El éxito de los agentes de IA depende de un solo factor



Descubre cómo plataformas como Salesforce Data Cloud transforman la gestión de datos para agentes de IA, conectando fuentes estructuradas y no estructuradas, optimizando la calidad de los datos y potenciando decisiones en tiempo real para un éxito empresarial sin precedentes.
Los agentes de IA están a punto de cambiarlo todo, pero los datos de mala calidad son como comida chatarra para ellos. Aliéntalos con datos limpios, completos y conectados. Aquí te explicamos cómo.
¿Cuál es una de las acciones más importantes que puedes realizar para implementar exitosamente agentes de IA? Si respondiste “gestionar los datos”, date una palmada en la espalda.
¿Necesitas pruebas? Considera el caso de la aerolínea que tuvo que reembolsar a un viajero después de que un bot le diera información incorrecta sobre su política de duelo. O el bot que informó a empresarios de Nueva York que estaba bien infringir ciertas leyes. O la IA que insistió en que una estrella de la NBA vandalizó varias casas.
¿Qué salió mal en esos ejemplos? Podría ser supervisión inadecuada o falta de medidas de control apropiadas. Pero, lo más probable, es que algo salió mal con los datos. Datos erróneos o mal etiquetados, datos de fuentes desconocidas o datos atrapados o dispersos en múltiples sistemas son escenarios comunes que pueden condenar a la IA agente.
Investigaciones recientes destacan esta realidad. Casi 6 de cada 10 usuarios de IA afirman que es difícil obtener lo que quieren de la IA en este momento, y más de la mitad asegura que no confía en los datos utilizados para entrenar los sistemas de IA actuales. Esta falta de confianza en los datos podría frenar significativamente la adopción de la IA y dificultar la capacidad de tu empresa para competir.
Los agentes de IA prometen transformar por completo cómo se realiza el trabajo y cómo se gestionan las relaciones con los clientes, pero requieren datos que sean precisos, actualizados, accesibles y completos. Esto se llama IA centrada en los datos y se basa en la idea de que los sistemas de IA se desarrollan únicamente con datos de calidad.
Table of contents
6 estrategias para preparar una IA generativa confiable



Qué puede hacer tu empresa ahora
Aquí tienes dos pasos clave que tu empresa puede tomar ahora mismo para poner en orden sus datos:
- Conecta tus fuentes de datos — marketing, ventas, servicio, comercio — en un único registro, actualizado en tiempo real, para que un agente de IA pueda ejecutar tareas de manera precisa y con toda la información disponible.
- Garantiza la calidad de tus datos. Elimina duplicados, valores atípicos, errores y otros elementos que puedan afectar negativamente los resultados de la IA.
Conecta todos tus datos empresariales
El acceso en tiempo real a datos de calidad en toda la organización es la base del éxito de la IA. Sin embargo, muchas empresas luchan con esto. Los datos están aislados, en diferentes formatos y repartidos por todas partes. De hecho, las empresas afirman que la falta de armonización de datos es la segunda mayor barrera para extraer valor de ellos.
Plataformas como Salesforce Data Cloud conectan todas las fuentes de datos, tanto estructuradas como no estructuradas, independientemente del tipo de datos, en una plataforma unificada e integrada. Las incorporaciones recientes a la plataforma incluyen soporte para el procesamiento nativo de audio y video, como seminarios web y llamadas, y un modelo semántico de datos que ayuda a los agentes de IA y a los humanos a interpretar y utilizar los datos de manera coherente.
Todos estos datos respaldan Agentforce, el conjunto de herramientas de agentes de IA de Salesforce, y hacen que los agentes sean contextualmente conscientes y conocedores. Por ejemplo, un Agente de Servicio de Agentforce tiene acceso a correos electrónicos previos, tickets de soporte, mensajes de voz y cualquier otra fuente definida por la organización, para comprender mejor las necesidades del cliente. Estos datos guían al agente de IA con los próximos pasos óptimos, como automatizar un correo de seguimiento o compartir un resumen de chat con un representante humano.
Establece las bases para agentes de IA centrados en datos
Tus datos no necesitan ser perfectos para construir un programa efectivo de agentes de IA, pero sí deben estar limpios. Esto significa libres de errores, formatos incorrectos, duplicados o etiquetas erróneas.
Los expertos en datos de Tableau ofrecen una plantilla completa para limpiar sistemáticamente tus datos, un primer paso crucial para unificar conjuntos de datos en proyectos de IA.
Elimina observaciones duplicadas o irrelevantes
La duplicación ocurre cuando combinas conjuntos de datos de múltiples fuentes y se crean copias. Las observaciones irrelevantes aparecen cuando datos (por ejemplo, sobre consumidores mayores) no encajan en el problema que intentas analizar (como los hábitos de compra de los millennials). Eliminar estas observaciones hace que el análisis sea más eficiente, útil y preciso para un sistema de IA.
Corrige errores estructurales
Los errores estructurales ocurren cuando los datos incluyen errores tipográficos, capitalización incorrecta o etiquetas erróneas. Por ejemplo, “N/A” y “no aplicable” significan lo mismo, pero no se analizan de la misma forma debido a sus diferencias de formato. Las entradas deben ser consistentes para garantizar un análisis preciso y completo por parte del sistema de IA.
Filtra valores atípicos no deseados
A menudo hay observaciones únicas que no se alinean con los datos que estás analizando. Esto podría deberse a errores en la entrada de datos (y deberían eliminarse), pero a veces un valor atípico ayuda a probar una teoría. En cualquier caso, es necesario un análisis para determinar su validez.
Maneja los datos faltantes
Los datos incompletos son un problema muy común en los conjuntos de datos y pueden reducir la precisión de los modelos de IA. Existen varias formas de abordar esto:
- Eliminar observaciones con valores faltantes, aunque esto puede llevar a la pérdida de información.
- Imputar valores faltantes basándote en otras observaciones, aunque esto puede comprometer la integridad de los datos, ya que se basa en suposiciones y no en observaciones reales.
- Modificar la forma en que se usan los datos para navegar efectivamente los valores faltantes.
Valida
Después de limpiar los datos, deberías poder responder a estas preguntas:
- ¿Los datos tienen sentido?
- ¿Los datos siguen las reglas apropiadas para su campo?
- ¿Confirman o refutan tu teoría, o revelan algún insight?
- ¿Puedes identificar tendencias que ayuden a informar la próxima teoría? Si no, ¿es debido a problemas continuos de calidad de datos?
En la era de la IA, los datos son valiosos
Pronto, los datos no solo respaldarán las operaciones, sino que serán la columna vertebral de los sistemas, flujos de trabajo, interacciones con clientes y procesos automatizados. Estarán entretejidos en todo, impulsando decisiones y desencadenando acciones en tiempo real, con supervisión humana que garantice la responsabilidad. Las empresas que prosperen no solo recopilarán datos, sino que los integrarán con tecnologías para aprovechar nuevas capacidades y oportunidades.
Esto representa una diferenciación a gran escala.
Como dijo recientemente Rahul Auradkar, vicepresidente ejecutivo y gerente general de Data Cloud en Salesforce: “En esta nueva era de IA y agentes, los datos de clientes y metadatos son el nuevo oro para las empresas”.
Los datos son tan cruciales para el éxito de la IA y los agentes de IA que pueden ser incluso más valiosos que el oro.
Conoce el Agentforce
Humanos y Agentes se unen por el éxito del cliente. Cree y personalice agentes de IA autónomos para ayudar continuamente a sus colaboradores y clientes.

