# Calidad de datos en Agentforce: preguntas frecuentes > Respuestas a las preguntas habituales sobre la calidad de datos en Agentforce: si Agentforce necesita datos limpios, qué datos lee, los umbrales de preparación, el riesgo de PII y cómo prepararse. Source: https://dataqualitysense.com/es/resources/ai-readiness/agentforce-data-quality-faq/ Last updated: 2026-07-15 --- Los equipos se hacen las mismas preguntas antes de conectar Agentforce a sus datos de Salesforce. Esta página responde directamente a diez de ellas. Cada respuesta está pensada para una consulta rápida y enlaza a una guía más detallada allí donde la necesite. ## ¿Necesita Agentforce datos limpios? Sí. Agentforce necesita datos limpios porque los agentes basan sus respuestas en los registros de Salesforce que recuperan. Un agente trabaja con lo que encuentra en los campos dentro de su alcance. Cuando esos campos están incompletos, son inconsistentes o no son válidos, el agente produce resultados incompletos, inconsistentes o no válidos. Los datos limpios marcan la diferencia entre un agente que ayuda a los usuarios y uno que los induce a error. Las apuestas están documentadas: [Gartner predijo en 2024](https://www.gartner.com/en/newsroom/press-releases/2024-07-29-gartner-predicts-30-percent-of-generative-ai-projects-will-be-abandoned-after-proof-of-concept-by-end-of-2025) que al menos el 30 % de los proyectos de IA generativa se abandonarían tras la prueba de concepto para finales de 2025, siendo la mala calidad de datos una de las principales causas. Consulte [por qué fallan los agentes de Agentforce](/es/resources/ai-readiness/why-agentforce-agents-fail/) para conocer los modos de fallo concretos que generan los datos deficientes. ## ¿Qué datos utiliza Agentforce? Agentforce utiliza sus registros de Salesforce. Los agentes recuperan información de los objetos que usted les concede, generan respuestas basadas en esos datos y llevan a cabo acciones en nombre de los usuarios. Los campos que más importan para la calidad de la respuesta son los campos de texto libre, como Description, Comments y Notes, junto con las listas desplegables y los campos de referencia que aportan contexto. Si un campo está dentro del alcance de un agente, su contenido se convierte en entrada para las respuestas del agente. Para una visión completa de cómo los datos del CRM alimentan la IA, lea [Calidad de datos en Salesforce](/es/resources/salesforce/data-quality-in-salesforce/). ## ¿Cómo sé si mis datos de Salesforce están listos para Agentforce? Sabe que sus datos están listos cuando cumplen unos umbrales de preparación definidos en completitud, consistencia, validez y exposición de PII. La preparación es medible, no una sensación. Ejecute un análisis de DQS en todos los objetos a los que accederá un agente, registre una tasa base de cada dimensión y compare esas tasas con sus objetivos. La [lista de verificación de preparación de datos para Agentforce](/es/resources/ai-readiness/agentforce-data-readiness-checklist/) recorre cada elemento que debe confirmar antes del despliegue. ## ¿Qué ocurre si Agentforce lee registros incompletos? Cuando Agentforce lee registros incompletos, genera respuestas vagas o genéricas porque no tiene contexto del que partir. Un campo Description vacío no le ofrece nada concreto a lo que referirse, así que recurre a un lenguaje amplio que aporta poco valor. El problema crece con el volumen. La Completeness Rate le indica cuántos registros presentan esta carencia en los campos que utiliza un agente, de modo que pueda priorizar primero los peores campos. La completitud es la primera de las [cinco dimensiones de la calidad de datos](/es/resources/data-quality/five-dimensions/). ## ¿Puede Agentforce exponer PII? Sí. Agentforce puede exponer información personal identificable que exista en los campos de Salesforce que lee. El PII se esconde en los campos de texto libre donde los usuarios pegan comunicaciones de clientes. Email-to-case, por ejemplo, captura números de la Seguridad Social y números de tarjeta de crédito de los mensajes entrantes y los almacena en Case Description y Comments. Cuando un agente recupera uno de esos registros, el PII entra en el contexto de la IA y puede aparecer en una respuesta generada. La [Detección de PII](/es/resources/ai-readiness/pii-detection/) de DQS incorpora ocho patrones para encontrar estos datos, y la guía de [cumplimiento de PII en Agentforce](/es/resources/ai-readiness/agentforce-pii-compliance/) explica cómo gestionarlos. ## ¿Cómo mido la calidad de datos de Salesforce antes de desplegar Agentforce? La calidad de datos de Salesforce se mide con DQS, que analiza sus registros dentro de Salesforce e informa de una tasa por cada dimensión. En Definition Builder, seleccione los objetos y campos a los que accederá un agente y, después, ejecute un análisis. Insight Studio devuelve la Completeness Rate, la Conformance Rate, la Validity Rate, la Timeliness Rate, la Duplicate Rate y la PII Exposure Rate para ese alcance. El análisis completo se ejecuta dentro de su org, de modo que ningún dato sale de Salesforce. Para conocer el método paso a paso, consulte [cómo medir la calidad de datos en Salesforce](/es/resources/salesforce/measure-data-quality-in-salesforce/). ## ¿Cómo de limpios deben estar mis datos? Aspire a una Completeness Rate del 85 % o superior en los campos clave, una Conformance Rate del 90 % o superior en los campos de lista desplegable y de referencia, una Validity Rate del 90 % o superior en los campos estructurados y una PII Exposure Rate por debajo del 1 % en los campos de texto. Estos umbrales dan a los agentes suficientes datos completos, consistentes y válidos para responder de forma fiable, manteniendo los datos sensibles fuera del contexto de la IA. Eleve los objetivos para los campos regulados o de cara al cliente, donde los errores conllevan más riesgo. La [guía de preparación para Agentforce](/es/resources/ai-readiness/agentforce-preparation/) explica cómo validar cada tasa frente a estos objetivos antes de la puesta en marcha. ## ¿Cuánto tiempo lleva la preparación de datos para Agentforce? Planifique aproximadamente tres meses de preparación de datos antes de la puesta en marcha. Ejecute su evaluación unos tres meses antes para establecer las líneas base. Complete la remediación unos dos meses antes, abordando primero el PII y, después, la completitud y la consistencia. Valide alrededor de un mes antes volviendo a ejecutar todos los análisis y comparando las nuevas tasas con sus líneas base. Tras el despliegue, pase a la monitorización continua. El tamaño de la org y el número de objetos del alcance modifican el calendario, pero la secuencia se mantiene. Para conocer en detalle la fase de remediación, consulte [Limpieza de datos de Salesforce para Agentforce](/es/resources/ai-readiness/salesforce-data-cleanup-for-agentforce/). ## ¿Importa la monitorización de la calidad de datos tras la puesta en marcha? Sí. La monitorización de la calidad de datos importa tras la puesta en marcha porque los datos se degradan a medida que los usuarios introducen nuevos registros. Un conjunto de datos que limpió para el lanzamiento acumula nuevas carencias, inconsistencias y PII en cuestión de semanas. Una remediación puntual no se sostiene. Programe análisis recurrentes de DQS —semanales para los campos de texto de alto volumen y mensuales para los objetos del alcance del agente— y haga seguimiento de las tendencias de las métricas. El análisis periódico detecta pronto la regresión, antes de que llegue a sus agentes y a sus usuarios. ## ¿Cuál es la diferencia entre calidad de datos y preparación de datos? La calidad de datos mide si sus registros son aptos para el fin previsto. La preparación de datos mide si esos mismos registros están preparados para un uso concreto, en este caso Agentforce. La preparación se apoya en las cinco dimensiones de la calidad de datos y añade una preocupación que el trabajo de calidad tradicional pasa por alto: la exposición de datos sensibles. Un registro puede estar completo, ser consistente y válido y aun así contener un número de la Seguridad Social que un agente nunca debe exponer. La preparación combina ambas comprobaciones. Empiece por los fundamentos en [qué es la calidad de datos](/es/resources/data-quality/what-is-data-quality/). ## Próximos pasos - [Preparación para Agentforce](/es/resources/ai-readiness/agentforce-preparation/): la guía completa de preparación fase por fase - [Lista de verificación de preparación de datos para Agentforce](/es/resources/ai-readiness/agentforce-data-readiness-checklist/): confirme cada elemento antes de desplegar - [Detección de PII](/es/resources/ai-readiness/pii-detection/): encuentre los datos sensibles antes de que los agentes puedan leerlos - [Medir la calidad de datos en Salesforce](/es/resources/salesforce/measure-data-quality-in-salesforce/): ejecute su primer análisis base - [Evaluación de preparación para la IA](/es/ai-readiness/): obtenga su puntuación actual de preparación en 3 minutos