# Lista de verificación de preparación de datos para Agentforce

> Una lista de verificación práctica de preparación de datos para Agentforce. Evalúe si sus datos de Salesforce están listos para los agentes de IA en completitud, consistencia, PII y más.

Source: https://dataqualitysense.com/es/resources/ai-readiness/agentforce-data-readiness-checklist/
Last updated: 2026-07-15

---

La preparación de datos para Agentforce es el estado en el que sus registros de Salesforce están completos, son consistentes, válidos, actuales, sin duplicados y libres de PII expuesto, de modo que los agentes de IA recuperan contexto preciso y generan respuestas fiables. Sus datos están listos para Agentforce cuando cada una de esas seis condiciones se mide y cumple un umbral definido, no cuando se da por supuesto. Esta lista de verificación le ofrece los elementos que debe comprobar, el motivo por el que cada uno importa y la métrica de DQS que lo mide.

Los agentes de Agentforce recuperan registros de Salesforce, generan respuestas basadas en los datos del CRM y llevan a cabo acciones en nombre de los usuarios. Cada uno de esos pasos lee sus datos como fuente de verdad. Si un campo está en blanco, el agente no tiene contexto. Si un valor está escrito de cuatro formas, el agente lo trata como cuatro hechos. Si un comentario de Case contiene un número de la Seguridad Social, el agente puede exponerlo. La preparación consiste en cerrar esas brechas antes del despliegue, no después de que un agente dé una respuesta incorrecta en producción. Para el plan completo por fases que sustenta esta lista, consulte [Preparación para Agentforce](/es/resources/ai-readiness/agentforce-preparation/).

## ¿Cómo sabe si sus datos de Salesforce están listos para Agentforce?

Lo sabe midiendo, no inspeccionando los registros a mano. Ejecute un [análisis de DQS](/es/resources/using-dqs/running-scans/) en todos los objetos a los que accederá el agente y, después, compare cada métrica con un umbral objetivo. Recorra las seis áreas siguientes. Cada casilla es algo que puede comprobar con el resultado de un análisis, de modo que la respuesta a «¿están mis datos listos?» se convierte en un número en lugar de una opinión.

El paso de medición es el que la mayoría de las organizaciones salta. En [la investigación de Accenture sobre datos listos para la IA](https://www.accenture.com/us-en/insights/ai-data/ai-ready-data), el 61 % de los altos ejecutivos reconocieron que sus activos de datos aún no están listos para la IA generativa, y solo el 7 % de las empresas ha alcanzado el nivel de preparación de datos necesario para escalar la IA avanzada. Una lista de verificación validada frente a resultados de análisis es cómo determina en qué lado de esa línea se encuentra.

Copie la lista de verificación en las notas de su proyecto y marque los elementos a medida que los confirme.

## Alcance y acceso

Defina qué toca el agente antes de medir nada. Un agente que lee los objetos equivocados falla por muy limpio que esté el resto de su org.

- [ ] **Enumere todos los objetos que Agentforce leerá o escribirá.** El agente solo recupera lo que sus topics y acciones permiten. Acote sus análisis a ese conjunto exacto para medir los datos que el agente ve realmente.
- [ ] **Enumere los campos de cada objeto que el agente utiliza para las respuestas.** Description, Comments, Notes y las listas desplegables clave aportan el contexto. Analizar todos los campos malgasta esfuerzo; analice los que sustentan las respuestas.
- [ ] **Confirme que la seguridad a nivel de campo coincide con la intención.** Un agente hereda el acceso del usuario que lo ejecuta. Un campo oculto para el usuario es invisible para el agente, así que una respuesta «faltante» a veces es una brecha de permisos, no una brecha de datos.
- [ ] **Anote qué integraciones escriben en esos campos.** Las integraciones son la fuente más habitual de valores inconsistentes y duplicados. Conocer los emisores le indica dónde corregir la entrada, no solo los datos.

## Completitud

Los agentes generan respuestas vagas cuando los campos que leen están vacíos. La completitud es lo primero que hay que medir porque la falta de contexto es la causa más habitual de un resultado débil del agente.

- [ ] **La Completeness Rate es del 85 % o superior en todos los campos que el agente utiliza para las respuestas.** Un Description en blanco no le da al agente nada en lo que basar una respuesta. La **Completeness Rate** informa del porcentaje de registros en los que el campo contiene un valor.
- [ ] **Los campos de contexto críticos no tienen blancos sistémicos provocados por una única fuente.** Un campo que una integración deja vacío es una corrección de proceso, no una limpieza registro a registro. La Completeness Rate a nivel de campo aísla la fuente.
- [ ] **Los campos requeridos por el negocio están poblados, aunque no sean obligatorios en el esquema.** Agentforce trata un campo en blanco como ausencia de hecho. Consulte [Completitud](/es/resources/data-quality/completeness/) para saber cómo DQS define «debería estar relleno» por objeto.

## Consistencia y validez

Cuando el mismo valor del mundo real aparece en varias formas, el agente trata cada una como distinta y responde de forma inconsistente. Cuando un valor rompe su formato esperado, la recuperación posterior se vuelve poco fiable.

- [ ] **La Conformance Rate es del 90 % o superior en los campos de lista desplegable y de referencia.** Un campo Country que contiene «US», «USA» y «United States» divide un hecho en tres. La **Conformance Rate** informa del porcentaje de valores que coinciden con su conjunto canónico. Utilice Import from Field para descubrir las variantes existentes y, después, defina los valores canónicos. Consulte [Consistencia](/es/resources/data-quality/consistency/).
- [ ] **La Validity Rate es del 90 % o superior en los campos con formato.** Un correo sin `@`, un número de teléfono con letras o una fecha imposible son datos sobre los que el agente no puede actuar: no puede enviar, llamar ni programar. La **Validity Rate** informa del porcentaje de valores que superan sus reglas de formato. Consulte [Validez](/es/resources/data-quality/validity/).
- [ ] **Las contradicciones entre campos están resueltas.** Un Billing State que contradice su Billing Country enseña al agente una relación falsa. Las comprobaciones de consistencia revelan los valores que no concuerdan entre sí.

## Actualidad y duplicados

Los datos obsoletos basan las respuestas en hechos que ya no son ciertos. Los registros duplicados dan al agente dos versiones de una misma entidad, así que la respuesta depende de qué copia recupere.

- [ ] **La Timeliness Rate cumple su objetivo en los campos sensibles a la fecha.** Una Last Activity de hace dos años o una Close Date en el pasado inducen a error al agente. La **Timeliness Rate** informa del porcentaje de registros vigentes dentro de la ventana que usted define. Consulte [Actualidad](/es/resources/data-quality/timeliness/).
- [ ] **La Duplicate Rate es baja en los objetos que el agente lee.** Cuando el agente recupera uno de tres registros del mismo cliente, responde con un historial parcial. La **Duplicate Rate** informa del porcentaje de registros que duplican a otro. Consulte [Unicidad](/es/resources/data-quality/uniqueness/).
- [ ] **Fusione o marque los duplicados antes del despliegue, no después.** Los duplicados creados a través de formularios, importaciones y entrada manual se multiplican sin monitorización. Resuélvalos para que el agente lea un registro por entidad.

## PII y cumplimiento

El PII en los campos de texto que lee un agente entra en el contexto de la IA y puede aparecer en una respuesta generada. Esta es el área donde una brecha de preparación se convierte en un incidente de cumplimiento.

- [ ] **La PII Exposure Rate es inferior al 1 % en los campos de texto a los que accede el agente.** Los SSN y los números de tarjeta de crédito se acumulan en Description, Comments y Notes a través del copiar y pegar y de email-to-case. La **PII Exposure Rate** informa del porcentaje de registros que contienen una coincidencia de patrón. Consulte [Detección de PII](/es/resources/ai-readiness/pii-detection/).
- [ ] **Cero coincidencias de SSN o de tarjetas de crédito en Case Description y Comments.** El PII financiero es el hallazgo de mayor gravedad. Ejecute el análisis con el preset Critical para aislarlo y, después, enmascare, elimine o excluya las coincidencias confirmadas.
- [ ] **Hay excepciones de patrón por campo configuradas para los campos con contenido esperado.** Un campo Email coincide con el patrón de correo por diseño, lo cual es ruido, no exposición. Las excepciones por campo eliminan ese ruido para que la tasa refleje el riesgo real.
- [ ] **El equipo de cumplimiento ha dado el visto bueno al análisis de PII posterior a la remediación.** El RGPD, la CCPA, la HIPAA y la PCI DSS exigen identificar y proteger el PII. DQS se ejecuta íntegramente dentro de Salesforce, de modo que ningún registro sale de la org durante la detección. Consulte [Cumplimiento de PII en Agentforce](/es/resources/ai-readiness/agentforce-pii-compliance/).

## Operaciones y monitorización

La calidad de los datos se degrada a medida que los usuarios introducen nuevos registros. Un conjunto de datos que hoy supera las comprobaciones acumula nuevas incidencias en cuestión de semanas, así que la preparación es un estado que se mantiene, no un hito que se supera una sola vez.

- [ ] **Las métricas base están documentadas para cada dimensión del alcance.** Necesita las cifras de partida para demostrar que la remediación funcionó y para detectar la regresión más adelante.
- [ ] **Hay una programación de análisis recurrentes configurada.** Los análisis programados convierten una instantánea puntual en una línea de tendencia. Ejecute el de PII semanalmente en los objetos de texto de alto volumen, el de completitud y consistencia mensualmente y un análisis completo trimestralmente.
- [ ] **La responsabilidad de remediación está asignada por dimensión.** Una métrica sin responsable no mejora. Nombre a la persona responsable de la completitud, del PII, etc.
- [ ] **Las respuestas del agente se prueban con los datos remediados.** Un análisis correcto predice un buen comportamiento; una prueba lo confirma. Verifique que los resultados sean precisos y que no aparezca PII en el contenido generado.

## Umbrales de preparación de un vistazo

Utilice esta tabla como criterio de aprobación de cada área. Los objetivos coinciden con el plan de [Preparación para Agentforce](/es/resources/ai-readiness/agentforce-preparation/).

| Área de la lista | Métrica de DQS | Umbral objetivo |
|---|---|---|
| Completitud | Completeness Rate (campos clave) | 85 % o superior |
| Consistencia | Conformance Rate (listas desplegables, referencias) | 90 % o superior |
| Validez | Validity Rate (campos con formato) | 90 % o superior |
| Actualidad | Timeliness Rate (campos sensibles a la fecha) | Cumple la ventana definida |
| Unicidad | Duplicate Rate (objetos que lee el agente) | Baja y a la baja |
| PII y cumplimiento | PII Exposure Rate (campos de texto que lee el agente) | Por debajo del 1 % |

## ¿Y si mi org no supera varios elementos?

Una lista de verificación que no se supera es el punto de partida esperado, no un motivo para retrasarse. La mayoría de las orgs descubren en el primer análisis incidencias que no esperaban. Priorice en este orden: primero el PII, porque conlleva riesgo de cumplimiento; después la completitud y la consistencia, porque dan forma a la calidad del contexto del agente; y por último la validez, la actualidad y la unicidad. Corrija primero los elementos de mayor impacto y menor esfuerzo, vuelva a ejecutar el análisis y compárelo con su línea base. Para una ruta de remediación paso a paso, consulte [Limpieza de datos de Salesforce para Agentforce](/es/resources/ai-readiness/salesforce-data-cleanup-for-agentforce/) y [Por qué fallan los agentes de Agentforce](/es/resources/ai-readiness/why-agentforce-agents-fail/).

## Próximos pasos

- [Preparación para Agentforce](/es/resources/ai-readiness/agentforce-preparation/): el plan completo de preparación por fases que sustenta esta lista
- [Limpieza de datos de Salesforce para Agentforce](/es/resources/ai-readiness/salesforce-data-cleanup-for-agentforce/): cómo remediar los elementos que no se superan
- [Detección de PII](/es/resources/ai-readiness/pii-detection/): configure el análisis de PII para los campos que leen los agentes
- [Por qué fallan los agentes de Agentforce](/es/resources/ai-readiness/why-agentforce-agents-fail/): los problemas de datos detrás de un resultado débil del agente
- [FAQ de calidad de datos en Agentforce](/es/resources/ai-readiness/agentforce-data-quality-faq/): respuestas rápidas a las preguntas habituales sobre preparación
- [Cómo medir la calidad de datos en Salesforce](/es/resources/salesforce/measure-data-quality-in-salesforce/): el Data Quality Score en profundidad
- [Evaluación de preparación para la IA](/es/ai-readiness/): obtenga su puntuación actual de preparación