# Agentforceエージェントが誤った回答をする理由：データ品質の根本原因

> Agentforceが誤った回答をする理由：不正確な応答とハルシネーションの背後にある6つのデータ品質の根本原因、それぞれを診断するDQS指標、そして修正法。

Source: https://dataqualitysense.com/ja/resources/ai-readiness/why-agentforce-agents-fail/
Last updated: 2026-07-15

---

Agentforceの誤った回答のほとんどは、テキストを生成するモデルではなく、エージェントが取得するデータにさかのぼります。Agentforceエージェントは、あなたのSalesforceレコードを読み、見つけたものに応答の根拠を置き、それに基づいてアクションを起こします。そのため、バックにあるレコードが不完全、一貫性がない、古い、または重複していると、エージェントは不良データを正確に取得した結果として、不正確な応答を生み出します。

これはトラブルシューティングガイドです。各セクションは、観察できる障害の症状を、それを引き起こすデータ問題、それを診断するDQS指標、そしてそれを修正する修復ステップに対応づけます。デバッグではなく導入を計画しているのであれば、[Agentforceデータ品質ガイド](/ja/resources/ai-readiness/agentforce-preparation/)と[データ対応チェックリスト](/ja/resources/ai-readiness/agentforce-data-readiness-checklist/)から始めてください。

## そもそもなぜAgentforceは誤った回答をするのか

エージェントは、何もないところから事実を作り出すわけではありません。リクエストに一致するレコードを取得し、アクセスできるフィールドを読み、そのコンテキストから応答を組み立てます。モデルは一貫していますが、その下にあるデータはそうではありません。

ハルシネーションのように見えるものは、多くの場合、エージェントがあなたのレコードに書かれていることを忠実に報告しているだけです。空白のフィールドは、エージェントに根拠を置くものを何も与えません。同じ国の4通りの表記は、4つの回答を与えます。重複レコードは、真実の2つ目のバージョンを与えます。データを修正すれば、これらの障害のほとんどは、エージェントの設定に手を加えることなく消えます。

このパターンは業界全体の傾向であり、あなたの組織に特有ではありません。[Gartnerは2024年に、2025年末までにコンセプト実証後に少なくとも30%の生成AIプロジェクトが放棄されると予測しており](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)、質の低いデータを主な原因に挙げています。そして[Salesforceの State of Data and Analytics 調査](https://www.salesforce.com/news/stories/data-analytics-trends/)では、データおよび分析リーダーは26%のデータが信頼できないと評価しています。つまり、その上に構築されたエージェントに誤ったコンテキストを供給するレコードが約4件中1件です。

以下の6つの障害モードは、Salesforce内で測定し是正できるデータの根本原因をカバーしています。

## なぜAgentforceの応答は曖昧または一般的なのか

**症状。** エージェントが具体的な質問に一般的な返信で答えます。ユーザーがなぜCaseがエスカレーションされたのかを尋ねると、実際の理由ではなく「問題は確認され対処されました」という回答が返ってきます。

**根本原因。** 不完全なレコード。エージェントが空のDescription、Comments、Resolutionフィールドを持つCaseを取得すると、具体的な回答の根拠を置くコンテキストがありません。読むべき具体的なものが何もないため、曖昧な要約に頼ります。

**診断。** フィールド別に分解した完全性率は、エージェントのスコープ内のレコードのうち、コンテキストに必要なフィールドが何件欠落しているかを示します。空のフィールドがまさにエージェントが読むものである場合、全体のスコアが高くても問題は隠れてしまいます。Description、Notes、Comments、Resolutionの完全性を特に確認してください。

**修正。** エージェントが応答に使うフィールドの完全性を高めます。信頼できる情報源からバックフィルし、重要なフィールドを入力時に必須にし、スキャンを再実行して確認します。フィールドレベルの診断フローについては、[完全性](/ja/resources/data-quality/completeness/)を参照してください。

## なぜAgentforceは会話をまたいで自己矛盾するのか

**症状。** 同じ質問が、セッションごとに異なる回答を返す、または2人のユーザーが同じアカウントについて矛盾する事実を得ます。

**根本原因。** 一貫性のない値と重複レコード。Countryフィールドに「US」「USA」「United States」「U.S.A.」が含まれていると、エージェントはそれらを4つの別個の値として扱い、取得したものによって回答を分けます。2つのAccountレコードが同じ会社を異なるデータで記述していると、エージェントは最初に見つけたほうから回答します。

**診断。** 準拠率は、いくつの値が正規セットに一致するかを測定するため、率が低いと、選択リストと参照フィールドが分断されていることが明らかになります。重複率は、いくつのレコードが別のレコードの重複であるかを測定し、これはこの障害のもう半分です。エージェントが読むオブジェクトにわたって両方を実行してください。

**修正。** 値を制御されたセットに標準化し、重複をマージします。Definition BuilderのImport from Fieldを使って、すでにデータにあるバリアントを発見し、正規値を定義して正規化します。その後、重複レコードをマージし、新たな重複をブロックするマッチングルールを設定します。[一貫性](/ja/resources/data-quality/consistency/)と[一意性](/ja/resources/data-quality/uniqueness/)を参照してください。

## なぜAgentforceは古い情報を返すのか

**症状。** エージェントが、成立済みの商談を進行中と報告する、1年前に退職した担当者の名前を挙げる、または差し替えられたレコードから価格を引用します。

**根本原因。** 古いレコード。エージェントには「古い」という概念がありません。データが最後にいつ更新されたかにかかわらず、内容の一致によって最も関連性の高いレコードを読みます。事実が変わってから更新されていないレコードは、エージェントに時代遅れのコンテキストを供給します。

**診断。** 適時性率は、LastModifiedDateやビジネス上の日付といった日付フィールドで定義した鮮度のしきい値の範囲内に、いくつのレコードが収まっているかを測定します。エージェントのオブジェクトで適時性率が低下していると、エージェントが古い事実を表面化させる可能性がますます高まります。[適時性](/ja/resources/data-quality/timeliness/)を参照してください。

**修正。** 鮮度のしきい値を過ぎたレコードをフラグし、再エンゲージメントまたはアーカイブのワークフローへ振り分けます。もはや回答に反映されるべきでないレコードをアーカイブまたは除外し、エージェントがそれらを取得しなくなるようにします。古さが見えるよう、適時性スキャンを繰り返すようスケジュールしてください。

## なぜAgentforceは表に出すべきでない機密データを表面化させるのか

**症状。** 生成された応答に、Social Security Number、クレジットカード番号、またはエージェント出力に現れる理由のない別のPIIが含まれます。

**根本原因。** 自由記述フィールドに置かれたPII。email-to-case、チャットのトランスクリプト、手書きのメモが、個人データをDescriptionやCommentsフィールドに取得します。エージェントがそうしたレコードの1つを取得すると、PIIはAIのコンテキストに入り、応答に現れることがあります。

**診断。** PII Exposure Rateは、スコープ内のレコードのうち、テキストフィールドにわたって検出可能なPIIを含むものがいくつあるかを測定します。露出は汎用的なcommentやdescriptionフィールドに隠れているため、PIIという名前のフィールドではなく、エージェントが読めるすべてのテキストフィールドをスキャンしてください。[PII Detection](/ja/resources/ai-readiness/pii-detection/)を参照してください。

**修正。** PIIスキャンで検出結果を特定し、確認したマッチをマスク、削除、または制限します。一致するパターンが想定され正当であるフィールドには、フィールドごとのパターンオーバーライドを設定し、実際の露出に対処できるようにします。スキャンを再実行して検証し、導入前に[PIIコンプライアンスガイド](/ja/resources/ai-readiness/agentforce-pii-compliance/)を確認してください。

## なぜAgentforceは正しいレコードを見つけられないのか

**症状。** エージェントが、存在する顧客を見つけられないと報告する、または全く別のレコードを取得します。ユーザーがメールで検索しても、エージェントは何も返しません。

**根本原因。** 無効なフォーマットと検索できない値。「john [at] company dot com」として保存されたメール、句読点が一貫しない電話番号、または誤ったフォーマットのIDは、エージェントが実行するルックアップに一致しません。レコードは存在しますが、エージェントはそれを解決できません。

**診断。** 妥当性率は、メール、電話、識別子といった構造化フィールドで定義したフォーマットルールを、いくつの値が通過するかを測定します。主要なルックアップフィールドで妥当性率が低いと、取得の失敗が予測されます。[妥当性](/ja/resources/data-quality/validity/)を参照してください。

**修正。** エージェントが検索するフィールドの不正な値を一括修正し、新しいレコードでフォーマットを強制する入力規則を追加します。フォーマットエラーが応答を劣化させるだけでなく取得そのものを壊す、ルックアップとマッチングを駆動するフィールドに焦点を当てましょう。

## なぜAgentforceの回答は時間とともに悪化するのか

**症状。** エージェントは立ち上げ時にはうまく機能していたのに、数週間かけて劣化します。クリーンな導入の後、曖昧な回答、矛盾、古い事実が再び現れます。

**根本原因。** モニタリングのないデータ品質の劣化。立ち上げ前にクリーンにしたレコードは、ユーザーが新しいデータを入力し、インテグレーションが新しいレコードを書き込み、エージェント自身がフィールドを更新するにつれて劣化します。一度きりのクリーンアップはスナップショットであり、そのスナップショットは古くなります。

**診断。** 劣化を捕捉する単一の指標はありません。劣化はトレンドで捕捉します。6つの次元すべてにわたって定期スキャンをスケジュールし、各率を時系列の線として見守ることで、新しいインテグレーションやプロセス変更が不良データを持ち込んでから数日以内に落ち込みが現れます。[結果を理解する](/ja/resources/using-dqs/understanding-results/)を参照してください。

**修正。** エージェントのスコープ内のオブジェクトにスケジュール化された定期スキャンを設定し、Insight Studioで指標のトレンドを追跡します。リスクに応じてサイクルを設定してください。大量のテキストフィールドには毎週のPIIスキャン、完全性と一貫性には毎月、フルスキャンには四半期ごとです。回答に到達する前に、ダッシュボードで劣化を捕捉しましょう。

## 症状から修正への対応表

| 症状 | 根本原因 | DQS指標 | 修正 |
|---|---|---|---|
| 曖昧または一般的な応答 | 不完全なレコード（空のDescription、Notes） | 完全性率 | コンテキストフィールドをバックフィルし、入力時に必須にする |
| 会話をまたいだ矛盾する回答 | 一貫性のない値と重複レコード | 準拠率、重複率 | 値を標準化し、重複をマージし、マッチングルールを追加する |
| 古い情報 | 古いレコード | 適時性率 | 鮮度のしきい値を過ぎたレコードをフラグしアーカイブする |
| 機密データの表面化 | 自由記述フィールド内のPII | PII Exposure Rate | テキストフィールドをスキャンし、検出結果をマスク・削除・制限する |
| 正しいレコードを見つけられない | 無効なフォーマット、検索できない値 | 妥当性率 | フォーマットを一括修正し、ルックアップフィールドに入力規則を追加する |
| 回答が時間とともに悪化する | データ品質の劣化、モニタリングなし | 6つすべて（トレンド） | 定期スキャンをスケジュールし、Insight Studioでトレンドを追跡する |

## この診断の実行方法

エージェントが読むすべてのオブジェクトに対してDQSスキャンを実行し、6つの指標をまとめて確認します。スキャンは完全にSalesforce内で実行されるため、データが組織を離れることはありません。弱い各指標を上の表の症状に対応づけ、優先順位順に修復し、修正が持続するようスキャンを繰り返すようスケジュールしてください。完全な準備ワークフローについては、[Agentforce向けデータクリーンアップガイド](/ja/resources/ai-readiness/salesforce-data-cleanup-for-agentforce/)を参照してください。

## 次のステップ

- [Agentforceのデータ品質](/ja/resources/ai-readiness/agentforce-preparation/)：完全な準備ガイドとタイムライン
- [Agentforceデータ対応チェックリスト](/ja/resources/ai-readiness/agentforce-data-readiness-checklist/)：導入前の検証
- [Agentforce向けSalesforceデータクリーンアップ](/ja/resources/ai-readiness/salesforce-data-cleanup-for-agentforce/)：修復ワークフロー
- [Agentforceデータ品質FAQ](/ja/resources/ai-readiness/agentforce-data-quality-faq/)：よくある質問への回答
- [5つの次元](/ja/resources/data-quality/five-dimensions/)：すべてのデータ品質次元の概要
- [AI対応度診断](/ja/ai-readiness/)：現在の対応度スコアを取得する