# Bonifica dei dati Salesforce per Agentforce: guida oggetto per oggetto > Un playbook di bonifica dei dati Salesforce a livello di campo per Agentforce. Quali oggetti e campi pulire per primi per gli agenti di servizio e di vendita, mappati su DQS. Source: https://dataqualitysense.com/it/resources/ai-readiness/salesforce-data-cleanup-for-agentforce/ Last updated: 2026-07-15 --- Quali oggetti Salesforce pulire per primi dipende da quali agenti distribuite. Gli agenti di servizio leggono Case e Knowledge; gli agenti di vendita leggono Lead, Opportunity, Account e Contact. Questa guida copre il dove della bonifica dei dati Salesforce per Agentforce — gli oggetti e i campi specifici da pulire, la dimensione a rischio per ciascuno e le azioni di pulizia da eseguire. Per il quando — la tempistica in quattro fasi che circonda questo lavoro — consultate [Qualità dei dati per Agentforce: preparare i dati Salesforce per l'AI](/it/resources/ai-readiness/agentforce-preparation/). Questo articolo si colloca all'interno della Fase 2 di quella tempistica, in cui si bonifica oggetto per oggetto. Eseguite una [scansione DQS](/it/resources/using-dqs/running-scans/) su ogni oggetto prima di iniziare, così da sapere quali campi falliscono davvero, anziché pulire campi che vanno già bene. La bonifica a questo livello non è un lavoro preparatorio opzionale. Nella [ricerca di Salesforce State of Data and Analytics](https://www.salesforce.com/news/stories/data-analytics-trends/), l'84% dei leader di dati e analytics ha dichiarato che la propria strategia di dati necessita un rinnovamento completo prima che i propri ambizioni di IA possano avere successo. La bonifica oggetto per oggetto è il modo in cui quel rinnovamento si manifesta nella pratica all'interno di un CRM. ## Account Gli agenti di vendita leggono Account per fondare le risposte sul settore, sulla posizione e sulla relazione di un cliente. Quando l'agente risponde a «cosa sappiamo di questo account», attinge da questi campi. | Campo prioritario | Dimensione a rischio | Cosa fanno i dati errati all'agente | |---|---|---| | `Name` | Unicità | Account duplicati frammentano la storia, così l'agente recupera un record parziale | | `Industry` | Coerenza | «Tech», «Technology» e «IT» vengono letti come tre segmenti, compromettendo le risposte fondate | | `BillingCountry` | Coerenza | «US», «USA», «United States» frammentano il contesto geografico | | `Phone` / `Website` | Validità | Valori malformati producono dettagli di contatto inutilizzabili nelle risposte | Azioni di pulizia: - Eseguite una scansione di Unicità per trovare gli Account duplicati prima del deployment. I duplicati insegnano all'agente fatti contraddittori sullo stesso cliente. Vedere [Unicità](/it/resources/data-quality/uniqueness/). - Utilizzate Importa da campo su `Industry` e `BillingCountry` per scoprire ogni variante esistente, poi definite i valori canonici nel [Definition Builder](/it/resources/using-dqs/definition-builder/) e normalizzate. - Eseguite una scansione di Validità su `Phone` e `Website` per individuare le voci malformate. Concentratevi sui campi in cui il tasso di validità scende sotto il 90%. ## Contact Gli agenti leggono Contact per identificare con chi hanno a che fare e come raggiungerlo. Un agente di vendita che redige un messaggio di contatto estrae da qui il nome, il titolo e l'email. | Campo prioritario | Dimensione a rischio | Cosa fanno i dati errati all'agente | |---|---|---| | `Email` | Validità | Indirizzi non validi fanno fallire il contatto suggerito dall'agente | | `Phone` | Validità | Numeri malformati emergono come dettagli di contatto inutilizzabili | | `Title` | Completezza | Titoli vuoti rimuovono il contesto di ruolo che l'agente usa per personalizzare | | `MailingCountry` | Coerenza | Valori di paese incoerenti instradano male le risposte specifiche per regione | Azioni di pulizia: - Eseguite una scansione di Validità su `Email` e `Phone`. Questi sono i campi su cui un agente agisce, quindi gli errori di formato si trasformano in azioni fallite. Vedere [Validità](/it/resources/data-quality/validity/). - Eseguite una scansione di Completezza su `Title` e misurate il tasso di completezza. Titoli mancanti privano l'agente del contesto di ruolo di cui ha bisogno per adattare un messaggio. - Standardizzate `MailingCountry` con Importa da campo, facendolo corrispondere all'elenco canonico definito su Account, così i due oggetti concordano. ## Case Gli agenti di servizio lavorano principalmente a partire da Case. L'agente legge Subject e Description per comprendere il problema, poi fonda la propria risposta su quel contesto. Questo è l'oggetto a più alta leva per un deployment di servizio. | Campo prioritario | Dimensione a rischio | Cosa fanno i dati errati all'agente | |---|---|---| | `Description` | Completezza | Un campo Description vuoto lascia l'agente senza contesto, così restituisce una risposta generica | | `Subject` | Completezza | Subject mancanti indeboliscono la classificazione e l'instradamento dei case | | `Status` / `Origin` | Coerenza | Valori variabili frammentano la visione dell'agente sullo stato e sul canale del case | | `Description` / Comments | Rilevamento PII | SSN e numeri di carta incollati dalle email entrano nel contesto AI | Azioni di pulizia: - Eseguite una scansione di Completezza su `Description`. La completezza della Description equivale al contesto dell'agente; un campo vuoto è il motivo più comune per cui un agente di servizio risponde in modo vago. Vedere [Completezza](/it/resources/data-quality/completeness/). - Standardizzate `Status` e `Origin` utilizzando Importa da campo per far emergere ogni valore esistente, poi normalizzate sul vostro picklist canonico. - Eseguite una scansione PII su `Description` e sui Comments dei Case. L'email-to-case cattura messaggi dei clienti che contengono PII, e l'agente può portare alla luce quel PII in una risposta. Vedere [Rilevamento PII](/it/resources/ai-readiness/pii-detection/) e la [guida alla conformità PII di Agentforce](/it/resources/ai-readiness/agentforce-pii-compliance/). ## Lead Gli agenti di vendita leggono Lead per qualificare e instradare l'interesse in entrata. L'agente decide le azioni successive a partire dall'azienda, dalla fonte e dallo stato, quindi le lacune qui mandano i lead lungo il percorso sbagliato. | Campo prioritario | Dimensione a rischio | Cosa fanno i dati errati all'agente | |---|---|---| | `Email` | Validità | Indirizzi non validi interrompono il follow-up guidato dall'agente | | `Company` | Completezza | Dati aziendali mancanti bloccano la logica di qualificazione | | `LeadSource` | Coerenza | Fonti incoerenti distorcono le decisioni di instradamento dell'agente | | `Status` | Coerenza | Stati variabili confondono dove si colloca il lead nel funnel | Azioni di pulizia: - Eseguite una scansione di Validità su `Email` e una scansione di Completezza su `Company`. Questi due campi determinano se l'agente può agire affatto su un lead. - Utilizzate Importa da campo su `LeadSource` e `Status` per individuare la deriva, poi vincolate a un insieme di valori definito. Vedere [Coerenza](/it/resources/data-quality/consistency/). - Eseguite una scansione PII su qualsiasi campo note o descrizione in cui i rappresentanti incollano messaggi in entrata grezzi. ## Opportunity Gli agenti di vendita leggono Opportunity per rispondere a domande su pipeline e previsioni. Uno stadio obsoleto o un importo mancante producono una risposta sicura ma sbagliata sullo stato di una trattativa. | Campo prioritario | Dimensione a rischio | Cosa fanno i dati errati all'agente | |---|---|---| | `StageName` | Coerenza | Stadi non standard rappresentano male a che punto sono le trattative | | `CloseDate` | Tempestività | Date di chiusura passate su trattative aperte insegnano all'agente fatti di pipeline obsoleti | | `Amount` | Completezza | Importi mancanti distorcono qualsiasi previsione riportata dall'agente | Azioni di pulizia: - Eseguite una scansione di Tempestività per segnalare le Opportunity aperte con `CloseDate` nel passato. Date obsolete fanno sì che l'agente riporti una pipeline che non esiste più. Vedere [Tempestività](/it/resources/data-quality/timeliness/). - Eseguite una scansione di Completezza su `Amount`. Un agente che riassume il valore della pipeline non può farlo in modo affidabile quando gli importi sono vuoti. - Confermate che `StageName` corrisponda al vostro processo di vendita definito con una scansione di Coerenza. ## Knowledge Gli agenti di servizio fondano le risposte sugli articoli Knowledge. L'agente recupera un articolo e ne presenta il contenuto come risposta autorevole, quindi un articolo obsoleto o scarno diventa una risposta sbagliata fornita con sicurezza. | Campo prioritario | Dimensione a rischio | Cosa fanno i dati errati all'agente | |---|---|---| | Data ultima modifica | Tempestività | Articoli obsoleti producono risposte non aggiornate che l'agente presenta come attuali | | `Title` / `Summary` | Completezza | Metadati scarni indeboliscono il recupero, così l'agente cita l'articolo sbagliato | | Corpo dell'articolo | Rilevamento PII | Dati dei clienti incorporati possono trapelare in una risposta generata | Azioni di pulizia: - Eseguite una scansione di Tempestività sulla data di ultima modifica per far emergere gli articoli oltre la vostra soglia di aggiornamento. Gli articoli non aggiornati sono la principale fonte di risposte di servizio sicure ma sbagliate. - Eseguite una scansione di Completezza su `Title` e `Summary`. L'agente li utilizza per il recupero, quindi metadati deboli lo conducono alla fonte sbagliata. - Eseguite una scansione PII sul corpo dell'articolo per confermare che nessun dato specifico di un cliente sia stato incollato in un articolo pubblicato. ## Quali oggetti dovreste pulire per primi? Pulite gli oggetti che i vostri agenti leggono davvero, nell'ordine in cui le loro risposte dipendono da essi. La matrice seguente mappa la priorità di pulizia sul tipo di agente. | Oggetto | Agente di servizio | Agente di vendita | Agente per i dipendenti | |---|---|---|---| | Case | Priorità 1 | Bassa | Media | | Knowledge | Priorità 1 | Bassa | Priorità 1 | | Account | Media | Priorità 1 | Media | | Contact | Media | Priorità 1 | Media | | Lead | Bassa | Priorità 1 | Bassa | | Opportunity | Bassa | Priorità 2 | Media | Per un deployment di servizio, iniziate dalla completezza della Description dei Case e dalla tempestività di Knowledge, perché questi due campi determinano se l'agente ha il contesto corretto da cui rispondere. Per un deployment di vendita, iniziate da Account e Contact, poi passate a Lead e Opportunity. In ogni tipo di agente, eseguite prima le scansioni PII sui campi di testo che l'agente legge, poiché un risultato PII è un problema di conformità più che di qualità. La [checklist di preparazione dei dati per Agentforce](/it/resources/ai-readiness/agentforce-data-readiness-checklist/) elenca le soglie pre-deployment da raggiungere su ogni oggetto. ## Prossimi passi - [Qualità dei dati per Agentforce: preparare i dati Salesforce per l'AI](/it/resources/ai-readiness/agentforce-preparation/): la tempistica in quattro fasi all'interno della quale si colloca questa bonifica - [Perché gli agenti Agentforce falliscono](/it/resources/ai-readiness/why-agentforce-agents-fail/): i problemi di dati dietro un output inaffidabile dell'agente - [Checklist di preparazione dei dati per Agentforce](/it/resources/ai-readiness/agentforce-data-readiness-checklist/): soglie pre-deployment per oggetto - [Come migliorare la qualità dei dati in Salesforce](/it/resources/salesforce/improve-data-quality-in-salesforce/): il ciclo rileva, correggi, previeni, monitora - [FAQ qualità dei dati Agentforce](/it/resources/ai-readiness/agentforce-data-quality-faq/): risposte alle domande comuni - [Valutazione della preparazione IA](/it/ai-readiness/): ottenere il punteggio di preparazione attuale