Identity Resolution Agent para Data Cloud.
Match rules diseñadas con la evidencia de tus propios datos, no con corazonadas.
El agente OOTB de Agentforce que diseña, sugiere, audita y mantiene match rules de Identity Resolution en Data Cloud. Analiza Contact Points dispersos en CRM, ecommerce y app, propone reglas calibradas con simulación previa, audita la calidad de los matches en el tiempo y explica cada decisión de match en lenguaje natural. Pensado para CDO, Identity Lead, Customer Data Platform owner y Marketing Operations que necesitan un Customer 360 confiable a escala LATAM.
¿Qué hace Identity Resolution Agent?
Es un agente OOTB de Agentforce que convierte el diseño y mantenimiento de Identity Resolution en un proceso asistido por IA. Analiza Individuals, Contact Points y Accounts, detecta inconsistencias de normalización entre fuentes, propone match rules con precision y recall simulados, audita el drift de calidad en producción y mantiene un log explicable de cada decisión de match. Soporta households, suppression lists y la stitch de visitantes anónimos a perfiles conocidos.
Cómo funciona paso a paso
Del análisis de fuentes a la regla calibrada en producción. 6 pasos en cada iteración.
Análisis de fuentes y Contact Points
Lee los Individuals, Contact Point Email, Contact Point Phone y Account DMOs. Detecta inconsistencias de normalización: emails con mayúsculas, teléfonos sin formato E.164, espacios y caracteres invisibles.
Propuesta de match rule
Construye una regla candidata combinando atributos: email normalizado, teléfono E.164, document ID local. Asigna pesos a cada criterio y propone el orden de evaluación.
Simulación sobre sample
Ejecuta la regla sobre un sample representativo (decenas de miles de Individuals) y devuelve precision, recall, F1 y la cantidad de merges nuevos. Muestra ejemplos concretos de matches aceptados y rechazados.
Revisión humana
El Identity Lead o Steward revisa las métricas y los ejemplos, ajusta pesos si hace falta y aprueba la aplicación. La aprobación queda registrada en el audit trail.
Apply en producción
El agente aplica la regla, registra los merges y splits y deja cada decisión con una explicación legible: qué atributo coincidió, con qué peso, contra qué Individual.
Monitoreo y refinamiento
Audita métricas contra el golden truth set, alerta cuando hay drift y propone un refinamiento de la regla. El ciclo se cierra y arranca el siguiente.
Ejemplo de interacción
[El agente analiza Contact Points]
[Simulación y propuesta]
Arquitectura técnica
Topics, Actions, Hydrators, Effectors, Channels, DMOs, Trust Layer y Memory que sostienen al agente.
Topics
Dominios de razonamiento
- Match Rule Designer
- Match Quality Auditor
- Identity Explainer
- Suppression Manager
- Household Builder
- Anonymous-to-Known Stitcher
Actions y canales
Lo que ejecuta y dónde vive
- proposeRule
- simulateMatch
- applyRule
- exploreMatch
- mergeProfile / splitProfile
- Lightning
- Slack vía MCP
Hydrators y DMOs
Contexto y memoria
- Individual DMO
- Contact Point Email DMO
- Contact Point Phone DMO
- Account DMO
- Household DMO
- Decisiones previas del Steward
- Memory: reglas aplicadas y resultados
Effectors y Trust Layer
Escrituras y guardrails
- Escribir match rules
- Merge unified profile
- Split de profiles erróneos
- PII handling estricto
- Lineage de cada decisión de match
- Audit log completo
Cómo se implementa en 5 fases
De fuentes dispersas a Customer 360 unificado con reglas explicables y golden truth set vivo.
Discovery de fuentes y normalización
Mapeamos las fuentes que alimentan Individuals y Contact Points. Validamos completeness y formato de email, teléfono y document IDs locales (DNI, CPF, RFC, CURP, RUT).
Construcción del golden truth set
Construimos un set de Individuals con identidad confirmada manualmente para auditar precision y recall. Es la base para medir drift en el futuro.
Diseño de reglas iniciales
El agente propone reglas a partir de los Contact Points disponibles. Simulamos sobre sample, ajustamos pesos y validamos contra el golden truth set.
Apply controlado y revisión
Aplicamos las reglas en producción con monitoreo intensivo durante las primeras semanas. Revisamos splits y merges manualmente y afinamos la regla.
Auditoría continua y refinamiento
El agente audita drift contra el golden truth set y propone refinamientos. Cadencia de revisión mensual con el Identity Lead y el Steward.
Equipo típico de implementación
Requisitos para arrancar
Lo que necesitás listo antes de poner el Identity Resolution Agent en producción.
Datos
- Completeness mínimo en Contact Point DMOs
- Email y teléfono con normalización viable
- Document IDs locales si aplica (DNI, CPF, RFC, CURP, RUT)
- Naming conventions consistentes
Integraciones
- Fuentes principales conectadas a Data Cloud
- Web SDK para anonymous-to-known si aplica
- Suppression list management
- Slack o canal de notificación para revisiones
Organizacional
- Identity Lead asignado
- Jerarquía de fuentes documentada
- Política de approval de reglas
- Cadencia de revisión mensual
Trust y compliance
- Trust Layer activo
- Política de retención de PII
- Cumplimiento LGPD, Habeas Data, LFPDPPP según país
- Lineage habilitado
Qué se busca optimizar
Lo que el agente busca mejorar — los rangos exactos dependen del baseline de cada compañía.
Precision y recall de matches
Subir la calidad del Customer 360 con métricas medibles: precision para evitar falsos merges, recall para no dejar duplicados sin unificar.
Cobertura de individuals unificados
Aumentar el porcentaje de Individuals con un Unified Profile resuelto sobre el total disponible en las fuentes conectadas.
Completeness de household
Mejorar la construcción de households con jerarquía explícita, útil para campañas familiares y para gobierno de consent compartido.
Resolución anonymous-to-known
Subir la tasa de visitantes anónimos que se conectan a un perfil conocido cuando hay señal suficiente, sin sobre-asignar identidades.
Tiempo de diseño de match rules
Reducir las semanas que toma diseñar y validar una regla nueva. Pasar de iteraciones manuales a propuestas con simulación previa.
Drift detectado a tiempo
Detectar la degradación de calidad antes de que afecte segmentos y activaciones, gracias al monitoreo contra el golden truth set.
Qué considerar al implementar
Decisiones de diseño que vale la pena tomar al principio. Solu acompaña cada una con un patrón probado.
Reglas explicables y auditables
Una regla opaca es deuda técnica. Solu define reglas con atributos y pesos visibles, audit trail de cada match y explicación legible para que el Steward pueda revisar y desafiar cualquier decisión.
Golden truth set vivo
Sin set de referencia, no hay forma de medir drift. Solu construye un golden truth set versionado al inicio del proyecto y lo refresca trimestralmente con casos nuevos representativos.
Distinguir Individual, Account y Household
Mezclar las tres entidades genera errores de segmentación y campañas mal dirigidas. Solu modela la jerarquía Individual ↔ Account ↔ Household desde el día uno, con reglas distintas para cada nivel.
Formatos LATAM-específicos
Los document IDs varían por país (DNI en Argentina, CPF en Brasil, RFC y CURP en México, RUT en Chile). Solu configura la normalización y la regla de match para cada formato relevante en la geografía de la compañía.
Consent y suppression como first-class
Una identidad resuelta sin consent enforcement es un riesgo de compliance. Solu integra consent records y suppression lists en el flujo de match, para que el Unified Profile respete las preferencias del individuo.
Preguntas Frecuentes
No. El agente cubre el diseño asistido, la simulación y la auditoría de drift. La aprobación de reglas, la resolución de splits ambiguos y la decisión sobre casos límite siguen siendo del Identity Lead o Steward humano. El agente le quita la carga repetitiva, no la responsabilidad de gobierno.
Soporta formatos locales con normalización configurable: DNI en Argentina, CPF en Brasil, RFC y CURP en México, RUT en Chile, cédula en Colombia y Ecuador, entre otros. Solu configura la normalización en la fase de discovery según los países donde opera la compañía.
Sí. Construye households con jerarquía explícita a partir de Contact Points compartidos (dirección, teléfono familiar, plan compartido). El Topic Household Builder gestiona la lógica con reglas separadas de las de Individual, lo que evita merges erróneos a nivel persona.
Compara los matches actuales contra el golden truth set y reporta precision, recall y F1 en el tiempo. Cuando detecta drift, alerta al Identity Lead y propone una regla refinada con simulación previa.
Sí. El Topic Suppression Manager mantiene las listas de exclusión sincronizadas con el Unified Profile. Cuando un Individual entra en una suppression list, las activaciones lo respetan automáticamente sin requerir cambios en cada destination.
El Topic Anonymous-to-Known Stitcher une el Web Engagement DMO con Individuals conocidos cuando hay señal suficiente: login, click en email autenticado, formulario completado. La regla aplica thresholds explícitos para evitar uniones débiles.
Con tres palancas: thresholds de confianza por regla, simulación previa con ejemplos visibles antes del apply y la action splitProfile disponible en cualquier momento para corregir un merge mal hecho. Cada split queda registrado con justificación.
Customer 360 unificado con reglas explicables y drift detectado a tiempo.
Hablá con un Solu Architect. Mapeamos tus fuentes, tus formatos LATAM y diseñamos un set de match rules con simulación previa.