En este artículo
Lo importante en 30 segundos
- Salesforce quiere que la IA pueda utilizar datos, procesos y acciones del CRM incluso cuando la persona trabaja desde Slack, Claude u otra interfaz.
- Agentforce está evolucionando desde asistentes que completan tareas hacia agentes especializados que asumen trabajos concretos, como Hunter en Ventas o Casey en Customer Service.
- Cuanta más autonomía tenga la IA, más importantes se vuelven la calidad del dato, los procesos, los permisos y las integraciones que ya existen en Salesforce.
Salesforce está intentando que la IA deje de ser una función dentro del CRM y pueda trabajar con los datos, procesos y reglas de la empresa desde distintas interfaces. Agentforce pone agentes a trabajar; Hunter y Casey los especializan por función; Slackforce y Claudeforce llevan Salesforce a otros lugares de trabajo.
Para una empresa que ya utiliza Salesforce, la consecuencia es clara: datos, procesos, permisos e integraciones importan más, no menos.
No necesitas memorizar todos los nombres que Salesforce está lanzando.
Necesitas entender qué dirección hay detrás.
¿Qué está intentando hacer Salesforce con la IA?
Si juntas los últimos movimientos de Salesforce, aparece una dirección bastante coherente.
La compañía ya no está planteando la IA únicamente como un botón para resumir un caso, redactar un email o recomendar el siguiente paso.
Está intentando convertirla en una nueva forma de acceder a los datos del negocio y, cada vez más, de actuar sobre ellos.
Hay cuatro movimientos que ayudan a entenderlo.
- 01
La IA sale de la pantalla de Salesforce. El usuario puede trabajar con información y acciones del CRM desde Slack, Claude y otras interfaces.
- 02
Los agentes pasan de responder a hacer trabajo. Salesforce está creando agentes especializados alrededor de funciones concretas como Ventas o Customer Service.
- 03
Salesforce no necesita ser el único proveedor de inteligencia. Puede trabajar con modelos como Claude mientras aporta contexto, procesos, permisos y acciones empresariales.
- 04
El CRM se convierte en parte de la infraestructura de la IA. Los datos y reglas que ya tienes en Salesforce determinan qué puede entender y hacer un agente.
No es una clasificación oficial de Salesforce.
Es una forma práctica de ordenar sus lanzamientos actuales desde el punto de vista de negocio.
Y cambia bastante la pregunta que debería hacerse dirección.
Menos:
¿Qué herramienta de IA deberíamos comprar?
Más:
¿Qué trabajo queremos mejorar y qué necesita saber la IA para hacerlo bien?
¿Por qué aparecen tantos nombres nuevos?
Porque no todos los nombres representan la misma cosa.
Una parte de la confusión desaparece cuando separas plataforma, agentes e interfaces.
| Nombre | Piensa en | Qué cambia |
|---|---|---|
| Agentforce | Agentes Salesforce | Pueden razonar y actuar |
| Hunter / Casey | Trabajos concretos | Sales y Service |
| Slackforce | Salesforce en Slack | Cambia la interfaz |
| Claudeforce | Salesforce + Claude | Otra IA usa contexto CRM |
| Headless 360 | Salesforce sin pantalla fija | Capacidades reutilizables |
| AI Harness | Base empresarial | Contexto, control y acciones |
Si quieres bajar un nivel en cualquiera de ellos, tenemos piezas específicas.
Puedes empezar por qué es Agentforce para entender el concepto general.
Después, qué es Claudeforce explica por qué Salesforce está llevando datos y acciones a Claude.
Y qué es Slackforce explica la misma dirección desde Slack: poder trabajar con información y procesos de Salesforce sin empezar siempre por la interfaz tradicional del CRM.
Cuando hablamos de agentes especializados, qué es Agentforce Hunter aterriza la estrategia en Ventas.
Y qué es Agentforce Casey la lleva a Customer Service.
La función de este artículo es otra.
Entender qué tienen en común.
¿Por qué la IA sale de la pantalla de Salesforce?
Durante años, utilizar el CRM ha significado abrir Salesforce.
Un comercial quiere revisar una oportunidad: entra en Salesforce.
Customer Service necesita contexto: abre un caso.
Marketing consulta una cuenta: entra en el CRM.
Salesforce está separando cada vez más dos cosas que antes iban juntas:
dónde ocurre el trabajo y dónde viven los datos y procesos que lo hacen posible.
Con Claudeforce, por ejemplo, un comercial puede trabajar desde Claude utilizando contexto y acciones de Salesforce.
Con Slackforce, una persona puede empezar desde una conversación en Slack y obtener una vista útil del pipeline o de otra información empresarial.
Headless 360 lleva esa idea más lejos: hacer que capacidades de Salesforce puedan utilizarse desde diferentes experiencias sin obligar a empezar siempre por su interfaz tradicional.
Imagina a un Director Comercial preguntando en Slack:
¿Qué oportunidades grandes no han tenido actividad esta semana?
O a un vendedor preparando desde Claude una reunión con un cliente utilizando el contexto que ya existe en Salesforce.
Salesforce sigue detrás.
Siguen importando los permisos.
Siguen importando las oportunidades.
Siguen importando las automatizaciones.
Siguen importando las reglas.
Pero el usuario puede dejar de pensar tanto en «entrar en Salesforce».
La consecuencia parece paradójica:
Salesforce puede hacerse menos visible para el usuario y más importante para el proceso.
Porque si distintas interfaces van a utilizar el mismo contexto empresarial, ese contexto tiene que ser fiable.
¿Por qué los agentes empiezan a tener un trabajo?
La segunda evolución es pasar del asistente que completa una tarea al agente que tiene una responsabilidad más reconocible.
Salesforce está poniendo nombres propios a algunos de esos agentes.
Hunter está orientado a Ventas.
Casey, a Customer Service.
Piper trabaja sobre demanda inbound.
Marshall, sobre determinados procesos operativos.
La idea relevante para dirección no es memorizar los nombres.
Es el cambio de unidad de automatización.
Antes podías preguntar:
¿Puede la IA redactar este email?
Ahora empiezas a poder plantear:
Ayúdame a trabajar estas oportunidades en riesgo durante las próximas semanas.
O:
Intenta resolver estas solicitudes de cliente y escala las que necesiten una persona.
Agentforce Hunter es un buen ejemplo.
Salesforce lo plantea alrededor del trabajo comercial, manteniendo contexto y actuando sobre pipeline y oportunidades durante más tiempo que una interacción puntual.
Agentforce Casey aplica el mismo cambio a Atención al Cliente: no limitarse a buscar una respuesta, sino intentar completar una resolución utilizando contexto, conocimiento y acciones.
Esto no significa que el agente conozca automáticamente tu negocio.
«Preparado para Ventas» no significa que sepa cuándo consideras cualificada una oportunidad.
«Preparado para Service» no significa que conozca qué garantía aplica a cada producto.
El agente trae una forma de hacer trabajo.
La empresa sigue teniendo que aportar el criterio.
¿Qué cambia para Ventas, Marketing y Service?
La estrategia es común.
La consecuencia no es exactamente la misma para cada función.
Ventas
El problema habitual no es que falte otro dashboard.
Dirección no confía en el forecast porque las oportunidades llegan tarde, las fases no siempre significan lo mismo y parte de la información comercial se queda en emails, conversaciones o Excel.
Salesforce está atacando esa distancia desde varios lados.
Hunter puede trabajar alrededor del pipeline.
Slackforce acerca información y acciones al lugar donde conversa el equipo.
Claudeforce permite utilizar contexto comercial desde Claude.
Además, Salesforce está incorporando más mecanismos para recoger señales comerciales y reducir parte del trabajo manual alrededor de oportunidades y pipeline.
La dirección a la que apunta todo esto es sencilla:
reducir la distancia entre hacer el trabajo comercial y mantener el CRM útil para dirigirlo.
Eso puede cambiar bastante el día a día.
Un comercial podría dedicar menos tiempo a reconstruir información.
Un manager podría acceder más rápido al contexto.
Parte del seguimiento podría ocurrir de forma más continua.
Pero si cada comercial interpreta una fase de manera distinta, la IA también recibe esa ambigüedad.
Si una oportunidad lleva tres semanas sin actualizar, un agente puede trabajar sobre una fotografía antigua.
Si el forecast se corrige manualmente en Excel porque nadie confía en Salesforce, introducir más IA encima del CRM no resuelve automáticamente el problema.
La IA puede reducir fricción.
No sustituye un proceso comercial bien definido.
Customer Service
En Customer Service, responder es solo una parte del trabajo.
Una incidencia puede exigir saber:
quién es el cliente
qué producto tiene
qué contrato aplica
si sigue en garantía
qué ocurrió anteriormente
qué SLA corresponde
qué acción está permitida
cuándo debe intervenir una persona
Casey intenta asumir una parte mayor de esa cadena.
No solo contestar una pregunta.
Intentar resolver la solicitud.
Ahí aparece rápidamente la diferencia entre una demo de IA y el proceso real.
¿Qué ocurre si Salesforce tiene el caso pero el producto instalado está en el ERP?
¿Y si Knowledge está desactualizado?
¿Y si dos equipos resuelven la misma incidencia de forma diferente?
¿Y si el SLA depende de una condición contractual que no está disponible en el caso?
La IA puede conversar muy bien y seguir sin tener el contexto necesario para resolver.
Para Customer Service, la estrategia de Salesforce apunta a dar más autonomía al agente.
Eso hace todavía más importantes:
Knowledge
casos
reglas
escalados
permisos
integraciones
contexto de cliente
Marketing
Marketing va en la misma dirección.
Salesforce está llevando agentes hacia tareas como:
captación y cualificación de demanda
planificación
segmentación
contenido
ejecución de campañas
optimización
Piper, por ejemplo, trabaja sobre demanda inbound.
La lectura superficial sería:
Marketing podrá producir más cosas con IA.
La lectura más interesante es otra:
Marketing podrá delegar una parte mayor de procesos que antes exigían varias herramientas, datos y decisiones humanas.
Pero cuanto más pueda decidir o actuar un agente, más importante es que Marketing y Ventas estén hablando del mismo cliente.
Imagina que Marketing quiere actuar sobre:
clientes industriales con oportunidad abierta que no han comprado en doce meses.
La petición es sencilla.
Los datos no necesariamente.
¿Está bien identificado qué es un cliente industrial?
¿Salesforce tiene las compras?
¿La oportunidad está actualizada?
¿Hay duplicados?
¿Ventas utiliza la misma cuenta que Marketing?
La IA no elimina esas preguntas.
Las hace más importantes.
Si Marketing segmenta con un dato y Sales gestiona otro, la IA puede automatizar la discrepancia.
¿Qué problemas de Salesforce ganan importancia?
La IA no vuelve menos importantes los problemas que ya existen en el CRM.
En algunos casos los amplifica.
| Problema actual | Sin agentes | Con agentes |
|---|---|---|
| Pipeline desactualizado | Forecast dudoso | IA actúa con mal contexto |
| Knowledge antiguo | El equipo puede detectarlo | IA puede reutilizarlo |
| Proceso inconsistente | Cada equipo decide | El agente no sabe la regla |
| Datos repartidos | Se consultan varios sistemas | Hace falta contexto e integración |
| Permisos confusos | Riesgo de acceso | También aparece riesgo de acción |
Esto cambia bastante la conversación cuando ya tienes Salesforce funcionando.
Hasta ahora, una oportunidad mal actualizada podía provocar que un informe fuera incorrecto.
Si Hunter empieza a utilizar esa oportunidad para decidir el siguiente paso, el mismo problema afecta también a la acción.
Un artículo de Knowledge incorrecto podía confundir a una persona.
Si Casey lo utiliza para resolver consultas de forma autónoma, la calidad del conocimiento importa todavía más.
Un proceso poco claro podía solucionarse preguntando a un manager.
Un agente necesita que la regla sea accesible de alguna forma.
Y una integración que antes ahorraba tiempo puede convertirse en requisito para que el agente tenga el contexto necesario.
Por eso no plantearía la llegada de Agentforce como una capa que colocas encima de Salesforce y arregla lo que hay debajo.
En algunas organizaciones el siguiente paso será introducir agentes.
En otras, tendrá más sentido evolucionar Salesforce.
Y en otras, el primer paso será entender por qué la organización no confía hoy en sus datos, procesos o automatizaciones.
¿Qué debería decidir dirección ahora?
No necesitas decidir todavía si quieres Hunter, Casey o cualquier otro agente.
Necesitas responder cinco preguntas bastante más sencillas.
1. ¿Qué trabajo queremos mejorar?
No:
Queremos utilizar IA.
Sí:
Queremos dejar de perseguir a los comerciales para saber qué oportunidades están en riesgo.
O:
Queremos resolver automáticamente las consultas de estado de pedido que hoy obligan al equipo a consultar dos sistemas.
O:
Queremos que Marketing pueda detectar determinados segmentos sin reconstruir manualmente los datos cada vez.
Si no puedes explicar el problema sin decir «IA», probablemente todavía no has definido el caso de uso.
2. ¿Salesforce tiene el contexto necesario?
¿Qué necesita saber una persona para realizar ese trabajo hoy?
¿Está en Salesforce?
¿Está en otro sistema?
¿Está en un Excel?
¿Está en Knowledge?
¿Está en la cabeza del equipo?
Esta pregunta suele revelar antes que ninguna otra la viabilidad real del caso.
3. ¿El proceso está suficientemente claro?
Un agente puede automatizar una regla.
Lo tiene bastante más difícil cuando existen cinco reglas diferentes según quién haga el trabajo.
Si dos comerciales utilizan criterios diferentes para considerar una oportunidad cualificada, hay que resolver esa diferencia.
Si Customer Service decide excepciones caso a caso porque nunca se documentaron, hay que decidir qué debería ocurrir.
Antes de automatizar, hay que tener suficiente claridad sobre el proceso.
4. ¿Qué autonomía queremos darle?
No es lo mismo:
consultar
resumir
recomendar
preparar
modificar
ejecutar
Una empresa puede estar cómoda dejando que la IA prepare un siguiente paso y exigir aprobación antes de enviarlo.
Puede permitir que consulte un pedido y no que lo cancele.
Puede dejar que clasifique una incidencia y exigir intervención humana en una compensación.
No todo tiene que automatizarse al mismo nivel.
5. ¿Cómo sabremos que ha funcionado?
No por el número de conversaciones con una IA.
Por el proceso.
Menos oportunidades sin siguiente paso.
Más fiabilidad del pipeline.
Menos tiempo para resolver una incidencia.
Menos trabajo manual.
Menos saltos entre sistemas.
Mejor calidad del dato.
Menos escalados innecesarios.
Más consistencia.
La estrategia actual de Salesforce abre posibilidades interesantes.
Pero también hace más visible una realidad que ya existía.
La IA puede cambiar la interfaz y asumir más trabajo. No puede decidir por sí sola cómo debería funcionar tu negocio.
Ese sigue siendo el punto de partida.
Albert Pallejà · CEO de Kaizen
Partner de Salesforce desde 2011 y más de 300 proyectos entregados, con experiencia concentrada en manufacturing, hospitality y servicios profesionales. Escribe sobre lo que se ve en las instalaciones reales, no sobre el roadmap de producto.