Salesforce entregó parte de su roadmap de AI a los clientes y aceleró el lanzamiento de Agentforce y nuevas funciones

Salesforce está cambiando la lógica del lanzamiento de productos de IA: en lugar de un plan a largo plazo, la empresa está construyendo una hoja de ruta conjuntamente con clientes y reescribiendo prioridades casi en tiempo real. Este enfoque debería ayudarle a adaptar más rápidamente Agentforce, IA de voz e integraciones con Slack a las necesidades reales de grandes corporaciones.

Clientes en lugar de plan

El ritmo del desarrollo de IA obliga a los proveedores corporativos a lanzar funcionalidades significativamente más rápido que antes. En Salesforce, decidieron que en tal ambiente, una hoja de ruta trimestral clásica funciona demasiado lentamente. Por eso, la empresa se basa no tanto en fechas límite fijas, sino en un flujo constante de retroalimentación de clientes. Según líderes de IA de Salesforce, algunas reuniones con clientes ocurren cada semana, no una vez por trimestre.

Para Salesforce, esto no es simplemente customer development convencional. La empresa cree que si una gran organización encuentra un problema específico al implementar IA, un dolor similar pronto aparecerá en otras. Internamente, esto se convierte en un sistema de detección temprana de necesidades: el equipo observa qué problemas se repiten y los convierte en temas de producto para toda la plataforma.

Cómo funciona el ciclo

El impulsor para lanzar Agentforce fue simple: después de la aparición de grandes modelos de lenguaje, las empresas carecían de la "última milla" para llevar la IA a un escenario enterprise funcional. El modelo por sí solo no es suficiente—se necesitan contexto, control, observabilidad y reglas claras para que el agente no se comporte de forma impredecible. Por eso, Salesforce construye la pila de IA de abajo hacia arriba y planifica no fechas específicas de lanzamiento, sino direcciones de desarrollo.

• contexto para agentes de IA y acceso a datos de la empresa
• observabilidad—la capacidad de rastrear qué hace el agente
• controles determinísticos—restricciones y reglas predecibles
• pruebas beta tempranas y "puertas" antes del lanzamiento general
• ciclo rápido de lanzamiento de código por semanas y meses, no semestres

"Literalmente respondemos semana tras semana, mes tras mes", dijo

Muralidhar Krishnaprasad, presidente y CTO de la división de ingeniería de Salesforce, describiendo el nuevo ritmo de trabajo.

El siguiente paso es desglosar cada solicitud de cliente en partes: qué puede resolver la capa LLM por sí sola y qué requiere infraestructura adicional de agente alrededor del modelo. Esto es importante para un ambiente enterprise donde una función de demostración bonita no es suficiente. Necesita un producto que pueda controlarse, verificarse e integrarse en un stack existente sin supervisión manual constante.

Primeros resultados y riesgos

Uno de los participantes en este ciclo es la plataforma de viajes Engine. Su equipo se reúne con Salesforce semanalmente y obtiene acceso a herramientas de IA antes del lanzamiento público. Según el CEO de Engine, esto ayuda a la empresa a probar nuevas capacidades antes que los competidores e influir realmente en el producto. Un ejemplo es un agente de voz para reserva de hoteles: después de notar que el diálogo sonaba poco natural, Salesforce refinó el comportamiento del agente, y las pruebas A/B mostraron mejores resultados.

Una historia similar sucedió con PenFed. La cooperativa de crédito construyó su propio flujo de trabajo ITSM basado en herramientas y agentes de Agentforce ya existentes. Cuando la solución demostró su valía en trabajo real, Salesforce llevó este escenario a la plataforma como una herramienta más universal para otros clientes. Es decir, los clientes aquí actúan no solo como probadores sino también como coautores de características enterprise terminadas.

Este modelo tiene un lado negativo. Asume que el cliente entiende bien qué IA necesitará en un año, aunque muchas empresas todavía solo buscan rentabilidad práctica de tales sistemas. La disposición a permanecer en beta y discutir el producto cada semana tampoco garantiza un contrato a largo plazo o adopción masiva. Salesforce reduce este riesgo usando activamente sus herramientas de IA internamente y redistribuyendo constantemente equipos a nuevos cambios tecnológicos.

Qué significa esto

Salesforce muestra cómo podría verse el desarrollo de IA enterprise en una era cuando el mercado cambia más rápido que la planificación trimestral. Los ganadores aquí no serán aquellos con la diapositiva de hoja de ruta más bonita, sino aquellos que conviertan más rápidamente los puntos de dolor recurrentes de los clientes en productos funcionales para toda la base de clientes.