Gli agenti Agentforce sono affidabili quanto i dati Salesforce che li alimentano. La preparazione dei dati per Agentforce è prima di tutto una questione di qualità dei dati: record completi, valori coerenti e nessun dato PII nei campi che gli agenti leggono. Questa guida mostra, fase per fase, come valutare e preparare i dati Salesforce per l’AI.
Che cos’è Agentforce?
Agentforce è la piattaforma AI di Salesforce per la creazione di agenti autonomi. Questi agenti recuperano informazioni dai record Salesforce, generano risposte basate sui dati e compiono azioni per conto degli utenti.
La qualità dei dati determina la qualità del comportamento degli agenti. Gli agenti lavorano con ciò che trovano. Se i dati sono incompleti, incoerenti o contengono PII, l’agente produce risultati incompleti, incoerenti o non conformi.
Perché la qualità dei dati è importante per Agentforce
Tre problemi nei dati generano tre tipi distinti di errore in Agentforce.
Dati incompleti producono risposte vaghe. Quando Agentforce recupera un record Case con un campo Descrizione vuoto, non ha materiale su cui lavorare. L’agente genera una risposta generica perché non c’è contesto da cui attingere. Il tasso di completezza indica quanti record presentano questo problema in ogni campo nell’ambito di analisi.
Dati incoerenti producono risposte contraddittorie. Quando il campo Paese contiene «US», «USA», «United States» e «U.S.A.», l’agente li tratta come quattro valori diversi. Un cliente che chiede informazioni sulle operazioni negli Stati Uniti riceve una risposta diversa a seconda del record recuperato dall’agente. Il tasso di conformità rivela quanto sono frammentati i dati.
PII nei campi di testo crea esposizione alla non conformità. Quando un agente recupera un commento Case contenente un numero di previdenza sociale, quel dato PII entra nel contesto AI. L’agente può inserirlo in una risposta. Il tasso di esposizione PII mostra quanto è diffuso questo rischio nei campi di testo.
La tempistica di preparazione dei dati per Agentforce
Pianificate la preparazione dei dati per Agentforce in quattro fasi.
Fase 1: Valutazione (3+ mesi prima)
Eseguite le scansioni DQS su tutti gli oggetti a cui Agentforce accederà. Misurate le metriche di base per ogni dimensione.
| Dimensione | Metrica chiave | Cosa indica |
|---|---|---|
| Completezza | Tasso di completezza | Percentuale di campi con dati |
| Coerenza | Tasso di conformità | Percentuale di valori conformi ai valori attesi |
| Validità | Tasso di validità | Percentuale di valori conformi alle regole di formato |
| Tempestività | Tasso di tempestività | Percentuale di record aggiornati |
| Unicità | Tasso di duplicati | Percentuale di record duplicati |
| Rilevamento PII | Tasso di esposizione PII | Percentuale di record contenenti PII |
Documentate questi valori di riferimento. Vi serviranno per il confronto dopo la bonifica.
Fase 2: Bonifica (2 mesi prima)
Procedete per dimensioni in ordine di priorità. Prima il PII, poi le dimensioni che influenzano la qualità del contesto AI.
1. PII (Settimana 1-2). Bonificate prima i risultati relativi a SSN e carte di credito. Utilizzate il preset Critical per isolare i dati PII finanziari. Esaminate le corrispondenze, poi mascherate, eliminate o escludete i risultati confermati. Rieseguite la scansione per convalidare la pulizia.
2. Completezza (Settimana 2-4). Concentratevi sui campi che Agentforce utilizzerà per le risposte: Descrizione, Commenti, Note. Dati mancanti significano contesto AI mancante. Iniziate dai campi con il tasso di completezza più basso.
3. Coerenza (Settimana 3-5). Standardizzate i campi picklist e di riferimento. Utilizzate Importa da campo per scoprire le varianti esistenti, poi definite i valori canonici e normalizzate. Meno varianti per campo, più affidabili saranno le risposte dell’agente.
4. Validità (Settimana 4-6). Correggete i problemi di formato nei campi strutturati (email, telefono, date). Formati non validi creano dati inaffidabili per il recupero AI. Concentratevi sui campi con un tasso di validità inferiore al 90%.
5. Tempestività e unicità (Settimana 5-8). Gestite i record obsoleti e i duplicati. I dati vecchi insegnano agli agenti modelli obsoleti. I duplicati creano risposte contraddittorie quando l’agente recupera versioni diverse dello stesso record.
Fase 3: Convalida (1 mese prima)
Rieseguite tutte le scansioni DQS. Confrontate i risultati con i valori di riferimento della Fase 1.
| Metrica | Valore iniziale | Post-bonifica | Obiettivo |
|---|---|---|---|
| Tasso di completezza (campi chiave) | ___% | ___% | 85%+ |
| Tasso di conformità (picklist) | ___% | ___% | 90%+ |
| Tasso di validità (campi strutturati) | ___% | ___% | 90%+ |
| Tasso di esposizione PII | ___% | ___% | Sotto l’1% |
Testate le risposte dell’agente sui dati bonificati. Verificate che gli agenti restituiscano risultati accurati e appropriati e che nessun dato PII compaia nei contenuti generati.
Ottenete l’approvazione del team di conformità prima del deployment.
Fase 4: Monitoraggio (continuo)
Programmate scansioni DQS ricorrenti. La qualità dei dati si degrada man mano che gli utenti inseriscono nuovi record, quindi una bonifica una tantum non è sufficiente.
Cadenza suggerita:
| Scansione | Frequenza | Oggetti |
|---|---|---|
| Rilevamento PII | Settimanale | Case, Lead (campi di testo ad alto volume) |
| Completezza + coerenza | Mensile | Tutti gli oggetti nell’ambito Agentforce |
| Scansione completa (tutte le dimensioni) | Trimestrale | Intera organizzazione |
Monitorate le tendenze delle metriche nel tempo. Le scansioni regolari individuano le regressioni in anticipo, prima che influenzino le prestazioni dell’agente.
Checklist pre-deployment
Qualità dei dati
- Tutti gli oggetti nell’ambito Agentforce scansionati con DQS
- Tasso di completezza superiore all’85% sui campi utilizzati da Agentforce
- Tasso di conformità superiore al 90% sui campi picklist e di riferimento
- Tasso di validità superiore al 90% sui campi strutturati (email, telefono, data)
Sicurezza PII
- Tasso di esposizione PII inferiore all’1% sui campi di testo accessibili da Agentforce
- Zero corrispondenze SSN o carte di credito nella Descrizione e nei Commenti dei Case
- Override dei pattern per campo configurati per i campi con contenuto atteso
Operazioni
- Pianificazione scansioni ricorrenti configurata
- Metriche di riferimento documentate per il monitoraggio delle tendenze
- Responsabilità della bonifica assegnata per dimensione
Errori comuni
1. Deployment senza valutazione. Eseguite le scansioni DQS prima di qualsiasi pianificazione del deployment. La maggior parte delle organizzazioni scopre problemi inaspettati. Una scansione di 15 minuti rivela problemi che richiederebbero mesi per essere individuati manualmente.
2. Sottovalutare l’esposizione PII. I dati PII si nascondono nei campi Descrizione, Note e Commenti dove gli utenti incollano comunicazioni con i clienti. La funzione email-to-case cattura SSN e numeri di carte di credito dai messaggi in arrivo. Scansionate tutti i campi di testo, non solo i campi PII dedicati.
3. Bonifica una tantum. La qualità dei dati si degrada man mano che gli utenti inseriscono nuovi record. Un dataset pulito oggi accumula nuovi problemi nel giro di settimane. Programmate scansioni ricorrenti e monitorate le tendenze delle metriche per individuare le regressioni prima che raggiungano i vostri agenti.
Prossimi passi
- Rilevamento PII: Configurare la scansione PII per i dati Agentforce
- Completezza: Assicurarsi che i campi contengano dati su cui l’AI possa lavorare
- Coerenza: Standardizzare i valori che l’AI recupererà
- Le cinque dimensioni: Panoramica completa di tutte le dimensioni della qualità dei dati
- Valutazione della preparazione IA: Ottenere il punteggio attuale di preparazione