A Salesforce deu aos seus agentes um runtime que funciona por semanas

A Salesforce anunciou um novo portfólio de agentes Agentforce em Dubai e Riade em 5 de outubro, e a maior parte da cobertura se concentrou na lista de agentes. Casey cuida do atendimento ao cliente por voz, SMS, WhatsApp e chat web. Paige resolve solicitações de TI e RH. Carter ajuda os compradores a comparar produtos e finalizar a compra no chat. Piper qualifica leads de entrada. Marshall orquestra processos de back-office e mantém um registro de auditoria. Fin executa fluxos complexos de experiência do cliente. Hunter trabalha vendas outbound, da pesquisa à abordagem.

A lista de agentes é a parte menos interessante. O que está por baixo dela é um novo runtime de longo horizonte que permite a um agente perseguir um objetivo ao longo de dias e semanas, em vez de parar ao fim de uma única interação.

Essa é uma categoria de produto diferente daquela que a IA empresarial vem vendendo.

A diferença entre responder e concluir

Um assistente conversacional resolve uma pergunta e encerra seu turno. Um agente em um runtime de longo horizonte recebe uma instrução, transforma-a em uma meta mensurável, monta um plano e então trabalha em direção a ele, decidindo quais tarefas concluir, de quais ferramentas precisa e onde precisa pausar para um humano.

O exemplo da Salesforce é um vendedor dizendo ao Hunter para salvar negócios em risco antes do fim do trimestre. Hunter converte isso em um plano e começa a executá-lo, pausando para a aprovação do vendedor em pontos definidos.

Três mecanismos tornam isso possível. A memória preserva o contexto e o progresso entre sessões, de modo que um agente que retoma o trabalho na segunda-feira sabe o que fez na sexta-feira. A execução durável mantém um plano em andamento e permite que um agente retome ou ajuste quando as circunstâncias mudam. O direcionamento dinâmico adapta o comportamento com base no feedback de um usuário individual.

É nesse terceiro ponto que o design fica interessante. Um agente em execução por semanas acumula muitas decisões, e a maioria delas estará errada em pequenos detalhes. Se o único canal de feedback for uma correção que reinicia o plano, o agente não é durável. O direcionamento implica que o agente ajusta seu comportamento em pleno voo, em vez de reiniciar.

O problema de governança passa para o primeiro plano

Quanto mais tempo um agente funciona sem supervisão, mais a questão da responsabilização importa.

A resposta da Salesforce tem duas camadas. Os humanos permanecem envolvidos onde quer que aprovação ou julgamento sejam necessários, que é a salvaguarda convencional. Por baixo disso, o Agent Script, uma linguagem de código aberto para o comportamento de agentes, permite que uma empresa combine raciocínio de IA com regras determinísticas. O objetivo é o controle granular sobre como um agente chega a uma decisão, de modo que as partes que devem seguir políticas possam ser escritas como política, em vez de aprendidas.

Tudo funciona dentro das permissões e regras de negócio já existentes do cliente, e cada agente carrega o nome que a empresa lhe dá. O enquadramento é que o agente se torna uma extensão da marca, o que é um argumento de marketing fazendo trabalho de conformidade.

O registro de auditoria também importa aqui. O Marshall é descrito como capaz de fornecer um para cada ação. Para um processo que se estende por semanas e toca vários sistemas, uma trilha de auditoria é a única forma de um supervisor humano revisar o que aconteceu sem reproduzir toda a execução.

As evidências que a Salesforce está apontando

A empresa relata mais de 7 bilhões de unidades de trabalho agêntico entre Agentforce e Slack, incluindo 3,2 bilhões no trimestre mais recente. Clientes específicos são citados: Perk, onde 60% do pipeline de vendas agora é construído pelo seu agente outbound; Autism Queensland, onde 70% das solicitações administrativas são resolvidas pela Paige; Hibbett AI, que entrou em operação em seis semanas e agora lida com 90% das principais jornadas do comprador.

O número da Hibbett é o que vale a pena analisar com calma. Uma implantação no varejo que atinge 90% de cobertura das jornadas do comprador em seis semanas é uma afirmação sobre velocidade de configuração, e a velocidade de configuração é onde os projetos de agentes empresariais historicamente morreram. A maioria deles trava na integração, não na capacidade.

Os clientes citados também são escolhidos para fazer um ponto sobre o comprador. Uma métrica de geração de pipeline fala a um líder de vendas. Uma métrica de solicitações administrativas fala a um comprador do setor público ou da saúde. Os estudos de caso são a segmentação.

Conectado ao sistema de registro, que é o verdadeiro fosso competitivo

Os agentes operam sobre o Customer 360, o que significa que funcionam com o contexto de cliente, os dados e os processos de negócio que uma empresa já tem dentro do Salesforce.

Essa é uma vantagem de distribuição disfarçada de detalhe técnico. Um concorrente pode construir um agente que faz pesquisa outbound. Construir um que já conhece o histórico da conta, as oportunidades abertas e os tickets de suporte é uma proposta diferente, e não está disponível para um fornecedor sem os registros subjacentes.

O trade-off é o de sempre. Quaisquer ganhos que venham de estar próximo ao sistema de registro vêm acompanhados de uma dependência dele, e uma empresa que roda seus agentes de vendas no Agentforce tornou sua escolha de CRM mais cara de reverter.

Como isso difere dos outros agentes sempre ativos

A Salesforce não é a única empresa lançando agentes que funcionam sem um prompt.

Os Dots da OpenAI operam continuamente em segundo plano em direção a metas definidas pelo usuário, conectados a milhares de aplicações, com cada agente rodando em seu próprio computador em nuvem privado. O agente Muse da Meta assume uma posição semelhante. A ideia compartilhada é que o agente sustenta uma meta em vez de responder a uma pergunta.

A diferença na versão da Salesforce é a superfície de partida. O Dots começa com uma meta e um conjunto de aplicações conectadas. O Agentforce começa com um registro de cliente, um caso, uma oportunidade ou um pedido, porque está vinculado ao Customer 360. Isso estreita aquilo sobre o que o agente pode trabalhar e aprofunda o que ele sabe a respeito.

Para as empresas, a versão restrita costuma ser a mais útil. Um agente geral que pode mexer em qualquer coisa é mais difícil de autorizar do que um agente específico que atua dentro de um sistema que a empresa já governa. O modelo de permissões é herdado, não inventado.

A questão de preço por trás da persistência

Um agente que mantém um plano aberto por um mês custa dinheiro de formas que um modelo de requisição-resposta não custa.

O armazenamento do estado do plano, a memória entre sessões, o monitoramento de um agente que deve alertar quando precisa de aprovação e as próprias chamadas ao modelo se acumulam em relação a um fluxo de trabalho que pode ou não produzir um resultado. O custo de um assistente conversacional é medido por troca. O custo de um agente sempre ativo é medido por unidade de tempo e por unidade de trabalho. Esses dois números não se alinham, e é por isso que os clientes citados importam mais do que a lista de recursos. Perk, Autism Queensland e Hibbett descrevem resultados que uma equipe financeira já consegue precificar: pipeline gerado, solicitações administrativas resolvidas, jornadas do comprador atendidas. Um agente que substitui um custo conhecido é fácil de justificar. Um agente que cria uma nova categoria de custo, não.

O que observar

Três coisas vão determinar se o runtime de longo horizonte é um produto ou uma demonstração.

A primeira é o comportamento em caso de falha ao longo do tempo. Um plano que se desvia ao longo de dois meses é mais difícil de diagnosticar do que um que falha em uma sessão, e a Salesforce não descreveu o que acontece quando um agente persegue uma meta que deveria ter abandonado semanas antes.

A segunda é se o Agent Script será adotado fora da Salesforce. Uma linguagem de código aberto para o comportamento de agentes só é útil para um cliente que permanece na plataforma. Se for portátil, torna-se um padrão. Se não, é um formato de configuração.

A terceira é o preço da persistência. Um agente mantendo um plano aberto por um mês consome armazenamento, memória e monitoramento, e nada disso aparece em uma comparação por token. A economia unitária de um agente sempre ativo não é a economia unitária de um modelo de requisição-resposta, e a Salesforce não publicou por qual delas está cobrando.

O enquadramento que a empresa está usando — de que esses agentes são julgados pelo trabalho que concluem, e não pelas perguntas que respondem — estabelece um padrão mais alto do que aquele ao qual o setor tem sido submetido. Também torna a medição fácil: ou os negócios em risco fecharam, ou não.