البيانات المُعالَجة. تحقّق من أن العملاء يُرجعون مخرجات دقيقة ومناسبة وأن لا يظهر أي PII في المحتوى المُولَّد.
احصل على موافقة فريق الامتثال قبل النشر.
المرحلة 4: المراقبة (مستمرّة)
جدوِل فحوصات DQS المتكرّرة. تتدهور جودة البيانات عندما يُدخل المستخدمون سجلات جديدة، لذا فإن المعالجة لمرة واحدة ليست كافية.
الوتيرة المقترحة:
| الفحص | التردّد | الكائنات |
|---|---|---|
| PII Detection | أسبوعيًا | Cases, Leads (حقول نصية عالية الحجم) |
| Completeness + Consistency | شهريًا | جميع الكائنات في نطاق Agentforce |
| فحص كامل (جميع الأبعاد) | ربع سنوي | المؤسسة بأكملها |
تتبّع اتجاهات المقاييس عبر الزمن. الفحص المنتظم يلتقط الانحدار مبكرًا، قبل أن يؤثّر على أداء العميل.
قائمة التحقّق قبل النشر
جودة البيانات
- جميع الكائنات في نطاق Agentforce مفحوصة بـ DQS
- Completeness Rate فوق 85% على الحقول التي يستخدمها Agentforce
- Conformance Rate فوق 90% على حقول picklist والمرجع
- Validity Rate فوق 90% على الحقول المهيكلة (email, phone, date)
سلامة PII
- PII Exposure Rate أقل من 1% على الحقول النصية التي يصل إليها Agentforce
- صفر تطابقات SSN أو بطاقة ائتمان على Case Description وComments
- تم إعداد تجاوزات الأنماط لكل حقل للحقول ذات المحتوى المتوقّع
العمليات
- تم إعداد جدول فحص متكرّر
- تم توثيق مقاييس خطّ الأساس لتتبّع الاتجاهات
- تم تعيين ملكية المعالجة لكل بُعد
المخاطر الشائعة
1. النشر بدون تقييم. شغّل فحوصات DQS قبل أي تخطيط نشر. تكتشف معظم المؤسسات مشكلات لم تتوقّعها. فحص مدّته 15 دقيقة يكشف مشكلات يستغرق العثور عليها يدويًا أشهرًا.
2. التقليل من انكشاف PII. يختبئ PII في حقول Description وNotes وComments حيث يُلصق المستخدمون مراسلات العملاء. email-to-case يلتقط SSNs وأرقام بطاقات ائتمان من الرسائل الواردة. افحص جميع الحقول النصية، لا حقول PII المخصّصة وحدها.
3. المعالجة لمرة واحدة. تتدهور جودة البيانات عندما يُدخل المستخدمون سجلات جديدة. مجموعة بيانات نظيفة اليوم تتراكم فيها مشكلات جديدة خلال أسابيع. جدوِل فحوصات متكرّرة وراقِب اتجاهات المقاييس لالتقاط الانحدار قبل أن يصل إلى عملائك.
الخطوات التالية
- PII Detection: إعداد فحص PII لبيانات Agentforce
- الاكتمال: تأكّد من أن الحقول تحتوي على بيانات ليعمل الذكاء الاصطناعي معها
- الاتساق: وحّد القيم التي سيسترجعها الذكاء الاصطناعي
- الأبعاد الخمسة: نظرة عامة كاملة على جميع أبعاد جودة البيانات
- تقييم الجاهزية للذكاء الاصطناعي: احصل على درجة جاهزيتك الحالية