Salesforce ha firmato un accordo definitivo per acquisire Listen Labs, società che usa agenti AI per svolgere ricerche sui clienti, dalla selezione dei partecipanti alle interviste fino all’analisi dei risultati. L’operazione aggiunge al CRM un tipo di informazione diverso da quello che Salesforce raccoglie abitualmente attraverso vendite, marketing e assistenza: non soltanto che cosa ha fatto un cliente, ma perché lo ha fatto, che cosa pensa di un prodotto e come potrebbe reagire a una nuova proposta.
L’accordo dovrebbe concludersi nel quarto trimestre dell’anno fiscale 2027 di Salesforce, dopo le autorizzazioni previste. Il valore dell’operazione non è stato comunicato, ma TechCrunch aveva indicato trattative nell’ordine dei 2 miliardi di dollari, riprendendo una precedente indiscrezione di Business Insider.
Il confronto con gli ultimi round mostra quanto rapidamente sia salita la valutazione attribuita a Listen Labs. A gennaio 2026 la società era stata valutata 500 milioni di dollari in occasione di un Series B da 69 milioni; pochi mesi dopo aveva raggiunto un accordo preliminare per raccogliere 125 milioni a una valutazione di 1,5 miliardi, triplicando quindi il valore in meno di un anno. Le trattative con Salesforce hanno poi spostato ancora più in alto il riferimento: secondo TechCrunch, l’acquisizione veniva discussa intorno ai 2 miliardi di dollari.
La testata stimava inoltre circa 30 milioni di dollari di ricavi annualizzati. Se il prezzo finale fosse effettivamente vicino ai 2 miliardi, il rapporto tra valutazione e ricavi sarebbe nell’ordine di 67 volte. Il dato va però letto nel contesto di un’acquisizione strategica di una società AI in forte crescita, nella quale il prezzo incorpora non soltanto i ricavi correnti ma anche tecnologia, base clienti, team, capacità di crescita e il valore che Salesforce attribuisce all’integrazione di Listen Labs con il proprio CRM e con Agentforce.
Listen Labs dovrebbe affiancare Marketing Cloud, Service Cloud e il più ampio portafoglio AI di Salesforce. Il punto di contatto con Agentforce è chiaro: gli agenti possono già usare dati aziendali e informazioni presenti nel CRM, mentre Listen Labs aggiunge informazioni raccolte direttamente da clienti e utenti attraverso attività di ricerca.
L’AI conduce l’intervista e decide che cosa approfondire
Il punto di partenza sono le interviste individuali moderate dall’AI. Il ricercatore stabilisce che cosa vuole indagare e definisce le linee dello studio, mentre durante la conversazione l’agente può modificare le domande successive in base alle risposte ricevute.
Se un partecipante definisce confusa una funzione, l’intervistatore può chiedere che cosa abbia creato difficoltà; se esprime una preferenza particolarmente netta, può cercarne le ragioni; se emerge un problema inatteso, può approfondirlo senza abbandonare il tema dello studio. L’intervista conserva quindi una struttura, ma non è vincolata alla successione rigida di domande tipica di un questionario.
Listen Labs dichiara di poter attingere a una rete di oltre 50 milioni di partecipanti ed effettuare interviste in più di 120 lingue. Il vantaggio potenziale è soprattutto organizzativo: aumentare il numero di conversazioni senza far crescere in proporzione il numero di moderatori umani necessari.
“Le aziende hanno sempre voluto ascoltare ogni cliente, ma fino a oggi era possibile parlare soltanto con una piccola parte di loro”, afferma Alfred Wahlforss, CEO e cofondatore di Listen Labs. “Con l’AI un’azienda può ora avere migliaia di conversazioni reali contemporaneamente e persino simulare come reagiranno i clienti prima di prendere una decisione”.
Quando il numero di interviste cresce, il problema si sposta però sulla loro analisi. Il Research Agent di Listen Labs lavora sull’insieme delle risposte e può confrontare segmenti, eseguire test statistici, creare grafici, selezionare spezzoni video e produrre report, mantenendo il collegamento con le interviste da cui derivano i risultati.
L’analisi comprende anche quello che il cliente fa sullo schermo
La conversazione è solo una parte delle informazioni raccolte. Con Visual Insights, l’agente può osservare lo schermo condiviso durante un test di usabilità e mettere in relazione ciò che il partecipante dichiara con quello che effettivamente fa.
Un utente può, per esempio, sostenere di preferire l’assistenza umana e scegliere pochi istanti dopo un agente AI perché evita sei minuti di attesa. In un caso del genere il sistema può rilevare la discrepanza e chiedere subito il motivo della scelta. Può inoltre segnalare quando il partecipante si allontana dal compito previsto o segue un percorso diverso da quello atteso.
Il video viene associato a un registro temporale delle azioni osservate, che consente di misurare tempi, clic e passaggi ricorrenti e di risalire al momento preciso dal quale deriva un risultato. Nello stesso ambiente possono quindi essere esaminati ciò che una persona ha detto, ciò che ha fatto e alcune misure quantitative ricavate dal comportamento di più partecipanti.
Dalle preferenze al prezzo, Listen Labs mette insieme numeri e motivazioni
Con Listen Labs, Salesforce acquisisce anche strumenti che rispondono a domande molto concrete: quale caratteristica di un prodotto interessa di più, quanto è disposto a spendere un cliente, perché scarta un’offerta e come cambia nel tempo la percezione di un marchio. Nel corso del 2026 la piattaforma ha affiancato alle interviste AI diversi test quantitativi che collegano i risultati numerici alle motivazioni espresse durante la conversazione.
MaxDiff, per esempio, viene utilizzato quando una normale scala di valutazione non distingue abbastanza le preferenze. Ai partecipanti vengono proposti piccoli gruppi di alternative e viene chiesto di scegliere la migliore e la peggiore; ripetendo il confronto, il sistema ricostruisce quali caratteristiche, messaggi o varianti risultino prioritari per il campione.
Una volta registrata la scelta, l’agente può continuare l’intervista e chiedere perché una caratteristica sia stata preferita o scartata. Il dato statistico rimane così associato alle parole del partecipante, offrendo una spiegazione possibile delle differenze emerse nei punteggi.
La stessa impostazione viene applicata al prezzo con il metodo Gabor-Granger, una tecnica usata per stimare quanto un cliente sia disposto a pagare. Si propone un prezzo e, in base alla disponibilità o meno ad acquistare, il test procede verso valori più alti o più bassi. Ripetuto su un campione, permette di ricostruire la relazione tra prezzo e domanda e di individuare la fascia nella quale i ricavi potenziali risultano più elevati.
Listen Labs aggiunge però una domanda al sì o al no: perché? Due persone possono rifiutare lo stesso prezzo per ragioni completamente diverse. Per una la cifra supera il budget disponibile; per l’altra il prodotto non offre abbastanza valore. Nel risultato quantitativo entrambi i casi appaiono come un mancato acquisto, mentre per chi deve decidere se intervenire sul prezzo, sul prodotto o sul posizionamento la distinzione è rilevante.
Anche Pulse segue lo stesso principio, ma lungo il tempo. Lo studio viene ripetuto periodicamente mantenendo costanti le principali domande, mentre le risposte aperte vengono raggruppate per tema e confrontate con gli indicatori quantitativi. In questo modo si possono osservare insieme la variazione degli indicatori e quella delle motivazioni dichiarate dai partecipanti.
Per un CRM, il punto è proprio questo: ai dati su acquisti, campagne, assistenza e altre interazioni si aggiungono informazioni che devono essere raccolte direttamente dalle persone. Non sostituiscono i dati operativi, ma possono aiutare a interpretarli.
Le ricerche precedenti diventano una base di conoscenza interrogabile
Il valore delle interviste non si esaurisce con il singolo studio. Con la Research Library, le ricerche confluiscono in una base di conoscenza interrogabile in linguaggio naturale, nella quale una domanda può essere cercata simultaneamente attraverso più studi.
Le risposte mantengono il collegamento con la ricerca, la guida utilizzata e il singolo partecipante da cui proviene l’informazione. I risultati dei progetti precedenti possono quindi essere recuperati e confrontati senza ripartire ogni volta dai singoli report.
Per Salesforce questo significa poter affiancare alla storia operativa registrata nel CRM un archivio delle motivazioni emerse dalla ricerca. Il passaggio può essere rilevante anche per Agentforce: un agente può già sapere che un cliente ha interrotto un acquisto o ha aperto un ticket; con una base di ricerche può avere accesso anche alle ragioni ricorrenti emerse in studi condotti su clienti con caratteristiche simili.
I digital twin aggiungono la simulazione del cliente
Listen Labs estende infine la ricerca dalle persone intervistate alla simulazione del loro comportamento. I digital twin utilizzano informazioni ricavate da clienti reali per generare risposte simulate e confrontare prodotti, messaggi o idee prima di sottoporli a ulteriori test. La human simulation è una delle tecnologie comprese nell’operazione.
Il significato è diverso dal digital twin industriale, che riproduce digitalmente una macchina o un processo fisico. Qui l’oggetto della simulazione è il comportamento umano: l’impresa può esplorare come determinati profili potrebbero reagire a un’alternativa e utilizzare il risultato per selezionare le ipotesi da sottoporre successivamente a persone reali.
“Listen Labs ha ripensato customer experience, market research e customer simulation attraverso agenti AI capaci di condurre ricerche significative e individuare il contesto dietro il feedback di clienti e utenti”, afferma Aman Naimat, President of AI Labs di Salesforce.
Le acquisizioni Salesforce seguono la costruzione dello stack agentico
Listen Labs arriva dopo una fase nella quale Salesforce ha usato le acquisizioni per aggiungere tecnologie legate ai dati e agli agenti AI.
Nel 2024 l’acquisizione di Own Company per circa 1,9 miliardi di dollari ha rafforzato protezione, disponibilità e gestione dei dati, mentre Zoomin ha aggiunto tecnologie per rendere utilizzabili dagli agenti anche contenuti e informazioni non strutturate.
Nel 2025 il baricentro si è spostato verso l’esecuzione agentica. Convergence.ai sviluppava agenti capaci di navigare interfacce dinamiche e completare procedure composte da più passaggi; Regrello lavorava sull’automazione di processi aziendali complessi; Apromore sull’analisi e l’ottimizzazione dei processi.
Nello stesso anno Bluebirds ha aggiunto strumenti per la ricerca automatizzata di potenziali clienti, mentre Waii ha aggiunto la possibilità di tradurre richieste formulate in linguaggio naturale in interrogazioni sui dati aziendali.
La maggiore operazione di questa fase rimane Informatica, acquisita per circa 8 miliardi di dollari. Integrazione, catalogazione, qualità, governance, privacy e gestione dei metadati ampliano le capacità di Salesforce nella preparazione e gestione dei dati utilizzati dalle applicazioni e dagli agenti AI.
Nel 2026 il perimetro si è ulteriormente allargato. Momentum lavora sulle informazioni ricavate dalle conversazioni di vendita e dalle riunioni, Contentful sulla gestione dei contenuti destinati alle esperienze digitali, Fin sul servizio clienti automatizzato e m3ter sui modelli di misurazione e fatturazione legati al consumo.
Listen Labs aggiunge a questa sequenza un elemento differente. Le altre tecnologie lavorano soprattutto su dati già disponibili o sulle azioni che l’impresa deve eseguire; la ricerca sui clienti serve invece a produrre nuove informazioni, chiedendo direttamente alle persone che cosa pensano e mettendo le risposte in relazione con i loro comportamenti.
Per un CRM che viene sempre più utilizzato anche come ambiente di esecuzione per agenti AI, la differenza è sostanziale. Sapere che cosa è successo rimane la base del sistema; capire perché è successo e raccogliere nuove evidenze prima di decidere che cosa fare amplia il contesto disponibile sia alle persone sia agli agenti.
