Por Canuto  

Salesforce está reformulando su estrategia de inteligencia artificial con un método poco habitual para una empresa de su tamaño: construir productos casi en tiempo real junto a sus clientes. La compañía afirma que ese modelo le permite reaccionar semana a semana a una industria que cambia demasiado rápido como para depender de planes rígidos.
***

  • Salesforce asegura que usa la retroalimentación de 18.000 clientes para orientar su desarrollo de IA.
  • La compañía se reúne con algunos usuarios hasta una vez por semana para ajustar productos como Agentforce.
  • Empresas como Engine y PenFed ya influyeron en mejoras y flujos de trabajo luego integrados en la plataforma.

 

En plena carrera por monetizar la inteligencia artificial empresarial, Salesforce está adoptando una estrategia que rompe con los ciclos tradicionales de desarrollo de producto. En lugar de definir una hoja de ruta cerrada a varios trimestres, la empresa está tomando señales directas de sus clientes para decidir qué construir, qué corregir y qué lanzar a continuación.

La lógica detrás de ese enfoque es simple. La IA avanza a un ritmo tan acelerado que una empresa puede perder relevancia si tarda demasiado en adaptar su oferta. Para Salesforce, la mejor manera de seguir el paso consiste en trabajar con usuarios reales, en ciclos mucho más cortos, sobre problemas concretos que ya están ocurriendo en producción.

De acuerdo con información reportada por TechCrunch, la compañía mantiene conversaciones muy frecuentes con ciertos clientes, en algunos casos hasta una vez por semana. No se trata de revisiones generales, sino de intercambios granulares con equipos que prueban herramientas, detectan fricciones y ayudan a orientar mejoras específicas.

Jayesh Govindarajan, vicepresidente ejecutivo de Salesforce AI, dijo que los 18.000 clientes de la empresa son una fuente inagotable de información y un insumo central para lograr éxito con el cliente. Según explicó, la pila tecnológica desarrollada por la empresa ha resonado con esos usuarios, lo que a su vez permite recoger contexto y usarlo para mejorar los sistemas a medida que también evolucionan los modelos de lenguaje y los agentes autónomos.

Ese razonamiento se conecta con un cambio más amplio dentro del software empresarial. Muchas compañías adoptaron grandes modelos de lenguaje cuando esa tecnología comenzó a masificarse, pero no siempre contaban con la capa operativa necesaria para convertir esos modelos en herramientas realmente útiles dentro de flujos de trabajo corporativos.

Muralidhar Krishnaprasad, presidente y director de tecnología de ingeniería de Salesforce, sostuvo que esa falta de tecnología de última milla abrió una oportunidad. A partir de esa necesidad, Salesforce lanzó Agentforce a finales de 2024, antes de que la llamada IA agéntica dominara los titulares durante 2025.

Desde entonces, la empresa ha intensificado su ritmo de lanzamientos. Ha seguido añadiendo productos relacionados con voz e integraciones para Slack, al tiempo que refuerza su tesis de que la demanda empresarial real debe guiar la evolución de su plataforma de IA. En vez de construir sobre un calendario rígido de funciones, la empresa dice que organiza su trabajo según temas como contexto del agente, observabilidad y controles deterministas.

Ese matiz es importante porque revela una diferencia de enfoque. Salesforce no afirma que cada cliente dicte un producto nuevo. Más bien, toma problemas recurrentes de grupos rotativos de usuarios, los clasifica y determina qué parte puede resolverse desde la capa del modelo y qué parte exige una infraestructura adicional alrededor del LLM.

Clientes al volante en el desarrollo de IA

Govindarajan afirmó que buena parte de la innovación reciente de Salesforce proviene directamente del trabajo con una gran cantidad de clientes y de la clasificación de los problemas que enfrentan en el mundo real. A partir de ahí, la empresa divide esos retos para identificar cuáles dependen del modelo y cuáles requieren componentes de un sistema operativo agéntico construido sobre él.

Krishnaprasad explicó que ese esquema responde a una necesidad de velocidad. Según dijo, la empresa no puede esperar tres o seis meses para recibir comentarios y luego intentar descifrar otros seis meses de trabajo. En cambio, está reaccionando semana a semana y mes a mes, con múltiples compuertas internas para probar funciones nuevas y obtener señales tempranas antes de un lanzamiento más amplio.

Ese método sugiere una transformación operativa dentro de Salesforce. Publicar código con mayor rapidez, abrir pruebas controladas y corregir sobre la marcha no siempre es sencillo en organizaciones de gran escala. Sin embargo, la compañía considera que tuvo que cambiar su forma de trabajar para ajustarse al nuevo entorno de innovación rápida que impone la IA.

Uno de los casos citados es el de Engine, una plataforma de gestión de viajes que forma parte del circuito de retroalimentación de clientes. Elia Wallen, fundador y CEO de la empresa, indicó que el equipo de operaciones de Engine mantiene reuniones semanales con Salesforce, lo que le da acceso temprano a herramientas de IA antes de su lanzamiento general.

Según Wallen, esa relación ayuda a Engine a mantenerse competitiva y a extraer más valor de las herramientas de lo que obtendría en un escenario convencional. Pero la utilidad no es solo para el cliente. También sirve a Salesforce porque las observaciones recibidas se convierten en ajustes visibles del producto.

Wallen relató un ejemplo concreto. Al pedirle a un agente de voz de IA que reservara un hotel en Chicago, percibió que la voz y la interacción se sentían algo antinaturales. Tras compartir esa impresión con Salesforce, el agente fue modificado y las pruebas A/B posteriores comenzaron a mostrar mejores resultados.

Para el ejecutivo, la ventaja de participar en ese proceso está en poder influir directamente sobre una herramienta que luego será usada por su propia empresa. Si un proveedor está dispuesto a ayudar a seleccionar y construir los productos que sus clientes necesitan, entonces también puede comprender mejor el problema y resolverlo con mayor precisión.

Cuando los usuarios crean flujos que luego se vuelven producto

La estrategia no solo acelera correcciones. También permite que Salesforce detecte soluciones valiosas desarrolladas por sus propios usuarios y las extienda a una base más amplia de clientes. Ese efecto de transferencia es especialmente relevante en software empresarial, donde un flujo exitoso en una firma puede servir como plantilla para muchas otras.

PenFed, una cooperativa federal de crédito, fue presentada como otro ejemplo de esa dinámica. Shree Reddy, director de innovación y vicepresidente ejecutivo de la organización, señaló que trabajar estrechamente con Salesforce ayudó a adelgazar su pila tecnológica, al concentrar tiempo y energía en plataformas consideradas más estratégicas.

Reddy explicó que esa inversión en la relación ha generado resultados favorables para ambas partes. Desde su perspectiva, el vínculo se ha fortalecido porque existe una influencia mutua y porque el valor agregado no recae en una sola organización, sino que se distribuye entre proveedor y cliente.

En el caso de PenFed, la empresa desarrolló internamente un flujo de trabajo de gestión de servicios de TI, o ITSM, con herramientas y agentes ya existentes dentro de Agentforce. Como el resultado funcionó bien, Salesforce pudo observar ese desempeño e incorporar la herramienta a su plataforma más amplia para que otras compañías también pudieran utilizarla.

Este tipo de evolución convierte a ciertos clientes en laboratorios avanzados para nuevas capacidades empresariales. En la práctica, es una forma de cocrear producto sin depender únicamente de investigación interna o de estudios de mercado tradicionales, algo que cobra sentido en un sector donde la utilidad real suele descubrirse durante la implementación.

Sin embargo, el modelo también tiene limitaciones. Confiar en que el cliente siempre tiene la razón puede ser problemático en un mercado donde muchas empresas todavía están tratando de definir qué papel debe jugar la IA en sus operaciones. Varias ni siquiera han encontrado un valor claro en la tecnología, por lo que no necesariamente son la mejor brújula para el desarrollo de largo plazo.

Además, probar software en beta o participar de programas tempranos no garantiza hábitos de uso sostenidos ni futuros contratos. Un cliente puede ofrecer comentarios valiosos durante una fase experimental y aun así no convertirse en un usuario masivo de esa herramienta después de su lanzamiento comercial.

Salesforce también prueba su IA puertas adentro

La compañía no aplica este enfoque ascendente solo con clientes externos. Govindarajan indicó que los propios empleados de Salesforce son los mayores usuarios de las herramientas de IA desarrolladas por la empresa. Ese detalle importa porque permite validar productos internamente antes de desplegarlos en escenarios más amplios.

También hubo cambios organizativos desde el inicio del auge reciente de la IA generativa. Cuando apareció ChatGPT y el mercado comenzó a reorganizar prioridades, Salesforce reasignó equipos y recursos para crear un nuevo grupo enfocado en IA. Krishnaprasad dijo que esta clase de reorganización ya había funcionado en olas anteriores de innovación tecnológica.

La visión de la empresa parte de una premisa de incertidumbre constante. Krishnaprasad reconoció que nunca se sabe con claridad qué surgirá en el plazo de un mes y que, por eso, la organización debe mantenerse adaptable. En su lectura, eso fue exactamente lo que hicieron durante el último año.

El ejecutivo recordó que hace cerca de un año y medio los agentes ni siquiera formaban parte del vocabulario dominante de la industria. Luego esa categoría se volvió central, obligando a Salesforce a reaccionar tanto a los avances tecnológicos como a las señales provenientes de sus clientes.

Para el mercado empresarial, el caso de Salesforce ofrece una pista relevante sobre cómo podría evolucionar la competencia en IA. Más que ganar solo por tamaño del modelo o potencia computacional, algunas compañías podrían diferenciarse por la velocidad con la que convierten comentarios de usuarios reales en producto utilizable.

Ese factor es especialmente importante en sectores donde la IA ya no se evalúa por promesas abstractas, sino por capacidad de integrarse a procesos, reducir fricción operativa y producir resultados medibles. En ese terreno, la cercanía con el cliente puede convertirse en una ventaja estratégica tan valiosa como la tecnología misma.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados