Los agentes de IA Agentforce de Salesforce obtienen títulos de trabajo, memoria persistente y una prueba más exigente
Salesforce presentó siete agentes de IA con nombre, pero el cambio decisivo no es su marca más cercana. Uno de ellos está diseñado para perseguir objetivos de ventas durante semanas o meses.
Los agentes de IA Agentforce de Salesforce llegan con descripciones de puesto que abarcan servicio, ventas, comercio, soporte a empleados y operaciones de cadena de suministro. Seis están disponibles de forma general, mientras que Hunter, el agente de ventas salientes, sigue en fase piloto antes de su lanzamiento previsto para noviembre de 2026.
El momento importa porque Hunter encarna la mayor promesa técnica de Salesforce. Su nuevo entorno de ejecución de largo horizonte está diseñado para conservar el contexto, mantener planes y ajustar el trabajo en curso a lo largo de varias sesiones. Microsoft ya ofrece agentes de ventas autónomos dentro de Dynamics 365, por lo que Salesforce debe demostrar que una memoria más extensa genera mejores resultados, y no cadenas más largas de errores ocultos.
Esto supone pasar de vender la IA como asistente a empaquetarla como mano de obra. Los nombres y títulos de trabajo facilitan entender, asignar, medir e integrar cada producto en un plan operativo. También agudizan las difíciles preguntas sobre autoridad, supervisión y responsabilidad.
Los agentes de IA Agentforce de Salesforce ahora llegan listos para trabajos específicos
Salesforce está sustituyendo el lienzo en blanco para crear agentes por un catálogo de agentes vinculados a roles empresariales reconocibles.
La empresa anunció a Casey, Paige, Carter, Hunter, Marshall, Piper y Fin el 11 de septiembre de 2026. Cada agente comienza con un ámbito de responsabilidad definido, en lugar de una interfaz de chat genérica.
Casey gestiona solicitudes de atención al cliente a través de voz, SMS, WhatsApp y chat web. Sus flujos de trabajo preparados incluyen preguntas frecuentes, devoluciones, gestión de cuentas y derivación a representantes humanos.
Paige se centra en el soporte a empleados. Atiende solicitudes de TI y recursos humanos mediante Slack, portales corporativos y otros sistemas del lugar de trabajo.
Carter atiende a los compradores. Puede ayudar a los clientes a encontrar y comparar productos, responder preguntas y completar compras dentro de una conversación.
Marshall está orientado a los procesos de cadena de suministro y back office. Salesforce afirma que combina el razonamiento de IA con una ejecución determinista, lo que significa que reglas fijas controlan las acciones que no deberían depender del criterio del modelo. También registra cada acción para su revisión posterior.
Piper califica leads empresariales entrantes procedentes de sitios web y bandejas de entrada. Fin gestiona flujos de trabajo de experiencia del cliente a través de mensajería, correo electrónico, teléfono y Slack.
Hunter es la excepción. Según el portafolio oficial de agentes, investiga prospectos, realiza actividades de contacto y colabora con vendedores durante semanas o meses. Salesforce planea ponerlo a disposición general en noviembre.
Los clientes pueden cambiar los nombres de los agentes y adaptar su comportamiento. Esa personalización convierte los nombres en plantillas, en lugar de identidades permanentes de producto.
Los títulos de trabajo siguen cumpliendo una función comercial importante. Un comprador puede comparar el rendimiento de un “agente de ayuda” con las métricas existentes de un equipo de soporte. Un líder de ventas puede evaluar a un agente de ventas salientes frente a objetivos de pipeline. Un responsable de cadena de suministro puede comprobar si un proceso automatizado siguió las aprobaciones requeridas.
Un asistente genérico carece de esa unidad evidente de responsabilidad. Puede responder preguntas sobre muchos temas sin hacerse cargo de un resultado medible. Estos nuevos agentes se presentan como responsables de trabajo delimitado.
Este posicionamiento también reduce el esfuerzo necesario para imaginar un caso de uso. Las empresas ya no necesitan empezar preguntándose qué podría hacer un agente. Pueden comenzar evaluando si un rol preparado encaja con un proceso existente.
Salesforce afirma que sus siete agentes incluyen las habilidades, acciones y modelos de datos necesarios para sus trabajos asignados. Los compradores aún deben conectar los datos de la empresa, configurar permisos, definir reglas de negocio, probar casos límite y elegir puntos de escalamiento.
Por tanto, estar “listo para el trabajo” no significa estar listo para operar sin preparación. Significa que Salesforce ha trasladado más decisiones de diseño al producto antes del despliegue.
Este enfoque facilita la compra de IA empresarial. También facilita atribuir los fallos. Si Casey gestiona mal las devoluciones o Hunter persigue cuentas inadecuadas, los compradores saben qué agente y flujo de trabajo requieren investigación.
El lanzamiento plantea la tensión central del artículo: Salesforce hace que los agentes se parezcan más a colegas fiables justo cuando su trabajo se vuelve más persistente y difícil de supervisar.
La memoria a largo plazo convierte a Hunter en la verdadera prueba
Hunter importa porque intenta mantener un objetivo empresarial después de que haya terminado la conversación que lo inició.
La mayoría de los chatbots de trabajo operan dentro de un ciclo de solicitud y respuesta. Una persona pide información, recibe una respuesta y decide qué ocurre después.
Hunter está diseñado para trabajar con un horizonte temporal más largo. Un vendedor podría pedirle que identifique acuerdos en riesgo antes del cierre de un trimestre. El agente podría entonces convertir ese objetivo en tareas, localizar información relevante, realizar actividades de contacto y actualizar su plan.
Salesforce atribuye este comportamiento a tres capacidades conectadas: memoria, ejecución duradera y dirección dinámica.
La memoria conserva el contexto y el progreso entre sesiones. La ejecución duradera mantiene activo un plan y permite que el agente se reanude después de interrupciones. La dirección dinámica modifica su comportamiento cuando un usuario proporciona nueva información o indicaciones.
La memoria persistente es distinta de una gran ventana de contexto. Una ventana de contexto es la información que un modelo puede procesar durante una inferencia. La memoria persistente almacena un estado seleccionado para que el trabajo pueda continuar a través de interacciones separadas.
La ejecución duradera es igual de importante. El agente necesita un registro de los pasos completados, las acciones pendientes, las dependencias, los fallos y los requisitos de aprobación. De lo contrario, recordar un objetivo sirve de poco para garantizar un progreso fiable.
La dirección dinámica introduce otra capa. Un comercial puede cambiar prioridades, eliminar una cuenta, revisar los mensajes o exigir aprobación antes de continuar con las actividades de contacto. Hunter debe incorporar esas instrucciones sin perder restricciones anteriores.
Esa combinación se parece a un motor de flujos de trabajo con una capa de planificación basada en IA. El modelo propone y adapta acciones, mientras que el sistema circundante mantiene el estado y aplica límites.
También crea un nuevo patrón de fallo. Una respuesta incorrecta en un chatbot suele ser visible de inmediato. Una suposición errónea dentro de un plan de un mes puede influir silenciosamente en muchas acciones posteriores.
Por ejemplo, Hunter podría clasificar incorrectamente una cuenta, seleccionar un contacto inadecuado o interpretar el silencio como permiso para continuar con las actividades de contacto. Cada tarea posterior puede seguir siendo internamente coherente y, aun así, basarse en una premisa equivocada.
Ese riesgo hace esencial la trazabilidad. Los compradores necesitan ver qué creía el agente, qué información utilizó, qué modificó su plan y cuándo una persona aprobó una acción.
Salesforce afirma que Hunter puede distinguir entre las acciones que puede realizar de forma autónoma y las que requieren aprobación del vendedor. La empresa no ha publicado evidencia independiente que demuestre cuán fiables son esos límites en despliegues variados.
La memoria de larga duración también necesita mantenimiento activo. Los hechos almacenados pueden quedar obsoletos, duplicarse o desvincularse de su contexto original. Una base de conocimientos de IA útil necesita controles de procedencia y recuperación, no simplemente más texto almacenado.
El mismo principio se aplica a Hunter. Recordar meses de actividad solo es valioso cuando el agente recupera el historial correcto en el momento correcto.
Salesforce planea extender el entorno de ejecución de largo horizonte a otros agentes y, finalmente, permitir que los clientes creen sus propios agentes de largo horizonte. Por tanto, Hunter es tanto un producto como una prueba de producción para la arquitectura subyacente.
Si Hunter funciona como se describe, Agentforce puede ir más allá de la asistencia aislada y entrar en operaciones continuas. Si requiere corrección constante, el horizonte temporal más largo amplificará los costes de supervisión.
La presión recae sobre Microsoft, ServiceNow y los compradores empresariales
Salesforce no está creando el mercado de agentes empresariales, pero está obligando a los competidores a explicar quién se hace responsable de un resultado a lo largo del tiempo.
Microsoft ya ofrece agentes especializados para calificación de ventas, investigación de oportunidades, cierre y acciones recomendadas. Su catálogo de agentes de ventas incluye agentes que investigan leads, envían comunicaciones, identifican riesgos en oportunidades y ayudan durante todo un ciclo de ventas.
Eso convierte a Microsoft en la referencia competitiva más clara para Hunter. Ambas empresas pueden fundamentar a los agentes en registros de clientes y comunicaciones del lugar de trabajo. Ambas están convirtiendo sistemas de registro en sistemas que inician trabajo.
La ventaja de Microsoft procede de su alcance en Outlook, Teams, Microsoft 365 Copilot, Power Platform y Dynamics 365. Las señales de reuniones, correo electrónico, documentos y registros de CRM pueden respaldar decisiones de ventas dentro de las herramientas que los empleados ya utilizan.
El argumento de Salesforce se centra en Customer 360, los procesos empresariales y el entorno de ejecución de largo horizonte. Quiere que los compradores crean que un agente profundamente integrado en CRM puede mantener un objetivo mejor que un asistente que se mueve entre aplicaciones de productividad.
Por tanto, la competencia no se limita a Salesforce frente a Microsoft en calidad del modelo. Abarca orquestación, contexto, permisos y la durabilidad del estado.
ServiceNow aborda el problema desde los flujos de trabajo y la gobernanza. Su ampliada AI Control Tower está diseñada para descubrir, observar, proteger y medir agentes en múltiples sistemas empresariales.
Ese énfasis se vuelve más relevante cuando los agentes permanecen activos durante semanas. Una empresa podría utilizar Salesforce para ventas, ServiceNow para operaciones de TI, Microsoft para productividad en el lugar de trabajo y agentes personalizados para procesos internos.
Un agente con nombre aún puede atravesar varios sistemas mientras persigue un resultado. El comprador debe decidir qué plataforma registra la autoridad, supervisa el comportamiento y resuelve los conflictos entre agentes.
Salesforce responde con sus propias funciones de orquestación y optimización. Multi-Agent Orchestration está disponible de forma general, según la empresa. Dirige el trabajo entre agentes especializados cuando una tarea atraviesa roles o sistemas.
Agent Optimizer tiene prevista su disponibilidad general en octubre de 2026. Salesforce afirma que analizará trazas de sesión, ayudará a los equipos a probar el rendimiento e identificará posibles mejoras.
AI Skills for Agentforce Coworker también están previstas para octubre. Su propósito es permitir a los empleados demostrar una tarea y reutilizar ese conocimiento en toda la plantilla.
Estas capacidades revelan la verdadera capa competitiva. Ya no basta con crear un solo agente impresionante. Los proveedores empresariales necesitan un sistema para enseñar, coordinar, evaluar y gobernar flotas de agentes.
La presión también recae sobre los compradores. Un rol preparado reduce el trabajo inicial de diseño, pero puede animar a las empresas a automatizar un proceso antes de examinar si ese proceso es estable.
Una política de ventas mal definida no mejora porque Hunter la ejecute con más frecuencia. Una política de devoluciones incoherente sigue siendo incoherente cuando Casey la aplica en más canales.
Las empresas deben separar la preparación para la automatización de la disponibilidad del producto. La disponibilidad general significa que un proveedor ofrece y respalda un producto. No significa que todas las organizaciones tengan la calidad de datos o la disciplina operativa necesarias para implementarlo de forma responsable.
Microsoft, ServiceNow y Salesforce describen ahora a los agentes como participantes activos en los procesos empresariales. La próxima etapa de la competencia se centrará menos en si los agentes pueden actuar y más en si las organizaciones pueden confiar en el trabajo resultante.
Los agentes con nombre propio facilitan la compra de IA y dificultan las excusas
Los nombres de estilo humano simplifican la adopción, pero los cargos también generan expectativas que la marca de una funcionalidad no puede satisfacer por sí sola.
Los proveedores de software llevan mucho tiempo empaquetando sistemas complejos en torno a roles. Las plataformas de ventas sirven a los vendedores, las plataformas de servicio a los equipos de soporte y las plataformas de comercio a los comerciantes.
Salesforce lleva esa estructura conocida un paso más allá. Ahora es el propio producto el que recibe el rol.
Este enfoque ayuda a los ejecutivos no técnicos a entender la cartera. Casey es más fácil de explicar que un conjunto de acciones de servicio, componentes de recuperación, integraciones de canales y configuraciones de modelos.
El nombre crea un atajo mental. El cargo define el resultado esperado. Una conversación sobre implementación puede comenzar con responsabilidades en lugar de arquitectura.
Es un recurso de marketing útil, pero también puede difuminar la diferencia entre software y empleo. Un colega humano aporta criterio contextual, conocimiento informal, responsabilidad ética y la capacidad de cuestionar una instrucción inapropiada.
Un agente de IA opera dentro de sistemas y permisos configurados. Carece de responsabilidad personal, incluso cuando su interfaz utiliza un nombre y una voz conversacional.
La unidad práctica de responsabilidad sigue siendo la organización. Los responsables deciden a qué datos puede acceder el agente, qué acciones puede realizar, cuándo se requiere aprobación y cómo se investigan los incidentes.
Esta distinción se vuelve crítica en el trabajo de larga duración. Un error de chatbot puede afectar una sola respuesta. Un agente de ventas salientes puede contactar a muchos prospectos, modificar registros y dar forma a un pipeline antes de que alguien detecte un patrón.
Por tanto, un rol con nombre debería contar con una descripción operativa formal. Ese documento debe incluir acciones permitidas, acciones prohibidas, umbrales de escalamiento, fuentes de datos, reglas de retención, responsables y calendarios de revisión.
El agente también necesita métricas de resultados que tengan en cuenta la calidad. El volumen del pipeline por sí solo puede recompensar un contacto de baja calidad. La tasa de resolución por sí sola puede ocultar casos reabiertos, frustración del cliente o respuestas incorrectas.
Salesforce ha proporcionado varios resultados comunicados por clientes. Engine afirma que su agente de ayuda resuelve completamente el 50% de las consultas de chat. Perk informa que Hunter genera el 60% de su pipeline de ventas.
Autism Queensland afirma que Paige resuelve el 70% de las solicitudes administrativas. Hibbett informa que su agente de compras gestiona el 90% de los recorridos principales de compra tras una implementación de seis semanas.
Asana afirma que Piper impulsa cuatro veces su volumen anterior de conversaciones, mientras que los clientes implementan Piper en un promedio de 45 días. Salesforce también afirma que Fin resuelve de forma autónoma el 79% de las conversaciones de Anthropic que gestiona.
Estas cifras muestran por qué los agentes empaquetados atraen a los compradores. Conectan directamente a un agente con resultados operativos en lugar de con referencias de rendimiento de modelos.
Sin embargo, son ejemplos de clientes seleccionados y publicados por Salesforce. No establecen un rendimiento típico, y sus denominadores pueden variar entre empresas.
“Resuelto” puede significar cosas distintas según las políticas de escalamiento, las definiciones de caso y los periodos de medición. “Pipeline generado” no significa necesariamente ingresos cerrados.
La respuesta útil no es descartar los resultados. Los compradores deberían solicitar definiciones precisas, comparaciones con líneas de base, tasas de excepción y evidencia de implementaciones similares a las suyas.
Los nombres ayudan a las personas a recordar productos. Los cargos ayudan a los líderes a asignar presupuestos. Solo el rendimiento medido en condiciones operativas reales puede convertir esas etiquetas en confianza duradera.
La evidencia de Salesforce es prometedora, pero sigue siendo comunicada por el proveedor
El argumento más sólido a favor de Agentforce proviene de datos de uso específicos, aunque la mayor parte de la evidencia del lanzamiento sigue estando controlada por Salesforce y sus clientes.
Salesforce afirma haber entregado 7.000 millones de Unidades de Trabajo Agéntico en Agentforce y Slack. Las Unidades de Trabajo Agéntico son la medida de consumo de la empresa para las acciones de los agentes y el trabajo relacionado.
De ese total, 3.200 millones de unidades se entregaron durante el segundo trimestre fiscal de la empresa. La cifra indica una actividad considerable, pero no revela cuántas tareas tuvieron éxito o requirieron corrección.
Los resultados trimestrales de Salesforce del 26 de agosto indicaron que los ingresos recurrentes anuales de Agentforce crecieron más del 240% interanual. Las Unidades de Trabajo Agéntico del trimestre aumentaron un 97% frente al trimestre anterior.
Estas cifras muestran que Agentforce está adquiriendo importancia comercial para Salesforce. También explican por qué la empresa empaqueta agentes en torno a empleos reconocibles.
El crecimiento del uso por sí solo no puede validar la autonomía. Un cliente podría generar muchas acciones de bajo riesgo, mientras que otro produce menos acciones con graves consecuencias financieras o reputacionales.
Los siete agentes también se sitúan en categorías de riesgo diferentes. Que Carter responda a una pregunta sobre un producto es distinto de que Marshall modifique un proceso de cadena de suministro. Que Hunter envíe mensajes externos es distinto de que Paige recupere una política interna.
Cada rol necesita su propio diseño de evaluación. Una tasa global de éxito de Agentforce ocultaría las diferencias operativas.
Fin proporciona a Salesforce un producto de atención al cliente más consolidado y una base instalada. La empresa completó su adquisición de Fin un día antes de anunciar la cartera ampliada de agentes.
Salesforce afirma que Fin presta servicio a más de 30.000 empresas y promedia una tasa de resolución del 76%. Fin sigue operando dentro de Salesforce AI Labs mientras se incorpora a la cartera más amplia de Agentforce.
Esta trayectoria diferencia a Fin de una plantilla recién presentada. Aporta un producto existente, modelos especializados de experiencia de cliente, conocimiento de implementación y relaciones con clientes.
También expone una realidad estratégica. Salesforce está combinando desarrollo interno con productos adquiridos para acelerar su cartera de agentes. Piper refleja de forma similar la adquisición anterior de Qualified por parte de Salesforce.
Esta combinación puede acortar el camino hacia agentes útiles. También puede generar trabajo de integración entre modelos de datos, herramientas de administración, métodos de evaluación e identidades de producto.
Los clientes deberían observar si Fin, Piper y los agentes desarrollados por Salesforce terminan compartiendo controles coherentes. Una cartera es más valiosa cuando los administradores pueden aplicar políticas comunes e inspeccionar un rendimiento comparable.
La memoria plantea preguntas independientes sobre privacidad y gobernanza de datos. Los agentes de larga duración deben retener información suficiente para continuar una tarea, pero no deberían conservar indefinidamente cada detalle.
Las empresas necesitan controles sobre qué entra en la memoria, cuánto tiempo permanece, quién puede inspeccionarla y si los usuarios pueden corregirla o eliminarla. El lanzamiento de Salesforce explica la memoria como una capacidad, pero no publica respuestas detalladas para todos los escenarios de implementación.
Los equipos de seguridad también querrán probar la inyección indirecta de prompts. Un agente de ventas podría encontrarse con instrucciones maliciosas dentro de correos electrónicos, páginas web, documentos o campos de CRM.
Un agente capaz de actuar durante semanas ofrece a los atacantes más oportunidades para influir en un plan. La memoria podría conservar una instrucción hostil después de que el contenido original desaparezca de la vista inmediata.
Estos riesgos no hacen que los agentes de horizonte prolongado sean impracticables. Cambian el estándar de prueba.
Un piloto exitoso debería medir más que la finalización. Debería examinar errores de autorización, recuperación de memoria obsoleta, cambios de plan incorrectos, contactos innecesarios, tasas de anulación humana y recuperación tras interrupciones.
Salesforce ha dado a los compradores productos concretos que probar. La empresa aún no ha demostrado que un agente con nombre propio pueda desempeñar meses de trabajo con una fiabilidad comparable a la de un empleado.
Tres señales mostrarán si los agentes de horizonte prolongado están preparados
La próxima prueba no es otra demostración pulida. Es si Hunter resiste el uso en producción con un control medible y costes de supervisión aceptables.
La primera señal es la disponibilidad general prevista de Hunter en noviembre de 2026. Salesforce debe demostrar que el entorno de ejecución de horizonte prolongado puede salir del estado de piloto sin restringir su promesa central.
Los detalles de disponibilidad importarán. Los compradores deberían examinar qué acciones puede realizar Hunter, cuáles requieren aprobación y si los administradores pueden inspeccionar los cambios de un plan con el paso del tiempo.
La documentación de implementación debería explicar cómo se selecciona, actualiza y elimina la memoria. También debería mostrar cómo se reanuda una tarea interrumpida sin repetir trabajo ni ignorar instrucciones más recientes.
Si Hunter alcanza la disponibilidad general con controles claros, la tesis del lanzamiento cobrará fuerza. Un retraso, un alcance más limitado o un requisito de aprobación elevado sugerirían que la autonomía de varias semanas sigue siendo difícil.
La segunda señal es la evidencia de implementaciones en producción. Los ejemplos actuales de Salesforce son útiles, pero los compradores necesitan informes más amplios sobre calidad e intervención.
Para Hunter, las medidas clave incluyen pipeline cualificado, calidad de respuesta, tasas de contacto no deseado, corrección humana y conversión más allá de la interacción inicial. El volumen bruto de contacto revelaría poco.
Para Casey y Fin, la resolución debería ir acompañada de casos reabiertos, escalaciones, satisfacción del cliente y precisión verificada de las respuestas. Para Paige, las organizaciones deberían rastrear orientaciones de política incorrectas y accesos innecesarios a datos de empleados.
Para Marshall, la auditabilidad merece especial atención. Los compradores necesitan saber si los controles deterministas pueden contener de forma fiable los planes generados por IA cuando cambian las condiciones de la cadena de suministro.
Los estudios de caso independientes reforzarían las afirmaciones de Salesforce. Resultados consistentes en distintos sectores importarían más que otro conjunto de ejemplos excepcionales de clientes.
La tercera señal es la respuesta competitiva de Microsoft y ServiceNow. Microsoft ya describe Dynamics 365 Sales como un sistema de acción con agentes autónomos de investigación, cualificación, contacto y cierre.
Si Microsoft enfatiza planes duraderos a lo largo de semanas, el entorno de ejecución de Salesforce se convertirá rápidamente en un requisito de categoría en lugar de una distinción duradera. Si Microsoft se centra en el contexto unificado de Microsoft 365, la competencia podría girar en torno a qué entorno de datos respalda mejor a un agente de ventas.
Es probable que la respuesta de ServiceNow se centre en la gobernanza y la observación multiplataforma. Ese enfoque se vuelve más valioso a medida que las empresas implementan agentes de varios proveedores.
Un comprador podría terminar eligiendo Salesforce para los flujos de trabajo de clientes mientras utiliza otra plataforma para supervisar un ecosistema más amplio de agentes. Salesforce debe demostrar que sus herramientas de orquestación y optimización pueden funcionar dentro de ese entorno mixto.
La pregunta más amplia es si un agente se vuelve más valioso cuanto más tiempo actúa o simplemente más difícil de supervisar. Los nombres y los cargos no pueden responder a esa pregunta.
Salesforce ha hecho una apuesta clara. La IA empresarial se adoptará mediante roles definidos, capacidades preparadas, memoria persistente y resultados empresariales medibles.
Esa apuesta sitúa a la empresa más allá de la era de los chatbots. También eleva el coste del fracaso porque se espera que estos agentes asuman responsabilidades, no que simplemente produzcan sugerencias.
Para los compradores empresariales, el siguiente paso sensato es una prueba de producción acotada con controles explícitos. Seleccionen un proceso, documenten sus derechos de decisión y midan tanto los resultados como los costes de corrección.
Los desarrolladores deberían centrarse en la gestión del estado, la observabilidad, la evaluación y las vías de recuperación. Los trabajadores del conocimiento deberían preguntarse qué decisiones siguen siendo suyas y si el sistema expone suficiente contexto para cuestionar sus decisiones.
Los agentes de IA Agentforce de Salesforce son más fáciles de entender porque ahora se asemejan a un equipo. La prueba decisiva llegará cuando las organizaciones puedan demostrar que estos roles con nombre siguen siendo precisos, controlables y dignos de supervisión con el paso del tiempo.
