Agentforce 에이전트는 그 뒤에 있는 Salesforce 데이터만큼만 신뢰할 수 있습니다. Agentforce 데이터 준비는 결국 데이터 품질의 문제입니다. 완전한 레코드, 일관된 값, 그리고 에이전트가 읽는 필드에 PII가 없어야 합니다. 이 가이드는 Salesforce 데이터를 평가하고 AI용으로 준비하는 방법을 단계별로 보여줍니다.
Agentforce란 무엇인가?
Agentforce는 자율 에이전트를 생성하기 위한 Salesforce의 AI 플랫폼입니다. 이 에이전트들은 Salesforce 레코드에서 정보를 검색하고, 데이터를 기반으로 응답을 생성하고, 사용자를 대신하여 작업을 수행합니다.
데이터의 품질이 에이전트 동작의 품질을 결정합니다. 에이전트는 발견한 것을 가지고 작동합니다. 데이터가 불완전하거나, 불일관하거나, PII를 포함하면, 에이전트는 불완전하고, 불일관하거나, 비준수적인 결과를 생성합니다.
데이터 품질이 Agentforce에 중요한 이유
세 가지 데이터 문제가 Agentforce에서 세 가지 별개의 실패를 만들어냅니다.
불완전한 데이터는 모호한 응답을 생성합니다. Agentforce가 빈 Description이 있는 Case 레코드를 검색하면 작업할 것이 없습니다. 에이전트는 맥락이 없기 때문에 일반적인 응답을 생성합니다. 완전성 비율은 범위 내의 모든 필드에 걸쳐 얼마나 많은 레코드가 이 문제를 가지고 있는지 알려줍니다.
불일관한 데이터는 모순적인 답을 생성합니다. Country 필드에 “US”, “USA”, “United States”, “U.S.A.”가 포함되면 에이전트는 이를 네 개의 다른 값으로 취급합니다. 미국 운영에 대해 묻는 고객은 에이전트가 어떤 레코드를 검색하는지에 따라 다른 답을 받습니다. 적합률은 데이터가 얼마나 분산되어 있는지를 보여줍니다.
텍스트 필드의 PII는 컴플라이언스 노출을 만들어냅니다. 에이전트가 주민등록번호를 포함하는 Case 코멘트를 검색하면 해당 PII가 AI 맥락에 들어갑니다. 에이전트는 이를 응답에 노출할 수 있습니다. PII 노출 비율은 텍스트 필드 전반에 걸쳐 이 위험이 얼마나 광범위한지를 보여줍니다.
Agentforce 데이터 준비 일정
Agentforce 데이터 준비를 네 가지 단계로 계획하십시오.
1단계: 평가 (3개월 이상 전)
Agentforce가 접근할 모든 오브젝트에 대해 DQS 스캔을 실행하십시오. 각 차원에 대한 기준선 메트릭을 측정하십시오.
| 차원 | 핵심 메트릭 | 알려주는 것 |
|---|---|---|
| 완전성 | 완전성 비율 | 데이터가 있는 필드의 백분율 |
| 일관성 | 적합률 | 예상 값과 일치하는 백분율 |
| 유효성 | 유효성 비율 | 형식 규칙을 통과하는 백분율 |
| 적시성 | 적시성 비율 | 현재 레코드의 백분율 |
| 고유성 | 중복 비율 | 중복 레코드의 백분율 |
| PII 탐지 | PII 노출 비율 | PII를 포함하는 레코드의 백분율 |
이 기준선을 문서화하십시오. 해결 후 비교를 위해 필요합니다.
2단계: 해결 (2개월 전)
우선순위 순서대로 차원을 처리하십시오. PII를 먼저, 그런 다음 AI 맥락 품질에 영향을 미치는 차원을 처리하십시오.
1. PII (1~2주차). SSN 및 신용카드 결과를 먼저 해결하십시오. 금융 PII를 분리하기 위해 Critical 사전 설정 스캔을 사용하십시오. 일치 항목을 검토한 다음 확인된 결과를 마스킹, 삭제, 또는 제외하십시오. 정리를 검증하기 위해 스캔을 다시 실행하십시오.
2. 완전성 (2~4주차). Agentforce가 응답에 사용할 필드에 집중하십시오. Description, Comments, Notes. 누락 데이터는 누락 AI 맥락을 의미합니다. 완전성 비율이 가장 낮은 필드를 먼저 대상으로 하십시오.
3. 일관성 (3~5주차). 선택 목록 및 참조 필드를 표준화하십시오. 기존 변형을 발견하기 위해 필드에서 가져오기를 사용하고, 표준 값을 정의하고 정규화하십시오. 필드당 변형이 적을수록 에이전트의 응답이 더 신뢰할 수 있습니다.
4. 유효성 (4~6주차). 구조화된 필드(이메일, 전화번호, 날짜)의 형식 문제를 수정하십시오. 유효하지 않은 형식은 AI 검색을 위한 신뢰할 수 없는 데이터를 만들어냅니다. 유효성 비율이 90% 미만인 필드에 집중하십시오.
5. 적시성 및 고유성 (5~8주차). 오래된 레코드와 중복을 해결하십시오. 오래된 데이터는 에이전트에게 시대에 뒤떨어진 패턴을 가르칩니다. 중복은 에이전트가 동일한 레코드의 다른 버전을 검색할 때 모순적인 응답을 생성합니다.
3단계: 검증 (1개월 전)
모든 DQS 스캔을 다시 실행하십시오. 1단계 기준선과 결과를 비교하십시오.
| 메트릭 | 기준선 | 해결 후 | 목표 |
|---|---|---|---|
| 완전성 비율 (핵심 필드) | ___% | ___% | 85%+ |
| 적합률 (선택 목록) | ___% | ___% | 90%+ |
| 유효성 비율 (구조화된 필드) | ___% | ___% | 90%+ |
| PII 노출 비율 | ___% | ___% | 1% 미만 |
해결된 데이터로 에이전트 응답을 테스트하십시오. 에이전트가 정확하고 적절한 결과를 반환하며 생성된 내용에 PII가 나타나지 않는지 확인하십시오.
배포 전에 컴플라이언스 팀의 승인을 받으십시오.
4단계: 모니터링 (지속적으로)
반복 DQS 스캔을 예약하십시오. 사용자가 새 레코드를 입력함에 따라 데이터 품질이 저하되므로, 일회성 해결로는 충분하지 않습니다.
권장 주기:
| 스캔 | 빈도 | 오브젝트 |
|---|---|---|
| PII 탐지 | 주간 | Cases, Leads (대량 텍스트 필드) |
| 완전성 + 일관성 | 월간 | Agentforce 범위의 모든 오브젝트 |
| 전체 스캔 (모든 차원) | 분기별 | 전체 조직 |
시간에 따른 메트릭 추세를 추적하십시오. 정기적인 스캔은 에이전트 성능에 영향을 미치기 전에 초기에 회귀를 포착합니다.
배포 전 체크리스트
데이터 품질
- Agentforce 범위의 모든 오브젝트가 DQS로 스캔됨
- Agentforce가 사용하는 필드에서 완전성 비율이 85% 이상
- 선택 목록 및 참조 필드에서 적합률이 90% 이상
- 구조화된 필드(이메일, 전화번호, 날짜)에서 유효성 비율이 90% 이상
PII 안전
- Agentforce가 접근하는 텍스트 필드에서 PII 노출 비율이 1% 미만
- Case Description 및 Comments에서 SSN 또는 신용카드 일치 항목이 없음
- 예상 내용 필드에 대한 필드별 패턴 재정의가 구성됨
운영
- 반복 스캔 일정이 구성됨
- 추세 추적을 위한 기준선 메트릭이 문서화됨
- 차원별 해결 담당자가 지정됨
일반적인 함정
1. 평가 없이 배포. 모든 배포 계획 전에 DQS 스캔을 실행하십시오. 대부분의 조직은 예상하지 못한 문제를 발견합니다. 15분 스캔이 수동으로 찾는 데 수개월이 걸리는 문제를 드러냅니다.
2. PII 노출을 과소평가. PII는 사용자들이 고객 커뮤니케이션을 붙여넣는 Description, Notes, Comments 필드에 숨어 있습니다. 이메일-투-케이스는 수신 메시지에서 SSN과 신용카드 번호를 캡처합니다. 전용 PII 필드만이 아닌 모든 텍스트 필드를 스캔하십시오.
3. 일회성 해결. 사용자가 새 레코드를 입력함에 따라 데이터 품질이 저하됩니다. 오늘의 깨끗한 데이터셋은 몇 주 내에 새로운 문제를 축적합니다. 반복 스캔을 예약하고 메트릭 추세를 모니터링하여 에이전트에 도달하기 전에 회귀를 포착하십시오.