Agentforce agents उतने ही reliable होते हैं जितना उनके पीछे का Salesforce डेटा। Agentforce data readiness मूल रूप से data quality का मामला है: complete records, consistent values, और agents जो fields पढ़ते हैं उनमें कोई PII न हो। यह guide phase-by-phase दिखाती है कि अपना Salesforce डेटा कैसे assess करें और AI के लिए तैयार करें।
Agentforce क्या है?
Agentforce Salesforce का AI platform है जो autonomous agents बनाने के लिए है। ये agents आपके Salesforce records से जानकारी retrieve करते हैं, आपके डेटा के आधार पर responses generate करते हैं, और users की ओर से actions लेते हैं।
आपके डेटा की गुणवत्ता agent behavior की गुणवत्ता निर्धारित करती है। Agents जो पाते हैं उसके साथ काम करते हैं। यदि डेटा incomplete, inconsistent, या PII वाला है, तो agent incomplete, inconsistent, या non-compliant outputs produce करता है।
Agentforce के लिए डेटा गुणवत्ता क्यों महत्वपूर्ण है
तीन डेटा समस्याएँ Agentforce में तीन distinct विफलताएँ पैदा करती हैं।
Incomplete डेटा vague responses produce करता है। जब Agentforce एक empty Description वाले Case record को retrieve करता है, तो उसके पास काम करने के लिए कुछ नहीं होता। Agent एक generic reply generate करता है क्योंकि draw करने के लिए कोई context नहीं है। Completeness Rate बताती है कि scope में हर field में कितने records में यह समस्या है।
Inconsistent डेटा contradictory answers produce करता है। जब Country field में “US”, “USA”, “United States”, और “U.S.A.” हों, तो agent उन्हें चार different values मानता है। US operations के बारे में पूछने वाले customer को एक अलग जवाब मिलता है इस बात पर निर्भर करते हुए कि agent कौन सा record retrieve करता है। Conformance Rate बताती है कि आपका डेटा कितना fragmented है।
Text fields में PII compliance exposure बनाती है। जब एक agent एक Social Security Number वाला Case comment retrieve करता है, तो वह PII AI context में enter करती है। Agent इसे एक response में surface कर सकता है। PII Exposure Rate दिखाती है कि आपके text fields में यह risk कितना widespread है।
Agentforce data readiness की Timeline
Agentforce data readiness को चार phases में plan करें।
Phase 1: Assessment (3+ महीने पहले)
Agentforce जिन सभी objects को access करेगा उनपर DQS scans चलाएँ। प्रत्येक dimension के लिए baseline metrics measure करें।
| Dimension | Key Metric | यह क्या बताता है |
|---|---|---|
| Completeness | Completeness Rate | Fields में data का प्रतिशत |
| Consistency | Conformance Rate | Expected values से match करने का प्रतिशत |
| Validity | Validity Rate | Format rules pass करने का प्रतिशत |
| Timeliness | Timeliness Rate | Current records का प्रतिशत |
| Uniqueness | Duplicate Rate | Duplicate records का प्रतिशत |
| PII Detection | PII Exposure Rate | PII वाले records का प्रतिशत |
इन baselines को document करें। Remediation के बाद comparison के लिए आपको इनकी जरूरत होगी।
Phase 2: Remediation (2 महीने पहले)
Priority order में dimensions के माध्यम से काम करें। पहले PII, फिर वे dimensions जो AI context quality को affect करती हैं।
1. PII (Week 1-2). पहले SSN और credit card findings remediate करें। Financial PII isolate करने के लिए Critical preset scan का उपयोग करें। Matches review करें, फिर confirmed findings को mask, delete, या exclude करें। Cleanup validate करने के लिए scan rerun करें।
2. Completeness (Week 2-4). उन fields पर focus करें जो Agentforce responses के लिए use करेगा: Description, Comments, Notes। Missing data का अर्थ है missing AI context। पहले सबसे कम Completeness Rate वाले fields को target करें।
3. Consistency (Week 3-5). Picklist और reference fields standardize करें। Existing variants discover करने के लिए Import from Field का उपयोग करें, फिर अपने canonical values define करें और normalize करें।
4. Validity (Week 4-6). Structured fields (email, phone, dates) पर format issues ठीक करें। जहाँ Validity Rate 90% से नीचे है उन fields पर focus करें।
5. Timeliness और Uniqueness (Week 5-8). Stale records और duplicates address करें। पुराना डेटा agents को outdated patterns सिखाता है। Duplicates contradictory responses बनाते हैं।
Phase 3: Validation (1 महीने पहले)
सभी DQS scans rerun करें। Phase 1 baselines के विरुद्ध results compare करें।
| Metric | Baseline | Post-Remediation | Target |
|---|---|---|---|
| Completeness Rate (key fields) | ___% | ___% | 85%+ |
| Conformance Rate (picklists) | ___% | ___% | 90%+ |
| Validity Rate (structured fields) | ___% | ___% | 90%+ |
| PII Exposure Rate | ___% | ___% | 1% से नीचे |
Remediated data पर agent responses test करें। Verify करें कि agents accurate, appropriate outputs return करते हैं और generated content में कोई PII नहीं है।
Deployment से पहले compliance team sign-off प्राप्त करें।
Phase 4: Monitoring (चल रहा)
Recurring DQS scans schedule करें। Data quality degrade होती है जैसे-जैसे users नए records enter करते हैं, इसलिए one-time remediation पर्याप्त नहीं है।
सुझाया cadence:
| Scan | Frequency | Objects |
|---|---|---|
| PII Detection | साप्ताहिक | Cases, Leads (high-volume text fields) |
| Completeness + Consistency | मासिक | Agentforce scope में सभी objects |
| Full scan (सभी dimensions) | त्रैमासिक | पूरा org |
समय के साथ metric trends track करें। Regular scanning regression को जल्दी पकड़ती है, agent performance affect होने से पहले।
Pre-Deployment Checklist
डेटा गुणवत्ता
- Agentforce scope में सभी objects DQS के साथ scan किए
- Agentforce जो fields use करता है उन पर 85% से ऊपर Completeness Rate
- Picklist और reference fields पर 90% से ऊपर Conformance Rate
- Structured fields (email, phone, date) पर 90% से ऊपर Validity Rate
PII Safety
- Agentforce access करने वाले text fields पर 1% से नीचे PII Exposure Rate
- Case Description और Comments पर शून्य SSN या credit card matches
- Expected-content fields के लिए configured per-field pattern overrides
Operations
- Recurring scan schedule configured
- Trend tracking के लिए baseline metrics documented
- Dimension के अनुसार remediation ownership assigned
सामान्य Pitfalls
1. Assessment के बिना deploy करना। किसी भी deployment planning से पहले DQS scans चलाएँ। अधिकांश orgs को ऐसी समस्याएँ मिलती हैं जिनकी उन्हें expect नहीं थी। एक 15-minute scan ऐसी समस्याएँ प्रकट करता है जिन्हें manually खोजने में महीने लगते हैं।
2. PII exposure को कम आंकना। PII Description, Notes, और Comments fields में छुपी होती है जहाँ users customer communications paste करते हैं। Email-to-case incoming messages से SSNs और credit card numbers capture करता है। केवल dedicated PII fields नहीं, सभी text fields scan करें।
3. One-time remediation। Data quality degrade होती है जैसे-जैसे users नए records enter करते हैं। आज का clean dataset हफ्तों के भीतर नई समस्याएँ accumulate करता है। Regression agents तक पहुँचने से पहले catch करने के लिए recurring scans schedule करें और metric trends monitor करें।
अगले कदम
- PII Detection: Agentforce data के लिए PII scanning configure करें
- Completeness: सुनिश्चित करें कि fields में AI के काम करने के लिए data है
- Consistency: AI retrieve करने वाले values standardize करें
- पाँच आयाम: सभी data quality dimensions का पूरा अवलोकन
- AI Readiness Assessment: अपना current readiness score प्राप्त करें