Salesforce-datakwaliteitsbenchmarks voor AI-agents

De benchmarktabel

Aanbevolen launchdoelen voor de zes dimensies van Agentforce-datakwaliteit, gemeten op de objecten en velden die je agents daadwerkelijk lezen — niet op het org-brede gemiddelde, dat precies de problemen verbergt die in agentantwoorden opduiken.

Waarom ligt de volledigheidsbenchmark op 85% en niet op 100%?

Omdat het najagen van de laatste 15% sterk afnemende meeropbrengst heeft. Sommige lege velden zijn legitiem — optionele velden, records van vóór een proceswijziging, objecten waar een waarde echt niet van toepassing is. Bij 85%+ op sleutelvelden heeft een agent vrijwel altijd genoeg context om specifiek te antwoorden in plaats van generiek. Daaronder zijn vage antwoorden geen randgeval meer, maar het standaardgedrag van je agent. Steek de resterende energie liever in consistentie en PII — daar zijn de gevolgen van falen veel zichtbaarder.

Waarom moeten conformiteit en validiteit naar 90%?

Inconsistente en ongeldige waarden verzwakken niet alleen antwoorden — ze creëren tegenstrijdigheden. Zolang “US”, “USA” en “United States” naast elkaar bestaan, kan een agent drie verschillende antwoorden geven op dezelfde vraag, en kan retrieval records missen die op waarde worden gefilterd. Ongeldige e-mailadressen en ID’s worden letterlijk aan klanten geciteerd. Deze fouten vallen gebruikers op bij het eerste slechte record dat ze raken — daarom ligt de lat hier hoger dan bij volledigheid.

Waarom moet PII-blootstelling onder de 1% liggen?

Omdat PII de enige metric is waarbij één enkel record al een incident kan zijn. Een SSN die in een Case-comment is geplakt kan opduiken in een agentantwoord, en op dat moment is het probleem regulatoir, niet cosmetisch. Minder dan 1% is een werkplafond voor de launch-sign-off, geen eindstreep — operationeel is het doel nul bevindingen op SSN- en creditcardpatronen, geverifieerd met een scan, terwijl de rest via wekelijkse monitoring naar nul beweegt.

Waarom krijgen actualiteit en duplicaten geen universeel getal?

Actualiteit is businessspecifiek: een supportorganisatie wil cases die binnen dagen zijn bijgewerkt, terwijl de accountdata van een fabrikant een kwartaal oud kan zijn en nog steeds klopt. Stel per object je eigen venster in en houd je eraan. Voor duplicaten geldt hetzelfde — het acceptabele percentage hangt af van objectvolume en matchingregels, dus de benchmark is richtinggevend: laag, gemeten en dalend, want elk duplicaat versnippert de historie van een klant over records die de agent niet kan samenbrengen.

Hoe vaak moet je opnieuw meten?

Benchmarks zakken weg — gebruikers blijven data invoeren na de go-live. Dit ritme houdt je scores op launchniveau:

Voor de volledige pre-launchvolgorde — wat je meet en fixt in de 90 dagen vóór de go-live — gebruik je de Agentforce-launchchecklist.