La convergenza tra intelligenza umana e intelligenza artificiale, in particolare quella agéntica, è al centro della visione di Salesforce per il futuro del lavoro. Questa prospettiva è stata il filo conduttore dell'ultima edizione del TrailblazerDX (TDX) nel 2026, dove la transizione dall'intelligenza artificiale generativa a sistemi agéntici operativi ha rappresentato l'asse centrale delle discussioni. Jayesh Govindarajan, vicepresidente esecutivo di IA e Agentforce presso Salesforce, ha approfondito in un'intervista esclusiva l'evoluzione tecnica dell'azienda verso un'architettura agéntica che si propone di essere intrinsecamente aperta ed estensibile in ogni sua componente, dai dati gestiti con Data 360 fino all'interazione quotidiana su piattaforme diffuse come Slack o WhatsApp.

Attraverso innovazioni pionieristiche come Agent Fabric e il linguaggio di programmazione AgentScript, Govindarajan ha spiegato come l'ingegneria di Salesforce stia affrontando e risolvendo sfide cruciali legate al determinismo e all'affidabilità nei processi di business più critici. Parallelamente, l'azienda sta consolidando AgentExchange come il primo marketplace unificato nel suo genere, dedicato al deployment di agenti e all'implementazione di protocolli di connettività standardizzati, come il Multi-Cloud Protocol (MCP). Durante la conversazione, Govindarajan ha anche analizzato l'importanza di una governance tecnica robusta per mitigare rischi emergenti come la cosiddetta "Shadow AI", ridefinendo il ruolo collaborativo dello sviluppatore in un contesto di orchestrazione autonoma e consolidando il posizionamento strategico di Salesforce come piattaforma agnostica nella corsa globale verso l'Intelligenza Artificiale Generale (AGI).

L'evoluzione del TrailblazerDX: un focus sull'apertura e l'estensibilità

Alla sua decima edizione, il TrailblazerDX ha rappresentato un momento cruciale per Salesforce, cristallizzando gran parte del lavoro svolto nell'ultimo anno. Govindarajan ha descritto l'evoluzione: “L'anno scorso ci siamo concentrati sulla costruzione dello stack agéntico, una struttura che integra contesto e flussi di lavoro sui sistemi di lavoro tradizionali, garantendo che questi agenti potessero manifestarsi in qualsiasi ambiente di interazione, da Slack a Salesforce.” Questo ha permesso di gettare le basi per una nuova era di automazione intelligente.

“Quest'anno, il nostro obiettivo è stato rendere l'intero stack aperto ed estensibile in ogni sua singola componente”, ha proseguito Govindarajan. Ciò si traduce nell'emergere di servizi di protocollo, come MCP, sia a livello di lavoro che a livello agéntico. Questa innovazione consente agli sviluppatori di creare una soluzione una sola volta e di distribuirla su qualsiasi piattaforma di interazione. Allo stesso tempo, lo strato di dati e contesto rimane completamente aperto attraverso Data 360, una piattaforma che garantisce l'accessibilità e l'interoperabilità dei dati. “In definitiva, stiamo rendendo questi sistemi molto più programmatici e accessibili per l'intero ecosistema”, ha concluso il vicepresidente, sottolineando l'impegno per una maggiore democratizzazione e flessibilità.

Dall'Einstein GPT all'Agentforce: una transizione tecnologica strategica

Due anni fa, Salesforce aveva lanciato Einstein GPT, cavalcando l'onda dell'IA generativa. Tuttavia, il panorama tecnologico è rapidamente evoluto. Govindarajan ha chiarito la distinzione e la transizione: “Einstein GPT ha risolto un problema molto specifico in quello che chiamiamo il ‘momento GPT’. Fondamentalmente, i grandi modelli di linguaggio (LLM) hanno iniziato a distinguersi per la loro capacità linguistica; li utilizzavamo per scrivere poesie, redigere e-mail o generare contenuti. Einstein GPT è stato il nostro modo per consentire ai clienti Salesforce di costruire applicazioni che avessero il linguaggio al loro centro, come generare automaticamente la risposta a un ticket basandosi sui dati di sistema.”

Circa un anno e mezzo fa, Salesforce ha osservato un'evoluzione significativa nei modelli di IA. “Abbiamo rilevato che i modelli stavano evolvendo non solo nell'elaborazione del linguaggio, ma anche nella programmazione e nella capacità di scomporre compiti complessi per eseguire codice”, ha spiegato Govindarajan. Questa tendenza ha spinto l'azienda a orientarsi verso soluzioni agéntiche. “Osservando questa direzione in cui l'IA si stava muovendo nell'ambiente aziendale, abbiamo deciso di andare oltre la funzionalità di GPT per aiutare i clienti a costruire sistemi agéntici. La differenza è sostanziale: mentre prima ci concentravamo su componenti orientati al linguaggio, ora creiamo agenti che eseguono effettivamente il lavoro per conto dell'utente. Due anni fa eravamo nel momento GPT e, da circa un anno, siamo nel momento agéntico”, ha ribadito, evidenziando il cambio di paradigma verso l'azione e l'esecuzione autonoma.

Il ruolo dello sviluppatore nell'architettura agéntica e gli strumenti di gestione

In questa nuova architettura, il ruolo dello sviluppatore si evolve. “Crediamo che il futuro sia fatto di umani e agenti che lavorano in collaborazione per costruire sistemi congiuntamente”, ha affermato Govindarajan. Durante il TDX, Salesforce ha presentato strumenti innovativi come Agentforce Vibes, dove il processo è letteralmente quello di un agente che costruisce un altro agente: “Lo sviluppatore indica tramite linguaggio naturale ciò di cui ha bisogno e il sistema si occupa della configurazione.”

Nonostante l'automazione, la necessità di supervisione umana rimane cruciale. Per questo motivo, Salesforce ha progettato due set di strumenti distinti per supportare l'intero ciclo di vita degli agenti:

Strumenti orientati agli agenti: Con protocolli come MCP, facilitano l'orchestrazione autonoma dei compiti e la comunicazione tra agenti.
Strumenti per lo sviluppatore: Si concentrano sulla costruzione, valutazione, test e osservazione del comportamento degli agenti una volta in produzione.

“La nostra esperienza con migliaia di clienti ci ha insegnato che non è sufficiente che gli sviluppatori possano creare agenti; hanno bisogno di un ambiente per testarli e monitorarli su larga scala una volta implementati”, ha spiegato Govindarajan. “Stiamo completando l'intero ciclo di vita agéntico, consentendo che dopo la creazione – che è solo il primo passo – esista un'infrastruttura che supporti l'iterazione costante e l'osservabilità tecnica profonda, utilizzando strumenti che gli sviluppatori già conoscono e apprezzano.” Questo approccio garantisce scalabilità, affidabilità e un controllo costante sulle soluzioni implementate.

La democratizzazione della creazione di agenti: dal no-code al pro-code

Spesso si parla di democratizzazione nella creazione di agenti, ma il fattore tecnico può ancora sembrare un ostacolo. Govindarajan ha affrontato questo punto, sottolineando che “il livello di specializzazione richiesto dipende interamente dalla complessità dell'agente che si cerca di sviluppare. Vogliamo mantenere le cose semplici quando sono semplici, ma se è necessaria la sofisticazione, il set di strumenti è disponibile.”

Per la creazione di agenti altamente sofisticati, che devono programmare o richiedono controlli e salvaguardie rigorose, è ancora necessario disporre degli strumenti adeguati e di una certa conoscenza tecnica per integrare le azioni che l'agente eseguirà per conto dell'utente. Tuttavia, ha evidenziato scenari in cui la barriera è molto più bassa: “Se osserviamo casi come quello di un Slackbot, la necessità di esperienza tecnica è minima. Un utente che conosce con precisione la sua routine quotidiana – i compiti che svolge consultando il suo calendario o la sua e-mail ogni mattina – dispone già di strumenti per creare un agente personale che lo aiuti, ad esempio, con le prime bozze del suo lavoro.”

La visione di Salesforce per l'ecosistema dei creatori è inclusiva, estendendosi dal no-code al pro-code, passando per il low-code. “Ciò che sta accadendo attualmente è che i confini tra il no-code e il low-code si stanno sfumando, permettendo che gli strumenti facilitino enormemente la messa in opera di un agente”, ha spiegato Govindarajan. “Eppure, per quegli agenti che devono funzionare su larga scala, il rigore tecnico rimane un requisito. Per questo, il nostro approccio consiste nel coprire entrambi gli estremi dello spettro: cerchiamo di semplificare al massimo ciò che è semplice, ma garantendo che la sofisticazione tecnica sia disponibile per chi ne ha bisogno.”

Agent Exchange: un marketplace unificato per il deployment aziendale

Salesforce ha recentemente promosso un mercato di agenti con la promessa di semplificare il deployment aziendale, conosciuto come Agent Exchange. Govindarajan ha dettagliato come questo ecosistema sia tecnicamente strutturato per consentire che una soluzione predefinita si adatti alle esigenze particolari di ciascun cliente. “Abbiamo strutturato questo marketplace con due fronti di azione chiaramente definiti: l'ambiente per lo sviluppatore e quello orientato al consumatore finale”, ha affermato.

Nel primo, l'attenzione è stata posta sulla facilità delle fasi di costruzione, valutazione e pubblicazione di un agente per il profilo tecnico. Nel secondo, attraverso quello che chiamano Agent Exchange, “permettiamo alle aziende di accedere a soluzioni che sono già sviluppate al 90% della loro capacità funzionale e che necessitano solo di essere personalizzate leggermente per funzionare immediatamente.” Questo approccio trasforma radicalmente il paradigma di implementazione: il cliente non ha bisogno di iniziare da zero, ma semplicemente applica uno strato di personalizzazione finale affinché l'agente si adatti perfettamente alla sua operatività specifica. I protocolli di connettività come MCP, menzionati in precedenza, giocano un ruolo fondamentale nel garantire l'interoperabilità e la flessibilità di queste soluzioni predefinite all'interno di Agent Exchange, facilitando l'adozione e l'adattamento su vasta scala.

Visione strategica e il futuro della collaborazione

Oltre agli aspetti tecnici, Salesforce si posiziona strategicamente come una piattaforma agnostica nella corsa globale verso l'Intelligenza Artificiale Generale (AGI), evidenziando l'importanza della governance tecnica per mitigare i rischi, come quello della "Shadow AI". Questo fenomeno, caratterizzato dall'uso non autorizzato o non gestito di soluzioni IA all'interno delle organizzazioni, richiede un attento controllo per garantire sicurezza, conformità e integrità dei dati. La visione di Salesforce è chiara: promuovere un futuro dove umani e agenti non solo coesistono, ma lavorano attivamente in collaborazione, potenziando reciprocamente le capacità e spingendo i limiti dell'innovazione in ogni settore.