Salesforce Agentforce AI Agents erhalten Berufsbezeichnungen, dauerhafte Erinnerungen und einen härteren Test
Salesforce hat sieben benannte AI agents vorgestellt, doch die entscheidende Neuerung ist nicht ihr menschenfreundliches Branding. Ein Agent soll über Wochen oder Monate hinweg Vertriebsziele verfolgen.
Die Salesforce Agentforce AI agents kommen mit Stellenbeschreibungen für Service, Vertrieb, Commerce, Mitarbeitersupport und Lieferkettenprozesse. Sechs sind allgemein verfügbar, während Hunter, der Agent für Outbound-Vertrieb, vor der geplanten Veröffentlichung im November 2026 noch als Pilotprojekt läuft.
Der Zeitpunkt ist wichtig, weil Hunter das größte technische Versprechen von Salesforce verkörpert. Seine neue Laufzeitumgebung für langfristige Aufgaben soll Kontext bewahren, Pläne fortführen und laufende Arbeit über mehrere Sitzungen hinweg anpassen. Microsoft bietet innerhalb von Dynamics 365 bereits autonome Vertriebsagenten an. Salesforce muss daher beweisen, dass längere Erinnerungen bessere Ergebnisse schaffen – und nicht nur längere Ketten verborgener Fehler.
Damit wandelt sich AI vom Assistenten zum paketierten Arbeitsinstrument. Namen und Berufsbezeichnungen machen jedes Produkt leichter verständlich, zuweisbar, messbar und in einen Betriebsplan integrierbar. Zugleich verschärfen sie schwierige Fragen zu Befugnissen, Aufsicht und Verantwortlichkeit.
Salesforce Agentforce AI Agents sind jetzt für konkrete Aufgaben einsatzbereit
Salesforce ersetzt die leere Fläche zum Erstellen von Agenten durch einen Katalog von Agenten, die mit bekannten Geschäftsrollen verbunden sind.
Das Unternehmen kündigte Casey, Paige, Carter, Hunter, Marshall, Piper und Fin am 11. September 2026 an. Jeder Agent startet mit einem klar definierten Verantwortungsbereich statt mit einer allgemeinen Chat-Oberfläche.
Casey bearbeitet Kundenservice-Anfragen über Sprache, SMS, WhatsApp und Webchat. Zu den vorbereiteten Workflows gehören häufig gestellte Fragen, Rücksendungen, Kontoverwaltung und die Weiterleitung an menschliche Mitarbeitende.
Paige konzentriert sich auf den Mitarbeitersupport. Der Agent bearbeitet IT- und Personalfragen über Slack, Unternehmensportale und andere Arbeitsplatzsysteme.
Carter unterstützt Käufer. Der Agent kann Kunden helfen, Produkte zu finden und zu vergleichen, Fragen beantworten und Käufe innerhalb eines Gesprächs abschließen.
Marshall ist auf Lieferketten- und Backoffice-Prozesse ausgerichtet. Salesforce zufolge kombiniert er AI-gestütztes Schlussfolgern mit deterministischer Ausführung; feste Regeln steuern also Aktionen, die nicht vom Urteil eines Modells abhängen sollten. Zudem protokolliert er jede Aktion zur späteren Überprüfung.
Piper qualifiziert eingehende Geschäftskontakte über Websites und Posteingänge. Fin bearbeitet Customer-Experience-Workflows über Messaging, E-Mail, Telefon und Slack.
Hunter ist der Sonderfall. Laut dem offiziellen Agentenportfolio recherchiert er potenzielle Kunden, führt Kontaktaufnahmen durch und arbeitet über Wochen oder Monate hinweg mit Vertriebsmitarbeitenden zusammen. Salesforce plant, ihn im November allgemein verfügbar zu machen.
Kunden können die Namen der Agenten ändern und ihr Verhalten anpassen. Damit werden die Namen zu Vorlagen statt zu dauerhaften Produktidentitäten.
Die Berufsbezeichnungen erfüllen dennoch eine wichtige kommerzielle Funktion. Ein Käufer kann die Leistung eines „Support-Agenten“ mit den bestehenden Kennzahlen eines Support-Teams vergleichen. Eine Vertriebsleitung kann einen Outbound-Agenten an Pipeline-Zielen messen. Ein Lieferkettenmanager kann prüfen, ob ein automatisierter Prozess erforderliche Freigaben eingehalten hat.
Einem allgemeinen Assistenten fehlt diese eindeutige Einheit der Verantwortlichkeit. Er kann Fragen zu vielen Themen beantworten, ohne für ein messbares Ergebnis verantwortlich zu sein. Diese neuen Agenten werden dagegen als Verantwortliche für klar abgegrenzte Arbeit präsentiert.
Diese Positionierung reduziert auch den Aufwand, einen Anwendungsfall zu entwickeln. Unternehmen müssen nicht mehr zunächst fragen, was ein Agent möglicherweise leisten könnte. Sie können damit beginnen zu prüfen, ob eine vorbereitete Rolle zu einem bestehenden Prozess passt.
Salesforce erklärt, dass seine sieben Agenten die nötigen Fähigkeiten, Aktionen und Datenmodelle für ihre jeweiligen Aufgaben enthalten. Käufer müssen jedoch weiterhin Unternehmensdaten anbinden, Berechtigungen konfigurieren, Geschäftsregeln definieren, Sonderfälle testen und Eskalationspunkte festlegen.
„Bereit für die Aufgabe“ bedeutet daher nicht, ohne Vorbereitung betriebsbereit zu sein. Es bedeutet, dass Salesforce vor dem Einsatz mehr Designentscheidungen in das Produkt verlagert hat.
Dieser Ansatz erleichtert den Kauf von Unternehmens-AI. Er erleichtert jedoch auch die Zuordnung von Fehlern. Wenn Casey Rücksendungen falsch behandelt oder Hunter ungeeignete Accounts verfolgt, wissen Käufer, welcher Agent und welcher Workflow untersucht werden müssen.
Der Start schafft die zentrale Spannung dieses Artikels: Salesforce lässt Agenten mehr wie verlässliche Kollegen wirken, während ihre Arbeit zugleich dauerhafter und schwieriger zu beaufsichtigen wird.
Langzeitgedächtnis macht Hunter zum eigentlichen Test
Hunter ist wichtig, weil der Agent versucht, ein Geschäftsziel aufrechtzuerhalten, nachdem das auslösende Gespräch bereits beendet ist.
Die meisten Arbeitsplatz-Chatbots arbeiten in einer Anfrage-Antwort-Schleife. Eine Person fragt nach Informationen, erhält eine Antwort und entscheidet, was als Nächstes geschieht.
Hunter ist für Arbeit mit einem längeren Zeithorizont konzipiert. Ein Vertriebsmitarbeiter könnte ihn bitten, gefährdete Abschlüsse zu identifizieren, bevor ein Quartal endet. Der Agent könnte dieses Ziel dann in Aufgaben umsetzen, relevante Informationen finden, Kontakte ansprechen und seinen Plan aktualisieren.
Salesforce führt dieses Verhalten auf drei miteinander verbundene Fähigkeiten zurück: Gedächtnis, dauerhafte Ausführung und dynamische Steuerung.
Das Gedächtnis bewahrt Kontext und Fortschritt zwischen Sitzungen. Die dauerhafte Ausführung hält einen Plan aktiv und ermöglicht dem Agenten, nach Unterbrechungen fortzufahren. Die dynamische Steuerung verändert sein Verhalten, wenn ein Nutzer neue Informationen oder Anweisungen liefert.
Dauerhaftes Gedächtnis unterscheidet sich von einem großen Kontextfenster. Ein Kontextfenster umfasst die Informationen, die ein Modell während einer einzelnen Inferenz verarbeiten kann. Dauerhaftes Gedächtnis speichert ausgewählte Zustände, damit Arbeit über getrennte Interaktionen hinweg fortgesetzt werden kann.
Die dauerhafte Ausführung ist ebenso wichtig. Der Agent benötigt Aufzeichnungen über abgeschlossene Schritte, ausstehende Aktionen, Abhängigkeiten, Fehler und Freigabeanforderungen. Andernfalls trägt die Erinnerung an ein Ziel wenig zu verlässlichem Fortschritt bei.
Die dynamische Steuerung fügt eine weitere Ebene hinzu. Ein Vertriebsmitarbeiter kann Prioritäten ändern, einen Account entfernen, Nachrichten überarbeiten oder vor weiteren Kontaktaufnahmen eine Freigabe verlangen. Hunter muss diese Anweisungen berücksichtigen, ohne frühere Einschränkungen zu verlieren.
Diese Kombination ähnelt einer Workflow-Engine mit einer AI-Planungsschicht. Das Modell schlägt Aktionen vor und passt sie an, während das umgebende System den Zustand verwaltet und Grenzen durchsetzt.
Sie erzeugt jedoch auch ein neues Fehlermuster. Eine falsche Antwort in einem Chatbot ist normalerweise sofort sichtbar. Eine falsche Annahme innerhalb eines monatelangen Plans kann viele spätere Aktionen unauffällig beeinflussen.
Hunter könnte beispielsweise einen Account falsch klassifizieren, einen ungeeigneten Ansprechpartner auswählen oder Schweigen als Erlaubnis interpretieren, die Kontaktaufnahme fortzusetzen. Jede spätere Aufgabe kann intern konsistent bleiben und dennoch auf einer falschen Voraussetzung beruhen.
Dieses Risiko macht Nachvollziehbarkeit unverzichtbar. Käufer müssen sehen können, was der Agent annahm, welche Informationen er nutzte, was seinen Plan veränderte und wann ein Mensch eine Aktion genehmigte.
Salesforce erklärt, dass Hunter zwischen Aktionen unterscheiden kann, die er autonom ausführen darf, und solchen, die eine Freigabe durch Vertriebsmitarbeitende erfordern. Das Unternehmen hat keine unabhängigen Belege veröffentlicht, die zeigen, wie zuverlässig diese Grenzen in unterschiedlichen Implementierungen eingehalten werden.
Langlebiges Gedächtnis benötigt zudem aktive Pflege. Gespeicherte Fakten können veralten, dupliziert werden oder ihren ursprünglichen Kontext verlieren. Eine nützliche AI knowledge base benötigt Herkunftsnachweise und Abrufkontrollen, nicht bloß mehr gespeicherten Text.
Dasselbe Prinzip gilt für Hunter. Sich an monatelange Aktivitäten zu erinnern, ist nur wertvoll, wenn der Agent zur richtigen Zeit die richtige Historie abruft.
Salesforce plant, die Laufzeitumgebung für langfristige Aufgaben auf andere Agenten auszuweiten und Kunden schließlich den Bau eigener langfristig arbeitender Agenten zu ermöglichen. Hunter ist daher sowohl ein Produkt als auch ein Praxistest für die zugrunde liegende Architektur.
Wenn Hunter wie beschrieben funktioniert, kann Agentforce über punktuelle Unterstützung hinaus in fortlaufende Abläufe vordringen. Wenn der Agent ständige Korrekturen erfordert, wird der längere Zeithorizont die Kosten der Aufsicht erhöhen.
Der Druck steigt für Microsoft, ServiceNow und Unternehmenskäufer
Salesforce schafft den Markt für Unternehmensagenten nicht erst, zwingt Wettbewerber jedoch dazu zu erklären, wer im Zeitverlauf für ein Ergebnis verantwortlich ist.
Microsoft bietet bereits spezialisierte Agenten für Vertriebsqualifizierung, Opportunity-Recherche, Abschlussprozesse und empfohlene Aktionen. Sein Katalog von Vertriebsagenten umfasst Agenten, die Leads recherchieren, Kontaktaufnahmen versenden, Chancenrisiken identifizieren und während eines Vertriebszyklus unterstützen.
Damit ist Microsoft für Hunter der deutlichste Wettbewerbsmaßstab. Beide Unternehmen können Agenten auf Kundendaten und Arbeitsplatzkommunikation stützen. Beide verwandeln Systeme der Aufzeichnung in Systeme, die Arbeit initiieren.
Microsofts Vorteil liegt in seiner Reichweite über Outlook, Teams, Microsoft 365 Copilot, Power Platform und Dynamics 365 hinweg. Signale aus Meetings, E-Mails, Dokumenten und CRM-Datensätzen können Vertriebsentscheidungen innerhalb von Werkzeugen unterstützen, die Mitarbeitende bereits nutzen.
Salesforces Argument konzentriert sich auf Customer 360, Geschäftsprozesse und die Laufzeitumgebung für langfristige Aufgaben. Das Unternehmen möchte Käufer davon überzeugen, dass ein tief im CRM eingebetteter Agent ein Ziel besser aufrechterhalten kann als ein Assistent, der zwischen Produktivitätsanwendungen wechselt.
Der Wettbewerb betrifft daher nicht einfach Salesforce gegen Microsoft bei der Modellqualität. Es geht um Orchestrierung, Kontext, Berechtigungen und die Beständigkeit des Zustands.
ServiceNow nähert sich dem Problem über Workflow und Governance. Sein erweitertes AI Control Tower soll Agenten über mehrere Unternehmenssysteme hinweg entdecken, beobachten, absichern und messen.
Dieser Schwerpunkt wird relevanter, wenn Agenten über Wochen aktiv bleiben. Ein Unternehmen könnte Salesforce für Vertrieb, ServiceNow für IT-Betrieb, Microsoft für Arbeitsplatzproduktivität und eigene Agenten für interne Prozesse einsetzen.
Ein benannter Agent kann weiterhin mehrere Systeme durchqueren, während er ein Ergebnis verfolgt. Der Käufer muss entscheiden, welche Plattform Befugnisse dokumentiert, Verhalten überwacht und Konflikte zwischen Agenten löst.
Salesforce reagiert mit eigenen Funktionen für Orchestrierung und Optimierung. Multi-Agent Orchestration ist dem Unternehmen zufolge allgemein verfügbar. Sie leitet Arbeit zwischen spezialisierten Agenten weiter, wenn eine Aufgabe Rollen oder Systeme überschreitet.
Agent Optimizer soll im Oktober 2026 allgemein verfügbar werden. Salesforce erklärt, dass die Funktion Sitzungsspuren analysieren, Teams beim Testen der Leistung unterstützen und mögliche Verbesserungen identifizieren wird.
AI Skills for Agentforce Coworker sind ebenfalls für Oktober geplant. Sie sollen Mitarbeitenden ermöglichen, eine Aufgabe vorzuführen und dieses Wissen im gesamten Unternehmen wiederzuverwenden.
Diese Funktionen zeigen die tatsächliche Wettbewerbsebene. Einen beeindruckenden Agenten zu entwickeln, reicht nicht mehr aus. Anbieter für Unternehmen benötigen ein System, um Flotten von Agenten zu schulen, zu koordinieren, zu bewerten und zu steuern.
Der Druck liegt auch bei den Käufern. Eine vorbereitete Rolle reduziert den anfänglichen Designaufwand, kann Unternehmen jedoch dazu verleiten, einen Prozess zu automatisieren, bevor sie geprüft haben, ob dieser Prozess stabil ist.
Eine schlecht definierte Vertriebsrichtlinie wird nicht besser, nur weil Hunter sie häufiger ausführt. Eine inkonsistente Rückgaberichtlinie bleibt inkonsistent, wenn Casey sie über mehr Kanäle hinweg anwendet.
Unternehmen müssen die Bereitschaft zur Automatisierung von der Produktverfügbarkeit trennen. Allgemeine Verfügbarkeit bedeutet, dass ein Anbieter ein Produkt anbietet und unterstützt. Sie bedeutet nicht, dass jede Organisation über die Datenqualität oder operative Disziplin verfügt, um es verantwortungsvoll einzusetzen.
Microsoft, ServiceNow und Salesforce beschreiben Agenten inzwischen als aktive Teilnehmer an Geschäftsprozessen. Die nächste Wettbewerbsphase wird sich weniger darum drehen, ob Agenten handeln können, sondern darum, ob Organisationen den daraus resultierenden Ergebnissen vertrauen können.
Benannte Agenten machen KI leichter kaufbar und schwerer zu entschuldigen
Menschlich klingende Namen erleichtern die Einführung, doch Berufsbezeichnungen schaffen auch Erwartungen, die Feature-Branding allein nicht erfüllen kann.
Softwareanbieter haben komplexe Systeme seit Langem entlang von Rollen paketiert. Vertriebsplattformen richten sich an Verkäufer, Serviceplattformen an Supportteams und Commerce-Plattformen an Händler.
Salesforce geht mit dieser vertrauten Struktur einen Schritt weiter. Das Produkt selbst erhält nun die Rolle.
Diese Einordnung hilft nichttechnischen Führungskräften, das Portfolio zu verstehen. Casey lässt sich leichter besprechen als eine Sammlung aus Serviceaktionen, Retrieval-Komponenten, Kanalintegrationen und Modelleinstellungen.
Der Name schafft eine gedankliche Abkürzung. Die Berufsbezeichnung vermittelt das erwartete Ergebnis. Ein Gespräch über die Einführung kann mit Verantwortlichkeiten statt mit Architektur beginnen.
Das ist nützliches Marketing, kann aber auch die Grenze zwischen Software und Beschäftigung verwischen. Ein menschlicher Kollege bringt kontextbezogenes Urteilsvermögen, informelles Wissen, ethische Verantwortung und die Fähigkeit mit, eine ungeeignete Anweisung infrage zu stellen.
Ein KI-Agent arbeitet innerhalb konfigurierter Systeme und Berechtigungen. Ihm fehlt persönliche Rechenschaftspflicht, selbst wenn seine Oberfläche einen Namen und eine Gesprächsstimme verwendet.
Die praktische Verantwortungseinheit bleibt die Organisation. Manager entscheiden, auf welche Daten der Agent zugreifen darf, welche Aktionen er ausführen kann, wann eine Freigabe erforderlich ist und wie Vorfälle untersucht werden.
Diese Unterscheidung wird bei langfristigen Aufgaben entscheidend. Ein Chatbot-Fehler kann eine einzelne Antwort betreffen. Ein ausgehender Vertriebsagent kann viele Interessenten kontaktieren, Datensätze verändern und eine Pipeline prägen, bevor jemand ein Muster erkennt.
Eine benannte Rolle sollte daher mit einer formalen Betriebsbeschreibung einhergehen. Dieses Dokument benötigt erlaubte Aktionen, verbotene Aktionen, Eskalationsschwellen, Datenquellen, Aufbewahrungsregeln, Verantwortliche und Prüfintervalle.
Der Agent benötigt zudem Erfolgskennzahlen, die Qualität berücksichtigen. Pipeline-Volumen allein kann minderwertige Ansprache belohnen. Die Lösungsquote allein kann wiedereröffnete Fälle, Kundenfrustration oder falsche Antworten verdecken.
Salesforce hat mehrere von Kunden berichtete Ergebnisse vorgelegt. Engine gibt an, dass sein Support-Agent 50 % der Chat-Anfragen vollständig löst. Perk berichtet, dass Hunter 60 % seiner Vertriebspipeline aufbaut.
Autism Queensland erklärt, dass Paige 70 % der administrativen Anfragen löst. Hibbett berichtet, dass sein Shopping-Agent nach einer sechswöchigen Einführung 90 % der zentralen Shopping-Journeys abwickelt.
Asana gibt an, dass Piper das Vierfache seines bisherigen Gesprächsvolumens erzeugt, während Kunden Piper im Durchschnitt in 45 Tagen einführen. Salesforce erklärt zudem, dass Fin 79 % der Anthropic-Konversationen, die es bearbeitet, autonom löst.
Diese Zahlen zeigen, weshalb paketierte Agenten Käufer anziehen. Sie verbinden einen Agenten direkt mit operativen Ergebnissen statt mit Modell-Benchmarks.
Allerdings handelt es sich um Kundenbeispiele, die von Salesforce ausgewählt und veröffentlicht wurden. Sie belegen keine typische Leistung, und ihre Bezugsgrößen können zwischen Unternehmen variieren.
„Gelöst“ kann je nach Eskalationsrichtlinien, Falldefinitionen und Messzeiträumen unterschiedliche Bedeutungen haben. „Aufgebaute Pipeline“ bedeutet nicht zwangsläufig abgeschlossenen Umsatz.
Die sinnvolle Reaktion besteht nicht darin, die Ergebnisse abzutun. Käufer sollten nach präzisen Definitionen, Vergleichen mit Ausgangswerten, Ausnahmeraten und Belegen aus ähnlichen Implementierungen fragen.
Namen helfen Menschen, sich Produkte zu merken. Berufsbezeichnungen helfen Führungskräften, Budgets zuzuweisen. Nur gemessene Leistung unter realen Betriebsbedingungen kann diese Bezeichnungen in dauerhaftes Vertrauen verwandeln.
Die Evidenz von Salesforce ist vielversprechend, aber weiterhin anbieterberichtet
Das stärkste Argument für Agentforce stammt aus konkreten Nutzungsdaten, doch die meisten Belege zur Einführung werden weiterhin von Salesforce und seinen Kunden kontrolliert.
Salesforce erklärt, 7 Milliarden Agentic Work Units über Agentforce und Slack bereitgestellt zu haben. Agentic Work Units sind die Verbrauchskennzahl des Unternehmens für Agentenaktionen und damit verbundene Arbeit.
Von dieser Gesamtzahl wurden 3,2 Milliarden Einheiten im zweiten Geschäftsquartal des Unternehmens bereitgestellt. Die Zahl deutet auf erhebliche Aktivität hin, zeigt jedoch nicht, wie viele Aufgaben erfolgreich waren oder korrigiert werden mussten.
Die am 26. August veröffentlichten Quartalsergebnisse von Salesforce berichteten, dass der annualisierte wiederkehrende Umsatz von Agentforce im Jahresvergleich um mehr als 240 % stieg. Die Agentic Work Units im Quartal wuchsen gegenüber dem Vorquartal um 97 %.
Diese Zahlen zeigen, dass Agentforce für Salesforce kommerziell wichtiger wird. Sie erklären auch, weshalb das Unternehmen Agenten um wiedererkennbare Aufgabenprofile herum paketiert.
Nutzungswachstum allein kann Autonomie nicht bestätigen. Ein Kunde könnte viele risikoarme Aktionen erzeugen, während ein anderer weniger Aktionen mit schwerwiegenden finanziellen oder reputationsbezogenen Folgen produziert.
Die sieben Agenten gehören zudem unterschiedlichen Risikokategorien an. Dass Carter eine Produktfrage beantwortet, unterscheidet sich davon, dass Marshall einen Lieferkettenprozess verändert. Dass Hunter externe Nachrichten versendet, unterscheidet sich davon, dass Paige eine interne Richtlinie abruft.
Jede Rolle benötigt ihr eigenes Evaluierungsdesign. Eine allgemeine Erfolgsquote für Agentforce würde die operativen Unterschiede verschleiern.
Fin verschafft Salesforce ein reiferes Kundenserviceprodukt und eine installierte Basis. Das Unternehmen schloss seine Übernahme von Fin einen Tag vor der Ankündigung des erweiterten Agentenportfolios ab.
Salesforce erklärt, dass Fin mehr als 30.000 Unternehmen bedient und im Durchschnitt eine Lösungsquote von 76 % erreicht. Fin arbeitet weiterhin innerhalb von Salesforce AI Labs und wird zugleich Teil des breiteren Agentforce-Portfolios.
Diese Historie unterscheidet Fin von einer neu eingeführten Vorlage. Es bringt ein bestehendes Produkt, spezialisierte Modelle für Kundenerlebnisse, Implementierungswissen und Kundenbeziehungen mit.
Sie legt zugleich eine strategische Realität offen. Salesforce kombiniert interne Entwicklung mit übernommenen Produkten, um sein Agentenportfolio zu beschleunigen. Auch Piper spiegelt die frühere Übernahme von Qualified durch Salesforce wider.
Diese Kombination kann den Weg zu nützlichen Agenten verkürzen. Sie kann jedoch auch Integrationsarbeit über Datenmodelle, Verwaltungswerkzeuge, Evaluierungsmethoden und Produktidentitäten hinweg verursachen.
Kunden sollten darauf achten, ob Fin, Piper und von Salesforce entwickelte Agenten letztlich einheitliche Kontrollen teilen. Ein Portfolio ist wertvoller, wenn Administratoren gemeinsame Richtlinien anwenden und vergleichbare Leistung prüfen können.
Memory wirft eigene Fragen zu Datenschutz und Data Governance auf. Langfristig arbeitende Agenten müssen genügend Informationen behalten, um eine Aufgabe fortzusetzen, sollten aber nicht jedes Detail unbegrenzt speichern.
Unternehmen benötigen Kontrollen dafür, was in Memory gelangt, wie lange es dort verbleibt, wer es einsehen kann und ob Nutzer es korrigieren oder löschen können. Der Launch von Salesforce beschreibt Memory als Fähigkeit, veröffentlicht jedoch nicht für jedes Einsatzszenario detaillierte Antworten.
Sicherheitsteams werden zudem indirekte Prompt-Injection testen wollen. Ein Vertriebsagent kann auf bösartige Anweisungen in E-Mails, Webseiten, Dokumenten oder CRM-Feldern stoßen.
Ein Agent, der über Wochen hinweg handeln kann, bietet Angreifern mehr Möglichkeiten, einen Plan zu beeinflussen. Memory könnte eine feindliche Anweisung bewahren, nachdem der ursprüngliche Inhalt nicht mehr unmittelbar sichtbar ist.
Diese Risiken machen Agenten mit langem Horizont nicht unpraktisch. Sie verändern den Maßstab für den Nachweis.
Ein erfolgreicher Pilot sollte mehr als nur die Fertigstellung messen. Er sollte Berechtigungsfehler, Abrufe aus veraltetem Memory, fehlerhafte Planänderungen, unnötige Kontaktaufnahme, menschliche Übersteuerungsraten und die Wiederherstellung nach Unterbrechungen untersuchen.
Salesforce hat Käufern konkrete Produkte zum Testen gegeben. Das Unternehmen hat jedoch noch nicht gezeigt, dass ein benannter Agent monatelang mit einer mit Mitarbeitern vergleichbaren Zuverlässigkeit arbeiten kann.
Drei Signale werden zeigen, ob Agenten mit langem Horizont bereit sind
Der nächste Test ist nicht eine weitere polierte Demonstration. Entscheidend ist, ob Hunter den Produktionseinsatz mit messbarer Kontrolle und vertretbaren Überwachungskosten übersteht.
Das erste Signal ist Hunters geplante allgemeine Verfügbarkeit im November 2026. Salesforce muss zeigen, dass die Laufzeitumgebung für lange Aufgaben den Pilotstatus verlassen kann, ohne ihr zentrales Versprechen einzuengen.
Details zur Verfügbarkeit werden wichtig sein. Käufer sollten prüfen, welche Aktionen Hunter ausführen kann, welche eine Freigabe benötigen und ob Administratoren Veränderungen eines Plans im Zeitverlauf nachvollziehen können.
Die Implementierungsdokumentation sollte erklären, wie Memory ausgewählt, aktualisiert und entfernt wird. Sie sollte außerdem zeigen, wie eine unterbrochene Aufgabe fortgesetzt wird, ohne Arbeit zu wiederholen oder neuere Anweisungen zu ignorieren.
Erreicht Hunter mit klaren Kontrollen die allgemeine Verfügbarkeit, wird die Launch-These überzeugender. Eine Verzögerung, ein engerer Umfang oder starke Freigabeanforderungen würden darauf hindeuten, dass mehrwöchige Autonomie weiterhin schwierig bleibt.
Das zweite Signal sind Belege aus Produktionseinsätzen. Die aktuellen Beispiele von Salesforce sind nützlich, Käufer benötigen jedoch breitere Berichterstattung über Qualität und Eingriffe.
Für Hunter zählen zu den wichtigsten Kennzahlen qualifizierte Pipeline, Antwortqualität, Raten unerwünschter Kontaktaufnahme, menschliche Korrekturen und Konversion über die erste Interaktion hinaus. Reines Outreach-Volumen würde wenig aussagen.
Bei Casey und Fin sollte die Lösungsquote gemeinsam mit wiedereröffneten Fällen, Eskalationen, Kundenzufriedenheit und verifizierter Antwortgenauigkeit betrachtet werden. Bei Paige sollten Organisationen falsche Richtlinienauskünfte und unnötige Zugriffe auf Mitarbeiterdaten erfassen.
Bei Marshall verdient die Prüfbarkeit besondere Aufmerksamkeit. Käufer müssen wissen, ob deterministische Kontrollen KI-generierte Pläne zuverlässig begrenzen können, wenn sich Lieferkettenbedingungen ändern.
Unabhängige Fallstudien würden die Behauptungen von Salesforce stärken. Konsistente Ergebnisse über Branchen hinweg wären wichtiger als eine weitere Reihe außergewöhnlicher Kundenbeispiele.
Das dritte Signal ist die Wettbewerbsreaktion von Microsoft und ServiceNow. Microsoft beschreibt Dynamics 365 Sales bereits als ein System of Action mit autonomen Agenten für Recherche, Qualifizierung, Ansprache und Abschluss.
Wenn Microsoft dauerhafte Pläne über Wochen hinweg betont, wird die Laufzeitumgebung von Salesforce schnell zu einer Kategorieanforderung statt zu einem dauerhaften Unterscheidungsmerkmal. Wenn Microsoft den einheitlichen Microsoft-365-Kontext in den Vordergrund stellt, könnte sich der Wettbewerb darauf konzentrieren, welche Datenumgebung einen Vertriebsagenten am besten unterstützt.
Die Reaktion von ServiceNow wird sich voraussichtlich auf Governance und plattformübergreifende Beobachtung konzentrieren. Dieser Ansatz wird wertvoller, je mehr Agenten von verschiedenen Anbietern eingesetzt werden.
Ein Käufer könnte sich letztlich für Salesforce bei Kundenworkflows entscheiden und zugleich eine andere Plattform nutzen, um einen breiteren Agentenbestand zu überwachen. Salesforce muss zeigen, dass seine Orchestrierungs- und Optimierungswerkzeuge in dieser gemischten Umgebung funktionieren können.
Die größere Frage lautet, ob ein Agent wertvoller wird, wenn er länger handelt, oder lediglich schwieriger zu überwachen. Namen und Berufsbezeichnungen können diese Frage nicht beantworten.
Salesforce hat eine klare Wette abgeschlossen. Enterprise-KI wird durch definierte Rollen, vorbereitete Fähigkeiten, persistenten Memory und messbare Geschäftsergebnisse eingeführt werden.
Diese Wette führt das Unternehmen über die Chatbot-Ära hinaus. Sie erhöht aber auch die Kosten eines Scheiterns, weil von diesen Agenten erwartet wird, Verantwortung zu tragen und nicht nur Vorschläge zu erzeugen.
Für Unternehmenskäufer ist der sinnvolle nächste Schritt ein begrenzter Produktionstest mit expliziten Kontrollen. Wählen Sie einen Prozess aus, dokumentieren Sie seine Entscheidungsrechte und messen Sie sowohl Ergebnisse als auch Korrekturkosten.
Entwickler sollten sich auf Zustandsmanagement, Beobachtbarkeit, Evaluierung und Wiederherstellungspfade konzentrieren. Wissensarbeiter sollten fragen, welche Urteile weiterhin bei ihnen liegen und ob das System ausreichend Kontext offenlegt, um seine Entscheidungen hinterfragen zu können.
Die Salesforce-Agentforce-KI-Agenten sind leichter zu verstehen, weil sie nun einem Team ähneln. Der entscheidende Beleg wird erbracht sein, wenn Unternehmen zeigen können, dass diese benannten Rollen über längere Zeit präzise, kontrollierbar und die Beaufsichtigung wert bleiben.
