Gli agenti AI Agentforce di Salesforce ottengono ruoli professionali, memoria persistente e un test più difficile

Salesforce ha presentato sette agenti AI con nomi propri, ma il cambiamento decisivo non è il loro branding più umano. Uno degli agenti è progettato per perseguire obiettivi di vendita per settimane o mesi.

Gli agenti AI Agentforce di Salesforce arrivano con descrizioni dei ruoli che coprono assistenza, vendite, commercio, supporto ai dipendenti e operazioni della supply chain. Sei sono generalmente disponibili, mentre Hunter, l'agente per le vendite outbound, resta in fase pilota prima del rilascio previsto per novembre 2026.

Questa tempistica conta perché Hunter porta con sé la più grande promessa tecnica di Salesforce. Il suo nuovo runtime a lungo orizzonte è progettato per preservare il contesto, mantenere i piani e adattare il lavoro in corso attraverso più sessioni. Microsoft offre già agenti di vendita autonomi in Dynamics 365, quindi Salesforce deve dimostrare che una memoria più lunga produce risultati migliori, non catene più lunghe di errori nascosti.

Si tratta di un passaggio dalla vendita dell'AI come assistente alla sua proposta come forza lavoro. Nomi e ruoli professionali rendono ogni prodotto più facile da comprendere, assegnare, misurare e inserire in un piano operativo. Rendono anche più pressanti le difficili questioni relative ad autorità, supervisione e responsabilità.

Gli agenti AI Agentforce di Salesforce arrivano ora pronti per ruoli specifici

Salesforce sta sostituendo la tela vuota per la creazione di agenti con un catalogo di agenti collegati a ruoli aziendali riconoscibili.

L'azienda ha annunciato Casey, Paige, Carter, Hunter, Marshall, Piper e Fin l'11 settembre 2026. Ogni agente parte da un'area di responsabilità definita anziché da una generica interfaccia di chat.

Casey gestisce le richieste del servizio clienti tramite voce, SMS, WhatsApp e chat web. I suoi flussi di lavoro predisposti includono domande frequenti, resi, gestione degli account ed escalation ai rappresentanti umani.

Paige si concentra sul supporto ai dipendenti. Gestisce richieste IT e delle risorse umane tramite Slack, portali aziendali e altri sistemi sul posto di lavoro.

Carter è al servizio degli acquirenti. Può aiutare i clienti a trovare e confrontare prodotti, rispondere alle domande e completare gli acquisti all'interno di una conversazione.

Marshall è pensato per i processi della supply chain e di back-office. Salesforce afferma che combina il ragionamento AI con l'esecuzione deterministica, ovvero regole fisse controllano le azioni che non dovrebbero dipendere dal giudizio del modello. Registra inoltre ogni azione per una revisione successiva.

Piper qualifica i lead aziendali in entrata attraverso siti web e caselle di posta. Fin gestisce flussi di lavoro per l'esperienza del cliente tramite messaggistica, email, telefono e Slack.

Hunter è l'eccezione. Secondo il portafoglio ufficiale di agenti, ricerca potenziali clienti, svolge attività di outreach e collabora con i venditori per settimane o mesi. Salesforce prevede di renderlo generalmente disponibile a novembre.

I clienti possono modificare i nomi degli agenti e adattarne il comportamento. Questa personalizzazione trasforma i nomi in modelli anziché in identità permanenti di prodotto.

I ruoli professionali svolgono comunque un'importante funzione commerciale. Un acquirente può confrontare le prestazioni di un “agente di assistenza” con le metriche esistenti di un team di supporto. Un responsabile vendite può valutare un agente outbound rispetto agli obiettivi della pipeline. Un manager della supply chain può verificare se un processo automatizzato ha seguito le approvazioni richieste.

Un assistente generico non dispone di un'unità di responsabilità così evidente. Può rispondere a domande su molti argomenti senza essere responsabile di un risultato misurabile. Questi nuovi agenti vengono presentati come responsabili di attività delimitate.

Questo posizionamento riduce anche lo sforzo necessario per immaginare un caso d'uso. Le aziende non devono più iniziare chiedendosi cosa potrebbe fare un agente. Possono iniziare valutando se un ruolo predisposto corrisponde a un processo esistente.

Salesforce afferma che i suoi sette agenti includono le competenze, le azioni e i modelli di dati necessari per i ruoli assegnati. Gli acquirenti devono comunque collegare i dati aziendali, configurare le autorizzazioni, definire regole operative, testare i casi limite e scegliere i punti di escalation.

“Pronto per il lavoro” non significa quindi pronto a operare senza preparazione. Significa che Salesforce ha trasferito più decisioni progettuali nel prodotto prima del deployment.

Questo approccio rende l'AI aziendale più facile da acquistare. Rende anche più facile attribuire i fallimenti. Se Casey gestisce male i resi o Hunter contatta account non idonei, gli acquirenti sanno quale agente e quale flusso di lavoro richiedono un'indagine.

Il lancio crea la tensione centrale dell'articolo: Salesforce sta facendo apparire gli agenti più simili a colleghi affidabili proprio mentre il loro lavoro diventa più persistente e più difficile da supervisionare.

La memoria a lungo termine trasforma Hunter nel vero banco di prova

Hunter è importante perché cerca di mantenere un obiettivo aziendale dopo che la conversazione che lo ha avviato è terminata.

La maggior parte dei chatbot sul posto di lavoro opera in un ciclo di richiesta e risposta. Una persona chiede informazioni, riceve una risposta e decide cosa accade successivamente.

Hunter è progettato per un lavoro con un orizzonte temporale più lungo. Un venditore potrebbe chiedergli di identificare le trattative a rischio prima della chiusura di un trimestre. L'agente potrebbe quindi trasformare tale obiettivo in attività, individuare informazioni pertinenti, svolgere outreach e aggiornare il proprio piano.

Salesforce attribuisce questo comportamento a tre capacità connesse: memoria, esecuzione durevole e indirizzamento dinamico.

La memoria preserva contesto e avanzamento tra le sessioni. L'esecuzione durevole mantiene attivo un piano e consente all'agente di riprendere dopo le interruzioni. L'indirizzamento dinamico modifica il comportamento quando un utente fornisce nuove informazioni o indicazioni.

La memoria persistente è diversa da un'ampia finestra di contesto. Una finestra di contesto è l'informazione che un modello può elaborare durante una singola inferenza. La memoria persistente archivia uno stato selezionato affinché il lavoro possa continuare attraverso interazioni separate.

L'esecuzione durevole è altrettanto importante. L'agente necessita di un registro dei passaggi completati, delle azioni in sospeso, delle dipendenze, dei fallimenti e dei requisiti di approvazione. Altrimenti, ricordare un obiettivo serve poco a garantire progressi affidabili.

L'indirizzamento dinamico introduce un ulteriore livello. Un venditore può cambiare priorità, rimuovere un account, rivedere la messaggistica o richiedere l'approvazione prima di ulteriori attività di outreach. Hunter deve incorporare queste istruzioni senza perdere i vincoli precedenti.

Questa combinazione assomiglia a un motore di workflow con un livello di pianificazione AI. Il modello propone e adatta le azioni, mentre il sistema circostante mantiene lo stato e applica i limiti.

Crea anche un nuovo schema di fallimento. Una risposta sbagliata di un chatbot è in genere visibile immediatamente. Un'ipotesi errata all'interno di un piano della durata di un mese può influenzare silenziosamente molte azioni successive.

Per esempio, Hunter potrebbe classificare erroneamente un account, selezionare un contatto non idoneo o interpretare il silenzio come autorizzazione a proseguire l'outreach. Ogni attività successiva può rimanere internamente coerente pur basandosi su una premessa sbagliata.

Questo rischio rende essenziale la tracciabilità. Gli acquirenti devono poter vedere cosa riteneva l'agente, quali informazioni ha usato, cosa ha modificato il suo piano e quando un umano ha approvato un'azione.

Salesforce afferma che Hunter può distinguere tra azioni che può svolgere autonomamente e azioni che richiedono l'approvazione del venditore. L'azienda non ha pubblicato prove indipendenti che dimostrino con quale affidabilità questi limiti vengano rispettati in deployment diversi.

Anche la memoria di lunga durata richiede manutenzione attiva. I fatti archiviati possono diventare obsoleti, duplicati o scollegati dal contesto originario. Una utile base di conoscenza AI necessita di controlli sulla provenienza e sul recupero delle informazioni, non soltanto di più testo archiviato.

Lo stesso principio si applica a Hunter. Ricordare mesi di attività è utile solo quando l'agente recupera la cronologia corretta al momento giusto.

Salesforce prevede di estendere il runtime a lungo orizzonte ad altri agenti e, infine, di consentire ai clienti di costruire i propri agenti a lungo orizzonte. Hunter è quindi sia un prodotto sia un test in produzione per l'architettura sottostante.

Se Hunter funziona come descritto, Agentforce può andare oltre l'assistenza isolata per passare a operazioni continue. Se richiede correzioni costanti, l'orizzonte temporale più lungo amplificherà i costi di supervisione.

La pressione ricade su Microsoft, ServiceNow e sugli acquirenti aziendali

Salesforce non sta creando il mercato degli agenti aziendali, ma sta costringendo i concorrenti a spiegare chi possiede un risultato nel tempo.

Microsoft fornisce già agenti specializzati per la qualificazione delle vendite, la ricerca sulle opportunità, la chiusura delle trattative e le azioni consigliate. Il suo catalogo di agenti per le vendite include agenti che ricercano lead, inviano outreach, identificano rischi sulle opportunità e assistono durante tutto il ciclo di vendita.

Questo rende Microsoft il riferimento competitivo più chiaro per Hunter. Entrambe le aziende possono basare gli agenti sui record dei clienti e sulle comunicazioni sul posto di lavoro. Entrambe stanno trasformando i sistemi di registrazione in sistemi che avviano il lavoro.

Il vantaggio di Microsoft deriva dalla sua presenza in Outlook, Teams, Microsoft 365 Copilot, Power Platform e Dynamics 365. I segnali provenienti da riunioni, email, documenti e record CRM possono supportare le decisioni di vendita negli strumenti che i dipendenti già utilizzano.

L'argomentazione di Salesforce ruota attorno a Customer 360, ai processi aziendali e al runtime a lungo orizzonte. Vuole che gli acquirenti credano che un agente profondamente integrato nel CRM possa mantenere un obiettivo meglio di un assistente che si sposta tra applicazioni di produttività.

La competizione non riguarda quindi semplicemente Salesforce contro Microsoft sulla qualità dei modelli. Riguarda orchestrazione, contesto, autorizzazioni e persistenza dello stato.

ServiceNow affronta il problema dal punto di vista dei workflow e della governance. Il suo ampliato AI Control Tower è progettato per individuare, osservare, proteggere e misurare gli agenti in più sistemi aziendali.

Questa enfasi diventa più rilevante quando gli agenti rimangono attivi per settimane. Un'azienda potrebbe usare Salesforce per le vendite, ServiceNow per le operazioni IT, Microsoft per la produttività sul posto di lavoro e agenti personalizzati per i processi interni.

Un agente con un nome può comunque attraversare diversi sistemi perseguendo un unico risultato. L'acquirente deve decidere quale piattaforma registra l'autorità, monitora il comportamento e risolve i conflitti tra agenti.

Salesforce risponde con proprie funzionalità di orchestrazione e ottimizzazione. Multi-Agent Orchestration è generalmente disponibile, secondo l'azienda. Instrada il lavoro tra agenti specializzati quando un'attività attraversa ruoli o sistemi.

Agent Optimizer è programmato per la disponibilità generale nell'ottobre 2026. Salesforce afferma che analizzerà le tracce delle sessioni, aiuterà i team a testare le prestazioni e individuerà possibili miglioramenti.

Anche AI Skills per Agentforce Coworker sono previste per ottobre. Sono pensate per consentire ai dipendenti di dimostrare un'attività e riutilizzare tale conoscenza nell'intera forza lavoro.

Queste capacità rivelano il vero livello della competizione. Creare un singolo agente impressionante non è più sufficiente. I fornitori aziendali necessitano di un sistema per insegnare, coordinare, valutare e governare flotte di agenti.

La pressione ricade anche sugli acquirenti. Un ruolo predisposto riduce il lavoro iniziale di progettazione, ma può incoraggiare le aziende ad automatizzare un processo prima di verificare se tale processo sia stabile.

Una politica di vendita mal definita non migliora perché Hunter la esegue più frequentemente. Una politica di reso incoerente rimane incoerente quando Casey la applica su più canali.

Le aziende devono distinguere tra la predisposizione all’automazione e la disponibilità del prodotto. La disponibilità generale significa che un fornitore offre e supporta un prodotto. Non significa che ogni organizzazione disponga della qualità dei dati o della disciplina operativa necessarie per implementarlo in modo responsabile.

Microsoft, ServiceNow e Salesforce descrivono ora gli agenti come partecipanti attivi nei processi aziendali. La prossima fase della competizione si concentrerà meno sulla capacità degli agenti di agire e più sulla possibilità per le organizzazioni di fidarsi del lavoro che ne deriva.

Gli Agenti con Nome Proprio Rendono l’AI Più Facile da Acquistare e Più Difficile da Giustificare

I nomi in stile umano semplificano l’adozione, ma le qualifiche professionali creano anche aspettative che il branding delle funzionalità non può soddisfare da solo.

I fornitori di software organizzano da tempo sistemi complessi attorno ai ruoli. Le piattaforme di vendita servono i venditori, le piattaforme di assistenza servono i team di supporto e le piattaforme di commercio servono i commercianti.

Salesforce porta questa struttura familiare un passo oltre. Ora è il prodotto stesso a ricevere il ruolo.

Questa impostazione aiuta i dirigenti non tecnici a comprendere il portafoglio. Casey è più semplice da discutere rispetto a una raccolta di azioni di assistenza, componenti di retrieval, integrazioni di canale e impostazioni del modello.

Il nome crea una scorciatoia mentale. Il titolo professionale suggerisce l’output atteso. Una conversazione sull’implementazione può iniziare dalle responsabilità anziché dall’architettura.

È un marketing utile, ma può anche confondere la distinzione tra software e lavoro dipendente. Un collega umano offre giudizio contestuale, conoscenza informale, responsabilità etica e la capacità di contestare un’istruzione inadeguata.

Un agente AI opera all’interno di sistemi e autorizzazioni configurati. Non ha responsabilità personale, anche quando la sua interfaccia usa un nome e una voce conversazionale.

L’unità pratica di responsabilità resta l’organizzazione. I manager decidono a quali dati l’agente può accedere, quali azioni può intraprendere, quando è necessaria un’approvazione e come vengono indagati gli incidenti.

Questa distinzione diventa cruciale nel lavoro di lunga durata. Un errore di chatbot può influire su una sola risposta. Un agente di vendita outbound può contattare molti potenziali clienti, modificare record e plasmare una pipeline prima che qualcuno noti uno schema.

Un ruolo con nome proprio dovrebbe quindi essere accompagnato da una descrizione operativa formale. Tale documento deve definire azioni consentite, azioni vietate, soglie di escalation, fonti dati, regole di conservazione, responsabili e programmi di revisione.

L’agente necessita inoltre di metriche di risultato che tengano conto della qualità. Il solo volume della pipeline può premiare attività di contatto di bassa qualità. Il solo tasso di risoluzione può nascondere casi riaperti, frustrazione dei clienti o risposte errate.

Salesforce ha fornito diversi risultati riportati dai clienti. Engine afferma che il suo agente di assistenza risolve completamente il 50% delle richieste in chat. Perk riferisce che Hunter costruisce il 60% della sua pipeline di vendita.

Autism Queensland afferma che Paige risolve il 70% delle richieste amministrative. Hibbett riferisce che il suo agente per gli acquisti gestisce il 90% dei principali percorsi d’acquisto dopo un’implementazione di sei settimane.

Asana afferma che Piper genera un volume di conversazioni quattro volte superiore rispetto al passato, mentre i clienti implementano Piper in media in 45 giorni. Salesforce afferma inoltre che Fin risolve autonomamente il 79% delle conversazioni Anthropic che gestisce.

Questi dati mostrano perché gli agenti preconfezionati attirano gli acquirenti. Collegano direttamente un agente a risultati operativi anziché a benchmark dei modelli.

Tuttavia, sono esempi di clienti selezionati e pubblicati da Salesforce. Non stabiliscono le prestazioni tipiche e i loro denominatori possono differire tra le aziende.

“Risolto” può significare cose diverse a seconda delle politiche di escalation, delle definizioni dei casi e delle finestre di misurazione. “Pipeline costruita” non significa necessariamente ricavi conclusi.

La risposta utile non è liquidare questi risultati. Gli acquirenti dovrebbero chiedere definizioni precise, confronti con il livello di riferimento, tassi di eccezione e prove provenienti da implementazioni simili alle proprie.

I nomi aiutano le persone a ricordare i prodotti. I titoli professionali aiutano i leader ad assegnare budget. Solo prestazioni misurate in condizioni operative reali possono trasformare queste etichette in fiducia duratura.

Le Evidenze di Salesforce Sono Promettenti, ma Restano Riportate dal Fornitore

L’argomento più forte a favore di Agentforce deriva da dati d’uso specifici, ma la maggior parte delle evidenze del lancio resta controllata da Salesforce e dai suoi clienti.

Salesforce afferma di aver erogato 7 miliardi di Agentic Work Units tra Agentforce e Slack. Le Agentic Work Units sono la misura di consumo dell’azienda per le azioni degli agenti e il lavoro correlato.

Di questo totale, 3,2 miliardi di unità sono state erogate durante il secondo trimestre fiscale dell’azienda. Il numero indica un’attività sostanziale, ma non rivela quante attività siano riuscite o abbiano richiesto correzioni.

I risultati trimestrali di Salesforce del 26 agosto hanno riportato che i ricavi ricorrenti annuali di Agentforce sono cresciuti di oltre il 240% su base annua. Le Agentic Work Units nel trimestre sono cresciute del 97% rispetto al trimestre precedente.

Questi dati mostrano che Agentforce sta assumendo rilevanza commerciale per Salesforce. Spiegano inoltre perché l’azienda stia organizzando gli agenti attorno a professioni riconoscibili.

La sola crescita dell’utilizzo non può convalidare l’autonomia. Un cliente potrebbe generare molte azioni a basso rischio, mentre un altro ne produce meno ma con conseguenze finanziarie o reputazionali gravi.

I sette agenti occupano inoltre categorie di rischio diverse. Carter che risponde a una domanda su un prodotto è diverso da Marshall che modifica un processo della supply chain. Hunter che invia messaggi esterni è diverso da Paige che recupera una policy interna.

Ogni ruolo richiede un proprio modello di valutazione. Un tasso di successo complessivo di Agentforce nasconderebbe le differenze operative.

Fin fornisce a Salesforce un prodotto di customer service più maturo e una base installata. L’azienda ha completato la sua acquisizione di Fin un giorno prima di annunciare il portafoglio di agenti ampliato.

Salesforce afferma che Fin serve oltre 30.000 aziende e registra in media un tasso di risoluzione del 76%. Fin continua a operare all’interno di Salesforce AI Labs entrando al contempo nel più ampio portafoglio Agentforce.

Questa storia rende Fin diverso da un template appena introdotto. Porta con sé un prodotto esistente, modelli specializzati per l’esperienza cliente, conoscenze di implementazione e relazioni con i clienti.

Espone inoltre una realtà strategica. Salesforce combina sviluppo interno e prodotti acquisiti per accelerare il proprio portafoglio di agenti. Piper riflette analogamente la precedente acquisizione di Qualified da parte di Salesforce.

Questa combinazione può abbreviare il percorso verso agenti utili. Può anche creare lavoro di integrazione tra modelli dati, strumenti di amministrazione, metodi di valutazione e identità dei prodotti.

I clienti dovrebbero osservare se Fin, Piper e gli agenti sviluppati da Salesforce finiranno per condividere controlli coerenti. Un portafoglio è più prezioso quando gli amministratori possono applicare policy comuni e ispezionare prestazioni comparabili.

La memoria solleva questioni distinte in materia di privacy e governance dei dati. Gli agenti di lunga durata devono conservare informazioni sufficienti per proseguire un’attività, ma non dovrebbero preservare ogni dettaglio indefinitamente.

Le imprese necessitano di controlli su ciò che entra nella memoria, sulla sua durata, su chi può ispezionarla e sulla possibilità per gli utenti di correggerla o eliminarla. Il lancio di Salesforce spiega la memoria come capacità, ma non pubblica risposte dettagliate per ogni scenario di implementazione.

I team di sicurezza vorranno inoltre testare l’iniezione indiretta di prompt. Un agente di vendita può incontrare istruzioni malevole all’interno di email, pagine web, documenti o campi CRM.

Un agente che può agire nell’arco di settimane offre agli aggressori più opportunità per influenzare un piano. La memoria potrebbe conservare un’istruzione ostile dopo che il contenuto originale è scomparso dalla visualizzazione immediata.

Questi rischi non rendono impraticabili gli agenti con orizzonte temporale lungo. Cambiano lo standard di prova.

Un pilota riuscito dovrebbe misurare più del semplice completamento. Dovrebbe esaminare errori di autorizzazione, recupero di memoria obsoleta, modifiche errate al piano, contatti non necessari, tassi di override umano e recupero dopo interruzioni.

Salesforce ha fornito agli acquirenti prodotti concreti da testare. L’azienda non ha ancora dimostrato che un agente con nome proprio possa svolgere mesi di lavoro con un’affidabilità paragonabile a quella di un dipendente.

Tre Segnali Mostreranno se gli Agenti con Orizzonte Temporale Lungo Sono Pronti

Il prossimo test non è un’altra dimostrazione raffinata. È verificare se Hunter resiste all’uso in produzione con controlli misurabili e costi di supervisione accettabili.

Il primo segnale è la disponibilità generale di Hunter prevista per novembre 2026. Salesforce deve dimostrare che il runtime a lungo orizzonte può uscire dallo stato pilota senza restringere la sua promessa centrale.

I dettagli sulla disponibilità saranno importanti. Gli acquirenti dovrebbero esaminare quali azioni Hunter può svolgere, quali richiedono approvazione e se gli amministratori possono ispezionare nel tempo le modifiche a un piano.

La documentazione di implementazione dovrebbe spiegare come viene selezionata, aggiornata e rimossa la memoria. Dovrebbe inoltre mostrare come un’attività interrotta riprenda senza ripetere il lavoro o ignorare istruzioni più recenti.

Se Hunter raggiungerà la disponibilità generale con controlli chiari, la tesi del lancio diventerà più forte. Un ritardo, un ambito più ristretto o un pesante requisito di approvazione suggerirebbero che l’autonomia su più settimane resta difficile.

Il secondo segnale è costituito dalle evidenze provenienti dalle implementazioni in produzione. Gli esempi attuali di Salesforce sono utili, ma gli acquirenti necessitano di report più ampi su qualità e intervento.

Per Hunter, le misure chiave includono pipeline qualificata, qualità delle risposte, tassi di contatto indesiderato, correzione umana e conversione oltre l’interazione iniziale. Il semplice volume di attività outbound rivelerebbe poco.

Per Casey e Fin, la risoluzione dovrebbe essere accompagnata da casi riaperti, escalation, soddisfazione dei clienti e accuratezza verificata delle risposte. Per Paige, le organizzazioni dovrebbero monitorare indicazioni errate sulle policy e accessi non necessari ai dati dei dipendenti.

Per Marshall, la verificabilità merita un’attenzione particolare. Gli acquirenti devono sapere se i controlli deterministici possono contenere in modo affidabile piani generati dall’AI quando le condizioni della supply chain cambiano.

Studi di caso indipendenti rafforzerebbero le affermazioni di Salesforce. Risultati coerenti tra diversi settori conterebbero più di un’altra serie di eccezionali esempi di clienti.

Il terzo segnale è la risposta competitiva di Microsoft e ServiceNow. Microsoft descrive già Dynamics 365 Sales come un sistema d’azione con agenti autonomi per ricerca, qualificazione, attività di contatto e chiusura.

Se Microsoft enfatizzerà piani durevoli nell’arco di settimane, il runtime di Salesforce diventerà rapidamente un requisito di categoria anziché una distinzione duratura. Se Microsoft si concentrerà sul contesto unificato di Microsoft 365, la competizione potrebbe concentrarsi sull’ambiente dati che supporta meglio un agente di vendita.

La risposta di ServiceNow probabilmente si concentrerà sulla governance e sull’osservazione cross-platform. Questo approccio acquista maggior valore quando le aziende implementano agenti di diversi fornitori.

Un acquirente potrebbe infine scegliere Salesforce per i flussi di lavoro rivolti ai clienti, utilizzando al contempo un’altra piattaforma per supervisionare un parco agenti più ampio. Salesforce deve dimostrare che i suoi strumenti di orchestrazione e ottimizzazione possono funzionare in questo ambiente misto.

La domanda più ampia è se un agente diventi più prezioso quando agisce più a lungo, oppure semplicemente più difficile da monitorare. Nomi e titoli professionali non possono rispondere a questa domanda.

Salesforce ha fatto una scommessa chiara. L’AI aziendale sarà adottata attraverso ruoli definiti, competenze preparate, memoria persistente e risultati aziendali misurabili.

Questa scommessa porta l’azienda oltre l’era dei chatbot. Aumenta però anche il costo del fallimento, perché ci si aspetta che questi agenti assumano responsabilità, non che producano semplicemente suggerimenti.

Per gli acquirenti aziendali, il prossimo passo ragionevole è un test di produzione circoscritto con controlli espliciti. Selezionate un processo, documentatene i diritti decisionali e misurate sia i risultati sia i costi delle correzioni.

Gli sviluppatori dovrebbero concentrarsi sulla gestione dello stato, l’osservabilità, la valutazione e i percorsi di ripristino. I knowledge worker dovrebbero chiedersi quali giudizi restino di loro competenza e se il sistema esponga un contesto sufficiente per mettere in discussione le sue decisioni.

Gli agenti AI Salesforce Agentforce sono più facili da comprendere perché ora assomigliano a un team. La prova decisiva arriverà quando le organizzazioni potranno dimostrare che questi ruoli nominati restano accurati, controllabili e degni di supervisione nel tempo.