Salesforce a confié une partie de sa feuille de route AI à ses clients et accéléré le déploiement d'Agentforce et de nouvelles fonctionnalités

Salesforce change la logique du lancement de produits IA : au lieu d'un plan à long terme, l'entreprise construit une feuille de route conjointement avec les clients et réécrit les priorités presque en temps réel. Cette approche devrait l'aider à adapter plus rapidement Agentforce, l'IA vocale et les intégrations Slack aux besoins réels des grandes entreprises.

Les clients au lieu du plan

Le rythme du développement de l'IA oblige les fournisseurs d'entreprise à lancer des fonctionnalités beaucoup plus rapidement qu'avant. Chez Salesforce, ils ont décidé que dans tel environnement, une feuille de route trimestrielle classique fonctionne trop lentement. C'est pourquoi l'entreprise s'appuie non pas tant sur des délais fixes, mais sur un flux constant de retours de clients. Selon les responsables de l'IA chez Salesforce, certaines réunions avec des clients ont lieu chaque semaine, et non une fois par trimestre.

Pour Salesforce, ce n'est pas simplement du customer development conventionnel. L'entreprise croit que si une grande organisation rencontre un problème spécifique lors de la mise en œuvre de l'IA, une douleur similaire apparaîtra bientôt chez d'autres. En interne, cela devient un système de détection précoce des besoins : l'équipe observe quels problèmes se répètent et les transforme en thèmes de produit pour l'ensemble de la plateforme.

Comment fonctionne le cycle

Le moteur du lancement d'Agentforce était simple : après l'émergence de grands modèles de langage, les entreprises manquaient du « dernier kilomètre » pour amener l'IA à un scénario enterprise fonctionnel. Le modèle seul ne suffit pas—il faut du contexte, du contrôle, de l'observabilité et des règles claires pour que l'agent ne se comporte pas de manière imprévisible. C'est pourquoi Salesforce construit la pile IA de bas en haut et planifie non pas des dates de lancement spécifiques, mais des directions de développement.

• contexte pour les agents IA et accès aux données de l'entreprise
• observabilité—la capacité à suivre ce que fait l'agent
• contrôles déterministes—restrictions et règles prévisibles
• tests bêta précoces et « portes » avant le lancement général
• cycle de lancement de code rapide par semaines et mois, pas par semestres

«

Nous réagissons littéralement semaine après semaine, mois après mois », a déclaré Muralidhar Krishnaprasad, président et CTO de la division ingénierie de Salesforce, décrivant le nouveau rythme de travail.

L'étape suivante consiste à décomposer chaque demande client en parties : ce que la couche LLM peut résoudre elle-même et ce qui nécessite une infrastructure d'agent supplémentaire autour du modèle. Ceci est important pour un environnement enterprise où une belle fonction de démo ne suffit pas. Vous avez besoin d'un produit qui peut être contrôlé, vérifié et intégré dans une pile existante sans surveillance manuelle constante.

Premiers résultats et risques

L'un des participants à ce cycle est la plateforme de voyage Engine. Son équipe se réunit avec Salesforce chaque semaine et obtient un accès aux outils IA avant le lancement public. Selon le PDG d'Engine, cela aide l'entreprise à tester les nouvelles capacités plus tôt que les concurrents et à vraiment influencer le produit. Un exemple est un agent vocal pour la réservation d'hôtels : après avoir remarqué que le dialogue sonnait peu naturel, Salesforce a affiné le comportement de l'agent, et les tests A/B ont montré de meilleurs résultats.

Une histoire similaire s'est produite avec PenFed. L'union de crédit a construit son propre flux de travail ITSM basé sur les outils et agents Agentforce déjà existants. Lorsque la solution a fait ses preuves dans le travail réel, Salesforce a amené ce scénario à la plateforme en tant qu'outil plus universel pour d'autres clients. C'est-à-dire que les clients agissent ici non seulement comme testeurs mais aussi comme coauteurs de fonctionnalités enterprise finalisées.

Ce modèle a un côté négatif. Il suppose que le client comprend bien quelle IA il aura besoin dans un an, bien que de nombreuses entreprises cherchent encore simplement le rendement pratique de tels systèmes. La volonté de rester en bêta et de discuter du produit chaque semaine ne garantit pas non plus un contrat à long terme ou une adoption massive. Salesforce réduit ce risque en utilisant activement ses outils IA en interne et en redistribuant constamment les équipes aux nouveaux changements technologiques.

Ce que cela signifie

Salesforce montre à quoi pourrait ressembler le développement d'IA enterprise à une époque où le marché change plus vite que la planification trimestrielle. Les gagnants ici ne seront pas ceux avec la plus belle diapositive de feuille de route, mais ceux qui convertiront plus rapidement les points de douleur clients récurrents en produits fonctionnels pour l'ensemble de la base de clients.