Salesforce e la Interface Revolution: il CRM si separa dalla sua UI

“Non dovrete più accedere a Salesforce.” A dirlo, già a marzo durante la presentazione di Slackbot, era Parker Harris, cofondatore di Salesforce e creatore di Lightning, l’interfaccia standard della piattaforma Salesforce. Se gli agenti AI possono interrogare dati, utilizzare API, seguire workflow e applicare le regole aziendali al posto dell’utente, il CRM non deve più presentarsi come una sequenza di schermate, menu e moduli. Command line, graphical user interface, web e mobile hanno progressivamente cambiato il modo di usare il software, ma hanno lasciato intatto un principio: era sempre l’utente a dover imparare come l’applicazione era organizzata. L’AI introduce una discontinuità più profonda, perché consente all’agente di partire dall’intenzione della persona e costruire autonomamente il percorso operativo attraverso i sistemi.

A Dreamforce 2026, Salesforce traduce questa impostazione in una serie di novità che intervengono contemporaneamente sul punto di accesso al CRM, sul modo in cui gli agenti utilizzano dati e processi e sull’infrastruttura con cui vengono governati.

AIforce è il nuovo livello di interfaccia live con cui Salesforce rende dati, workflow, logica di business, semantica, autorizzazioni, sicurezza e governance della propria piattaforma accessibili da qualsiasi interfaccia AI. Invece di obbligare l’utente a entrare nel CRM e adattarsi a layout e campi predefiniti, AIforce permette di costruire interfacce dinamiche a partire da una richiesta, nel luogo in cui il lavoro viene già svolto.

Le prime tre declinazioni sono Claudeforce, che porta Salesforce dentro Claude; Slackforce, che combina Slackbot, Slackforce Surfaces e nuove funzioni CRM e di sviluppo all’interno di Slack; e Agentforce Coworker, che applica la stessa logica agentica direttamente nell’interfaccia Lightning. Altre interfacce sono già previste.

Accanto ad AIforce arrivano Enterprise AI Harness, l’architettura destinata a fornire agli agenti contesto, governance, sicurezza e accesso ai sistemi aziendali; un nuovo AI Control Plane per amministrare una forza lavoro digitale potenzialmente composta da migliaia di agenti; Salesforce Guardian per identità e protezione dei dati; un modello specializzato per il CRM sviluppato con Nvidia; e una nuova famiglia di agenti Agentforce predisposti per ruoli specifici, capaci di mantenere obiettivi per giorni o settimane, acquisire skill e collaborare tra loro.

Il modello può cambiare, l’agente può appartenere a un altro fornitore e l’esperienza può spostarsi da un ambiente all’altro, mentre Salesforce concentra il proprio valore nel livello in cui sono accumulati dati, metadati, semantica, workflow, autorizzazioni, sicurezza e logica di business.

AIforce separa l’interfaccia dal sistema che esegue il lavoro

Salesforce attribuisce ad AIforce cinque caratteristiche. L’interfaccia deve anzitutto essere intelligente e dinamica, perché l’agente può ragionare contemporaneamente su dati, logica applicativa e conversazioni e restituire insight invece di limitarsi a presentare record da consultare.

Rimane però vincolata al modello di sicurezza dell’organizzazione: ogni richiesta utilizza autorizzazioni e business rule già esistenti, mentre le azioni vengono ricondotte alla piattaforma Salesforce. L’interfaccia è inoltre componibile, perché può essere costruita descrivendo ciò che serve e successivamente estesa attraverso MCP, API, plug-in e skill.

Salesforce associa ad AIforce anche la Zero Data Retention, indicando che i dati aziendali utilizzati per elaborare una richiesta non vengono conservati dal provider del modello, e insiste sulla possibilità di partire dall’infrastruttura esistente: niente nuovo modello di autorizzazioni o migrazione dei dati e, secondo la società, nessuna integrazione personalizzata necessaria per le configurazioni supportate.

Questa impostazione si appoggia a una struttura articolata su più livelli. Data 360 fornisce dati armonizzati e federati, metadati e memoria; Customer 360 aggiunge logica applicativa, semantica, processi, autorizzazioni e azioni; Agentforce costituisce la forza lavoro digitale, con agenti pronti all’uso e strumenti per costruirne di propri; AIforce porta infine queste capacità nelle diverse interfacce AI.

Dallo Headless Toolkit ad AIforce: collegare un agente non basta

Alla base di AIforce c’è lo Headless Toolkit, un insieme di strumenti costruito sull’architettura aperta con cui Salesforce espone gli elementi della propria piattaforma attraverso Model Context Protocol (MCP), API, plug-in, skill e strumenti per sviluppatori.

Esporre Salesforce a un agente risolve soltanto il primo livello del problema. Il passaggio successivo consiste nel trasformare quel collegamento in qualcosa che possa essere distribuito, gestito e mantenuto su migliaia di utenti.

Configurare un MCP server, individuare le API necessarie e collegarle a un modello è un’attività che un team tecnico può affrontare direttamente; la stessa impostazione diventa molto meno praticabile quando deve essere resa disponibile a venditori, addetti al marketing, operatori del customer service o altri dipendenti che non hanno alcuna ragione per conoscere la struttura tecnica sottostante.

Esiste poi una differenza sostanziale tra dare a un agente uno strumento e insegnargli come utilizzarlo correttamente. Un modello al quale vengono esposte più API può scegliere autonomamente quale invocare e come concatenare le operazioni, ma in un processo aziendale il percorso corretto può dipendere da procedure precise, vincoli interni o sequenze definite nel tempo dall’organizzazione. Lasciare che il modello ricostruisca ogni volta quel percorso significa affidargli una decisione che, in molti casi, l’impresa vuole invece controllare.

Le skill aggiungono questo livello di istruzione, descrivendo all’agente come affrontare determinati compiti e quali strumenti utilizzare. AIforce porta quindi sopra il Headless Toolkit un livello di prodotto che combina accesso ai sistemi, competenze operative, sicurezza, policy e distribuzione, trasformando componenti tecnici utilizzabili da specialisti in capacità attivabili su scala aziendale.

L’apertura va oltre le sole integrazioni sviluppate da Salesforce. AgentExchange raccoglie partner che utilizzano il Headless Toolkit per costruire interfacce, agenti, applicazioni, integrazioni, workflow e azioni. Salesforce cita interfacce agentiche di Anthropic, AWS, Google e OpenAI, builder come Lovable e Vercel e strumenti e agenti di Docusign, Gamma, Jasper, Ramp e Rippling.

Claudeforce, Salesforce dentro Claude

La prima applicazione è Claudeforce, sviluppato con Anthropic per integrare Salesforce direttamente in Claude. Un venditore può chiedere un aggiornamento sulle trattative aperte e lasciare che l’agente consulti account e opportunità Salesforce insieme a email, trascrizioni di chiamate, riunioni e altre informazioni alle quali l’utente ha accesso, costruendo una sintesi e proseguendo poi con eventuali azioni.

L’autenticazione avviene con le credenziali Salesforce, per cui Claude può vedere soltanto le informazioni alle quali la persona è già autorizzata; anche le azioni eseguite dall’agente continuano a passare attraverso regole, record e controlli della piattaforma. Salesforce in Claude viene fornito come MCP server preconfigurato direttamente nell’ambiente Anthropic, evitando la configurazione manuale del collegamento, la gestione separata dell’autenticazione e il mapping personalizzato delle skill che normalmente accompagnano questo tipo di integrazione.

Il prodotto comprende 37 skill preconfigurate per le vendite, dalla prospezione alla gestione della qualità della pipeline, mentre successivamente saranno aggiunte funzioni analitiche basate su Tableau e skill dedicate a service, marketing, commerce e settori verticali.

Per gli sviluppatori arriva inoltre il Salesforce Development plug-in per Claude Code, con oltre 40 skill, accesso alla più ampia libreria Salesforce disponibile su GitHub e sub-plug-in specializzati che possono essere caricati dinamicamente in funzione dell’attività di sviluppo richiesta.

Salesforce e Anthropic utilizzano inoltre internamente Claudeforce e, a pochi giorni dall’attivazione su scala interna, Salesforce registrava circa 4.000 utenti attivi giornalieri.

Il percorso di adozione tende a partire da gruppi relativamente piccoli per poi allargarsi man mano che emergono nuovi casi d’uso. Le richieste iniziali possono essere semplici, come ottenere un quadro delle opportunità seguite da un team, ma la stessa interfaccia può generare viste dinamiche, approfondire i dati attraverso domande successive e avviare attività. Con Claude Cowork, il passaggio si estende ulteriormente, perché l’utente può programmare task e arrivare a costruire applicazioni attraverso istruzioni in linguaggio naturale.

Salesforce non viene quindi semplicemente sostituito da una chat: l’interfaccia può essere ricomposta intorno a uno specifico compito e a uno specifico utente.

Slackforce va oltre le Surfaces

Slackforce applica lo stesso principio all’ambiente di collaborazione, utilizzando Slackbot insieme alle nuove Slackforce Surfaces. A partire da una richiesta in linguaggio naturale, l’AI può generare una dashboard, un report, una presentazione, un microsito o un calcolatore, scegliendo il formato più adatto al compito.

La differenza rispetto a un semplice output generato sta nel fatto che la Surface rimane collegata ai dati aziendali. Può combinare informazioni provenienti da Salesforce, Slack e altri strumenti e aggiornarle quando cambiano le sorgenti, mentre il team può filtrare, esplorare, commentare e agire sulla stessa interfaccia in tempo reale.

Slackbot può inoltre ragionare congiuntamente sul contesto conversazionale presente in Slack e sulla semantica e sulle azioni governate di Salesforce. L’esempio fornito dalla società riguarda un account la cui attività sta diminuendo: Slackbot può individuarlo, leggere i casi di supporto e le conversazioni Slack per comprenderne le cause, riassegnare il responsabile, creare un’attività di follow-up e preparare una email per recuperare il cliente.

Un’ulteriore novità è Slack Code, con cui Salesforce estende il modello agentico allo sviluppo software collaborativo. Invece di affidare una sessione di coding a un singolo sviluppatore e al suo agente, Slack Code crea uno spazio condiviso nel quale più persone possono lavorare con lo stesso agente sul medesimo progetto, mantenendo visibili contesto e conoscenza. Il risultato può consistere direttamente in codice funzionante, prototipi e documenti, costruiti dentro Slack.

Slackforce Surfaces è prevista per i clienti Enterprise+, Business+, Pro, Legacy e Free Teams con Slackbot abilitato, mentre l’accesso alle sorgenti dati live verrà distribuito progressivamente a partire da ottobre.

Agentforce Coworker collega l’interfaccia alla forza lavoro agentica

Il terzo ambiente è Agentforce Coworker, che introduce l’interazione agentica direttamente in Salesforce. L’utente rimane dentro Lightning, ma cambia il modo in cui utilizza il sistema: invece di navigare manualmente tutte le funzioni necessarie, può affidare all’agente un risultato da raggiungere e lasciare che sia il sistema a individuare dati, azioni e workflow appropriati.

Coworker può inoltre richiamare gli agenti Agentforce specializzati che l’azienda ha già costruito e distribuito, diventando così un punto di accesso alla forza lavoro digitale dell’impresa invece di funzionare come agente isolato.

Poiché opera all’interno di Salesforce, utilizza autorizzazioni e business rule esistenti e, secondo la società, nessun dato viene conservato fuori dal trust boundary dell’organizzazione. Agentforce Coworker è già disponibile per i clienti Salesforce e può essere attivato direttamente, senza migrazione né introduzione di un nuovo modello di autorizzazioni.

Salesforce indica anche una prima misura dell’adozione: 100.000 utenti hanno attivato Coworker nei primi 35 giorni. Fulton Bank, citata tra i clienti, afferma di essere passata in poche settimane da zero a oltre 20 use case in produzione per circa 3.000 utenti.

Claudeforce consente quindi di utilizzare Salesforce da un agente esterno, Slackforce genera interfacce e applicazioni nell’ambiente collaborativo, mentre Agentforce Coworker mantiene l’utente dentro Salesforce sostituendo parte della navigazione tradizionale con l’interazione agentica. In tutti e tre i casi, l’interfaccia smette di coincidere con il prodotto.

Il valore del CRM non si esaurisce nei dati

Questa separazione porta direttamente alla domanda che oggi incombe sul SaaS: se una parte crescente del lavoro viene eseguita da agenti che operano sopra le applicazioni, dove rimane il valore del software sottostante?

Salesforce respinge l’idea che quel valore coincida soltanto con i dati. Un CRM contiene certamente informazioni su clienti, opportunità e attività, ma incorpora anche metadati, personalizzazioni, workflow, autorizzazioni, controlli, automazioni, logica applicativa e regole aziendali. È ciò che permette a un’impresa di stabilire chi possa approvare uno sconto, quando un’opportunità possa passare a uno stadio successivo o quali informazioni siano visibili a un determinato ruolo.

Un agente che aggirasse questa struttura non starebbe realmente utilizzando il sistema aziendale, ma soltanto leggendo una parte dei suoi dati. Patrick Stokes, President Applications and Marketing di Salesforce, sintetizza il punto sostenendo che “il valore di Salesforce non è mai stato nell’interfaccia. È sempre stato nella piattaforma in cui i nostri clienti codificano il modo in cui funziona il loro business.”

È anche il motivo per cui il riferimento a Parker Harris assume un significato particolare: Harris ha creato Lightning, una delle principali interfacce con cui Salesforce ha organizzato negli anni l’accesso al CRM, e oggi la stessa società può sostenere che l’utente non debba più entrarvi per ottenere valore dalla piattaforma.

La “SaaS apocalypse” cambia significato con gli agenti

Il termine “SaaS apocalypse” circola almeno dal 2024, quando Jonathan Spier, imprenditore e CEO di GetRev, lo utilizzò per descrivere una crisi strutturale del settore Software as a Service, caratterizzato da sovrabbondanza di offerta, pressione sui prezzi e molte società finanziate dal venture capital difficili da sostenere nel lungo periodo.

Nel 2026 il dibattito si è spostato sull’impatto dell’AI e degli agenti sul software enterprise, fino alla “SaaSpocalypse” evocata a Wall Street durante il sell-off dei titoli software. Il timore, in questo caso, è che una parte del valore tradizionalmente concentrato nelle applicazioni possa essere disintermediata: se un agente può lavorare attraverso più sistemi, API e protocolli standard, l’utente può avere sempre meno ragioni per aprire separatamente ogni applicazione e seguirne i percorsi di interfaccia.

La risposta di Salesforce non consiste nel difendere la UI come luogo obbligatorio dell’interazione. Con AIforce, al contrario, l’azienda accetta esplicitamente che l’esperienza possa essere fornita da Claude, Slack, Agentforce o altri agenti di terze parti. Per Patrick Stokes questa evoluzione ha ormai superato il punto di ritorno: gli agenti continueranno a lavorare con il software e la piattaforma deve quindi diventare comprensibile e utilizzabile da qualunque agente autorizzato.

La conseguenza, però, non coincide con l’idea che tutto il valore del SaaS debba semplicemente scendere verso il database. Il patrimonio da preservare comprende il contesto operativo dell’impresa: dati e relazioni, ma anche semantica, processi, identità, permessi, regole e conoscenza accumulata nei sistemi. Da questa prospettiva l’interfaccia può essere sostituita, generata al momento o appartenere a un altro fornitore, mentre la logica con cui l’azienda funziona deve continuare a essere rispettata.

La conseguenza, però, non coincide con l’idea che tutto il valore del SaaS debba semplicemente scendere verso il database. Il patrimonio da preservare comprende il contesto operativo dell’impresa: dati e relazioni, ma anche semantica, processi, identità, permessi, regole e conoscenza accumulata nei sistemi. Da questa prospettiva l’interfaccia può essere sostituita, generata al momento o appartenere a un altro fornitore, mentre la logica con cui l’azienda funziona deve continuare a essere rispettata.

Enterprise AI Harness dà agli agenti ciò che il modello non conosce

I frontier model conoscono enormi quantità di informazioni, ma non conoscono automaticamente l’organizzazione nella quale vengono inseriti. Non sanno quali clienti siano strategici, come siano definiti internamente ricavi e churn, quali dati debbano essere consultati per rispondere a una domanda, quale processo segua un ordine o quali azioni richiedano un’approvazione.

“Non sanno nulla della vostra azienda. Il nostro compito è aiutare i modelli a capire come funziona il vostro business”, osserva Patrick Stokes.

Enterprise AI Harness riunisce le tecnologie con cui Salesforce vuole fornire agli agenti questo contesto e i controlli necessari per operare sui sistemi aziendali: Informatica per la scoperta, la catalogazione e la preparazione dei dati; Data 360 per costruire il contesto e utilizzare informazioni provenienti anche da sistemi esterni; Tableau per il livello semantico; Salesforce Guardian per sicurezza e identità; MuleSoft per l’accesso ai sistemi e la gestione degli agenti; Agentforce per ragionamento e azione.

L’integrazione non è ancora completa. Salesforce riconosce che alcuni di questi passaggi richiedono oggi lavoro manuale e che la costruzione di un vero harness aziendale è ancora nelle fasi iniziali. L’obiettivo è far convergere progressivamente queste capacità in una piattaforma unica e componibile, così che gli investimenti già compiuti dai clienti in dati, integrazione, sicurezza e semantica possano essere riutilizzati nell’architettura agentica.

Perché la semantica conta quanto i dati

Il contesto necessario a un agente non deriva soltanto dalla possibilità di accedere alle sorgenti. Un’organizzazione può avere informazioni distribuite tra CRM, ERP, data warehouse, lakehouse e applicazioni SaaS: Informatica può aiutare a identificarle e catalogarle, mentre Data 360 può metterle a disposizione anche senza copiarle fisicamente, attraverso approcci zero-copy.

Rimane però il problema di che cosa quei dati significhino per l’azienda. “Revenue”, “ARR”, “churn” o “cliente attivo” possono assumere definizioni differenti da un’organizzazione all’altra e, in alcuni casi, anche tra funzioni della stessa impresa. Non sono necessariamente valori presenti in una singola colonna, perché possono derivare dalla combinazione di più fonti e dall’applicazione di regole specifiche.

Tableau assume qui il ruolo di livello semantico condiviso, fornendo agli agenti le stesse definizioni utilizzate dall’organizzazione, in modo che non si limitino a trovare dati apparentemente pertinenti ma possano interpretarli secondo la medesima logica adottata nei processi e nei report aziendali.

Le sei capacità dell’Enterprise AI Harness

Salesforce articola l’Enterprise AI Harness intorno a sei capacità, che coprono il percorso dal contesto all’azione.

Trusted Context riunisce dati, metadati, semantica, conoscenza, memoria e segnali in tempo reale necessari a costruire la rappresentazione del business che l’agente deve utilizzare. Trusted Agency comprende ragionamento, pianificazione, gestione dello stato, memoria, collaborazione e orchestrazione, affiancando alla componente probabilistica dell’AI controlli deterministici quando il processo richiede risultati prevedibili.

Trusted Action collega gli agenti in modo sicuro ad applicazioni, API, workflow, strumenti e processi, trasformando il ragionamento in operazioni concrete, mentre Trusted Governance applica policy, qualità, guardrail e controlli ai dati e ai processi utilizzati dall’AI.

A completare il quadro sono Trusted Security, che comprende identità, autorizzazioni, privacy, protezione delle informazioni e sicurezza durante l’esecuzione, e Trusted Models, con cui l’impresa può collegare modelli differenti e scegliere di volta in volta quello più adatto in base ad accuratezza, prestazioni, costi e requisiti dell’attività.

“L’Agentic Enterprise non sarà definita dal modello scelto da un’azienda. I modelli continueranno a cambiare e l’intelligenza sarà sempre più disponibile ovunque. Ciò che farà la differenza per un’azienda sarà il contesto affidabile e proprietario che mette a disposizione di quell’intelligenza, a partire dal cliente, e la capacità di trasformare quel contesto in azione in modo sicuro”, afferma Rohan Kumar, President, Chief Platform & Engineering Officer di Salesforce.

Salesforce Guardian porta la sicurezza dall’utente all’agente

L’espansione della forza lavoro digitale modifica anche il problema della sicurezza. Salesforce Guardian viene presentato come l’evoluzione delle tecnologie sviluppate nel tempo attraverso Einstein Trust Layer, Trusted Services e Salesforce Shield, comprese capacità quali encryption, data masking e zero data retention, ma con una maggiore attenzione all’identità dell’agente e alla protezione dei dati durante l’esecuzione.

Molti sistemi agentici operano per conto di una persona e ne utilizzano le autorizzazioni. Un agente che agisce con i privilegi di un dirigente o di un amministratore può quindi disporre di capacità molto ampie, anche quando una determinata operazione non dovrebbe essere eseguita automaticamente.

La sicurezza deve allora considerare l’identità dell’agente oltre a quella dell’utente: quale agente sta operando, per conto di chi, con quali autorizzazioni, su quali dati e con quale livello di autonomia. Il controllo non riguarda più soltanto accesso e perimetro, ma deve accompagnare l’intera esecuzione agentica.

AI Control Plane: dal parco applicativo alla forza lavoro digitale

Lo stesso cambiamento investe l’amministrazione IT. Un CIO oggi governa utenti, dispositivi, applicazioni, identità e costi; in un’azienda agentica dovrà sapere anche quanti agenti siano in esecuzione, quali siano effettivamente attivi, chi li possieda, quali sistemi utilizzino, quali privilegi abbiano, come si comportino e quanto costino.

Con pochi agenti il problema può essere affrontato caso per caso, mentre con migliaia o decine di migliaia diventa una nuova disciplina operativa. Il nuovo AI Control Plane è pensato come punto comune dal quale scoprire e registrare agenti e altre capacità AI, assegnare identità e policy, gestirne il ciclo di vita, analizzarne prestazioni e comportamento, controllare i risultati e monitorare i costi.

MuleSoft Agent Fabric aggiunge un registro per gli agenti e le relative capacità, estendendo al mondo agentico un principio già familiare nella gestione delle API. Il Control Plane deve inoltre comprendere sia agenti Salesforce sia componenti di terze parti, perché l’obiettivo non è vincolare l’azienda a un’unica piattaforma agentica, ma mantenere governance e controllo anche quando la forza lavoro digitale diventa eterogenea.

Salesforce prevede che una parte delle nuove capacità inizi ad arrivare dall’inizio del FY28; indicazioni più precise su upgrade, packaging e prezzi saranno comunicate successivamente.

Agenti Salesforce e agenti di terze parti sullo stesso piano

La neutralità rispetto all’agente deriva direttamente dall’architettura. Slackbot e Agentforce Coworker sono agenti Salesforce; Claude non lo è, eppure Claudeforce è una delle prime tre espressioni di AIforce.

Per Stokes, la distinzione tra first-party e third-party non è il problema principale: Salesforce vuole che la propria piattaforma possa essere utilizzata dal sistema scelto dal cliente, purché siano rispettati sicurezza, autorizzazioni e logica aziendale.

Il ragionamento vale anche per l’ampiezza funzionale. Salesforce è diventato nel tempo un insieme molto esteso di applicazioni e capacità, una parte delle quali può restare inutilizzata semplicemente perché nessun singolo dipendente conosce tutto ciò che la piattaforma può fare. Un agente può invece individuare e combinare funzioni che l’utente non avrebbe cercato spontaneamente nell’interfaccia, con la conseguenza che la disintermediazione della UI potrebbe perfino aumentare l’utilizzo della piattaforma sottostante.

Koa, il nuovo modello CRM costruito su Nemotron

Salesforce presenta anche Koa, un nuovo CRM reasoning model sviluppato con Nvidia e costruito sulla famiglia Nemotron, pensato per alimentare la forza lavoro digitale con capacità di ragionamento specializzate sui processi CRM.

Secondo Salesforce, Koa è stato addestrato sulla base di 27 anni di workflow Salesforce e successivamente perfezionato utilizzando dati pubblici e sintetici, senza ricorrere ai dati dei clienti. La società afferma inoltre che, nel proprio Salesforce CRM Bench, il modello eguaglia o supera le prestazioni dei principali modelli nelle azioni CRM con un numero di errori tre volte inferiore.

Il modello è attualmente in fase pilota presso un gruppo di organizzazioni che comprende Formula 1, BCU, Xero, The Auto Club Group, Engine, UChicago Medicine e 1-800Accountant.

L’approccio resta quello dei domain-specific model: partire dall’intelligenza generale di un modello e applicare post-training e specializzazione per aggiungere conoscenze e comportamenti legati a un dominio operativo specifico. Nel caso di Koa, il dominio è quello dei processi CRM e del front office, con particolare attenzione alle attività multi-step di vendita, customer service e marketing.

Un modello di questo tipo può, per esempio, valutare una situazione commerciale e individuare la next best action per far avanzare un’opportunità oppure ragionare sui passaggi necessari per risolvere un caso di assistenza. Koa si inserisce comunque in un’architettura multi-model: con Trusted Models Salesforce vuole lasciare alle imprese la possibilità di utilizzare modelli differenti a seconda del compito.

Anche se i frontier model rallentassero, resterebbe il problema dell’impresa

Salesforce colloca l’Enterprise AI Harness anche in una prospettiva meno dipendente dalla velocità con cui evolveranno i frontier model. Se il ritmo di crescita delle capacità dei grandi modelli dovesse rallentare, secondo Stokes resterebbe comunque un ampio spazio di lavoro nella costruzione di tutto ciò che li circonda: integrità dei dati, contesto, sicurezza, orchestrazione, memoria e infrastruttura.

Un modello più intelligente non risolve automaticamente questi problemi, perché può diventare sempre più bravo a ragionare e utilizzare strumenti senza sapere come funzioni una determinata azienda o quali vincoli debba rispettare. L’Enterprise AI Harness punta quindi a rendere questa conoscenza indipendente dal singolo modello, così da poterla mantenere mentre l’intelligenza sottostante continua a evolvere.

Agentforce cambia direzione dopo due anni di implementazioni

Dreamforce segna anche un’evoluzione di Agentforce, introdotto nel 2024 soprattutto come piattaforma con cui le organizzazioni potevano costruire i propri agenti. Nei due anni successivi Salesforce ha ampliato il sistema con voce, integrazione con i dati e Agent Script, ma le implementazioni hanno evidenziato un problema: costruire un buon agente richiede competenze differenti da quelle utilizzate nello sviluppo software tradizionale.

Le aziende hanno passato decenni a progettare sistemi deterministici, nei quali una determinata condizione conduce a un risultato definito; gli agenti operano invece con modelli probabilistici e devono bilanciare autonomia, istruzioni, strumenti, dati e guardrail.

Salesforce ha lavorato, secondo i dati comunicati dall’azienda, a migliaia di implementazioni agentiche che hanno prodotto complessivamente 7 miliardi di Agentic Work Unit, cioè azioni svolte autonomamente dagli agenti. Una delle conseguenze di questa esperienza è il passaggio dal solo modello “build your own agent” a una famiglia di agenti già predisposti intorno a ruoli e processi aziendali ricorrenti.

Agenti con un nome e un ruolo dentro l’organizzazione

Salesforce assegna ai nuovi agenti nomi propri di persona – Casey, Paige, Carter, Hunter, Marshall, Piper e Fin – e li costruisce intorno a funzioni aziendali precise. La scelta rafforza l’idea di una forza lavoro digitale composta da specialisti riconoscibili, ciascuno con competenze, azioni e modelli dati coerenti con il ruolo assegnato.

La nuova Family of Agents comprende infatti agenti con skill, azioni e modelli dati specifici per il lavoro che devono svolgere, pur lasciando alle aziende la possibilità di configurarli e rinominarli per adattarli al proprio contesto.

Casey è destinato al customer service e può operare attraverso voce, SMS, WhatsApp e web chat, con capacità predisposte per FAQ, resi, gestione degli account ed escalation verso un operatore umano. Paige si occupa invece dei servizi IT e HR per i dipendenti, gestendo richieste attraverso Slack, portali e altri strumenti già utilizzati dall’organizzazione, mentre Carter interviene nel commercio digitale, accompagnando il cliente dalla scoperta e dal confronto dei prodotti fino all’acquisto direttamente dalla conversazione.

Hunter lavora sulla pipeline commerciale, a partire dalla ricerca dei contatti fino alla collaborazione con i venditori sulle opportunità; Marshall è orientato ai processi di supply chain e back office end-to-end e mantiene la tracciabilità delle azioni effettuate; Piper presidia siti web e caselle di posta per coinvolgere, qualificare e convertire contatti B2B in pipeline per marketing e vendite; Fin, infine, è un agente di customer service destinato a risolvere casi sui diversi canali e ad aiutare i team CX a configurare il servizio.

Casey, Paige, Carter, Marshall, Piper e Fin sono indicati come già disponibili, mentre Hunter arriverà a novembre 2026.

Agent Script mette regole deterministiche dentro il comportamento dell’agente

Gli agenti possono ragionare e scegliere dinamicamente il modo di raggiungere un obiettivo, ma in un processo aziendale non ogni decisione può essere probabilistica. Agent Script è il linguaggio open source di Salesforce per descrivere il comportamento degli agenti combinando il reasoning dell’AI con istruzioni e regole deterministiche.

L’impresa può così lasciare flessibilità nei passaggi in cui serve interpretare una situazione e fissare condizioni rigide quando una determinata operazione richiede controlli, approvazioni o sequenze precise. È la stessa combinazione che Salesforce inserisce nella Trusted Agency dell’Enterprise AI Harness: l’agente deve poter ragionare, ma l’organizzazione deve stabilire dove quel ragionamento possa procedere autonomamente e dove debba intervenire una regola non negoziabile.

Gli agenti mantengono obiettivi per giorni o settimane

La seconda evoluzione riguarda la durata dell’attività. Gran parte degli agenti attuali lavora ancora all’interno della singola sessione, ricevendo una richiesta, svolgendo alcuni passaggi e concludendo l’operazione; il nuovo long-term runtime di Agentforce consente invece all’agente di mantenere un obiettivo aperto per giorni o settimane, controllarne l’avanzamento e modificare il piano quando arrivano nuove informazioni.

Il primo esempio è Hunter. Un responsabile commerciale può assegnargli un obiettivo come recuperare entro la fine del trimestre le trattative considerate a rischio; l’agente deve trasformare questa indicazione generale in un target misurabile, costruire un piano, scegliere attività e strumenti, recuperare il contesto necessario e stabilire quando possa procedere autonomamente e quando debba coinvolgere il venditore. Se durante il trimestre cambia lo stato di un’opportunità o arriva una nuova informazione, Hunter può aggiornare il proprio piano senza ricominciare da zero.

Memoria, durable execution e dynamic steering

Tre capacità permettono a questo tipo di agente di lavorare oltre la singola conversazione. La memoria conserva contesto, stato e progressi tra sessioni differenti; la durable execution mantiene il piano e l’esecuzione nel tempo, consentendo di interrompere, riprendere o correggere un’attività senza perderne la continuità; il dynamic steering permette infine all’utente di modificare la direzione mentre l’agente sta lavorando, aggiungendo vincoli, cambiando priorità o fornendo indicazioni che vengono incorporate nel comportamento successivo.

Hunter sarà il primo agente a utilizzare questo runtime, che Salesforce prevede di estendere agli altri membri della famiglia e successivamente anche agli agenti costruiti direttamente dai clienti su Agentforce.

AI Skills trasferisce il modo di lavorare delle persone agli agenti

Con AI Skills, prevista da ottobre per Agentforce Coworker, Salesforce affronta un altro problema: una parte consistente della conoscenza aziendale non è formalizzata in un manuale e vive invece nel modo in cui le persone svolgono concretamente il proprio lavoro.

Il dipendente può mostrare una volta all’agente come eseguire un’attività; quella procedura può quindi essere trasformata in una skill riutilizzabile e resa disponibile anche attraverso altri ambienti. L’obiettivo è trasferire conoscenze operative agli agenti senza dover sviluppare manualmente un nuovo workflow per ogni caso.

Multi-Agent Orchestration divide il lavoro tra specialisti

Non tutti i processi devono essere affidati a un unico agente. Multi-Agent Orchestration, già disponibile, consente di distribuire un’attività tra agenti specializzati e coordinarne il lavoro attraverso ruoli, sistemi e fasi differenti dello stesso processo.

Un agente può ricevere la richiesta iniziale, affidarne una parte a uno specialista e trasferire poi il risultato a un altro agente, mantenendo il contesto necessario per completare il percorso. L’agente individuale diventa così una componente di una squadra digitale, nella quale diversi specialisti cooperano sul medesimo obiettivo.

Agent Optimizer usa un agente per migliorare gli altri agenti

Da ottobre arriverà anche Agent Optimizer, dedicato alla costruzione e al miglioramento degli agenti stessi. Può aiutare i team a creare e perfezionare agenti, subagenti e azioni, eseguire test, controllarne le prestazioni e analizzare le tracce delle sessioni per identificare comportamenti che non producono il risultato atteso.

L’ottimizzazione entra così nel ciclo operativo, invece di essere affidata esclusivamente alla revisione manuale da parte degli sviluppatori. Family of Agents, long-term runtime, AI Skills, Multi-Agent Orchestration e Agent Optimizer spostano Agentforce verso una forza lavoro digitale composta da agenti specializzati, capaci di mantenere obiettivi, acquisire competenze, collaborare e modificare il proprio comportamento nel tempo.

Dal software da usare al sistema che agisce

Gli annunci di Dreamforce 2026 delineano due trasformazioni che procedono insieme. La prima riguarda ciò che vede l’utente: Salesforce può essere utilizzato da Claude, da Slack, da un agente dentro Lightning o da altre interfacce, facendo perdere alla schermata fissa il ruolo di passaggio obbligato.

La seconda riguarda ciò che rimane dietro quella schermata. Gli agenti hanno bisogno di contesto, dati affidabili, semantica, memoria, workflow, identità, autorizzazioni e accesso sicuro ai sistemi; devono inoltre essere registrati, governati e controllati come una nuova popolazione operativa dell’impresa.

È su questo terreno che Salesforce concentra la propria risposta alla trasformazione del SaaS. Il modello può diventare una commodity più rapidamente del contesto aziendale, l’interfaccia può essere generata al momento e l’agente può appartenere a un altro fornitore, mentre i processi con cui l’impresa ha codificato il proprio funzionamento restano il terreno sul quale quell’intelligenza deve poter agire.

Dopo command line, GUI, web e mobile, l’AI cambia quindi il rapporto tra persona e applicazione: l’utente parte dal risultato che vuole ottenere, mentre è il software a ricostruire il percorso necessario per raggiungerlo.