As equipes fazem as mesmas perguntas antes de conectar o Agentforce aos seus dados do Salesforce. Esta página responde dez delas de forma direta. Cada resposta foi feita para consulta rápida e leva a orientações mais aprofundadas onde você precisar.
O Agentforce precisa de dados limpos?
Sim. O Agentforce precisa de dados limpos porque os agentes embasam suas respostas nos registros do Salesforce que recuperam. Um agente trabalha com o que encontra nos campos dentro do seu escopo. Quando esses campos estão incompletos, inconsistentes ou inválidos, o agente produz saídas incompletas, inconsistentes ou inválidas. Dados limpos são a diferença entre um agente que ajuda os usuários e outro que os engana. As apostas são documentadas: o Gartner previu em 2024 que pelo menos 30% dos projetos de IA generativa seriam abandonados após prova de conceito até o final de 2025, com a má qualidade de dados entre as causas principais. Veja por que os agentes do Agentforce falham para conhecer os modos específicos de falha que dados ruins geram.
Quais dados o Agentforce usa?
O Agentforce usa seus registros do Salesforce. Os agentes recuperam informações dos objetos que você concede, geram respostas com base nesses dados e executam ações em nome dos usuários. Os campos que mais importam para a qualidade das respostas são os campos de texto livre, como Description, Comments e Notes, junto com picklists e campos de referência que dão contexto. Se um campo está no escopo de um agente, seu conteúdo vira insumo para as respostas do agente. Para o quadro completo de como dados de CRM alimentam a IA, leia Qualidade de dados no Salesforce.
Como sei se meus dados do Salesforce estão prontos para o Agentforce?
Você sabe que seus dados estão prontos quando eles atingem limiares de prontidão definidos para completude, consistência, validade e exposição a PII. Prontidão é mensurável, não uma sensação. Rode um scan do DQS em todos os objetos que um agente vai acessar, registre uma taxa-base de cada dimensão e compare essas taxas com suas metas. O checklist de prontidão de dados para o Agentforce percorre cada item que você confirma antes do deployment.
O que acontece se o Agentforce ler registros incompletos?
Quando o Agentforce lê registros incompletos, ele gera respostas vagas ou genéricas porque não tem contexto de onde tirar. Um campo Description vazio não dá ao agente nada específico para referenciar, então ele recorre a uma linguagem ampla que agrega pouco valor. O problema cresce com o volume. A Completeness Rate diz quantos registros têm essa lacuna nos campos que um agente usa, para que você priorize primeiro os piores campos. A completude é a primeira das cinco dimensões de qualidade de dados.
O Agentforce pode expor PII?
Sim. O Agentforce pode revelar informações pessoalmente identificáveis presentes nos campos do Salesforce que ele lê. O PII se esconde em campos de texto livre onde os usuários colam comunicações de clientes. O email-to-case, por exemplo, captura Social Security Numbers e números de cartão de crédito de mensagens recebidas e os armazena em Case Description e Comments. Quando um agente recupera um desses registros, o PII entra no contexto da IA e pode aparecer em uma resposta gerada. O PII Detection do DQS traz oito padrões para encontrar esses dados, e o guia de compliance de PII no Agentforce cobre como tratá-los.
Como meço a qualidade de dados do Salesforce antes de fazer o deployment do Agentforce?
Você mede a qualidade de dados do Salesforce com o DQS, que escaneia seus registros dentro do Salesforce e reporta uma taxa para cada dimensão. No Definition Builder, selecione os objetos e campos que um agente vai acessar e, então, rode um scan. O Insight Studio retorna Completeness Rate, Conformance Rate, Validity Rate, Timeliness Rate, Duplicate Rate e PII Exposure Rate para esse escopo. O scan inteiro roda na sua org, então nenhum dado sai do Salesforce. Para um método passo a passo, veja como medir qualidade de dados no Salesforce.
Quão limpos meus dados precisam estar?
Mire em uma Completeness Rate de 85% ou mais nos campos chave, uma Conformance Rate de 90% ou mais em campos de picklist e referência, uma Validity Rate de 90% ou mais em campos estruturados e uma PII Exposure Rate abaixo de 1% em campos de texto. Esses limiares dão aos agentes dados completos, consistentes e válidos o suficiente para responder de forma confiável, mantendo dados sensíveis fora do contexto da IA. Eleve as metas para campos regulados ou voltados ao cliente, onde os erros carregam mais risco. O guia de preparação para o Agentforce explica como validar cada taxa contra essas metas antes do go-live.
Quanto tempo leva a preparação de dados para o Agentforce?
Planeje cerca de três meses para a preparação de dados antes do go-live. Rode sua avaliação cerca de três meses antes para estabelecer as baselines. Conclua a remediação cerca de dois meses antes, tratando primeiro o PII, depois completude e consistência. Valide cerca de um mês antes re-executando todos os scans e comparando as novas taxas com suas baselines. Após o deployment, passe para o monitoramento contínuo. O tamanho da org e o número de objetos no escopo deslocam o cronograma, mas a sequência se mantém. Para a fase de remediação em detalhe, veja limpeza de dados do Salesforce para o Agentforce.
O monitoramento de qualidade de dados importa após o go-live?
Sim. O monitoramento de qualidade de dados importa após o go-live porque os dados se degradam conforme os usuários inserem novos registros. Um dataset que você limpou para o lançamento acumula novas lacunas, inconsistências e PII em semanas. A remediação pontual não se sustenta. Agende scans recorrentes do DQS, semanais para campos de texto de alto volume e mensais para os objetos no escopo do agente, e acompanhe as tendências das métricas. O scan regular pega a regressão cedo, antes que ela chegue aos seus agentes e aos seus usuários.
Qual a diferença entre qualidade de dados e prontidão de dados?
A qualidade de dados mede se seus registros estão aptos ao propósito pretendido. A prontidão de dados mede se esses mesmos registros estão preparados para um uso específico, neste caso o Agentforce. A prontidão se apoia nas cinco dimensões de qualidade de dados e adiciona uma preocupação que o trabalho tradicional de qualidade ignora: a exposição de dados sensíveis. Um registro pode estar completo, consistente e válido e, ainda assim, guardar um Social Security Number que um agente nunca deve revelar. A prontidão combina as duas checagens. Comece pela base em o que é qualidade de dados.
Próximos passos
- Preparação para Agentforce: o guia completo de prontidão fase por fase
- Checklist de prontidão de dados para o Agentforce: confirme cada item antes de fazer o deployment
- PII Detection: encontre dados sensíveis antes que os agentes possam lê-los
- Medir qualidade de dados no Salesforce: rode seu primeiro scan de baseline
- AI Readiness Assessment: obtenha sua pontuação atual de prontidão em 3 minutos