Teams अपने Salesforce data को Agentforce से connect करने से पहले एक ही जैसे सवाल पूछती हैं। यह पेज उनमें से दस का सीधा जवाब देता है। हर जवाब त्वरित संदर्भ के लिए बनाया गया है और जहाँ आपको जरूरत हो वहाँ गहरी guidance से link करता है।
क्या Agentforce को clean data चाहिए?
हाँ। Agentforce को clean data चाहिए क्योंकि agents अपने responses को उन Salesforce records में ground करते हैं जिन्हें वे retrieve करते हैं। एक agent अपने scope के भीतर fields में जो कुछ भी पाता है, उसी के साथ काम करता है। जब वे fields incomplete, inconsistent, या invalid होती हैं, तो agent incomplete, inconsistent, या invalid outputs पैदा करता है। Clean data वही अंतर है जो users की मदद करने वाले agent और उन्हें भटकाने वाले agent के बीच होता है। दाँव पर क्या है यह प्रलेखित है: Gartner ने 2024 में भविष्यवाणी की कि 2025 के अंत तक कम से कम 30% generative AI projects को proof of concept के बाद छोड़ दिया जाएगा, poor data quality प्रमुख कारणों में से है। Agentforce agents क्यों fail होते हैं में specific failure modes देखें जो poor data पैदा करता है।
Agentforce कौन सा डेटा उपयोग करता है?
Agentforce आपके Salesforce records उपयोग करता है। Agents उन objects से जानकारी retrieve करते हैं जिन्हें आप उन्हें grant करते हैं, उस डेटा के आधार पर responses generate करते हैं, और users की ओर से actions लेते हैं। response quality के लिए सबसे मायने रखने वाले fields free-text fields हैं जैसे Description, Comments, और Notes, साथ ही picklists और reference fields जो context drive करते हैं। यदि कोई field किसी agent के scope में आता है, तो उसकी सामग्री agent के जवाबों का input बन जाती है। CRM data कैसे AI को feed करता है इसकी पूरी तस्वीर के लिए, Salesforce में Data Quality पढ़ें।
मैं कैसे जानूँ कि मेरा Salesforce डेटा Agentforce के लिए तैयार है?
आप जानते हैं कि आपका डेटा तब तैयार है जब वह completeness, consistency, validity, और PII exposure में परिभाषित readiness thresholds पर खरा उतरता है। Readiness मापने योग्य है, कोई एहसास नहीं। हर उस object पर एक DQS scan चलाएँ जिसे एक agent access करेगा, हर dimension के लिए एक baseline rate record करें, और उन rates की तुलना अपने targets से करें। Agentforce data readiness checklist हर उस item पर चलती है जिसकी आप deployment से पहले पुष्टि करते हैं।
अगर Agentforce incomplete records पढ़ता है तो क्या होता है?
जब Agentforce incomplete records पढ़ता है, तो यह vague या generic responses generate करता है क्योंकि इसके पास draw करने के लिए कोई context नहीं होता। एक empty Description field agent को reference करने के लिए कुछ specific नहीं देता, इसलिए यह broad language पर लौट आता है जो कम value जोड़ती है। समस्या volume के साथ बढ़ती है। Completeness Rate आपको बताती है कि एक agent जिन fields का उपयोग करता है उनमें कितने records में यह gap है, ताकि आप पहले सबसे खराब fields को prioritize कर सकें। Completeness पाँच data quality dimensions में से पहली है।
क्या Agentforce PII expose कर सकता है?
हाँ। Agentforce उस personally identifiable information को surface कर सकता है जो उन Salesforce fields में मौजूद है जिन्हें यह पढ़ता है। PII उन free-text fields में छुपती है जहाँ users customer communications paste करते हैं। Email-to-case, उदाहरण के लिए, incoming messages से Social Security Numbers और credit card numbers capture करता है और उन्हें Case Description और Comments में store करता है। जब एक agent उनमें से एक record retrieve करता है, तो PII AI context में enter करती है और एक generated response में दिख सकती है। DQS PII Detection इस डेटा को खोजने के लिए आठ patterns देता है, और Agentforce PII compliance guide इसे handle करने का तरीका बताती है।
Agentforce deploy करने से पहले मैं Salesforce data quality कैसे मापूँ?
आप Salesforce data quality को DQS से मापते हैं, जो आपके records को Salesforce के अंदर scan करता है और हर dimension के लिए एक rate report करता है। Definition Builder में, उन objects और fields को select करें जिन्हें एक agent access करेगा, फिर एक scan चलाएँ। Insight Studio उस scope के लिए Completeness Rate, Conformance Rate, Validity Rate, Timeliness Rate, Duplicate Rate, और PII Exposure Rate लौटाता है। पूरा scan आपके org में चलता है, इसलिए कोई डेटा Salesforce से बाहर नहीं जाता। एक step-by-step method के लिए, Salesforce में data quality कैसे मापें देखें।
मेरे डेटा को कितना clean होना चाहिए?
key fields पर 85% या उससे अधिक Completeness Rate, picklist और reference fields पर 90% या उससे अधिक Conformance Rate, structured fields पर 90% या उससे अधिक Validity Rate, और text fields पर 1% से नीचे PII Exposure Rate का लक्ष्य रखें। ये thresholds agents को reliably respond करने के लिए पर्याप्त complete, consistent, और valid डेटा देते हैं, साथ ही sensitive data को AI context से बाहर रखते हैं। regulated या customer-facing fields के लिए targets बढ़ाएँ जहाँ errors अधिक risk उठाती हैं। Agentforce preparation guide समझाती है कि go-live से पहले हर rate को इन targets के विरुद्ध कैसे validate करें।
Agentforce के लिए data preparation में कितना समय लगता है?
go-live से पहले data preparation के लिए लगभग तीन महीने का plan करें। baselines establish करने के लिए अपना assessment लगभग तीन महीने पहले चलाएँ। remediation लगभग दो महीने पहले पूरा करें, पहले PII, फिर completeness और consistency पर काम करते हुए। लगभग एक महीने पहले हर scan को फिर से चलाकर और नई rates की तुलना अपने baselines से करके validate करें। deployment के बाद, ongoing monitoring में जाएँ। Org size और scope में objects की संख्या timeline को बदल देती है, लेकिन क्रम वही रहता है। remediation phase के विस्तार के लिए, Agentforce के लिए Salesforce data cleanup देखें।
क्या go-live के बाद data quality monitoring मायने रखती है?
हाँ। go-live के बाद data quality monitoring मायने रखती है क्योंकि जैसे-जैसे users नए records enter करते हैं, डेटा degrade होता है। एक dataset जिसे आपने launch के लिए clean किया था, वह हफ्तों के भीतर नई gaps, inconsistencies, और PII accumulate कर लेता है। One-time remediation टिकती नहीं। recurring DQS scans schedule करें, high-volume text fields के लिए साप्ताहिक और agent scope में objects के लिए मासिक, और metric trends track करें। Regular scanning regression को जल्दी पकड़ती है, इससे पहले कि यह आपके agents तक और आपके users तक पहुँचे।
data quality और data readiness में क्या अंतर है?
Data quality मापती है कि आपके records अपने intended purpose के लिए fit हैं या नहीं। Data readiness मापती है कि वही records किसी specific use, इस मामले में Agentforce, के लिए तैयार हैं या नहीं। Readiness पाँच data quality dimensions पर बनती है और एक concern जोड़ती है जिसे traditional quality work नजरअंदाज करता है: sensitive data exposure। एक record complete, consistent, और valid हो सकता है फिर भी एक Social Security Number रख सकता है जिसे एक agent को कभी surface नहीं करना चाहिए। Readiness दोनों checks को मिलाती है। data quality क्या है में बुनियाद से शुरू करें।
अगले कदम
- Agentforce Preparation: पूरी phase-by-phase readiness guide
- Agentforce Data Readiness Checklist: deploy करने से पहले हर item की पुष्टि करें
- PII Detection: agents के पढ़ने से पहले sensitive data खोजें
- Salesforce में Data Quality मापें: अपना पहला baseline scan चलाएँ
- AI Readiness Assessment: 3 मिनट में अपना current readiness score प्राप्त करें