Salesforce Perluas Agentforce dengan Tujuh Agen AI dan Lapisan Tata Kelola

Salesforce tidak sekadar mengumumkan tambahan asisten AI menjelang Dreamforce. Perusahaan ini memosisikan Agentforce sebagai lapisan eksekusi untuk perusahaan: agen-agen bernama yang dibuat untuk pekerjaan bisnis tertentu, memakai data Customer 360, serta dipadukan dengan rancangan tata kelola AI berskala besar. Portofolio tujuh agen diumumkan pada 11 September, sementara kemitraan dan implementasi terkait disorot saat Dreamforce dibuka pada 15 September. 749

Tujuh agen AI dan perannya

Salesforce memperkenalkan tujuh agen AI “siap kerja” untuk penjualan, layanan, perdagangan, dukungan karyawan, rantai pasok, dan pengalaman pelanggan. Agen-agen tersebut dirancang memakai data Customer 360—platform data pelanggan Salesforce—beserta keterampilan, tindakan, dan model data bawaan. Artinya, perusahaan tidak harus membangun setiap alur kerja dari nol. 27

• Casey: agen layanan pelanggan yang menangani masalah melalui telepon, SMS, WhatsApp, dan chat web; mencakup FAQ, pengembalian barang, pengelolaan akun, hingga eskalasi ke manusia. 7
• Paige: menangani permintaan terkait TI dan SDM. 29
• Carter: mendampingi proses belanja, dari menemukan dan membandingkan produk, menjawab pertanyaan, hingga checkout di dalam percakapan. 7
• Piper: melakukan kualifikasi prospek masuk untuk pipeline penjualan. 28
• Marshall: membantu proses rantai pasok dan pekerjaan back office. 29
• Fin: ditujukan bagi alur kerja pengalaman pelanggan yang kompleks. 15
• Hunter: berfokus pada penjualan keluar, atau outbound sales. 78

Menurut Salesforce, enam agen telah tersedia secara umum. Hunter masih berada dalam tahap pilot dan dijadwalkan tersedia secara umum pada November 2026. 812

Hunter: agen yang dirancang bekerja lintas hari

Hunter menjadi pusat perhatian karena merupakan aplikasi pertama yang dikaitkan Salesforce dengan runtime Agentforce berjangka panjang. Alih-alih menyelesaikan tugas dalam satu sesi percakapan, runtime ini dirancang untuk mengejar tujuan selama beberapa hari hingga beberapa minggu.

Salesforce menjelaskan tiga kemampuan dasarnya:

• Memori, agar agen menyimpan konteks kerja yang relevan dari waktu ke waktu;
• Eksekusi berkelanjutan, agar pekerjaan dapat diteruskan setelah jeda atau kegagalan;
• Pengarahan dinamis, agar manusia maupun sistem dapat mengarahkan ulang agen ketika ia sedang bekerja. 512

Pendekatan ini menggeser janji produk dari sekadar menjawab perintah menjadi mendorong sasaran bisnis yang terus berjalan—misalnya, pencarian prospek outbound—dengan tetap berada dalam batas izin akses dan kontrol perusahaan. Namun, konsistensi keandalannya masih harus dibuktikan melalui penggunaan nyata di lingkungan produksi; materi pengumuman belum memberikan pembuktian independen atas hal tersebut.

Klaim skala: 7 miliar Agentic Work Units

Salesforce menyatakan telah bekerja bersama pelanggan dalam ribuan implementasi agentic dan menghasilkan 7 miliar Agentic Work Units (AWU) di Agentforce dan Slack selama dua tahun terakhir. Dari jumlah itu, 3,2 miliar AWU disebut terjadi pada kuartal II. 67

Angka tersebut menunjukkan skala aktivitas yang diklaim telah diproses platform Salesforce. Namun, angka itu tidak semestinya diperlakukan sebagai bukti yang diaudit secara independen mengenai kenaikan produktivitas, penghematan biaya, atau pengembalian investasi. AWU adalah metrik operasional yang didefinisikan Salesforce. Saat mengevaluasi Agentforce, perusahaan tetap perlu mengukur akurasi per tugas, tingkat eskalasi ke staf manusia, waktu penyelesaian, hasil bagi pelanggan, dan biaya pengawasan manusia. 14

Lapisan tata kelola: Trusted Enterprise AI Harness

Bersamaan dengan pengumuman agen, Salesforce memperkenalkan Trusted Enterprise AI Harness. Ini adalah arsitektur bersama yang dapat dirakit sesuai kebutuhan untuk memberi agen konteks bisnis sekaligus menerapkan kontrol perusahaan.

Arsitektur tersebut menggabungkan enam area yang disebut Salesforce sebagai context, agency, action, governance, security, dan models—atau, secara sederhana, konteks, kemampuan agen, tindakan, tata kelola, keamanan, dan model AI. 3641

Komponen utamanya adalah AI Control Plane, yang diposisikan sebagai sarana untuk mengawasi agen dan model AI dalam lingkungan yang terbuka serta modular. Tujuannya, perusahaan tidak perlu membangun ulang kapabilitas konteks, kebijakan, keamanan, dan pengelolaan untuk setiap agen atau pengalaman AI yang terpisah. 36

Di sinilah arah strategi Salesforce terlihat: perusahaan ini tidak hanya bersaing lewat agen individual, melainkan lewat kemampuan membuat agen tersebut bekerja dengan hubungan pelanggan, proses, izin akses, dan kontrol data yang sudah dimiliki organisasi.

Yang ditambahkan Dreamforce

Dreamforce berlangsung pada 15–17 September di Moscone Center, San Francisco, dengan lebih dari 43.000 peserta diperkirakan hadir. Salesforce juga menjadwalkan percakapan antara Chair dan CEO Marc Benioff dengan CEO OpenAI Sam Altman tentang kemajuan frontier AI dan penerapannya untuk bisnis. 2228

Pada hari pembukaan, Salesforce turut menyoroti sejumlah implementasi dan kemitraan yang memperluas Agentforce melampaui fitur CRM mandiri:

• Adecco Group menyatakan akan memperluas Agentforce Coworker ke lebih dari 40 negara dan sekitar 27.000 karyawan. Salesforce menyebut implementasi ini tertanam di platformnya dan dibangun dengan Claude dari Anthropic. 1748
• Google Cloud dan Salesforce memperluas kemitraan untuk mendukung penalaran serta tindakan agen lintas platform di atas infrastruktur dan fondasi data bersama. Beban kerja Salesforce juga akan dibawa ke Google Cloud melalui Hyperforce. 49
• Siemens menyatakan teknologinya, Teamcenter, akan bekerja dengan Agentforce untuk menghadirkan jawaban berstandar rekayasa ke alur kerja penjualan, layanan, dan pelanggan. Salesforce juga menyebut Agentforce akan mengkualifikasi prospek masuk untuk 18.000 tenaga penjualan Siemens. 52

Hal yang perlu diuji perusahaan

Pengumuman ini menempatkan Agentforce lebih dari sekadar katalog chatbot. Salesforce berupaya menyatukan otomatisasi siap pakai berbasis peran, data CRM, eksekusi agen yang dapat berlangsung lama, dan kontrol terpusat untuk ekosistem model serta sistem yang lebih luas.

Bagi calon pengguna, pertanyaan praktisnya bukan apakah agen memiliki nama yang mudah diingat. Yang lebih penting ialah apakah alur kerja tertentu memiliki akses data yang tepat, izin yang jelas, jalur eskalasi, kemampuan pemantauan, dan hasil bisnis yang terukur. Agen baru dan AI Harness Salesforce memang diarahkan untuk menjawab kebutuhan tersebut dalam posisi produknya. Ujian berikutnya adalah seberapa konsisten semuanya bekerja di lingkungan produksi.