AIエージェントのためのSalesforceデータ品質ベンチマーク

ベンチマーク表

Agentforceデータ品質の6つのディメンションに対する推奨ローンチ目標です。測定対象は、エージェントが実際に読むオブジェクトとフィールド——組織全体の平均値ではありません。平均値は、エージェントの回答に表出する問題をまさに覆い隠してしまうからです。

完全性のベンチマークは、なぜ100%ではなく85%なのか

残りの15%を追いかけても、リターンが急速に逓減するからです。空欄にも正当な理由があります——任意項目、プロセス導入前のレコード、そもそも値が該当しないオブジェクトなど。主要フィールドで85%以上あれば、エージェントはほぼ常に、一般論ではなく具体的に答えるだけのコンテキストを持てます。それを下回ると、あいまいな回答は例外ではなく、そのエージェントの「持ち味」になってしまいます。残りの労力は一貫性とPIIに回しましょう——そちらの不備のほうが、はるかに派手に表面化します。

適合性と有効性には、なぜ90%が必要なのか

不整合な値や無効な値は、回答を弱めるだけでなく、矛盾を生みます。「US」「USA」「United States」が併存すると、同じ質問に3通りの答えが返り、値でフィルタする検索処理はレコードを取りこぼします。不正なメールアドレスやIDは、そのまま顧客に引用されます。こうした障害は、最初の不良レコードに当たった瞬間にユーザーの目に見えてしまう——だからこそ、基準は完全性より高く設定されています。

PII露出は、なぜ1%未満でなければならないのか

PIIは、たった1件のレコードがインシデントになりうる唯一のメトリクスだからです。Caseのコメントに貼り付けられたSSN（米国の社会保障番号）がエージェントの回答に表出すれば、その時点で問題は見栄えの話ではなく、規制対応の話になります。1%未満はローンチ承認のための実務的な上限であって、ゴールではありません。運用上の目標は、SSNとクレジットカードのパターンで検出ゼロをスキャンで確認すること。残りの項目も、週次の監視を通じてゼロに近づけていきます。

適時性と重複には、なぜ共通の数値がないのか

データの鮮度はビジネスごとに異なるからです。サポート組織ならケースは数日以内に更新されている必要がある一方、製造業の取引先データは四半期前のものでも正しい場合があります。オブジェクトごとに自社の鮮度基準を定め、それを守りましょう。重複も同様です——許容できる重複率はオブジェクトの件数とマッチングルールに依存するため、ベンチマークは方向性で示します。すなわち、低水準を保ち、測定し続け、減少傾向にあること。重複は1件ごとに顧客の履歴を分断し、エージェントにはそれを統合できないからです。

再測定の頻度は？

ベンチマークは劣化します——本番化後もユーザーはデータを入力し続けるからです。スコアをローンチ時の水準に保つためのリズムは、次のとおりです。

本番化前の90日間で何を測定し、何を直すか——ローンチまでの全手順はAgentforceローンチチェックリストをご覧ください。