U bent hier:
Gebruik van Aanwijzingensamensteller en feedbackmeetgegevens
Bewaakt de acceptatie en kwaliteit van specifieke Einstein aanwijzingssjablonen door het bijhouden van generatietellingen en door de gebruiker ingediende feedback.
Controlenaam
Gebruiks- en feedbackmeetgegevens van Einstein Aanwijzingensamensteller
Overzicht van besturingselementen
Bewaakt de acceptatie en kwaliteit van specifieke Einstein aanwijzingssjablonen door het bijhouden van generatietellingen en door de gebruiker ingediende feedback.
Beschrijving
Hiermee kunnen sjabloonspecifieke prestatiegegevens worden vastgelegd. Dit omvat hoe vaak een sjabloon wordt geactiveerd en de bijbehorende feedbackredenen.
Aanbevolen configuratie
Geef vanuit Set-up Einstein Audit op in het vak Snel zoeken en selecteer vervolgens "Einstein Audit, Analytics en Monitoring Set-up". Schakel "Gebruiks- en feedbackmeetgegevens van Aanwijzingensamensteller" in. Wijs de machtiging "Sjabloonbeheer voor aanwijzing" toe aan beheerders om deze meetgegevens te beoordelen.
Impact op beveiliging
Identificeert variatie in AI-prestaties waarbij promptsjablonen mogelijk reacties van lagere kwaliteit of risicovolle reacties gaan produceren als gevolg van wijzigingen in onderliggende CRM-gegevens.
Business Impact
Maakt een gegevensgestuurde ROI-analyse van generatieve AI mogelijk door te tonen welke afdelingen de tools daadwerkelijk gebruiken en welke sjablonen technische verbeteringen vereisen om nuttig te zijn.
Beveiligingsrisico indien niet geconfigureerd
Bedrijven blijven zich niet bewust van de effectiviteit van hun aanwijzingen. Werknemers kunnen AI-responsen van lage kwaliteit of misleidend gebruiken zonder formele feedbacklus voor correctie.
Dreigingsscenario's
Onopgemerkte hallucinaties: Een sjabloon genereert consistent onjuiste gegevens, maar omdat meetgegevens zijn uitgeschakeld, zijn beheerders zich er niet van bewust dat gebruikers de AI handmatig corrigeren (of negeren).
Geschatte CVSS-scorebereik
Kritiek (9,0–10,0).
Overwegingen bij risico-impact
Grote impact voor bedrijven die AI opschalen binnen grote teams waar handmatige steekproeven van AI-interacties niet langer mogelijk zijn. Bij een hoger gebruik wordt het implementeren van regelmatige controle van deze logboeken een cruciale stap om deze voorziening ten volle te benutten.
Hoger risico wanneer
Aangepaste beoordelings-/feedbackstappen voor de aanwijzingen zijn niet geconfigureerd, waardoor beheerders beperkte gegevens hebben, maar geen context hebben over de reden waarom de reactie is mislukt.
Laag risico wanneer
Er is een proces geïmplementeerd om meetgegevens over prompt sjabloongebruik regelmatig te controleren en slecht presterende sjablonen worden in een sandbox steeds verder verfijnd.
Overwegingen bij bedrijf en integratie
Opslagkosten: Deze gegevens verbruiken Data Cloud-kredietpunten. Latentie: Het kan maximaal 24 uur duren voordat controlegegevens in rapporten worden weergegeven.
Begeleiding bij beoordeling van beveiligingstoestand
Beoordeling van beveiligingstoestand verifieert de status "Ingeschakeld" van de Meetgegevens van gebruik en feedback van Aanwijzingensamensteller en signaleert gevallen waarin meetgegevens van sjabloongebruik niet worden vastgelegd, waardoor het bedrijf de AI-veiligheid niet kan verbeteren.
Wie wordt beïnvloed
Functionarissen voor gegevensbeheer, AI-beheerders, klantenservicemanagers en juridische/nalevingsauditors.
