Salesforce diseña una estrategia de «última milla» para impulsar la adopción de Agentforce

Salesforce ha diseñado una estrategia centrada en impulsar la adopción de su plataforma de IA agéntica Agentforce en empresas, con el objetivo de facilitar su transición hacia un modelo agéntico de Inteligencia Artificial. Para el desarrollo de esta estrategia, a la que Salesforce llama «la última milla», la compañía parte de la base de que los modelos grandes de lenguaje (LLMs) no bastan por si mismos para generar valor empresarial. De hecho, para que sean útiles, según la compañía, deben superar los problemas que plantean la falta de contexto y su naturaleza no determinista.

Por lo tanto, el despliegue de la IA en las empresas en general, y de Salesforce Agentforce en particular, debe apoyarse en medidas adicionales para sacar partido a los agentes, planteadas por la estrategia. Esta las engloba en cuatro pilares: contexto con datos del cliente, orquestación de flujos de trabajo, barreras para evitar alucinaciones y observabilidad para la monitorización constante. Además, Salesforce recalca su enfoque de plataforma abierta, que se manifiesta mediante la integración de datos externos sin copias y el uso de distintos modelos de IA.

El primero de los pilares, centrado en el contexto, busca dotar a la IA del conocimiento profundo sobre el cliente y el negocio que necesita. Para ello, Salesforce utiliza datos compartidos, reuniendo toda la información sobre lo que el cliente ha hecho y lo que necesita y desea. En cuanto al apartado de orquestación, la estrategia de última milla implica la coordinación del trabajo no solo entre diversos agentes de IA, sino también entre agentes y humanos.

Salesforce Agentforce permite, en este sentido, gestionar los procesos complejos de los flujos de trabajo en los que intervienen distintos «sub-agentes». Además, la compañía ha posicionado a Slack como una especie de superagente que permite a los empleados colaborar con la IA para tareas de recursos humanos, TI o compras.

En cuanto a las barreras, dado que los modelos son probabilísticos y pueden alucinar, Salesfore ha puesto en marcha lo que ha denominado razonamiento híbrido, que combina la creatividad del LLM y una conversación de tipo empático con la ejecución determinista de procesos perfectamente estructurados.

El último de los pilares de la estrategia, centrado en la observabilidad, gira en torno a la necesidad que tienen las empresas de saber si la IA está realmente funcionando y solucionando problemas después de su despliegue. Con herramientas como el Centro de Pruebas se puede evaluar a los agentes antes de su lanzamiento. Además, el análisis de KPIs y métricas de rendimiento permite iterar y mejorar el agente después de su despliegue.

En este sentido, Salesforce permite un rastreo completo de cada decisión tomada por la IA para una mayor transparencia, lo que permite que los clientes ajusten las instrucciones si el agente no está logrando los resultados que desean obtener.

Pero para que estos cuatro pilares funcionen es necesario que la infraestructura ofrezca los medios suficientes para lograrlo. Salesforce cuenta para ello con una plataforma, que como hemos mencionado es abierta y extensible. Desarrollada con una arquitectura de «copia cero», permite la ingestión de datos de sistemas externos, ya sean estructurados o desestructurados, sin la necesidad de tener que copiarlos físicamente.

La plataforma da también a las compañías la posibilidad de elegir qué modelo de IA emplear (OpenAI, Anthropic, etc), o incluso emplear sus propios modelos personalizados. Y en cuanto a la calidad de los datos, Salesforce cuenta con las posibilidades que les ha aportado la compra de Informatica para garantizar que los datos que usa la IA son limpios, seguros, y con un linaje claro.