Skip to main content

Limpeza de dados do Salesforce para o Agentforce: guia objeto por objeto

Um playbook de limpeza de dados do Salesforce no nível de campo para o Agentforce. Quais objetos e campos limpar primeiro para agentes de service e sales, mapeados ao DQS.

Atualizado

Limpeza de dados do Salesforce para o Agentforce: guia objeto por objeto

Quais objetos do Salesforce você limpa primeiro depende de quais agentes você faz o deployment. Agentes de service leem Case e Knowledge; agentes de sales leem Lead, Opportunity, Account e Contact. Este guia cobre o onde da limpeza de dados do Salesforce para o Agentforce — os objetos e campos específicos a limpar, a dimensão em risco em cada um e as ações de limpeza a executar.

Para o quando — o cronograma de quatro fases que envolve este trabalho — veja Qualidade de dados para o Agentforce: preparar seus dados do Salesforce para a IA. Este artigo se encaixa dentro da Fase 2 desse cronograma, onde você remedia objeto por objeto. Rode um scan do DQS em cada objeto antes de começar para saber quais campos de fato falham, em vez de limpar campos que já estão bem.

A limpeza neste nível não é trabalho preparatório opcional. Na pesquisa State of Data and Analytics do Salesforce, 84% dos líderes de dados e analytics disseram que sua estratégia de dados precisa de uma revisão completa antes que suas ambições de IA consigam ter sucesso. Remediação objeto por objeto é o que essa revisão parece na prática dentro de um CRM.

Account

Agentes de sales leem Account para embasar respostas sobre o setor, a localização e o relacionamento de um cliente. Quando o agente responde “o que sabemos sobre esta conta”, ele extrai destes campos.

Campo prioritário Dimensão em risco O que dados ruins fazem com o agente
Name Unicidade Accounts duplicadas dividem o histórico, então o agente recupera um registro parcial
Industry Consistência “Tech”, “Technology” e “IT” lidos como três segmentos, quebrando respostas embasadas
BillingCountry Consistência “US”, “USA”, “United States” fragmentam o contexto geográfico
Phone / Website Validade Valores malformados produzem detalhes de contato inutilizáveis nas respostas

Ações de limpeza:

  • Rode um scan de Unicidade para encontrar Accounts duplicadas antes do deployment. Duplicatas ensinam ao agente fatos contraditórios sobre o mesmo cliente. Veja Unicidade.
  • Use Import from Field em Industry e BillingCountry para descobrir cada variante existente, defina valores canônicos no Definition Builder e normalize.
  • Rode um scan de Validade em Phone e Website para pegar entradas malformadas. Mire em campos onde a Validity Rate cai abaixo de 90%.

Contact

Os agentes leem Contact para identificar com quem estão lidando e como contatá-los. Um agente de sales redigindo uma mensagem de abordagem puxa daqui o nome, o título e o e-mail.

Campo prioritário Dimensão em risco O que dados ruins fazem com o agente
Email Validade Endereços inválidos fazem a abordagem sugerida pelo agente falhar
Phone Validade Números malformados aparecem como detalhes de contato quebrados
Title Completude Títulos vazios removem o contexto de cargo que o agente usa para personalizar
MailingCountry Consistência Valores de país inconsistentes desviam respostas específicas por região

Ações de limpeza:

  • Rode um scan de Validade em Email e Phone. Esses são os campos sobre os quais um agente age, então erros de formato viram ações falhas. Veja Validade.
  • Rode um scan de Completude em Title e meça a Completeness Rate. Títulos faltando tiram do agente o contexto de cargo de que ele precisa para adaptar uma mensagem.
  • Padronize MailingCountry com Import from Field, alinhando à lista canônica que você definiu em Account para que os dois objetos concordem.

Case

Os agentes de service trabalham principalmente a partir de Case. O agente lê o Subject e a Description para entender o problema e, então, embasa sua resposta nesse contexto. Este é o objeto de maior alavancagem para um deployment de service.

Campo prioritário Dimensão em risco O que dados ruins fazem com o agente
Description Completude Uma Description vazia não deixa contexto ao agente, então ele retorna uma resposta genérica
Subject Completude Subjects faltando enfraquecem a classificação e o roteamento de casos
Status / Origin Consistência Valores variantes fragmentam a visão do agente sobre o estado e o canal do caso
Description / Comments PII Detection SSNs e números de cartão colados de e-mail entram no contexto da IA

Ações de limpeza:

  • Rode um scan de Completude em Description. Completude da Description equivale a contexto do agente; um campo em branco é o motivo mais comum de um agente de service responder de forma vaga. Veja Completude.
  • Padronize Status e Origin usando Import from Field para revelar cada valor existente e, então, normalize para sua picklist canônica.
  • Rode um scan de PII em Description e Case Comments. O email-to-case captura mensagens de clientes que contêm PII, e o agente pode revelar esse PII em uma resposta. Veja PII Detection e o guia de compliance de PII no Agentforce.

Lead

Agentes de sales leem Lead para qualificar e rotear o interesse de entrada. O agente decide as próximas ações a partir da empresa, da origem e do status, então lacunas aqui mandam leads pelo caminho errado.

Campo prioritário Dimensão em risco O que dados ruins fazem com o agente
Email Validade Endereços inválidos quebram o follow-up conduzido pelo agente
Company Completude Dados de empresa faltando bloqueiam a lógica de qualificação
LeadSource Consistência Origens inconsistentes distorcem as decisões de roteamento do agente
Status Consistência Status variantes confundem onde o lead está no funil

Ações de limpeza:

  • Rode um scan de Validade em Email e um scan de Completude em Company. Esses dois campos determinam se o agente consegue agir sobre um lead de modo algum.
  • Use Import from Field em LeadSource e Status para encontrar desvios e, então, restrinja a um conjunto de valores definido. Veja Consistência.
  • Rode um scan de PII em quaisquer campos de notas ou descrição onde os reps colam mensagens de entrada brutas.

Opportunity

Agentes de sales leem Opportunity para responder perguntas de pipeline e forecast. Uma fase desatualizada ou um valor faltando produz uma resposta confiantemente errada sobre o status do negócio.

Campo prioritário Dimensão em risco O que dados ruins fazem com o agente
StageName Consistência Fases fora do padrão deturpam onde os negócios estão
CloseDate Atualidade Close dates passadas em negócios abertos ensinam ao agente fatos de pipeline desatualizados
Amount Completude Valores faltando distorcem qualquer forecast que o agente reporte

Ações de limpeza:

  • Rode um scan de Atualidade para sinalizar Opportunities abertas com CloseDate no passado. Datas desatualizadas fazem o agente reportar um pipeline que já não existe. Veja Atualidade.
  • Rode um scan de Completude em Amount. Um agente resumindo o valor do pipeline não consegue fazê-lo de forma confiável quando os valores estão em branco.
  • Confirme que StageName corresponde ao seu processo de vendas definido com um scan de Consistência.

Knowledge

Agentes de service embasam respostas em artigos de Knowledge. O agente recupera um artigo e apresenta seu conteúdo como a resposta autoritativa, então um artigo desatualizado ou raso vira uma resposta errada entregue com confiança.

Campo prioritário Dimensão em risco O que dados ruins fazem com o agente
Last modified date Atualidade Artigos desatualizados produzem respostas defasadas que o agente apresenta como atuais
Title / Summary Completude Metadados rasos enfraquecem o retrieval, então o agente cita o artigo errado
Corpo do artigo PII Detection Dados de cliente embutidos podem vazar em uma resposta gerada

Ações de limpeza:

  • Rode um scan de Atualidade contra a last modified date para revelar artigos além do seu limiar de atualidade. Artigos desatualizados são a principal fonte de respostas de service confiantemente erradas.
  • Rode um scan de Completude em Title e Summary. O agente usa esses campos para retrieval, então metadados fracos o levam à fonte errada.
  • Rode um scan de PII no corpo do artigo para confirmar que nenhum dado específico de cliente foi colado em um artigo publicado.

Quais objetos você deve limpar primeiro?

Limpe os objetos que seus agentes de fato leem, na ordem em que suas respostas dependem deles. A matriz abaixo mapeia a prioridade de limpeza ao tipo de agente.

Objeto Agente de service Agente de sales Agente voltado a funcionários
Case Prioridade 1 Baixa Média
Knowledge Prioridade 1 Baixa Prioridade 1
Account Média Prioridade 1 Média
Contact Média Prioridade 1 Média
Lead Baixa Prioridade 1 Baixa
Opportunity Baixa Prioridade 2 Média

Para um deployment de service, comece pela completude da Case Description e pela atualidade de Knowledge, porque esses dois campos determinam se o agente tem o contexto correto para responder. Para um deployment de sales, comece por Account e Contact e, depois, passe para Lead e Opportunity. Em todo tipo de agente, rode primeiro scans de PII nos campos de texto que o agente lê, já que um achado de PII é uma questão de compliance, não de qualidade. O checklist de prontidão de dados para o Agentforce lista os limiares pré-deployment a atingir em cada objeto.

Próximos passos