Nel percorso di evoluzione dell’intelligenza artificiale nelle aziende, una delle promesse più forti è sempre stata quella degli agenti: sistemi autonomi capaci di comprendere il contesto, prendere decisioni e agire nei processi operativi. Tuttavia, proprio mentre queste tecnologie iniziano a essere adottate su larga scala, emergono limiti strutturali che stanno ridefinendo il modo in cui vengono progettate. È in questo scenario che Salesforce introduce una nuova versione della propria piattaforma Agentforce, con un obiettivo molto preciso: risolvere quello che viene definito “context overload”, ovvero il sovraccarico di contesto negli agenti AI.
Il problema è meno intuitivo di quanto sembri. In teoria, un agente AI diventa più efficace quanto più contesto ha a disposizione: dati aziendali, cronologia delle interazioni, documenti, flussi di lavoro. Nella pratica, però, questa abbondanza si trasforma spesso in un ostacolo. Gli agenti devono selezionare, interpretare e dare priorità a una quantità enorme di informazioni, e questo processo introduce inefficienze, rallentamenti e, soprattutto, errori. In molti casi, più dati non significano decisioni migliori, ma maggiore confusione operativa.
La nuova evoluzione di Agentforce, spesso indicata come “Vibes 2.0”, nasce proprio per affrontare questo squilibrio. L’idea non è aumentare ulteriormente la capacità degli agenti, ma renderli più selettivi. Invece di esporre il modello a tutto il contesto disponibile, il sistema lavora per filtrare e strutturare le informazioni in modo più mirato, fornendo solo ciò che è realmente rilevante per il compito da svolgere. Questo approccio segna un cambio di paradigma rispetto alla fase iniziale dell’AI generativa, dove la tendenza era accumulare dati nella convinzione che più contesto portasse automaticamente a risultati migliori.
Il concetto di “context overload” si inserisce in un quadro più ampio di criticità legate agli agenti AI. Come evidenziato anche da diverse analisi di settore, questi sistemi tendono a perdere precisione quando devono gestire istruzioni multiple o ambienti complessi, mostrando fenomeni di “deriva” operativa, in cui il modello smette progressivamente di seguire l’obiettivo iniziale . Questo è particolarmente problematico nei contesti aziendali, dove l’affidabilità e la coerenza delle azioni sono fondamentali.
Agentforce cerca di rispondere a queste criticità introducendo un livello più avanzato di orchestrazione del contesto. In pratica, si tratta di una gestione più intelligente delle informazioni, che riduce il rumore e migliora la capacità dell’agente di concentrarsi sul task. È un approccio che richiama, in parte, le logiche già viste nei sistemi di retrieval e nelle architetture RAG, ma applicato in modo più sistemico all’interno dei flussi di lavoro enterprise.
Questa evoluzione riflette un cambiamento più generale nel modo in cui le aziende stanno approcciando l’intelligenza artificiale. Dopo una prima fase caratterizzata dall’entusiasmo per le capacità generative, l’attenzione si sta spostando sulla qualità dell’esecuzione. Non basta che un sistema sia potente: deve essere affidabile, prevedibile e integrato nei processi reali. In questo senso, il problema del contesto diventa centrale, perché rappresenta il punto di contatto tra il modello e il mondo operativo.
Un altro aspetto interessante riguarda l’impatto economico e organizzativo. Il sovraccarico di contesto non è solo un problema tecnico, ma anche un fattore di costo. Più dati vengono elaborati, maggiore è il consumo di risorse computazionali e, di conseguenza, il costo operativo dei sistemi AI. Ridurre il contesto in modo intelligente significa quindi migliorare non solo le prestazioni, ma anche l’efficienza economica delle soluzioni adottate.
Allo stesso tempo, questa direzione evidenzia un limite strutturale dell’attuale generazione di agenti. Nonostante i progressi, molte implementazioni reali non riescono ancora a garantire un ritorno sull’investimento chiaro, e spesso richiedono un elevato livello di configurazione e supervisione . Il fatto che aziende come Salesforce stiano intervenendo proprio sul problema del contesto suggerisce che la sfida principale non è più la capacità di generare risposte, ma quella di gestire la complessità del mondo reale.