AI-modeller och plattformar
Salesforce presenterar arbetsklara Agentforce‑agenter och långhorisontell körtid

Salesforce den 11 september 2026 introducerade en portfölj av arbetsklara Agentforce AI‑agenter byggda för arbete inom försäljning, service, handel, medarbetarupplevelse och back‑office, och meddelade att de har levererat 7 miljarder Agentic Work Units över Agentforce och Slack.
Meddelandet följer två år av arbete med kunder i tusentals agent‑distributioner, och Salesforce sade att de 7 miljarder totalt inkluderar 3,2 miljarder Agentic Work Units (AWU) levererade enbart under andra kvartalet. Företaget presenterade lanseringen som ett skifte från att låta AI svara på frågor till att låta AI utföra arbete över affärsfunktioner. Salesforce introducerade AWU i en artikel den 25 februari 2026, där en AWU definieras som en enskild uppgift som utförs av en AI‑agent och beskrivs som ett plattforms‑nivåmått som omfattar både Agentforce och Slack AI. De nya agenterna är kopplade till Customer 360, så de kan arbeta med kundkontext och affärsprocesser som företag redan har i Salesforce.
Agenter byggda för specifika uppgifter
Istället för att bygga varje agent från grunden kan företag börja med agenter som är utformade kring de uppgifter där Salesforce menar att AI kan ha omedelbar affärspåverkan. Varje agent levereras med de färdigheter, handlingar och datamodeller som krävs för sin uppgift och kan anpassas efter hur varje företag arbetar, inklusive att ge agenten ett eget namn.
Casey, en hjälp‑agent som löser kundservicefrågor via röst, SMS, WhatsApp och webb‑chatt med förbyggt stöd för vanliga frågor, returer, kontohantering och mänsklig eskalering, är allmänt tillgänglig, likaså Paige, en IT‑ och HR‑medarbetar‑agent som hanterar förfrågningar via Slack, portaler och de verktyg som anställda redan använder, och Carter, en shopper‑agent som hjälper kunder att upptäcka och jämföra produkter, besvara frågor och slutföra köp via chatt‑checkout.
Även allmänt tillgängliga är Marshall, en leveranskedje‑agent som orkestrerar end‑to‑end‑processer i back‑office, automatiserar manuellt arbete med deterministisk exekvering och tillhandahåller en audit‑logg för varje handling; Piper, en inbound‑pipeline‑genererings‑agent som arbetar över webbplatser och inkorgar för att engagera, kvalificera och konvertera inbound‑leads för B2B‑försäljnings‑ och marknadsföringsteam; och Fin, en kund‑agent som löser komplexa kundupplevelse‑arbetsflöden över alla kanaler. Salesforce uppgav att Fin drivs av Operator, en kundoperations‑agent, och Fin Apex, en uppsättning anpassade modeller som tränats för kundupplevelse.
Hunter, en outbound‑försäljnings‑agent som hanterar en försäljningspipeline från research till outreach och samarbetar med säljare över veckor och månader, är i pilot, med allmän tillgänglighet planerad till november 2026.
Salesforce sade att varje agent verkar inom kundens affärsregler, behörigheter och säkerhet. Med Agent Script, företagets öppen‑källkodsspråk för agentbeteende, kan kunder kombinera AI‑resonemang med deterministiska regler för vad Salesforce beskriver som granulerad kontroll över hur agenter fattar beslut och vidtar åtgärder.
Kundresultat som Salesforce nämner
Salesforce rapporterade tidiga resultat från namngivna kunder som redan använder agenterna. De sade att 50 % av Engines chattförfrågningar helt lösts av deras hjälp‑agent Eva, och att 60 % av Perks försäljningspipeline byggs av deras outbound‑försäljnings‑agent Hunter. Enligt företaget löser 70 % av Autism Queenslands administrativa förfrågningar av deras medarbetar‑service‑agent Paige, och Hibbett AI hanterar 90 % av kärn‑shopper‑resor efter att ha gått live på sex veckor.
Asanas webb‑agent Piper driver 4 × konversationsvolymen, och kunder implementerar Piper i genomsnitt på 45 dagar, rapporterade Salesforce. De sade också att 79 % av Anthropics konversationer som Fin ser löses autonomt.
Långhorisontell körning för flerdagsarbete
Salesforce byggde också en långhorisontell körning för Agentforce som, enligt dem, möjliggör att agenter kan följa mål över dagar och veckor istället för att bara slutföra en enskild uppgift eller interaktion. I företagets exempel kan en säljare be Hunter att rädda riskfyllda affärer före kvartalets slut. Hunter omvandlar det målet till ett mätbart mål, skapar en plan och fastställer vilka uppgifter, verktyg och sammanhang som krävs, med skyddsmekanismer som definierar när den kan agera autonomt och när säljarens godkännande krävs.
Tre funktioner ligger till grund för körningen, enligt Salesforce. Minne bevarar kontext och framsteg över sessioner så att arbetet inte stoppas när en interaktion avslutas. Hållbar exekvering håller planer igång över tid och låter en agent återuppta eller korrigera kursen när omständigheter förändras. Dynamisk styrning anpassar en agents beteende baserat på en enskild användares feedback och riktning.
Salesforce sade att Hunter är den första agenten som körs på den långhorisontella körningen, att fler agenter i portföljen kommer att köras på den över tid, och att kunder kommer kunna bygga egna långhorisontella agenter med Agentforce.
Plattformsutökningar och lanseringsdatum
Agentforce Coworker ger anställda en agent som arbetar tillsammans med dem över de ytor där de arbetar, förankrad i deras affärskontext, enligt Salesforce. Med AI Skills i Agentforce Coworker kan anställda lära Coworker hur man utför en uppgift en gång och sedan skala den kunskapen över hela arbetsstyrkan och över gränssnitt; AI Skills är i pilot, med allmän tillgänglighet planerad till oktober 2026.
Salesforce sade att Multi‑Agent Orchestration dirigerar arbete över agenter så att de kan fungera som ett koordinerat team när ett jobb korsar roller, system eller steg i kundresan; den är allmänt tillgänglig. Agent Optimizer arbetar tillsammans med team över agentlivscykeln, hjälper till att bygga och förfina agenter, subagenter och handlingar, testa prestanda och analysera sessionstraceringar för att identifiera vad som kan förbättras; allmän tillgänglighet planeras till oktober 2026.












