Riktvärden för datakvalitet i Salesforce inför AI-agenter

Riktvärdestabellen

Rekommenderade lanseringsmål för de sex dimensionerna av datakvalitet för Agentforce, mätta på de objekt och fält dina agenter faktiskt läser — inte org-genomsnittet, som döljer exakt de problem som dyker upp i agentsvaren.

Varför är riktvärdet för fullständighet 85 % och inte 100 %?

Därför att jakten på de sista 15 procenten ger snabbt avtagande avkastning. En del tomhet är legitim — valfria fält, poster som är äldre än en process, objekt där ett värde helt enkelt inte är tillämpligt. Vid minst 85 % på nyckelfälten har en agent nästan alltid tillräcklig kontext för att svara specifikt i stället för generiskt. Under den nivån slutar vaga svar vara undantag och blir agentens kännetecken. Lägg den återstående kraften på konsistens och PII i stället — där syns bristerna direkt och slår hårdare.

Varför kräver konformitet och validitet 90 %?

Inkonsekventa och ogiltiga värden försvagar inte bara svaren — de skapar motsägelser. När ”US”, ”USA” och ”United States” samexisterar kan en agent ge tre olika svar på samma fråga, och hämtningen kan missa poster som filtreras på värde. Ogiltiga e-postadresser och ID:n citeras ordagrant för kunderna. De här felen är synliga för användarna redan vid den första dåliga posten — därför ligger ribban högre än för fullständighet.

Varför måste PII-exponeringen ligga under 1 %?

Därför att PII är den enda metriken där en enda post kan bli en incident. Ett SSN inklistrat i en Case-kommentar kan dyka upp i ett agentsvar, och då är problemet regulatoriskt, inte kosmetiskt. Under 1 % är ett arbetstak för lanseringsgodkännandet, inte en mållinje — det operativa målet är noll träffar på SSN- och kortnummermönster, verifierat genom skanning, med resten på väg mot noll via veckovis övervakning.

Varför får aktualitet och dubbletter ingen universell siffra?

Färskhet är verksamhetsspecifik: en supportorganisation kan behöva ärenden som rörts inom några dagar, medan en tillverkares kunddata kan vara ett kvartal gammal och ändå korrekt. Sätt din egen tidsgräns per objekt — och håll den sedan. Dubbletter fungerar likadant: vilken nivå som är acceptabel beror på objektvolym och matchningsregler, så riktvärdet pekar ut en riktning snarare än en siffra — lågt, mätt och sjunkande, eftersom varje dubblett splittrar en kunds historik över poster som agenten inte kan foga samman.

Hur ofta bör du mäta om?

Riktvärden förfaller — användarna fortsätter mata in data efter go-live. Den här rytmen håller betygen på lanseringsnivå:

För hela sekvensen före lansering — vad du ska mäta och åtgärda under de 90 dagarna fram till go-live — använder du lanseringschecklistan för Agentforce.