La Respuesta Breve
El "Grounding" es la diferencia entre un agente que cita una política aprobada y uno que formula algo que suena plausible. En Agentforce, la capa de Grounding se compone de cuatro elementos que se construyen en orden: qué fuentes se declaran como fuente única de la verdad, cómo se fragmenta y etiqueta el contenido para su recuperación, cómo se mantienen los permisos del usuario en el momento de la recuperación, y qué sucede cuando no se encuentra una fuente adecuada.
La mayoría de los fallos que observamos en los proyectos piloto no son del modelo. Son fallos de una base de conocimiento que nadie había gestionado en dos años, de documentos fragmentados a mitad de una tabla, y de la ausencia de una ruta de contingencia (Fallback). Por lo tanto, el trabajo comienza con la evaluación de la preparación del contenido y no con la redacción de instrucciones.
La relación general para la selección de casos de uso se encuentra en Agentforce para Empresas.
Las Cuatro Capas de Grounding
| Capa | Qué se define | Señal de que está rota | Evidencia de que funciona |
|---|---|---|---|
| Fuentes | Qué bases de datos se declaran como fuente única de la verdad y quién es el propietario | Dos respuestas contradictorias a la misma pregunta | Lista de fuentes con Propietario y Fecha de Revisión |
| Representación | Fragmentación (Chunking), Metadatos y etiquetado por producto, idioma y versión | Una sección recuperada no está relacionada con la pregunta | Recuperación medida en un conjunto de preguntas conocidas |
| Permisos | Cómo el contexto del usuario limita la recuperación | Contenido interno aparece en la respuesta a un cliente | Prueba de Persona para cada nivel de permiso |
| Transparencia | Citas, Actualidad (Freshness) y ruta de contingencia (Fallback) | Respuesta sin fuente y sin reconocimiento de falta de conocimiento | Porcentaje de respuestas con una cita válida |
Capa 1: Declaración de Fuentes de la Verdad
El primer paso no es técnico. Se toman las veinte preguntas más frecuentes en el proceso seleccionado y, para cada pregunta, se identifica dónde se encuentra la respuesta correcta actualmente. El resultado casi siempre sorprende: algunas respuestas están en un artículo de Knowledge, otras en un campo de CRM, algunas en un documento en posesión de un gerente de equipo, y otras en la mente de dos personas con mucha antigüedad.
Cada fuente que se incorpore debe tener un propietario nominal, una frecuencia de actualización acordada y una fecha de última revisión. Una fuente sin propietario se convierte, en pocos meses, en una fuente de información desactualizada, y el agente seguirá citándola con confianza. Las fuentes sin propietario se mantienen fuera, incluso si son ricas en contenido.
La decisión difícil es qué no conectar. Un repositorio de correos electrónicos, canales de chat y presentaciones de ventas parecen una mina de oro, pero resultan ser una fuente principal de respuestas incorrectas, ya que no distinguen entre un borrador, una propuesta rechazada y una política aprobada.
Los fundamentos de la limpieza y preparación de la base de conocimiento se detallan en Preparación del Knowledge para Agentforce.
Capa 2: Fragmentación (Chunking), Metadatos y Relevancia
Una buena recuperación depende menos del modelo y más de cómo se descompone el contenido. La fragmentación por un número fijo de caracteres destruye tablas, listas de pasos y condiciones de elegibilidad, precisamente el contenido del que se derivan respuestas precisas. Es preferible la fragmentación por estructura: un subtítulo, un paso en un proceso o una fila de tabla que se mantiene completa con su contexto.
Los metadatos son lo que permite reducir el espacio de búsqueda antes de que el modelo entre en acción. El etiquetado mínimo que se debe exigir incluye: producto o línea de servicio, mercado o país, idioma, público objetivo (cliente o interno), fecha de vencimiento y estado de aprobación. Sin el etiquetado de mercado e idioma, un agente en una organización global mezclaría políticas de dos países en la misma respuesta.
La prueba de relevancia es cuantitativa y no subjetiva: se construye un conjunto de 50 a 100 preguntas reales con la respuesta correcta y la fuente correcta, y se mide en cuántos casos apareció el fragmento correcto en la recuperación. Una puntuación baja de "Recall" (recuperación) indica un problema de representación, y su tratamiento es mucho más económico que reemplazar un modelo o reescribir instrucciones.
Capa 3: Permisos en el Momento de la Recuperación
Esta es la capa que causa el fracaso de proyectos piloto en las auditorías de seguridad. La regla es simple: la recuperación debe ejecutarse en el contexto de los permisos del usuario, no en el contexto de una cuenta de integración amplia. Si una pieza de información estaba oculta para el usuario en la interfaz, también debe estar oculta en la respuesta del agente.
En la práctica, se requieren tres pruebas. Primero, un mapeo entre los niveles de clasificación en la fuente externa y los perfiles (Profiles) y conjuntos de permisos (Permission Sets) en Salesforce. Segundo, una prueba de Persona: se ejecutan las mismas diez preguntas con la identidad de un representante, un gerente y un cliente externo y se comparan las respuestas. Tercero, el manejo de contenido mixto: un documento que es mayoritariamente público y un párrafo en él es sensible, debe ser fragmentado o no incluirse.
En un canal público, el valor predeterminado seguro es una lista blanca: solo el contenido explícitamente marcado como aprobado para el cliente se indexa y está disponible para el agente externo. Un enfoque de lista negra siempre omitirá un documento.
El modelo de responsabilidad entre la organización, Salesforce y el proveedor del modelo se detalla en Seguridad de Agentforce y Responsabilidad Compartida.
Capa 4: Citas, Actualidad (Freshness) y Contingencia (Fallback)
Estos tres mecanismos transforman un agente de un sistema opaco a uno que puede ser auditado. Una cita auténtica se refiere al fragmento recuperado, no al artículo que el modelo menciona en el texto; esta es la diferencia entre evidencia y adorno. El porcentaje de respuestas con una cita válida es una de las pocas métricas que un gerente no técnico puede leer y comprender.
La actualidad (Freshness) requiere un SLA escrito: las políticas de precios se revisan trimestralmente, los procedimientos de servicio semestralmente, el contenido regulatorio inmediatamente después de un cambio. El contenido que ha excedido su fecha de vencimiento debe eliminarse automáticamente del índice y no permanecer hasta que alguien note el error.
La contingencia (Fallback) es el comportamiento más importante de verificar antes de la exposición a los clientes. El agente debe indicar explícitamente que no tiene información aprobada y pasar la consulta, en lugar de formular una respuesta plausible. Una buena pregunta para probar: preguntar sobre un producto que no existe y ver si el agente inventa sus términos de servicio.
Caso de Estudio: Una Compañía de Seguros con 900 Artículos de Knowledge
Una compañía de seguros quería un agente que respondiera a los representantes del centro de llamadas sobre las condiciones de las pólizas. El primer proyecto piloto fracasó: el 40% de las respuestas eran incorrectas o incompletas. El análisis mostró que el problema estaba completamente en la capa de fuentes: de 900 artículos, 380 no se habían actualizado en más de tres años, y 60 de ellos contradecían artículos más nuevos sobre el mismo tema.
El equipo no tocó el modelo. Redujo el índice a tres productos principales, solo unos 140 artículos, designó propietarios para cada línea de producto y archivó los contradictorios. Agregó etiquetas de producto, año de versión y estado de aprobación, y cambió la fragmentación por sección en lugar de por longitud fija.
La segunda ronda con el mismo conjunto de 80 preguntas de prueba logró una precisión mucho mayor y, lo que es más importante, en los casos en que no había una fuente, el agente derivó al problema a una persona en lugar de adivinar. La conclusión que llevó a la expansión no fue "la IA ha mejorado" sino "sabemos en qué se basa".
Riesgos y Acciones Preventivas
| Riesgo | Cómo se detecta tarde | Acción preventiva |
|---|---|---|
| Fuentes contradictorias | Respuestas diferentes a la misma pregunta entre representantes | Archivo de versiones antiguas y una única fuente de la verdad para cada tema |
| Fragmentación que destruye la estructura | Respuestas incompletas en procesos multifásicos | Fragmentación por sección manteniendo el encabezado de contexto |
| Permisos a nivel de integración | Exposición de contenido interno en un canal de cliente | Recuperación en el contexto del usuario y pruebas de Persona |
| Sin fecha de vencimiento | Cita de una política ya cancelada | SLA para actualización y eliminación automática del índice |
| Contingencia (Fallback) indefinida | Formulación de una respuesta convincente sin fuente | Ruta "no hay información aprobada" probada en cada versión |
Métricas para la Capa de Grounding
| Métrica | Definición | Frecuencia |
|---|---|---|
| Recall de Recuperación | Porcentaje de preguntas en las que se recuperó el fragmento correcto | En cada versión |
| Validez de la cita | Porcentaje de respuestas con una fuente existente y válida | Semanal |
| Actualidad del Contenido | Porcentaje de artículos en el índice dentro de la fecha de caducidad | Mensual |
| Tasa de Contingencia (Fallback) | Porcentaje de consultas transferidas a un agente humano por falta de fuente | Semanal |
| Fuga de Permisos | Número de hallazgos de exposición en las pruebas de Persona | En cada versión |
Una alta tasa de contingencia (Fallback) no es un fracaso, es un mapa de las brechas de contenido. La lista de preguntas que llevaron a la contingencia es la mejor prioridad para redactar nuevos artículos.
Cuando no se dispone de la capacidad interna para establecer una capa de Grounding controlada, el Servicio de Agentforce e IA es la ruta práctica a seguir.
Lista de Verificación antes de conectar un Agente a las Fuentes
- ☐ Las veinte preguntas más frecuentes están mapeadas a la fuente de la respuesta actual
- ☐ Cada fuente en el índice tiene un propietario nominal y una frecuencia de actualización
- ☐ Se identificaron y archivaron las fuentes contradictorias
- ☐ Existe etiquetado de producto, mercado, idioma, audiencia y fecha de caducidad
- ☐ La fragmentación (Chunking) preserva tablas y listas de pasos
- ☐ La recuperación se ejecuta en el contexto de los permisos del usuario
- ☐ Se realizó una prueba de Persona para cada nivel de permiso relevante
- ☐ Existe un conjunto de pruebas de 50 preguntas con respuesta y fuente correctas
- ☐ Las citas se refieren al fragmento recuperado
- ☐ La ruta de contingencia (Fallback) está formulada y probada en el canal del cliente