Salesforce les dio a sus agentes un runtime que funciona durante semanas

Salesforce anunció un nuevo portafolio de agentes Agentforce en Dubái y Riad el 5 de octubre, y la mayor parte de la cobertura se centró en la lista de agentes. Casey atiende el servicio de atención al cliente por voz, SMS, WhatsApp y chat web. Paige resuelve solicitudes de TI y de recursos humanos. Carter ayuda a los compradores a comparar productos y a finalizar la compra en el chat. Piper cualifica clientes potenciales entrantes. Marshall orquesta procesos de back office y mantiene un registro de auditoría. Fin ejecuta flujos de trabajo complejos de experiencia de cliente. Hunter se encarga de las ventas salientes, desde la investigación hasta el contacto.

La lista de agentes es la parte menos interesante. Lo que hay debajo es un nuevo runtime de horizonte largo que permite a un agente perseguir un objetivo a lo largo de días y semanas en lugar de detenerse al final de una única interacción.

Esa es una categoría de producto distinta de la que ha estado vendiendo la IA empresarial.

La diferencia entre responder y completar

Un asistente conversacional resuelve una pregunta y termina su turno. Un agente sobre un runtime de horizonte largo recibe una instrucción, la convierte en un objetivo medible, construye un plan y luego trabaja para lograrlo mientras decide qué tareas completar, qué herramientas necesita y en qué puntos debe detenerse para consultar a una persona.

El ejemplo de Salesforce es un vendedor que le dice a Hunter que rescate las oportunidades en riesgo antes de que acabe el trimestre. Hunter lo convierte en un plan y empieza a ejecutarlo, deteniéndose para obtener la aprobación del vendedor en puntos definidos.

Tres mecanismos lo hacen posible. La memoria conserva el contexto y el progreso entre sesiones, de modo que un agente que retoma el trabajo un lunes sabe lo que hizo el viernes. La ejecución duradera mantiene un plan en marcha y permite que un agente lo retome o lo ajuste cuando cambian las circunstancias. La dirección dinámica adapta el comportamiento a partir de la retroalimentación de un usuario concreto.

El tercero es donde el diseño se vuelve interesante. Un agente que funciona durante semanas acumula muchísimas decisiones, y la mayoría de ellas serán erróneas en aspectos pequeños. Si el único canal de retroalimentación es una corrección que reinicia el plan, el agente no es duradero. La dirección implica que el agente ajusta su comportamiento en pleno vuelo en lugar de reiniciarse.

El problema de la gobernanza pasa a primer plano

Cuanto más tiempo funciona un agente sin supervisión, más importa la cuestión de la rendición de cuentas.

La respuesta de Salesforce tiene dos capas. Las personas siguen participando allí donde se requiere aprobación o criterio, que es la barrera de protección convencional. Por debajo, Agent Script, un lenguaje de código abierto para el comportamiento de los agentes, permite a una empresa combinar el razonamiento de IA con reglas deterministas. La idea es tener un control granular sobre cómo llega un agente a una decisión, de modo que las partes que deben seguir una política puedan escribirse como política en lugar de aprenderse.

Todo se ejecuta dentro de los permisos y las reglas de negocio que el cliente ya tiene, y cada agente lleva el nombre que le da la empresa. El planteamiento es que el agente se convierte en una extensión de la marca, lo cual es un argumento de marketing haciendo trabajo de cumplimiento normativo.

El registro de auditoría también importa aquí. Se describe a Marshall como el que lo proporciona para cada acción. En un proceso que abarca semanas y toca varios sistemas, un rastro de auditoría es la única forma en que un supervisor humano puede revisar lo que ocurrió sin reproducir toda la ejecución.

Las pruebas a las que apunta Salesforce

La compañía informa de más de 7.000 millones de unidades de trabajo agéntico entre Agentforce y Slack, incluidas 3.200 millones en el trimestre más reciente. Se mencionan clientes concretos: Perk, donde el 60 % del pipeline de ventas ya lo construye su agente de ventas salientes; Autism Queensland, donde el 70 % de las solicitudes administrativas las resuelve Paige; Hibbett AI, que se puso en marcha en seis semanas y ahora gestiona el 90 % de los recorridos principales de los compradores.

Hibbett es la cifra en la que merece la pena detenerse. Un despliegue minorista que alcanza el 90 % de cobertura de los recorridos de los compradores en seis semanas es una afirmación sobre la velocidad de configuración, y la velocidad de configuración es donde históricamente han muerto los proyectos de agentes empresariales. La mayoría se atasca en la integración, no en la capacidad.

Los clientes nombrados también se eligen para dejar claro algo sobre el comprador. Una métrica de generación de pipeline habla a un líder de ventas. Una métrica de solicitudes administrativas habla a un comprador del sector público o sanitario. Los casos de éxito son la segmentación.

Conectado al sistema de registro, que es el verdadero foso competitivo

Los agentes se ejecutan contra Customer 360, lo que significa que operan con el contexto de cliente, los datos y los procesos de negocio que una empresa ya tiene dentro de Salesforce.

Esa es una ventaja de distribución disfrazada de detalle técnico. Un competidor puede crear un agente que haga investigación de ventas salientes. Crear uno que ya conozca el historial de la cuenta, las oportunidades abiertas y los tickets de soporte es una propuesta distinta, y no está al alcance de un proveedor que no tenga los registros subyacentes.

El compromiso es el de siempre. Cualquier beneficio que venga de estar cerca del sistema de registro llega con una dependencia de él, y una empresa que ejecute sus agentes de ventas en Agentforce ha hecho que revertir su elección de CRM sea más caro.

En qué se diferencia de los otros agentes siempre activos

Salesforce no es la única empresa que lanza agentes que funcionan sin un prompt.

Los Dots de OpenAI operan de forma continua en segundo plano en función de objetivos definidos por el usuario, conectados a miles de aplicaciones, y cada agente se ejecuta en su propio ordenador en la nube privado. El agente Muse de Meta adopta una posición similar. La idea compartida es que el agente sostiene un objetivo en lugar de responder a una pregunta.

La diferencia en la versión de Salesforce es la superficie de partida. Dots comienza con un objetivo y un conjunto de aplicaciones conectadas. Agentforce comienza con un registro de cliente, un caso, una oportunidad o un pedido, porque está vinculado a Customer 360. Eso reduce el ámbito en el que puede trabajar el agente y profundiza lo que sabe sobre él.

Para las empresas, la versión acotada suele ser la más útil. Un agente general que puede tocar cualquier cosa es más difícil de autorizar que un agente específico que trabaja dentro de un sistema que la empresa ya gobierna. El modelo de permisos se hereda en lugar de inventarse.

La cuestión del precio que subyace a la persistencia

Un agente que mantiene un plan abierto durante un mes cuesta dinero de formas en que un modelo de petición-respuesta no lo hace.

El almacenamiento del estado del plan, la memoria entre sesiones, la monitorización de un agente que se supone que debe avisar cuando necesita aprobación y las propias llamadas al modelo se acumulan contra un flujo de trabajo que puede o no producir un resultado. El coste de un asistente conversacional se mide por intercambio. El coste de un agente siempre activo se mide por unidad de tiempo y por unidad de trabajo. Esas dos cifras no cuadran, y por eso los clientes nombrados importan más que la lista de funciones. Perk, Autism Queensland y Hibbett describen resultados que un equipo financiero ya puede poner precio: pipeline generado, solicitudes administrativas resueltas, recorridos de compradores gestionados. Un agente que sustituye un coste conocido es fácil de justificar. Un agente que crea una nueva categoría de coste, no.

Qué hay que observar

Tres cosas determinarán si el runtime de horizonte largo es un producto o una demo.

La primera es el comportamiento ante fallos en el largo plazo. Un plan que se desvía a lo largo de dos meses es más difícil de diagnosticar que uno que falla en una sesión, y Salesforce no ha descrito qué ocurre cuando un agente persigue un objetivo que debería haber abandonado semanas antes.

La segunda es si Agent Script se adopta fuera de Salesforce. Un lenguaje de código abierto para el comportamiento de los agentes solo es útil para un cliente que se queda en la plataforma. Si es portátil, se convierte en un estándar. Si no, es un formato de configuración.

La tercera es el precio de la persistencia. Un agente que mantiene un plan abierto durante un mes consume almacenamiento, memoria y monitorización, y nada de eso aparece en una comparación por token. La economía unitaria de un agente siempre activo no es la de un modelo de petición-respuesta, y Salesforce no ha publicado por cuál de las dos está cobrando.

El planteamiento que utiliza la compañía —que estos agentes se juzgan por el trabajo que completan y no por las preguntas que responden— establece un listón más alto que aquel al que se ha sometido al sector. También hace que la medición sea sencilla: o las oportunidades en riesgo se cerraron o no se cerraron.