Crear una configuración de índice de búsqueda
Objetivos de aprendizaje
Después de esta unidad, podrá:
- Describir cómo funcionan la configuración y la fundamentación del índice de búsqueda en Data 360.
- Crear una configuración de índice de búsqueda de vectores.
Nota
¿Es su idioma de aprendizaje español (LATAM)? Comience el reto en un Trailhead Playground en español (LATAM) y utilice las traducciones entre paréntesis para navegar. Copie y pegue solo los valores en inglés, ya que las validaciones del reto dependen de los datos en ese idioma. Si no aprueba el reto en su organización en español (LATAM), recomendamos que (1) cambie la configuración local a Estados Unidos, (2) cambie el idioma a inglés (según estas instrucciones) y, luego, (3) haga clic en el botón “Check Challenge” (Comprobar el reto) nuevamente.
Consulte la insignia Trailhead en su idioma para obtener más información sobre cómo aprovechar la experiencia de Trailhead en otros idiomas.
A partir del 14 de octubre de 2025, Data Cloud cambia su nombre a Data 360. Durante esta transición, es posible que se encuentre con referencias a Data Cloud en nuestras aplicaciones y documentación. El nombre es nuevo, pero su funcionalidad y contenido siguen siendo los mismos.
Fundamentar la búsqueda en datos no estructurados mediante la configuración del índice de búsqueda
Fundamentar la búsqueda en datos estructurados y no estructurados mejora el uso de las herramientas de IA generativa, análisis de datos y automatización en toda la plataforma Salesforce Platform. La búsqueda fundamentada recopila datos específicos de clientes en aplicaciones como Agentforce, Tableau y Flow Builder, lo que garantiza que los resultados estén optimizados para las intenciones y los contextos de sus usuarios. Está alineación se traduce en un contenido generado por IA más preciso y relevante, perspectivas más profundas del análisis de datos y flujos de trabajo de automatización más eficientes para sus equipos y clientes.
Para fundamentar una búsqueda, se deben dividir los datos no estructurados en fragmentos semánticamente adecuados y, a partir de estos fragmentos, crear integraciones de vectores, que son representaciones numéricas de los datos fragmentados. El contenido fragmentado, almacenado en el índice de búsqueda de Data 360, se puede utilizar para realizar búsquedas y en aplicaciones de IA generativa de Einstein (Generador de solicitudes y Agentforce), automatización (Flow Builder) y análisis de datos (Tableau).
Fragmentar datos no estructurados
En la unidad anterior, vimos cómo Data 360 hace referencia a datos no estructurados a través de objetos de modelo de datos no estructurados (UDMO, por sus siglas en inglés). También es posible fragmentar UDMO o cualquier DMO con campos de texto, como los artículos de Salesforce Knowledge. Esto es lo que hará en esta unidad.
Al fragmentar UDMO o DMO, se los divide en fragmentos gestionables con relevancia semántica. Estas unidades de texto se almacenan en Data 360 en objetos de modelo de datos de fragmentos (CDMO, por sus siglas en inglés), que se crean a partir de objetos de modelos de datos u objetos de modelos de datos no estructurados.
Comprender cómo funciona la fragmentación
Data 360 admite varias estrategias de fragmentación.
La extracción de pasajes basada en la semántica utiliza el significado semántico inherente en las etiquetas de HTML para fragmentar un documento en pasajes. Los elementos de HTML como los encabezados (<h1>, <h2>), las listas (<ul>, <ol>) o el texto en negrita (<strong>) que funcionan como subencabezados se consideran límites lógicos de los pasajes.
La estrategia de extracción de pasajes en función de las ventanas utiliza elementos en el nivel de los bloques, como etiquetas <div> y <p> o texto sin formato separado por saltos de línea, para fragmentar documentos en pasajes. Si un párrafo no contiene HTML, la extracción se encuentra completa en el nivel de las oraciones.
Obtenga más información sobre las estrategias de fragmentación en la Ayuda de Salesforce.
Por ahora, veamos qué sucede luego de que se hayan fragmentado los datos.
Crear integraciones de vectores a partir de contenido fragmentado
Luego de que Data 360 fragmente su contenido, crea una integración de vectores, que es una representación numérica del contenido fragmentado que se puede recuperar o utilizar en sus aplicaciones de IA generativa, automatización o análisis de datos de Salesforce.
Las integraciones de vectores son representaciones numéricas de texto que almacenan relaciones entre palabras o frases. La integración captura el significado semántico del contenido, de forma que los fragmentos de contenido semánticamente similares tengan integraciones de vectores similares. Estas representaciones ayudan a las máquinas a procesar y comprender el lenguaje de manera efectiva.
En Data 360, son los objetos de modelo de datos de índice (IDMO, por sus siglas en inglés) los que hacen referencia a las integraciones de vectores. Los analizaremos en mayor detalle más adelante en esta unidad.
Siga leyendo sobre las integraciones de vectores y el contenido fragmentado en la Ayuda de Salesforce.
Crear configuraciones de índice de búsqueda de vectores
Si desea preparar sus datos no estructurados para la búsqueda, necesita fragmentarlos y vectorizarlos. Para ello, deberá crear una configuración de índice de búsqueda. Lo ideal es crear una configuración de índice de búsqueda para cualquier objeto de datos con campos de texto que contengan conceptos informativos, narrativas o descripciones detalladas que sus usuarios buscan para encontrar resultados relevantes. Un ejemplo de estos datos son los artículos de Salesforce Knowledge u otros documentos de textos (como transcripciones de chat) almacenados en una tienda de almacenamiento de objetos externa como Amazon S3.
Crear una configuración de índice de búsqueda de vectores a partir de artículos de Knowledge
En la unidad anterior, creó una transmisión de datos y un objeto de lago de datos a partir de un paquete de Knowledge en el conector de Salesforce CRM, que ofrece una variedad de artículos de Knowledge de muestra.
El objeto Knowledge Article Version (Versión de artículo de Knowledge) resulta útil como índice, ya que puede utilizarlo para realizar consultas, recuperaciones o búsquedas en todos los tipos de artículos según su versión. El objeto Knowledge Article Version (Versión de artículo de Knowledge) incluye estos campos que se deberían indexar para su búsqueda.
-
Name (Nombre): es el nombre o el título del artículo de Knowledge
-
Description (Descripción): es la descripción o el resumen del artículo de Knowledge, asignada desde Summary (Resumen)
-
Campos de texto personalizados: es cualquier campo de texto enriquecido (con un límite de 131 K) que contenga datos no estructurados
Crear una configuración de índice de búsqueda de vectores para el DMO de la versión de artículo de Knowledge
Deberá completar estos pasos en su organización de Data 360 para aprobar el reto al final de esta unidad.
Advanced Setup (Configuración avanzada) le proporciona un mayor control de las opciones de fragmentación y vectorización. Sin embargo, para este reto, utilizará en su mayoría las opciones predeterminadas.
- Si todavía no lo ha hecho, inicie su zona de pruebas de Data Cloud.
- En App Launcher (Iniciador de aplicación), seleccione Data Cloud.
- Haga clic en Search Index (Índice de búsqueda) | New (Nuevo).
Si no ve la opción Search Index (Índice de búsqueda) en la navegación de Data Cloud, haga clic en el menú desplegable More (Más) y seleccione Search Index (Índice de búsqueda).
- Haga clic en Advanced Setup (Configuración avanzada) | Next (Siguiente).
- En la página Select Source Object (Seleccionar objeto de origen), seleccione Vector Search (Búsqueda de vectores), el DMO de Knowledge Article Version (Versión de artículo de Knowledge) y haga clic en Next (Siguiente).
- En la página Select Fields to Chunk (Seleccionar los campos que se fragmentarán), haga clic en Manage Fields (Gestionar campos).
- Haga clic en Select All Fields (Seleccionar todos los campos) y en Save (Guardar).
- Conserve la estrategia de fragmentación predeterminada y haga clic en Next (Siguiente).
- En la página Select a Vectorization Strategy (Seleccionar una estrategia de vectorización), conserve la estrategia de vectorización predeterminada y haga clic en Next (Siguiente).
- En la página Select Related Fields for Search Filtering (Seleccionar campos relacionados para el filtrado de búsquedas), no agregue ningún campo y haga clic en Next (Siguiente).
- En la página Search Index Configuration Details (Detalles de configuración de índice de búsqueda), reemplace Search Index Configuration Name (Nombre de la configuración de índice de búsqueda) por
My_kav. Search Index Configuration API Name (Nombre de API de configuración de índice de búsqueda) se propagará de forma automática.
- Haga clic en Save (Guardar).
¡Ya está! La nueva configuración de índice de búsqueda, My_kav, se encuentra enumerada en la ficha del índice de búsqueda.
Ver los CDMO e IDMO de la versión de artículo de Knowledge
Luego de crear una configuración de índice de búsqueda, su estado cambiará a Submitted (Enviado) y, luego, a In-progress (En curso) a medida que procese los datos del DMO o UDMO de origen. Si no se produce ningún error, el estado cambiará de Submitted (Enviado) a In Progress (En curso) y, luego, a Ready (Listo). No verá ningún registro en Data Explorer (Explorador de datos) hasta que el estado del índice de búsqueda sea Ready (Listo).
Data 360 puede tardar varios minutos en procesar los datos en el índice de búsqueda, pero el tiempo puede variar, así que sírvase una bebida y estire las piernas. Cuando regrese, haga clic en Refresh (Actualizar) y compruebe si el estado del índice de búsqueda es Ready (Listo).
El contenido más útil en un artículo de Knowledge se encuentra en el campo Description (Descripción). Por lo general, los artículos de muestra son tan breves que presentan un solo fragmento. Esto significa que, para cada registro del CDMO y el IDMO de Knowledge Article Version (Versión de artículo de Knowledge), hay un fragmento y un vector, respectivamente, mientras que el contenido más extenso podría tener más registros en cada DMO.
Echemos un vistazo rápido al CDMO y el IDMO que creamos para el DMO de Knowledge Article Version (Versión de artículo de Knowledge).
- Confirme que el estado del índice de búsqueda sea Ready (Listo).
- En Data Cloud, haga clic en Data Explorer (Explorador de datos).
- En el menú desplegable Object (Objeto), seleccione Data Model Object (Objeto de modelo de datos).
- En el campo Select an Object (Seleccionar un objeto), seleccione el fragmento My_kav.
Ahora, debería poder ver una lista de todos los fragmentos que Data 360 creó a partir de los artículos de Knowledge de muestra.
- En el campo Select an Object (Seleccionar un objeto), seleccione el índice My_kav.
Ahora, debería poder ver una lista de todos los registros de vectores que Data 360 creó a partir de los artículos de Knowledge de muestra.
Puede utilizar los CDMO y los IDMO que contiene el índice de búsqueda en Salesforce en aplicaciones como Flow Builder, Agentforce, el Generador de solicitudes e, incluso, Tableau. O bien, consulte los documentos de búsqueda de vectores para obtener más información sobre la ejecución de consultas de búsqueda de vectores.
Conectar datos no estructurados a Data 360 le permite fundamentar los resultados de búsqueda en una gran cantidad de datos de una variedad de casos de uso enfocados en los clientes. Mediante la fragmentación y la vectorización de estos datos, puede utilizar la búsqueda de vectores en las aplicaciones de IA generativa de Einstein, Flow Builder e, incluso, Tableau para mejorar sus capacidades de IA, análisis de datos y automatización.