Läs om våra uppdateringsscheman här.

Ansvarsfriskrivning: Detta dokument distribueras endast i informationssyfte. Det utgör inte juridisk rådgivning och ska inte användas som sådant.

Ett efterlevnadssystem är utformat för att följa tillämpliga juridiska och etiska riktlinjer, och efterlevnaden är både mätbar och granskningsbar. Detta visas genom att begränsa dataåtkomst till auktoriserade individer för avsedda ändamål, följa relevanta juridiska föreskrifter och säkerställa rättvis åtkomst för alla auktoriserade användare.

Proaktiva åtgärder är viktiga för att förhindra och upptäcka efterlevnadsbrott. En reaktiv inställning till föreskrifter och standarder kan urholka kundernas Trust, särskilt om ändringar endast sker som svar på kunders förfrågningar eller klagomål. Sådana klagomål kan skada din organisations varumärke och anseende och kan leda till intäktsförluster.

Du kan bygga efterlevnad i dina Salesforce-lösningar genom att fokusera på tre nyckelvanor: juridisk efterlevnad, etiska standarder och tillgänglighet.

Att följa juridiska mandat innefattar att följa regionala lagar och branschregler. Som arkitekt, när din organisations juridiska team eller en tredjepartsgranskare har fastställt de specifika efterlevnadskraven, är ditt ansvar att förstå dessa krav och proaktivt identifiera och flagga potentiella efterlevnadsproblem tidigt i designprocessen för att minska risken för böter och stämningar.

Du kan förbättra den juridiska efterlevnaden i dina Salesforce-lösningar genom datasekretess och lokalisering.

Datasekretess handlar om hur din lösning samlar in, lagrar och bearbetar personligt identifierande information (PII), tillsammans med relevanta föreskrifter och en individs möjlighet att styra åtkomst till sina personuppgifter. Att följa dessa föreskrifter kan kräva uppdateringar av din delnings- och visningsmodell, ändringar av metadatakonfigurationer för att begränsa åtkomst, implementera fältnivåkryptering, övervaka loggar och händelser, skapa automatiseringar för att exportera eller ta bort en kunds data på begäran och utveckla policyer som styr dataanvändning i automatiseringar och AI.

Att inte följa dataskyddsföreskrifter kan leda till betydande böter och stämningar. Att exponera data om intressenter på grund av otillräckliga kontroller eller säkerhetsbrister kan dessutom resultera i förlorade intäkter och urholkad Customer Trust.

Tänk på följande när du arbetar för att säkerställa efterlevnad av datasekretesskrav:

• Kontakta tillsynsexperter. Arbeta med ditt juridiska team eller en tredjepartsgranskare för att utvärdera de branschspecifika efterlevnadsföreskrifterna som gäller för din verksamhet. Till exempel måste vårdföretag följa lagen om överförbarhet och ansvarighet för sjukförsäkringar (HIPAA).
• Klassificera dina data. Dataklassificering hjälper projektteam förstå när de olika dataelementen i din organisation kan användas eller inte. Det ger även din verksamhet möjlighet att rapportera om efterlevnad av datahanteringspolicyer. Klassificera data i din organisation genom att specificera tillämpliga föreskrifter på fältnivå för att samla in vem ägaren är, känslighetsnivå och om fältet används eller inte.

Under klassificeringsprocessen är det viktigt att tänka på hur alla fält i din datamodell kan användas och inte bara de som verkar vara känsliga vid första anblicken. I vissa fall kan fält som verkar oviktiga bli känsliga om de används i fel sammanhang. Till exempel kan postnummer i USA vara en proxy för ras och därför, om de används i ett prediktivt läge, oavsiktligen lägga till biasering eller orsaka skada. Namn kan användas för att förutsäga kön, ursprungsland, ras, religion och till och med ålder, eftersom populära namn tenderar att ändras från generation till generation. Inkludera klassificeringar av alla fält och en tydlig beskrivning av hur associerade AI-funktioner kommer att använda dem i din dokumentation.

Använd verktyg som Data Detect för att identifiera känsliga data i din organisation. Om fält klassificeras som känsliga eller om du vet vilka fält som är känsliga kommer verktyg som Einstein Innehållsval även att identifiera fält som är starkt korrelerade och därför kan vara proxyvärden för dessa känsliga fält.

• Upprätta rekommenderade metoder för datastyrning. Se till att all relevant dokumentation är fullständig, uppdaterad och centralt lagrad så att den är lätt tillgänglig för alla intressenter. Detta kommer att ge din organisation ett bättre skydd mot juridiskt ansvar samtidigt som du behåller Trust med dina kunder och partners. Till exempel dokumenterar en dataordbok objekt- och fältnivådefinitioner och klassificeringar för alla dataelement som kommer att lagras i ditt system, designdokument innehåller detaljer om eventuella automatiseringar som du har skapat för att följa föreskrifter och en säkerhetsmatris sammanfattar vilka data användare har åtkomst till. Denna omfattande dokumentation blir den officiella källan för RAG (Retrieval-Augmented Generation) och jordar agentsystem som Agentforce direkt i ett verifierat, efterföljande operativt sammanhang, vilket förhindrar inkonsekventa eller hallucinerade utdata.

Listan över mönster och antimönster nedan visar hur korrekt (och dålig) hantering av datasekretess ser ut i en Salesforce-lösning. Använd dessa för att validera dina konstruktioner innan du bygger, eller identifiera områden i ditt system som behöver omfaktoriseras.

Mer information om Salesforces verktyg för datasekretess finns i Verktyg som är relevanta för efterlevnad.

Lokalisering handlar om att anpassa en produkt så att den passar ett specifikt språk, kultur och önskad lokal estetik. Detta inkluderar även anpassning till regionspecifika föreskrifter, till exempel lagar om datalagring, som kan skilja sig avsevärt mellan länder och till och med kommuner. Följaktligen kan dina system behöva uppfylla flera regelverk, beroende på var dina kunder finns och hur din verksamhet introducerar sina produkter och tjänster på marknaden.

Utöver variationer i datasekretesslagar antar många länder också lagar om datalagring. Lagar om datalagring kräver åtminstone att alla uppgifter som rör ett lands medborgare lagras fysiskt inom landets gränser. Vissa lagar går längre och kräver lokal lagring av alla data (inklusive data om produkter och tjänster) som kan kommas åt av medborgarna. I vissa fall kräver förordningarna att medborgaruppgifter endast lagras av andra medborgare i landet eller regionen.

Bristande efterlevnad kan leda till höga böter och stämningar. Till exempel kan EU:s dataskyddsmyndigheter ålägga böter på upp till 20 miljoner euro eller 4 % av de globala intäkterna, beroende på vilket som är högst. I USA kan Kaliforniens justitieministerium begära betydande straff för både avsiktliga och oavsiktliga överträdelser.

Överväg följande för att bättre hantera kraven på lokalisering och datalagring:

• Kontakta tillsynsexperter. Arbeta med ditt juridiska team eller en tredjepartsgranskare för att utvärdera lagar i de regioner där din verksamhet är verksam för att avgöra vilka som är tillämpliga. Exempel på sådana åtgärder är EU:s allmänna dataskyddsförordning (GDPR) och EU:s AI-lag samt Kaliforniens konsumentsekretesslag (CCPA).
• Lagra data lokalt. Se till att data som är specifika för en region stannar i en egen, separat organisation. Använd Hyperforce, Salesforces offentliga molnsubstrat, för att värda din organisation i en specifik region.
• Undvik datareplikering. Lokal datalagring innebär att data lagras i vila i landet. Naturligtvis kan efterlevnadsproblem uppstå när data överförs ut ur landet via standardgränssnitt. Till exempel, att skapa och underhålla poster lokalt men replikera dem till ett datalager i ett annat land för rapportering kommer att bryta mot lagar om datalagring. Om du arbetar för ett globalt företag med krav på tvärregional rapportering, aggregera först dina data inom landet där de lagras, ta bort all information som potentiellt kan identifiera de medborgare som är associerade med dem och replikera sedan endast den aggregerade informationen. Detta tillvägagångssätt kan kräva att du kommunicerar rapporteringsbegränsningar till dina intressenter så att de vet att även om mer detaljerade data kommer att vara tillgängliga på land- eller regionalnivå, kommer endast sammanfattningsdata att vara tillgängliga globalt.

Listan över mönster och antimönster nedan visar hur korrekta (och dåliga) lokaliserings- och datalagringsprocesser ser ut i en Salesforce-lösning. Använd dessa för att validera din design innan du bygger, eller identifiera områden som behöver omfaktoriseras.

Mer information om Salesforces verktyg för lokalisering finns i Verktyg som är relevanta för efterlevnad.

Följande tabell visar ett urval av mönster att leta efter (eller bygga) i din organisation och antimönster att undvika eller rikta in sig på för att åtgärda.

✨ Upptäck fler mönster för juridisk efterlevnad i Mönster & Anti-Mattern Explorer.

I affärssammanhang är etiska standarder riktlinjer för hur företag och individer beter sig utifrån en värdebaserad eller moralisk ståndpunkt. På Salesforce styr våra kärnvärden allt vi gör som företag och som anställda. Vi har även ett etiskt användningspolicyteam som hjälper till att säkerställa att kunder använder vår programvara på ett etiskt sätt. Vår Acceptable Use Policy (AUP) och AI Acceptable Use Policy (AI AUP) är en förlängning av våra kärnvärden och hjälper till att guida vårt beslutsfattande om frågor kring användning uppstår.

Din organisation kan ha ytterligare en uppsättning policyer som sträcker sig utöver att bara följa lokala föreskrifter. Dessa policyer kan ta sig olika uttryck, allt från att följa andra regioners föreskrifter, avböja att göra affärer med vissa organisationer eller marknader, eller övervaka interaktioner mellan anställda och kunder för att förhindra diskriminering eller partiska beteenden. För att upprätthålla dessa policyer kan du behöva uppdatera dina designstandarder eller systemkonfigurationer på samma sätt som för juridisk efterlevnad.

För att främja ökad efterlevnad av etiska standarder i dina Salesforce-lösningar, anpassa dig till företagets policyer och utvärdera din användning av artificiell intelligens.

Företagspolicyer är riktlinjer som definierar hur olika aspekter av verksamheten (inklusive personal, processer och teknik) ska fungera. Kunder föredrar att göra affärer med organisationer de Trust. De flesta företagspolicyer är utformade för att återspegla denna princip. Customer Trust kommer snabbt att eroderas om dina system skapar användarupplevelser som inte följer dina angivna policyer.

Effektiva strategier har sitt naturliga ursprung i en etisk kultur. Varje medarbetare, från teknik och design till datavetenskap, marknadsföring och försäljning, måste utbildas i sitt ansvar för etisk användning. I en sådan kultur ser anställda tydliga incitamentsstrukturer för att belöna etiskt beteende och tydliga, enhetliga konsekvenser för oetiskt beteende.

Tänk på följande för att säkerställa att din organisations policyer återspeglas i dina designer:

• Var medveten om oavsiktliga konsekvenser. Som arkitekt är det ditt ansvar att förutse den potentiella påverkan av dina lösningar och hur de kommer att användas. Fall inte i fällan att bara överväga eller testa för lyckliga vägar. Använd istället din expertis för att testa kundcase och utvärdera kompromisser för att noggrant överväga de etiska konsekvenserna av dina lösningar. Tänk på alla som kommer att påverkas av produkten, särskilt de som är underrepresenterade, marginaliserade eller sårbara. Utvärdera de många sätt som någon, eller något, kan interagera med din lösning och skapa oavsiktliga konsekvenser. Använd Build With Intention Toolkit för att designa med inkludering i åtanke.
• Bädda in etik i ditt företags policy för acceptabel användning. Arbeta med ditt juridiska team eller en tredje part för att inkludera etik i din policy för acceptabel användning för att säkerställa att användningen av dina lösningar överensstämmer med ditt företags värderingar. Din dokumentation bör innehålla information om vilka av din organisations värden och policyer som stöds av dina lösningar, oavsett om de har utvecklats med lågkodsverktyg eller prokodverktyg. Publicera din policy för acceptabel användning för att visa ditt engagemang för att bygga Trust med dina anställda och kunder.
• Använd inkluderande språk. Förstå de olika sätt som användare upplever din lösning på och finjustera språket i ditt användargränssnitt, din kod och dokumentation så att det återspeglar inkludering mer korrekt. Börja med att identifiera och ta bort exklusivt språk först och se sedan till att förstå vilka typer av vanor eller metoder som kan leda till uteslutning.

Listan över mönster och antimönster nedan visar hur korrekt (och dålig) efterlevnad av företagspolicyer ser ut i en Salesforce-lösning. Använd dessa för att validera dina konstruktioner innan du bygger, eller identifiera områden i ditt system som behöver omfaktoriseras.

Mer information om Salesforces verktyg för att anpassa konstruktioner till företagets policyer finns i Verktyg som är relevanta för efterlevnad.

Artificiell intelligens använder beräkningssystem för att utföra uppgifter som normalt kräver mänsklig intelligens, som resonemang, uppfattning och beslutsfattande. Salesforce Platform AI-kapacitet omfattar prediktiva, generativa och agentiska tekniker och erbjuder en omfattande uppsättning verktyg för att förbättra kundupplevelser och affärsverksamhet:

• Prediktiv AI analyserar historiska data och prognostiserar framtida resultat, till exempel säljtrender eller kundbortfall. Einstein AI levererar dessa insikter genom att analysera mönster i dina data för att ge rekommendationer och förutsäga verksamhetsresultat.
• Generativ AI fokuserar på att skapa nytt innehåll genom att använda stora språkmodeller. Einstein GPT är en kärnkomponent som fungerar med dina CRM-data för att skapa personligt innehåll som e-postmeddelanden, chattsvar och kundkommunikation.
• Agentisk AI tar AI ett steg längre genom att låta agenter självständigt resonera och agera för att uppnå ett specifikt mål. Agentforce är plattformen för att bygga dessa intelligenta agenter, som kan automatisera komplexa verksamhetsprocesser som att lösa kundcase eller optimera marknadsföringskampanjer. Dessa agenter kan interagera med data i realtid via Data 360 och använda befintliga arbetsflöden och API:n. Alla dessa AI-funktioner säkras av Einstein Trust Layer. som säkerställer etisk användning.

De flesta av Einstein AI:s kärnalgoritmer är inte konfigurerbara, men för vissa funktioner kan kunder finjustera modellerna med sina egna data enligt dokumentationen. Du kan även grunda AI-modeller i din egen CRM, Knowledge base-artiklar och andra dokument genom RAG (Retrieval Augmented Grounding) för att göra resultaten ännu mer korrekta för din organisation, kunder och användningsfall. Om dina underliggande data är biaserade eller skeva kan dina utdata också bli biaserade och felaktiga. Ett exempel på biasering är att inte inkludera medlemmar av en viss ras, kön eller etnicitet i din kontaktlista även om din kundbas är olika och inkluderar medlemmar av den gruppen. Mer information finns i Salesforces modul Ansvarsfullt skapande av AI Trailhead, Förstå betrodd agentisk AI Trailhead, Mognadsmodell för AI-etik, Salesforces Betrodda AI-principer, Riktlinjer för ansvarsfull Generativ AI och Riktlinjer för ansvarig Agentisk AI.

Om du inte tar hänsyn till tillämpliga juridiska föreskrifter och ditt företags egna etiska standarder kan det leda till partiskhet inom din AI, vilket kan resultera i stämningar, förlorade intäkter, problem med Customer Trust och skada ditt företags offentliga image.

Detta bör du tänka på vid ansvarsfull och etisk användning av AI:

• Undersök dina datauppsättningar och dokument. Se till att dina datauppsättningar är representativa för alla som din AI-funktionalitet kommer att påverka. Detta kan kräva användarundersökningar för att förstå vilka de är och bekräfta att dina data representerar dem alla korrekt för att minska eventuella biasering. Det är även viktigt att granska CRM-data, Knowledge och annan dokumentation som du grundar dina modeller i för att säkerställa att de är uppdaterade, korrekta och fullständiga. Att jorda dina modeller i mängder av data är inte bra och kan resultera i hallucinationer om dessa data är gamla, motsägelsefulla eller ofullständiga.
• Håll en människa vid rodret. Du vill inte att människor ska ingripa i varje enskild AI-interaktion, utan istället låta dina anställda fokusera på de objekt med högt omdöme som mest behöver deras uppmärksamhet. Testa dina AI-system tills du är säker på att de kan ta mer ansvar och övervaka resultaten för att säkerställa att de fortsätter att fungera korrekt och effektivt. Och se till att dina AI-system eller agenter instrueras att flyttas om till en människa för användningsfall med hög risk och när AI:ns förtroendenivå är låg.
• Prioritera säkerheten för dina modellresultat. Utför bedömningar av biasering, förklarlighet och robusthet och etisk röd teaming. Prioritera sekretessskydd genom agentsvar och åtgärder för all personligt identifierande information (PII) som finns i de data som används för utbildning och skapa skyddsräcken för att förhindra ytterligare skada. Om du upptäcker skadliga resultat när du testar, lägg till instruktioner i dina systemuppmaningar och testa igen. Du kan även behöva förbättra kvaliteten eller representativiteten för de data du använder för hämtningsutökat skapande (RAG).
• Var beredd på föreskrifter. Utöver etiska problem med AI har många myndigheter antagit eller antar lagstiftning för att reglera användningen av AI av organisationer som verkar inom deras jurisdiktioner. Denna lagstiftning kan inkludera kravet på att publicera modellkort som beskriver hur en AI-lösning skapades och fungerar. Innan du implementerar en lösning baserad på artificiell intelligens, var medveten om vilken typ av AI-relaterad funktionalitet som är eller inte är acceptabel i de regioner där dina system kommer att användas och gör nödvändiga justeringar av din strategi. Du kan behöva inaktivera vissa funktioner i vissa regioner för att följa lokala föreskrifter. Om så är fallet, se till att dina system kan fortsätta fungera utan dessa funktioner. Många jurisdiktioner kräver även transparens när kunder eller slutanvändare interagerar med AI-system.
• Övervaka din organisations AI-modeller. Användare som påverkas bör veta när en AI har använts och ha möjlighet att enkelt rapportera skada och begära korrigering. Det är viktigt att notera att enbart rapportering kanske inte är tillräckligt för att avgöra om din AI-funktionalitet orsakar skada för användare. Övervaka kontinuerligt dina modeller för datadrift, ändringar i rättvisa/biasbetyg, precision och robusthet. Se till att du har planer för att hantera kvalitetsvarningar och reagera snabbt när negativa effekter identifieras.

Listan över mönster och antimönster nedan visar hur korrekt (och dålig) AI-design ser ut i en Salesforce-lösning. Använd dessa för att validera dina konstruktioner innan du bygger, eller identifiera områden i ditt system som behöver omfaktoriseras.

Mer information om Salesforces verktyg för att implementera mer etiska AI-policyer finns i Verktyg som är relevanta för efterlevnad.

Följande tabell visar ett urval av mönster att leta efter (eller bygga) i din organisation och antimönster att undvika eller rikta in sig på för att åtgärda.

✨ Upptäck fler mönster för etiska standarder i Mönster & Anti-Mattern Explorer.

Tillgänglighet inom teknik är användbarheten av system eller lösningar för personer med olika förmågor. Att utforma system som fungerar för alla användare, oavsett förmåga, är ett juridiskt mandat på vissa platser och i vissa branscher. Utöver de juridiska kraven hjälper att bygga tillgängliga system din organisation att främja och förbättra Trust med dina intressenter. För kundanpassade program kan detta till och med öka intäkterna eftersom kunder kan välja att använda dina system istället för mindre tillgängliga alternativ.

Salesforce publicerar rapporter om tillgänglighetsefterlevnad (ACR), som är branschstandarddokument som beskriver hur vår programvara följer tillgänglighetsstandarder. De flesta av våra användargränssnittbaserade kontroller, inklusive Lightning och Experience Cloud-mallar, är utformade för att följa dessa standarder. Även om våra grundläggande tillgänglighetsfunktioner kan vara tillräckliga för många verksamheter är det viktigt att granska våra ACR och versionsinformation innan du påbörjar ett projekt. Detta hjälper dig identifiera och dokumentera ytterligare tillgänglighetskrav som sträcker sig utöver våra standarder, beroende på din produkt eller tjänsts tillvägagångssätt på marknaden.

Du kan förbättra hur tillgängliga dina system är genom att fokusera på två nyckelområden: datainmatning och navigering.

Datainmatningsaktiviteter inträffar när en användare behöver ange information i ett fält, ett formulär eller en annan del av ett användargränssnitt. Tangentbord och möss är de vanligaste inmatningsmetoderna, men vissa användare kan förlita sig på tal-till-text eller liknande enheter. Utöver detta kan dina användare kommunicera på olika språk.

Lösningar som inte är utformade för tillgänglighet kan utesluta personer med vissa funktionshinder från att interagera med dem.

Tänk på följande när du utformar för tillgänglighet:

• Det språk dina användare föredrar. Beroende på var din verksamhet är verksam kanske du bestämmer dig för att ange ett enskilt standardspråk för dina system eller så kanske du vill erbjuda flerspråkig kapacitet. Om text visas på flera språk bör dina designstandarder innehålla en lista över fältetiketter och andra element i användargränssnittet (som notiser och felmeddelanden) som kräver översättning. Engagera en infödd talare för att granska översättningarna för precision och mening. Använd Salesforces översättningsfunktioner för metadata- och dataöversättningar i realtid och testa alla flerspråkiga funktioner noggrant.
• Vilka typer av indataenheter som ska användas. Lista alla verktyg som kan användas för datainmatning utöver ett standardtangentbord och -mus i dina designstandarder. Inkludera tillgänglighetstester i dina testplaner och se till att alla indata testas med flera typer av indataenheter.
• Användbarheten för dina formulär. Se till att dina formulär innehåller synliga etiketter, ger hjälpsamma felmeddelanden, guidar användaren mot slutförande, informerar användaren om deras framsteg och låter dem granska, bekräfta och redigera sina inmatningar.

Listan över mönster och antimönster nedan visar hur datainmatning ser ut när den är korrekt (och dåligt) utformad för åtkomst i en Salesforce-lösning. Använd dessa för att validera dina konstruktioner innan du bygger, eller identifiera områden i ditt system som behöver omfaktoriseras.

Mer information om Salesforces verktyg för att bygga mer tillgängliga dataposter finns i Verktyg som är relevanta för efterlevnad.

Navigering innebär att användare flyttar fokus mellan skärmar och mellan fält inom en skärm. Användare kan behöva navigera genom de olika användargränssnittelementen i ditt system på flera olika sätt, inklusive via klick och knapptryckningar, samtidigt som de förlitar sig på sin syn, hörsel och beröring. Se till att dina designstandarder innehåller en lista över navigeringsenheter som du planerar att stödja. Implementeringsteam bör hänvisa till denna lista när de testar för att säkerställa att alla navigeringsmöjligheter beaktas.

Tänk på följande frågor – och deras svar – när du utformar tillgänglig navigering:

• Hur navigerar användare i din lösning? Lista alla enheter som kan användas för navigering utöver ett standardtangentbord och -mus i dina designstandarder.
• Är din navigering enhetlig? Upprätta designstandarder för navigeringskontroller för att säkerställa enhetlighet i hela ditt system. Navigeringsvägar ska vara liknande i hela ditt system. Inkonsekvent navigering, som en blå "Nästa"-knapp längst ner till höger på en skärm och en grön "Nästa"-knapp i mitten av nästa, kan vara lite irriterande för vissa användare men kan göra att programmet inte går att använda för de med funktionshinder.
• Beräknar dina tester tillgänglighet? Inkludera tillgänglighetstester i dina testplaner och se till att alla navigeringsflöden testas med flera typer av indataenheter.
• Syns tangentbordets fokus konsekvent? Visa alltid visuellt aktuell status för tangentbordsfokus för att hjälpa användare som förlitar sig på ett tangentbord att navigera.
• Förlitar sig din navigering på färg? Undvik att använda enbart färg för att presentera information eller för att begära en åtgärd. Följ riktlinjerna för webbinnehållsåtkomst (WCAG) 2.0 för korrekt användning av färg för att förmedla mening och tillämpa rätt nivå av kontrast.
• Har din design granskats? Utför regelbundna genomgångar för att säkerställa att ditt användargränssnitt är enhetligt och lätt att förstå.

Listan över mönster och antimönster nedan visar hur navigeringen ser ut när den är korrekt (och dåligt) utformad för åtkomst i en Salesforce-lösning. Använd dessa för att validera dina konstruktioner innan du bygger, eller identifiera områden i ditt system som behöver omfaktoriseras.

Mer information om Salesforce-verktyg för att bygga mer tillgänglig navigering finns i Verktyg som är relevanta för efterlevnad.

Följande tabell visar ett urval av mönster att leta efter (eller bygga) i din organisation och antimönster att undvika eller rikta in sig på för att åtgärda.

✨ Upptäck fler mönster för tillgänglighet i Mönster & Anti-Mattern Explorer.

Hjälp oss hålla Salesforce Well-Architected relevant för dig. Gå igenom vår undersökning för att ge feedback om detta innehåll och berätta vad du vill se härnäst.