# Agentforce 데이터 준비도 체크리스트

> 실용적인 Agentforce 데이터 준비도 체크리스트. 완전성, 일관성, PII 등 전반에 걸쳐 Salesforce 데이터가 AI 에이전트를 위해 준비되었는지 평가하십시오.

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

---

Agentforce 데이터 준비도란 여러분의 Salesforce 레코드가 완전하고, 일관되며, 유효하고, 최신이며, 중복이 제거되어 있고, 노출된 PII가 없어서 AI 에이전트가 정확한 맥락을 검색하고 신뢰할 수 있는 응답을 생성하는 상태를 말합니다. 이 여섯 가지 조건 각각이 측정되어 정의된 기준을 충족할 때, 즉 가정이 아니라 측정될 때 데이터가 Agentforce를 위해 준비된 것입니다. 이 체크리스트는 검증할 항목, 각 항목이 중요한 이유, 그리고 그것을 측정하는 DQS 메트릭을 제공합니다.

Agentforce 에이전트는 Salesforce 레코드를 검색하고, CRM 데이터를 기반으로 응답을 생성하며, 사용자를 대신하여 작업을 수행합니다. 이 모든 단계가 여러분의 데이터를 신뢰의 원천으로 읽습니다. 필드가 비어 있으면 에이전트에는 맥락이 없습니다. 값이 네 가지 방식으로 표기되어 있으면 에이전트는 그것을 네 가지 사실로 취급합니다. Case 코멘트에 주민등록번호가 들어 있으면 에이전트가 그것을 노출할 수 있습니다. 준비도란 에이전트가 운영 환경에서 잘못된 답을 내놓은 후가 아니라 배포 전에 이러한 문제들을 메우는 것을 의미합니다. 이 목록 뒤에 있는 전체 단계별 계획은 [Agentforce 준비](/ko/resources/ai-readiness/agentforce-preparation/)를 참조하십시오.

## Salesforce 데이터가 Agentforce를 위해 준비되었는지 어떻게 알 수 있습니까?

레코드를 손으로 검사하는 것이 아니라 측정함으로써 알 수 있습니다. 에이전트가 접근할 모든 오브젝트에 대해 [DQS 스캔](/ko/resources/using-dqs/running-scans/)을 실행한 다음, 각 메트릭을 목표 기준치와 비교하십시오. 아래 여섯 영역을 차례로 검토하십시오. 각 체크박스는 스캔 결과로 검증할 수 있는 것이므로, "내 데이터가 준비되었는가"라는 질문의 답이 의견이 아니라 수치가 됩니다.

측정 단계가 대부분의 조직이 건너뛰는 단계입니다. [Accenture의 AI 준비 데이터 연구](https://www.accenture.com/us-en/insights/ai-data/ai-ready-data)에 따르면, 최고경영진의 61%가 자신의 데이터 자산이 생성형 AI를 위해 아직 준비되지 않았음을 인정했으며, 고급 AI를 확장할 데 필요한 수준의 데이터 준비도에 도달한 기업은 7%에 불과했습니다. 스캔 결과로 검증된 체크리스트가 당신이 어느 쪽에 있는지 알아내는 방법입니다.

체크리스트를 프로젝트 노트에 복사하고 확인할 때마다 항목을 체크하십시오.

## 범위와 접근

무엇이든 측정하기 전에 에이전트가 다루는 것을 정의하십시오. 잘못된 오브젝트를 읽는 에이전트는 조직의 나머지 부분이 아무리 깨끗하더라도 실패합니다.

- [ ] **Agentforce가 읽거나 쓸 모든 오브젝트를 나열하십시오.** 에이전트는 토픽과 액션이 허용하는 것만 검색합니다. 에이전트가 실제로 보는 데이터를 측정하도록 스캔 범위를 정확히 그 집합으로 좁히십시오.
- [ ] **에이전트가 응답에 사용하는 각 오브젝트 내 필드를 나열하십시오.** Description, Comments, Notes, 그리고 핵심 선택 목록(picklist)이 맥락을 담고 있습니다. 모든 필드를 스캔하는 것은 노력 낭비입니다. 답변을 뒷받침하는 필드를 스캔하십시오.
- [ ] **필드 수준 보안이 의도와 일치하는지 확인하십시오.** 에이전트는 실행 사용자의 접근 권한을 상속합니다. 사용자에게 숨겨진 필드는 에이전트에게도 보이지 않으므로, "누락된" 답변이 데이터 공백이 아니라 권한 공백일 때도 있습니다.
- [ ] **어떤 연동이 그 필드에 쓰는지 기록하십시오.** 연동은 불일관하고 중복된 값의 가장 흔한 원인입니다. 누가 쓰는지 알면 단순히 데이터만이 아니라 어디서 입력을 고쳐야 하는지 알 수 있습니다.

## 완전성

에이전트는 자신이 읽는 필드가 비어 있을 때 모호한 응답을 생성합니다. 누락된 맥락이 약한 에이전트 출력의 가장 흔한 원인이므로, 완전성이 가장 먼저 측정해야 할 것입니다.

- [ ] **에이전트가 응답에 사용하는 모든 필드에서 완전성 비율이 85% 이상입니다.** 비어 있는 Description은 에이전트에게 답변을 뒷받침할 거리를 주지 않습니다. **완전성 비율(Completeness Rate)**은 필드에 값이 담겨 있는 레코드의 백분율을 보고합니다.
- [ ] **핵심 맥락 필드에 단일 소스에서 비롯된 체계적 공백이 없습니다.** 한 연동이 비워 둔 필드는 레코드별 정리가 아니라 프로세스 수정의 문제입니다. 필드 수준 완전성 비율이 그 소스를 분리해 줍니다.
- [ ] **스키마에서 필수가 아니더라도 비즈니스상 필요한 필드가 채워져 있습니다.** Agentforce는 비어 있는 필드를 사실의 부재로 취급합니다. DQS가 오브젝트별로 "채워져야 함"을 어떻게 정의하는지는 [완전성](/ko/resources/data-quality/completeness/)을 참조하십시오.

## 일관성과 유효성

동일한 실세계 값이 여러 형태로 나타나면 에이전트는 각각을 별개로 취급하여 일관되지 않게 답합니다. 값이 예상 형식을 벗어나면 다운스트림 검색이 신뢰할 수 없게 됩니다.

- [ ] **선택 목록 및 참조 필드에서 적합률이 90% 이상입니다.** "US", "USA", "United States"를 담고 있는 Country 필드는 하나의 사실을 셋으로 쪼갭니다. **적합률(Conformance Rate)**은 표준 집합과 일치하는 값의 백분율을 보고합니다. 필드에서 가져오기(Import from Field)를 사용하여 기존 변형을 발견한 다음, 표준 값을 정의하십시오. [일관성](/ko/resources/data-quality/consistency/)을 참조하십시오.
- [ ] **형식이 지정된 필드에서 유효성 비율이 90% 이상입니다.** `@`가 없는 이메일, 글자가 들어간 전화번호, 존재할 수 없는 날짜는 에이전트가 처리할 수 없는 데이터입니다. 보내거나 전화하거나 일정을 잡을 수 없습니다. **유효성 비율(Validity Rate)**은 형식 규칙을 통과하는 값의 백분율을 보고합니다. [유효성](/ko/resources/data-quality/validity/)을 참조하십시오.
- [ ] **필드 간 모순이 해결되어 있습니다.** Billing Country와 모순되는 Billing State는 에이전트에게 잘못된 관계를 가르칩니다. 일관성 검사는 서로 어긋나는 값을 드러냅니다.

## 최신성과 중복

오래된 데이터는 더 이상 참이 아닌 사실에 답변을 근거하게 만듭니다. 중복 레코드는 하나의 개체에 대해 에이전트에게 두 가지 버전을 주므로, 응답은 에이전트가 어느 사본을 검색하는지에 따라 달라집니다.

- [ ] **날짜에 민감한 필드에서 적시성 비율이 목표를 충족합니다.** 2년 전의 Last Activity나 과거의 Close Date는 에이전트를 오도합니다. **적시성 비율(Timeliness Rate)**은 정의된 기간 내에 최신 상태인 레코드의 백분율을 보고합니다. [적시성](/ko/resources/data-quality/timeliness/)을 참조하십시오.
- [ ] **에이전트가 읽는 오브젝트에서 중복 비율이 낮습니다.** 에이전트가 동일한 고객에 대한 세 레코드 중 하나를 검색하면 부분적인 이력에서 답합니다. **중복 비율(Duplicate Rate)**은 다른 레코드를 중복하는 레코드의 백분율을 보고합니다. [고유성](/ko/resources/data-quality/uniqueness/)을 참조하십시오.
- [ ] **배포 후가 아니라 배포 전에 중복을 병합하거나 플래그를 지정하십시오.** 폼, 가져오기, 수동 입력에 걸쳐 생성된 중복은 모니터링 없이 늘어납니다. 에이전트가 개체당 하나의 레코드를 읽도록 중복을 해결하십시오.

## PII와 컴플라이언스

에이전트가 읽는 텍스트 필드 안의 PII는 AI 맥락에 들어가 생성된 응답에 나타날 수 있습니다. 이 영역은 준비도 공백이 컴플라이언스 사고로 번지는 곳입니다.

- [ ] **에이전트가 접근하는 텍스트 필드에서 PII 노출 비율이 1% 미만입니다.** SSN과 신용카드 번호는 복사-붙여넣기와 이메일-투-케이스를 통해 Description, Comments, Notes에 축적됩니다. **PII 노출 비율(PII Exposure Rate)**은 패턴 일치를 포함하는 레코드의 백분율을 보고합니다. [PII 탐지](/ko/resources/ai-readiness/pii-detection/)를 참조하십시오.
- [ ] **Case Description 및 Comments에서 SSN 또는 신용카드 일치가 0건입니다.** 금융 PII는 가장 심각도가 높은 결과입니다. Critical 사전 설정 스캔을 실행하여 이를 분리한 다음, 확인된 일치 항목을 마스킹, 삭제, 또는 제외하십시오.
- [ ] **예상 내용 필드에 대해 필드별 패턴 재정의가 구성되어 있습니다.** Email 필드는 설계상 이메일 패턴과 일치하며, 이는 노출이 아니라 노이즈입니다. 필드별 재정의는 그 노이즈를 제거하여 비율이 실제 위험을 반영하게 합니다.
- [ ] **컴플라이언스 팀이 해결 후 PII 스캔을 승인했습니다.** GDPR, CCPA, HIPAA, PCI DSS는 PII의 식별 및 보호를 요구합니다. DQS는 전적으로 Salesforce 내부에서 실행되므로 탐지 중에 어떤 레코드도 조직 밖으로 나가지 않습니다. [Agentforce PII 컴플라이언스](/ko/resources/ai-readiness/agentforce-pii-compliance/)를 참조하십시오.

## 운영과 모니터링

사용자가 새 레코드를 입력함에 따라 데이터 품질이 저하됩니다. 오늘 통과한 데이터셋도 몇 주 안에 새로운 문제를 축적하므로, 준비도는 한 번 통과하는 이정표가 아니라 유지하는 상태입니다.

- [ ] **범위 내 모든 차원에 대해 기준선 메트릭이 문서화되어 있습니다.** 해결이 효과가 있었음을 입증하고 나중에 회귀를 탐지하려면 시작 수치가 필요합니다.
- [ ] **반복 스캔 일정이 구성되어 있습니다.** 예약된 스캔은 일회성 스냅숏을 추세선으로 바꿉니다. 대량 텍스트 오브젝트에는 PII를 주간으로, 완전성과 일관성은 월간으로, 전체 스캔은 분기별로 실행하십시오.
- [ ] **차원별로 해결 담당이 지정되어 있습니다.** 담당자가 없는 메트릭은 개선되지 않습니다. 완전성, PII 등 각각의 책임자를 지정하십시오.
- [ ] **해결된 데이터에 대해 에이전트 응답이 테스트되어 있습니다.** 통과한 스캔은 좋은 동작을 예측하고, 테스트는 그것을 확인합니다. 출력이 정확한지, 그리고 생성된 내용에 PII가 나타나지 않는지 검증하십시오.

## 한눈에 보는 준비도 기준

각 영역의 통과 기준으로 이 표를 사용하십시오. 목표치는 [Agentforce 준비](/ko/resources/ai-readiness/agentforce-preparation/) 계획과 일치합니다.

| 체크리스트 영역 | DQS 메트릭 | 목표 기준치 |
|---|---|---|
| 완전성 | 완전성 비율 (핵심 필드) | 85% 이상 |
| 일관성 | 적합률 (선택 목록, 참조) | 90% 이상 |
| 유효성 | 유효성 비율 (형식이 지정된 필드) | 90% 이상 |
| 적시성 | 적시성 비율 (날짜 민감 필드) | 정의한 기간 충족 |
| 고유성 | 중복 비율 (에이전트가 읽는 오브젝트) | 낮고 하락 추세 |
| PII와 컴플라이언스 | PII 노출 비율 (에이전트가 읽는 텍스트 필드) | 1% 미만 |

## 우리 조직이 여러 항목에서 실패하면 어떻게 합니까?

실패하는 체크리스트는 지연의 이유가 아니라 예상되는 출발점입니다. 대부분의 조직은 첫 스캔에서 예상하지 못한 문제를 발견합니다. 다음 순서로 우선순위를 정하십시오. PII가 먼저인데 컴플라이언스 위험을 수반하기 때문이고, 그다음 완전성과 일관성인데 에이전트 맥락의 품질을 좌우하기 때문이며, 그다음 유효성, 적시성, 고유성입니다. 영향이 가장 크고 노력이 가장 적은 항목을 먼저 고치고, 스캔을 다시 실행하여 기준선과 비교하십시오. 단계별 해결 경로는 [Agentforce를 위한 Salesforce 데이터 정리](/ko/resources/ai-readiness/salesforce-data-cleanup-for-agentforce/)와 [Agentforce 에이전트가 실패하는 이유](/ko/resources/ai-readiness/why-agentforce-agents-fail/)를 참조하십시오.

## 다음 단계

- [Agentforce 준비](/ko/resources/ai-readiness/agentforce-preparation/): 이 체크리스트 뒤에 있는 전체 단계별 준비도 계획
- [Agentforce를 위한 Salesforce 데이터 정리](/ko/resources/ai-readiness/salesforce-data-cleanup-for-agentforce/): 실패한 항목을 해결하는 방법
- [PII 탐지](/ko/resources/ai-readiness/pii-detection/): 에이전트가 읽는 필드에 대한 PII 스캔 구성
- [Agentforce 에이전트가 실패하는 이유](/ko/resources/ai-readiness/why-agentforce-agents-fail/): 약한 에이전트 출력 뒤에 있는 데이터 문제
- [Agentforce 데이터 품질 FAQ](/ko/resources/ai-readiness/agentforce-data-quality-faq/): 흔한 준비도 질문에 대한 빠른 답변
- [Salesforce에서 데이터 품질을 측정하는 방법](/ko/resources/salesforce/measure-data-quality-in-salesforce/): 데이터 품질 점수 심층 설명
- [AI 준비 평가](/ko/ai-readiness/): 현재 준비도 점수 확인