Salesforce Memperkenalkan Agen Agentforce Siap Kerja dan Runtime Jangka Panjang

Salesforce pada 11 September 2026, memperkenalkan portofolio agen AI Agentforce siap kerja yang dibangun untuk pekerjaan di bidang penjualan, layanan, perdagangan, pengalaman karyawan, dan back office, dengan mengatakan telah menyampaikan 7 miliar Unit Kerja Agenik di seluruh Agentforce dan Slack.

Pengumuman ini mengikuti dua tahun kerja sama dengan pelanggan di ribuan penerapan agenik, dan Salesforce menyatakan total 7 miliar tersebut mencakup 3,2 miliar Unit Kerja Agenik (AWU) yang disampaikan hanya pada kuartal kedua. Perusahaan menggambarkan peluncuran ini sebagai pergeseran dari sekadar meminta AI menjawab pertanyaan menjadi meminta AI menyelesaikan pekerjaan di seluruh fungsi bisnis. Salesforce memperkenalkan AWU dalam artikel 25 Februari 2026, mendefinisikan satu AWU sebagai satu tugas terpisah yang diselesaikan oleh agen AI dan menjelaskannya sebagai metrik tingkat platform yang meliputi Agentforce dan Slack AI. Agen‑agen baru terhubung ke Customer 360, sehingga mereka dapat bekerja dengan konteks pelanggan dan proses bisnis yang sudah dimiliki perusahaan di Salesforce.

Agen Dibangun untuk Pekerjaan Khusus

Alih‑alih membangun setiap agen dari nol, perusahaan dapat memulai dengan agen yang dirancang khusus untuk pekerjaan di mana Salesforce menyatakan AI dapat memberikan dampak bisnis yang langsung. Setiap agen dilengkapi dengan keterampilan, aksi, dan model data yang diperlukan untuk pekerjaannya dan dapat disesuaikan dengan cara kerja masing‑masing perusahaan, termasuk memberi agen nama sendiri.

Casey, agen bantuan yang menyelesaikan masalah layanan pelanggan melalui suara, SMS, WhatsApp, dan obrolan web dengan dukungan pra‑dibuat untuk FAQ, pengembalian barang, manajemen akun, dan eskalasi ke manusia, sudah tersedia secara umum, begitu pula Paige, agen karyawan TI dan HR yang menyelesaikan permintaan melalui Slack, portal, dan alat yang sudah dipakai karyawan, serta Carter, agen pembeli yang membantu pembeli menemukan dan membandingkan produk, menjawab pertanyaan, serta mengonversi dengan checkout dalam obrolan.

Juga tersedia secara umum adalah Marshall, agen rantai pasokan yang mengorkestrasi proses back‑office end‑to‑end, mengotomatiskan pekerjaan manual dengan eksekusi deterministik, dan menyediakan catatan audit untuk setiap aksi; Piper, agen generasi prospek masuk yang bekerja lintas situs web dan kotak masuk untuk melibatkan, menilai, dan mengonversi prospek masuk bagi tim penjualan dan pemasaran B2B; serta Fin, agen pelanggan yang menyelesaikan alur kerja pengalaman pelanggan yang kompleks di setiap saluran. Salesforce menyatakan Fin didukung oleh Operator, agen operasi pelanggan, dan Fin Apex, sekumpulan model khusus yang dilatih untuk pengalaman pelanggan.

Hunter, agen penjualan keluar yang mengelola pipeline penjualan dari riset hingga outreach dan berkolaborasi dengan penjual selama minggu‑minggu dan bulan‑bulan, berada dalam fase pilot, dengan ketersediaan umum direncanakan pada November 2026.

Salesforce menyatakan setiap agen beroperasi dalam aturan bisnis, izin, dan keamanan pelanggan. Dengan Agent Script, bahasa sumber terbuka perusahaan untuk perilaku agen, pelanggan dapat menggabungkan penalaran AI dengan aturan deterministik untuk apa yang Salesforce gambarkan sebagai kontrol granular atas cara agen membuat keputusan dan mengambil aksi.

Hasil Pelanggan yang Dikutip oleh Salesforce

Salesforce melaporkan hasil awal dari pelanggan bernama yang sudah menjalankan agen‑agen tersebut. Dikatakan 50% dari permintaan obrolan Engine diselesaikan sepenuhnya oleh agen bantuan mereka, Eva, dan 60% dari pipeline penjualan Perk dibangun oleh agen penjualan keluar mereka, Hunter. Menurut perusahaan, 70% dari permintaan administratif Autism Queensland diselesaikan oleh agen layanan karyawan mereka, Paige, dan Hibbett AI menangani 90% dari perjalanan pembeli inti setelah diluncurkan dalam enam minggu.

Agen situs web Asana, Piper, meningkatkan volume percakapan sebesar 4×, dan pelanggan biasanya menerapkan Piper dalam 45 hari, lapor Salesforce. Mereka juga menyatakan 79% dari percakapan Anthropic yang dilihat Fin diselesaikan secara otonom.

Runtime Jangka Panjang untuk Pekerjaan Multi‑Hari

Salesforce juga membangun runtime jangka panjang untuk Agentforce yang, menurut mereka, memungkinkan agen mengejar tujuan selama hari‑hari dan minggu‑minggu alih‑alih menyelesaikan hanya satu tugas atau interaksi. Dalam contoh perusahaan, seorang penjual dapat meminta Hunter menyelamatkan kesepakatan berisiko sebelum akhir kuartal. Hunter mengubah tujuan itu menjadi sasaran terukur, menyusun rencana, dan menentukan tugas, alat, serta konteks yang diperlukan, sambil menerapkan batasan yang menentukan kapan ia dapat bertindak secara otonom dan kapan persetujuan penjual diperlukan.

Tiga kemampuan mendasari runtime tersebut, menurut Salesforce. Memori mempertahankan konteks dan kemajuan lintas sesi sehingga pekerjaan tidak berhenti ketika interaksi berakhir. Eksekusi tahan lama menjaga rencana tetap berjalan seiring waktu dan memungkinkan agen melanjutkan atau mengoreksi arah ketika keadaan berubah. Pengarahan dinamis menyesuaikan perilaku agen berdasarkan umpan balik dan arahan pengguna individual.

Salesforce menyatakan Hunter adalah agen pertama yang berjalan pada runtime jangka panjang, bahwa lebih banyak agen dalam portofolio akan berjalan di atasnya seiring waktu, dan bahwa pelanggan akan dapat membangun agen jangka panjang mereka sendiri dengan Agentforce.

Penambahan Platform dan Tanggal Peluncuran

Agentforce Coworker memberikan karyawan agen yang bekerja bersama mereka di seluruh permukaan tempat mereka bekerja, berlandaskan konteks bisnis mereka, menurut Salesforce. Dengan AI Skills dalam Agentforce Coworker, karyawan dapat mengajari Coworker cara menyelesaikan tugas satu kali lalu menyebarkan pengetahuan itu ke seluruh tenaga kerja dan antarmuka; AI Skills berada dalam fase pilot, dengan ketersediaan umum direncanakan pada Oktober 2026.

Salesforce menyatakan Multi‑Agent Orchestration mengarahkan pekerjaan lintas agen sehingga mereka dapat beroperasi sebagai satu tim terkoordinasi ketika sebuah pekerjaan melintasi peran, sistem, atau tahapan perjalanan pelanggan; fitur ini sudah tersedia secara umum. Agent Optimizer bekerja bersama tim di seluruh siklus hidup agen, membantu membangun dan menyempurnakan agen, sub‑agen, dan aksi, menguji kinerja, serta menganalisis jejak sesi untuk mengidentifikasi apa yang perlu ditingkatkan; ketersediaan umum direncanakan pada Oktober 2026.