1. Titular e introducción
Salesforce ha decidido llevar al extremo una idea vieja en el software empresarial: escuchar al cliente. Pero no con encuestas anuales, sino dejando que miles de empresas influyan semana a semana en la hoja de ruta de sus productos de IA. En un mercado donde una función "revolucionaria" puede quedar obsoleta en meses, este giro puede marcar la diferencia entre seguir siendo plataforma clave o quedarse como CRM con chatbot. En este análisis veremos qué está haciendo realmente Salesforce, qué implica para la guerra de plataformas de IA y qué lecciones deja para Europa y el mundo hispanohablante.
2. La noticia en breve
Según informó TechCrunch, Salesforce mantiene un bucle de retroalimentación inusualmente intenso entre sus equipos de IA y unas 18.000 empresas clientes. En vez de los típicos comités de clientes que se reúnen una vez al año, la compañía mantiene reuniones semanales o casi semanales con algunos de los equipos técnicos y de operaciones de sus usuarios.
Este formato ha sido clave para lanzar Agentforce, su plataforma de gestión de agentes de IA presentada a finales de 2024, y para acelerar el desarrollo de nuevas funciones de voz e integraciones con Slack. La dirección de IA de Salesforce afirma que su plan de producto está organizado por temas —como contexto, observabilidad y controles deterministas— en lugar de hojas de ruta rígidas a varios años.
Clientes como la plataforma de viajes Engine o la cooperativa de crédito PenFed acceden anticipadamente a herramientas experimentales. Salesforce observa cómo las usan, incorpora feedback y generaliza como producto estándar aquello que funciona.
3. Por qué importa
La pregunta de fondo es sencilla: si cualquier proveedor puede conectar modelos de lenguaje similares, ¿dónde está la ventaja competitiva? La respuesta está en tres capas: datos, integración en los flujos de trabajo y confianza. El modelo de co‑desarrollo de Salesforce apunta justo ahí.
Ganadores potenciales
- Salesforce reduce el típico divorcio entre lo que construye y lo que el cliente llega a desplegar en producción. Además, aumenta el coste de cambio: si tus flujos internos y hasta herramientas caseras acaban convertidos en funciones nativas de la plataforma, migrar a otro proveedor se vuelve mucho más complejo.
- Clientes co‑desarrolladores obtienen acceso temprano a capacidades de IA y pueden moldearlas a sus procesos reales, no a escenarios de demo. En mercados hipercompetitivos, esa ventaja temporal es oro.
Posibles perdedores
- Competidores más pequeños o lentos del mundo SaaS que sigan trabajando con ciclos de 12–18 meses van a parecer desfasados si Salesforce consigue pasar de comentario del cliente a función publicada en cuestión de semanas.
- Los propios clientes pioneros: cuando su flujo "exclusivo" se convierte en una función estándar, parte de su ventaja se diluye.
El gran riesgo es estratégico: Salesforce está apostando a que las grandes empresas saben ya lo que quieren de la IA. Pero muchas todavía están en modo exploración. Existe la tentación de priorizar las urgencias del logo más ruidoso frente a capacidades de fondo que ayudarían a todo el mercado a madurar en IA.
4. El contexto más amplio
El movimiento de Salesforce encaja en una tendencia clara: el paso de funciones aisladas de IA ("hemos añadido un chatbot al CRM") a plataformas de agentes, donde sistemas autónomos toman acciones sobre datos y procesos. Microsoft empuja en esa dirección con Copilot y Copilot Studio; ServiceNow con Now Assist; SAP integrando Joule en su suite.
Lo distintivo de Salesforce no es la idea, sino el ritmo y la escala de la colaboración con clientes. Programas de "design partners" han existido siempre, pero normalmente con unos pocos clientes estrella. Salesforce intenta convertir a miles de organizaciones en un laboratorio distribuido de I+D.
La historia tecnológica respalda este enfoque: los vendors que se mantuvieron cerca de sus clientes durante la transición a la nube sobrevivieron mejor. Los que siguieron planes rígidos diseñados en un PowerPoint corporativo acabaron perdiendo peso.
Con los agentes de IA, la necesidad de coproducto es aún mayor. No hablamos de un botón nuevo, sino de sistemas que pueden leer datos sensibles, tomar decisiones y desencadenar acciones. Para un contact center bancario en México, España o Colombia, eso está en el centro de la regulación y del negocio. Pretender diseñar esos agentes en el vacío, sin datos reales ni supervisión del cliente, es casi irresponsable.
El mensaje que lanza Salesforce al sector es claro: la IA generativa está saliendo del modo "teatro de innovación" para entrar en el núcleo operativo. Y eso no se puede hacer sin compartir el volante con los usuarios.
5. El ángulo europeo e hispano
Para empresas europeas y latinoamericanas, este modelo tiene doble filo.
En Europa, la promesa de un proveedor dispuesto a sentarse cada semana con el equipo de TI para ajustar agentes y flujos suena atractiva, especialmente en sectores regulados como banca, seguros, energía o administraciones públicas. El problema es que aquí el terreno normativo es mucho más complicado: GDPR, Digital Services Act y, en breve, el Reglamento Europeo de IA imponen obligaciones fuertes sobre trazabilidad, evaluación de riesgos y gobierno de modelos.
Un ciclo de iteración semanal solo es compatible con ese marco si viene acompañado de mecanismos igual de ágiles de compliance: acuerdos de tratamiento de datos que contemplen betas, auditorías internas frecuentes, documentación clara sobre qué hace cada agente y qué datos toca.
En América Latina el contexto es más heterogéneo: países como Brasil, México o Chile avanzan en leyes de datos y de IA, pero muchas empresas aún se mueven con más flexibilidad que en la UE. Para ellas, formar parte del "cerebro colectivo" de Salesforce puede ser una forma de saltarse etapas tecnológicas, siempre que presten atención a temas de soberanía de datos y dependencia de un único proveedor estadounidense.
Para el ecosistema hispanohablante —desde scaleups en Madrid y Barcelona hasta unicornios de Ciudad de México, Bogotá o Buenos Aires— la lección es clara: aunque no se tenga la escala de Salesforce, sí se puede copiar su cadencia. Feedback continuo, co‑diseño con clientes clave y una traducción muy rápida de lo aprendido en producto.
6. Mirando hacia adelante
En los próximos 12–24 meses es probable que Salesforce pase de un modelo relativamente ad‑hoc a una estructura más formal de co‑desarrollo, y también más selectiva.
Podemos anticipar:
- Consejos de clientes por sector (finanzas, retail, sector público, manufactura) que definan patrones de agentes, límites y casos de uso prioritarios.
- Bloques estándar de gobernanza y observabilidad que nazcan de las demandas recurrentes: motores de políticas, registros detallados, entornos de simulación para probar agentes antes de soltarlos en producción.
- Más uso interno intensivo de sus propias herramientas, para detectar a tiempo riesgos de seguridad, sesgos y fricciones de usuario.
Persisten varios interrogantes: ¿cuánto tiempo estarán dispuestas las empresas a invertir horas de sus mejores equipos en mejorar el producto de un tercero? ¿Qué ocurre si la capa de infraestructura de IA —modelos, bases vectoriales, orquestación— se estandariza tanto que el verdadero valor se concentra en unos pocos proveedores de fondo? Salesforce tendrá que demostrar que en su capa de agentes se acumula aprendizaje específico por cliente que no es trivial migrar a otra plataforma.
Para quienes leen esto desde un rol de CIO, CDO o fundador, la pregunta práctica es: ¿tienen ya un "product owner de IA" que hable de tú a tú con sus vendors? Sin esa figura, es difícil aprovechar oportunidades de co‑desarrollo y demasiado fácil quedarse en el paquete genérico.
7. Conclusión
Salesforce está apostando a que, en esta ola de inteligencia artificial, ganará quien se atreva a abrir la cocina del producto a los clientes, no quien presente la estrategia más pulida en una keynote. Si la apuesta sale bien, convertirá a miles de empresas en una especie de equipo de producto extendido, difícil de imitar. Si fracasa, será porque el propio mercado todavía no sabe qué quiere de la IA. La cuestión para usted es sencilla: ¿está participando activamente en definir la IA que usa su organización, o solo espera al próximo anuncio de producto?
