Salesforce отдала AI-роадмап клиентам и ускорила выпуск Agentforce и новых функций

Salesforce меняет логику выпуска AI-продуктов: вместо длинного плана компания строит дорожную карту вместе с клиентами и переписывает приоритеты почти в реальном времени. Такой подход должен помочь ей быстрее адаптировать Agentforce, voice AI и интеграции со Slack под реальные задачи крупных компаний.

Клиенты вместо плана

Темп развития AI заставляет корпоративных вендоров выпускать функции заметно быстрее, чем раньше. В Salesforce решили, что в такой среде классический роадмап на кварталы вперёд работает слишком медленно. Поэтому компания опирается не столько на фиксированные дедлайны, сколько на постоянный поток обратной связи от заказчиков. По словам руководителей Salesforce AI, некоторые встречи с клиентами проходят каждую неделю, а не раз в квартал. Для Salesforce это не просто customer development в привычном виде. Компания считает, что если одна крупная организация упирается в конкретную проблему при внедрении AI, то похожая боль скоро проявится и у других. Внутри это превращается в систему раннего обнаружения потребностей: команда смотрит, какие проблемы повторяются, и превращает их в продуктовые темы для всей платформы.

Как устроен цикл

Толчком для запуска Agentforce стала простая вещь: после появления больших языковых моделей компаниям не хватало «последней мили», чтобы довести AI до рабочего enterprise-сценария. Самой модели мало — нужны контекст, контроль, наблюдаемость и понятные правила, чтобы агент не вёл себя непредсказуемо. Поэтому Salesforce выстраивает AI-стек снизу вверх и планирует не конкретные даты релизов, а направления развития.

контекст для AI-агентов и доступ к данным компании observability — возможность отслеживать, что делает агент deterministic controls — ограничения и предсказуемые правила ранние бета-тесты и «гейты» перед широким релизом * быстрый цикл выпуска кода по неделям и месяцам, а не по полугодиям > «Мы буквально реагируем неделя за неделей, месяц за месяцем», — так президент и CTO инженерного подразделения Salesforce Муралидхар Кришнапрасад описал новый ритм работы. Следующий шаг — разложить каждый запрос клиента на части: что может решить сам LLM-слой, а что требует дополнительной агентной инфраструктуры вокруг модели. Это важно для enterprise-среды, где красивой демо-функции недостаточно.

Нужен продукт, который можно контролировать, проверять и встраивать в существующий стек без постоянного ручного надзора.

Первые результаты и риски Один из участников такого цикла — travel-платформа Engine.

Её команда встречается с Salesforce еженедельно и получает доступ к AI-инструментам ещё до публичного запуска. По словам CEO Engine, это помогает компании раньше конкурентов тестировать новые возможности и реально влиять на продукт. Один из примеров — голосовой агент для бронирования отелей: после замечания, что диалог звучит неестественно, Salesforce доработала поведение агента, а A/B-тесты показали лучший результат.

Похожая история у PenFed. Кредитный союз собрал собственный ITSM-воркфлоу на базе уже существующих инструментов и агентов Agentforce. Когда решение показало себя в реальной работе, Salesforce вынесла этот сценарий в платформу как более универсальный инструмент для других заказчиков.

То есть клиенты здесь выступают не только тестировщиками, но и соавторами готовых enterprise-функций. У такой модели есть и обратная сторона. Она исходит из предположения, что клиент хорошо понимает, какой AI ему понадобится через год, хотя многие компании до сих пор только ищут практическую отдачу от таких систем.

Готовность сидеть в бете и обсуждать продукт каждую неделю тоже не гарантирует долгий контракт или массовое использование. Salesforce снижает этот риск тем, что активно использует свои AI-инструменты внутри компании и постоянно перераспределяет команды под новые технологические сдвиги.

Что это значит

Salesforce показывает, как может выглядеть разработка enterprise-AI в эпоху, когда рынок меняется быстрее квартального планирования. Побеждать здесь будут не те, у кого самый красивый слайд с роадмапом, а те, кто быстрее превращает повторяющиеся клиентские боли в рабочие продукты для всей базы.