Salesforce ha ampliato Agentforce con un portafoglio di agenti AI progettati per svolgere attività specifiche nelle vendite, nel customer service, nel commercio, nei servizi ai dipendenti e nelle operazioni di back office. Gli agenti sono collegati a Customer 360 e possono quindi utilizzare il contesto relativo ai clienti e i processi aziendali già presenti nell’ecosistema Salesforce. La società afferma di aver raggiunto complessivamente 7 miliardi di Agentic Work Units attraverso Agentforce e Slack dopo due anni di implementazioni presso migliaia di clienti, con 3,2 miliardi di unità erogate nel solo secondo trimestre. Salesforce definisce una Agentic Work Unit, o AWU, come una singola attività completata da un agente AI e utilizza questa misura a livello di piattaforma per quantificare il lavoro eseguito dai sistemi agentici.
La nuova impostazione punta a fornire agenti già predisposti per determinati ruoli anziché richiedere alle aziende di costruirli completamente da zero. Ogni agente comprende competenze, azioni e modelli di dati associati al proprio compito e può essere adattato ai processi della singola organizzazione, compresa la possibilità di assegnargli un nome personalizzato. Casey è dedicato all’assistenza clienti e può gestire richieste attraverso voce, SMS, WhatsApp e chat web, con funzioni preconfigurate per FAQ, resi, gestione degli account ed escalation verso operatori umani. Paige è rivolto ai servizi IT e HR per i dipendenti e può gestire richieste attraverso Slack, portali e altri strumenti utilizzati all’interno dell’azienda. Carter opera invece come agente per lo shopping, aiutando gli utenti a trovare e confrontare prodotti, ottenere risposte alle proprie domande e completare un acquisto direttamente nella conversazione. Tutti e tre sono già generalmente disponibili.
Marshall è l’agente dedicato alla supply chain e all’orchestrazione dei processi di back office end-to-end. Può automatizzare attività manuali attraverso un’esecuzione deterministica e mantiene una registrazione verificabile delle azioni effettuate. Piper è pensato per la generazione della pipeline inbound e opera su siti web e caselle di posta per coinvolgere i potenziali clienti, qualificarli e convertirli in opportunità per i team B2B di vendita e marketing. Fin è invece rivolto ai flussi di customer experience più complessi e può operare attraverso diversi canali; utilizza Operator, un agente per le operazioni con i clienti, e Fin Apex, un insieme di modelli personalizzati addestrati per attività di customer experience. Marshall, Piper e Fin sono già generalmente disponibili.
Hunter è dedicato alle vendite outbound e può seguire una pipeline commerciale dalla fase di ricerca fino all’outreach, collaborando con i venditori nell’arco di settimane o mesi. Al momento è disponibile in fase pilota e la disponibilità generale è prevista per novembre 2026. Tutti gli agenti sono progettati per operare nel rispetto delle regole aziendali, dei permessi e delle impostazioni di sicurezza del cliente. Attraverso Agent Script, il linguaggio open source di Salesforce dedicato al comportamento degli agenti, è inoltre possibile combinare il ragionamento dell’AI con regole deterministiche, definendo in maniera più granulare le modalità con cui un agente prende decisioni ed esegue azioni.
Salesforce ha riportato anche alcuni risultati ottenuti nelle implementazioni già operative. Il 50% delle richieste ricevute via chat da Engine viene risolto completamente dal suo agente di assistenza Eva, mentre il 60% della pipeline commerciale di Perk viene generato dall’agente outbound Hunter. Paige gestisce il 70% delle richieste amministrative di Autism Queensland e Hibbett AI si occupa del 90% dei principali percorsi di acquisto dopo essere stato messo in produzione nell’arco di sei settimane. L’agente Piper utilizzato sul sito di Asana genera un volume di conversazioni quattro volte superiore, mentre il tempo medio indicato per l’implementazione di Piper presso i clienti è di 45 giorni. Nel caso di Anthropic, il 79% delle conversazioni gestite da Fin viene risolto autonomamente.
Un’altra novità riguarda il long-horizon runtime di Agentforce, sviluppato per consentire agli agenti di perseguire un obiettivo per giorni o settimane anziché limitarsi a completare una singola attività o una singola interazione. Nel caso di Hunter, per esempio, un venditore può assegnare all’agente l’obiettivo di recuperare le opportunità commerciali a rischio prima della fine del trimestre. L’agente può trasformare l’indicazione in un obiettivo misurabile, elaborare un piano e identificare le attività da svolgere, gli strumenti e il contesto necessari. Nello stesso processo vengono definiti anche i limiti entro i quali l’agente può agire autonomamente e le situazioni nelle quali è invece necessaria l’approvazione del venditore. Con l’arrivo di nuove informazioni, Hunter può modificare il piano mantenendo il venditore all’interno del processo decisionale.
Il runtime si basa su tre capacità principali. La memoria permette di conservare contesto e avanzamento del lavoro tra sessioni diverse, evitando che un’attività debba interrompersi con la conclusione di una singola interazione. La durable execution consente invece di mantenere attivi i piani nel tempo e di riprenderli o modificarli quando cambiano le circostanze. Il dynamic steering permette infine di adattare il comportamento dell’agente in funzione delle indicazioni e del feedback forniti dal singolo utente. Hunter è il primo agente del portafoglio a utilizzare questo runtime; Salesforce prevede di estenderlo progressivamente ad altri agenti e di consentire ai clienti di creare propri agenti long-horizon attraverso Agentforce.
L’espansione della piattaforma comprende inoltre Agentforce Coworker, un agente destinato ad affiancare i dipendenti negli ambienti in cui lavorano utilizzando il contesto aziendale. Con AI Skills, i dipendenti possono mostrare una volta a Coworker come completare una determinata attività e successivamente distribuire quella conoscenza ad altri utenti e attraverso differenti interfacce. AI Skills è attualmente in fase pilota e la disponibilità generale è prevista per ottobre 2026.
Multi-Agent Orchestration permette invece di distribuire il lavoro tra più agenti specializzati facendoli operare come una squadra coordinata quando un processo coinvolge ruoli, sistemi o diverse fasi del percorso del cliente. Questa funzione è già generalmente disponibile. Agent Optimizer è progettato per assistere i team durante il ciclo di vita degli agenti, dalla costruzione e dal perfezionamento di agenti, subagenti e azioni fino ai test delle prestazioni e all’analisi delle tracce delle sessioni, che possono essere utilizzate per individuare gli aspetti da migliorare. La disponibilità generale di Agent Optimizer è prevista per ottobre 2026.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)