Dreamforce 2026 no se quedó solo en el discurso sobre IA agéntica, mostró los resultados. En la Agentforce Keynote, “From Fast Start to Real ROI”, el EVP de Salesforce Mark Wakelin abrió la sesión con una promesa: los siguientes cincuenta minutos iban a hablar menos de visión y más de pruebas concretas. En nuestro décimo año en Dreamforce, el equipo de Cloudgaia estuvo presente mientras tres demos en vivo mostraban exactamente cómo empresas reales están convirtiendo Agentforce en valor medible. Esto es lo que los líderes de negocio necesitan saber.
El playbook de ROI agéntico: tres pasos hacia el valor real
Wakelin planteó toda la sesión alrededor de una ecuación simple.
«Solo existen dos formas reales de generar ROI. La primera es aumentar los ingresos y la segunda es reducir costos.»
Mark Wakelin, EVP, Agentforce, Salesforce (traducción propia del original en inglés)
Todo lo demás, dijo, es una derivación de esas dos palancas, y el único obstáculo real es la capacidad de una empresa para ejecutar con foco y velocidad. Esa es la lógica detrás del playbook de ROI agéntico de Salesforce, un enfoque de tres pasos que estructuró toda la keynote:
- Elegir un caso de uso y desplegarlo rápido.
- Personalizar y extender ese caso de uso a toda la empresa.
- Observar y optimizar los agentes en tiempo real.
Wakelin respaldó el framework con números: más de 30.000 clientes ya están en producción sobre la plataforma Agentforce, y los propios clientes la votaron como la plataforma de IA agéntica número uno en G2 este año. Las tres demos en vivo que siguieron, una por cada paso, le dieron rostro humano a esa escala.
Es un enfoque que coincide con lo que Cloudgaia ve todos los días en sus proyectos con clientes: el camino más rápido hacia el ROI casi nunca es el más ambicioso. Es el que empieza acotado, demuestra valor rápido y después se expande.
Inicio rápido: de la primera conexión a producción en una hora
El primer paso del playbook, elegir un caso de uso y desplegarlo rápido, cobró vida a través de Agentforce Coworker. Avanthika Ramesh, Director of Product Management, Salesforce AI, quien lideró esta sección, planteó el desafío sin rodeos.
«La velocidad no viene de saltarse la base. Viene de empezar con la base correcta.»
Avanthika Ramesh, Director of Product Management, Salesforce AI (traducción propia del original en inglés)
Una empresa pasó de escuchar sobre Agentforce por primera vez a tenerlo en producción en una hora. Sus usuarios avanzados empezaron a probarlo en una semana y, en seis semanas, más de 3.000 empleados ya usaban Agentforce en su día a día. La herramienta detrás de esa velocidad fue Agentforce Coworker, un compañero de equipo de IA autónomo que entiende el negocio de una empresa desde el primer día y funciona en distintas superficies, incluso de forma headless dentro de Claude, es decir, operando directamente desde la interfaz de Claude sin cambiar de herramienta.
La demo en vivo mostró a un líder de ventas comerciales usando Coworker para un chequeo de fin de trimestre: analizando datos de pipeline, midiendo la salud de las relaciones en toda su cartera y detectando negocios estancados en segundos, un trabajo que antes implicaba horas revisando manualmente estados financieros y archivos de cuentas. A partir de ahí, el equipo creó una skill, un conjunto reutilizable de instrucciones que Coworker puede ejecutar una y otra vez, convirtiendo un análisis puntual en un proceso repetible y compartible en toda la organización.
La keynote presentó después a Hunter, el agente de ventas outbound de Agentforce, actualmente en pilot con disponibilidad general prevista para noviembre de 2026, construido sobre un nuevo long-horizon runtime diseñado para sostener un objetivo durante días o semanas en lugar de una sola conversación. En la demo, Hunter identificó $340.000 de pipeline en riesgo, armó un plan de tareas, se conectó a Gmail para aprender el tono de voz del usuario y redactó un correo de outreach listo para enviar, todo mientras seguía adaptándose a medida que llegaba nueva información.
Los resultados compartidos en el escenario hablan por sí solos: 80.000 horas ahorradas, más de $389 millones generados en nuevos negocios, y casos de clientes resueltos cuatro días más rápido.
Personalizar y extender: construyendo súper agentes con Agent Script
El Chief Product Officer John Kucera abrió el segundo paso del playbook con un contraste directo: donde otras plataformas escalan demasiado rápido, se desvían a mitad de tarea o empujan al cliente hacia una llamada en tres días, los agentes de Agentforce califican la solicitud, ejecutan el proceso completo y entregan resultados instantáneos.
La demo en vivo que siguió mostró hasta dónde puede llegar la personalización y extensión una vez que una organización deja atrás los agentes simples de FAQ y pasa a agentes que ejecutan acciones reales. Recorrió una solicitud de cuenta rutinaria, del tipo que algunas empresas reciben 25.000 veces al mes, y que antes tomaba entre cinco y diez minutos por caso resolver manualmente. Construido con Agent Script, el sub-agente verifica reglas de negocio antes de actuar, valida los documentos cargados de forma determinística a través de MuleSoft, extrae automáticamente los campos relevantes y crea un caso para seguimiento humano cuando hace falta.
Ese sub-agente es uno de varios que, en conjunto, forman lo que Salesforce llama un súper agente: equipos independientes que construyen y son dueños de sus propios casos de uso, unificados a través de multi-agent orchestration en una sola experiencia de marca consistente para el cliente. En el escenario, los resultados fueron millones de dólares en productividad y un retorno sobre la inversión de 7X.
Observar y optimizar: un primer vistazo a Agent Optimizer
El último paso del playbook, liderado por Susannah Plaisted, Director, AI Product Marketing, Salesforce, abordó una pregunta que toda empresa termina haciéndose: una vez que los agentes están en producción, ¿cómo saber si siguen funcionando como se espera? El software tradicional tiene un ciclo de lanzamiento predecible, medido en semanas y meses. Los agentes, explicó, necesitan algo más rápido.
«Los equipos de IT necesitan trabajar junto al negocio para observar y optimizar en cuestión de horas y días, no de semanas y meses.»
Susannah Plaisted, Director, AI Product Marketing, Salesforce (traducción propia del original en inglés)
La demo en vivo mostró Agentforce Observability en acción: una alerta detectó una llamada en la que un cliente pidió ayuda que el agente todavía no estaba configurado para brindar. El equipo usó ese insight para agregar la funcionalidad faltante de forma headless en Claude, la probó usando el repositorio público de skills de Agentforce Development Lifecycle, y desplegó la mejora, todo como parte de un ciclo continuo que Plaisted describió como la forma en que Observability se convierte en ROI compuesto. Los resultados fueron concretos: 20% de chat containment, menos fricción y mayor CSAT. Plaisted también confirmó un cambio importante en el modelo de precios: Agentforce Observability ahora es unmetered, es decir, visibilidad completa sobre cada agente y cada conversación sin costo adicional.
La sección cerró con un primer vistazo a Agent Optimizer, una nueva capacidad dentro de una Agentforce Studio rediseñada. En lugar de que los agent managers tengan que buscar manualmente en reportes y logs, Optimizer muestra alertas proactivas priorizadas por impacto de negocio, identifica la causa raíz de un problema, redacta un plan con el razonamiento detrás de cada cambio, corre sus propias pruebas, se autocorrige si alguna falla, y permite desplegar el cambio de forma gradual, todo dentro de una sola conversación.
«Esto es realmente el futuro de Agentforce.»
Susannah Plaisted, Director, AI Product Marketing, Salesforce (traducción propia del original en inglés)
El ROI real empieza con la base correcta
A lo largo de los tres pasos del playbook, un hilo se mantuvo constante: ninguno de estos resultados vino de moverse rápido e improvisar. Vinieron de empezar con un caso de uso acotado, construir sobre una plataforma que ya entendía el negocio, y tratar la optimización como una disciplina continua y no como un proyecto puntual. Ese es exactamente el camino que Cloudgaia recorre con sus clientes todos los días: identificar el caso de uso que responde a un cuello de botella real, desplegarlo sobre una base sólida, y seguir observando y ajustando una vez que está en producción.
Ya sea que estés evaluando Agentforce Coworker, planeando tu primer agente sobre un long-horizon runtime, o pensando en cómo extender y unificar agentes entre equipos, nuestro equipo puede ayudarte a pasar del piloto a un ROI medible.
Cloudgaia ya trabaja en ambos lados de esta historia: implementamos Agentforce como parte de nuestra práctica de Salesforce, ayudando a los clientes a elegir el caso de uso correcto para empezar, extenderlo de forma responsable y mantenerlo generando valor mucho después del lanzamiento. Y como buena parte de esta keynote ocurrió de forma headless dentro de Claude, vale decirlo: Cloudgaia ya ayuda a sus clientes a poner a trabajar juntos a Claude y Agentforce, incluida la nueva experiencia Claudeforce de Salesforce. Si esta keynote te dejó pensando por dónde empezar, esa es la conversación que nuestro equipo tiene todos los días.
Key takeaways
- El playbook de ROI agéntico de Salesforce tiene tres pasos: elegir un caso de uso y desplegarlo rápido, personalizarlo y extenderlo, y después observar y optimizar de forma continua.
- Agentforce Coworker es un compañero de equipo de IA headless y multi-superficie que entiende el negocio desde el primer día y puede consultarse desde Claude.
- Hunter, el agente de ventas outbound de Agentforce, corre sobre un nuevo long-horizon runtime construido para perseguir objetivos durante días o semanas, no solo en una conversación.
- Los “súper agentes” con multi-agent orchestration permiten que equipos independientes construyan y sean dueños de sus propios sub-agentes, manteniendo una sola experiencia de marca unificada para el cliente.
- Agentforce Observability ahora es unmetered, y Agent Optimizer, mostrado por primera vez, convierte la optimización de agentes en un proceso guiado, autotesteado y de una sola conversación.
Preguntas frecuentes
¿Qué es Agentforce Coworker?
Agentforce Coworker es un compañero de equipo de IA autónomo construido sobre la plataforma Agentforce. Entiende el contexto de negocio de una empresa desde el primer día, actúa en nombre del usuario y funciona de forma headless en distintas superficies, incluso dentro de Claude.
¿Qué es un long-horizon runtime?
Es una nueva forma en la que un agente puede operar: recuerda dónde quedó, ajusta su plan a medida que llega nueva información, y persigue un objetivo durante días o semanas en lugar de completar una sola tarea en una conversación. Hunter es el primer agente de Agentforce construido sobre esta base.
¿Qué son los “súper agentes”?
Es una forma en la que equipos independientes, cada uno responsable de una parte distinta de la experiencia del cliente, pueden construir y ser dueños de sus propios sub-agentes, mientras que la multi-agent orchestration de Agentforce le presenta al cliente una sola experiencia unificada y consistente con la marca.
¿Qué es Agent Optimizer?
Mostrado por primera vez en esta keynote, Agent Optimizer es una nueva capacidad de Agentforce Studio que identifica la causa raíz de un problema en un agente, redacta un plan para resolverlo, corre sus propias pruebas y permite desplegar los cambios de forma gradual, todo dentro de una sola conversación.
¿Por dónde debería empezar mi empresa?
La mayoría de las organizaciones empiezan eligiendo un caso de uso ligado a un cuello de botella claro y desplegándolo sobre un agente pre-construido y disponible de forma general, como Casey, mientras Hunter llega a disponibilidad general en noviembre de 2026, y tratando la observación y la optimización como una disciplina continua y no como un paso único.
