Durante los últimos dos años, la adopción de la inteligencia artificial en el tejido corporativo ha estado atrapada en una frontera invisible pero frustrante: la tiranía del «turno único». Las empresas han desplegado copilotos, barras laterales y chatbots capaces de resumir una reunión o redactar un correo electrónico brillante en cuestión de segundos, pero en cuanto el problema requería persistencia temporal —perseguir a un cliente potencial durante tres semanas, reconciliar un albarán discrepante con proveedores en distintos husos horarios o rescatar oportunidades comerciales antes del cierre de trimestre—, la IA colapsaba. Cada cierre de sesión borraba el contexto, cada error devolvía al agente al punto de partida y los humanos se veían obligados a asumir la carga de coordinar y vigilar manualmente cada paso.

Esa barrera estructural acaba de recibir una respuesta contundente desde el epicentro del software empresarial. Con el debut oficial de su catálogo de agentes «job-ready» y la presentación de su nuevo Long-Horizon Runtime —anunciados oficialmente por Salesforce el pasado 11 de septiembre de 2026 y detallados en la cobertura de Unite.AI sobre la plataforma Agentforce y en las notas de producto de Salesforce—, la industria formaliza un viraje crítico: el paso de modelos que responden preguntas a sistemas agénticos que asumen puestos de trabajo completos y persiguen metas complejas a lo largo de días o semanas.

El anuncio no llega como una promesa teórica de laboratorio. Salesforce acompañó la presentación con un hito cuantitativo de escala masiva: la plataforma ha ejecutado ya 7.000 millones de Agentic Work Units (AWU) a través de Agentforce y Slack AI, con más de 3.200 millones de unidades entregadas exclusivamente durante el segundo trimestre de 2026. La definición de AWU, acuñada por la firma a principios de este año, mide tareas discretas, cerradas y verificables completadas por un agente autónomo. Este volumen de ejecución demuestra que la automatización agéntica ha dejado atrás los proyectos piloto aislados para convertirse en la infraestructura troncal de las operaciones corporativas.

De herramientas en blanco a puestos de trabajo de catálogo

Uno de los mayores cuellos de botella para los comités de dirección ha sido la ambigüedad al implementar agentes autónomos. Hasta ahora, la mayoría de los proveedores entregaban una plataforma en blanco que obligaba a las organizaciones a formular prompts extensos, mapear manualmente esquemas de bases de datos y orquestar flujos de integración desde cero. Esto aceleró el dilema del ‘Build vs. Buy’ que hoy frena compras de SaaS tradicional para construir soluciones internas con agentes, con el consiguiente riesgo de dispersión técnica y sobrecostes de mantenimiento.

Salesforce ataca esta fricción empaquetando roles preconfigurados («job-ready») que incorporan de serie las habilidades, las acciones y los modelos de datos de Customer 360 específicos para cada función de negocio:

• Casey: Agente de servicio y atención al cliente que opera de manera omnicanal en voz, SMS, WhatsApp y chat web, con resolución autónoma de devoluciones, consultas frecuentes y gestión de cuentas sin requerir intervención humana previa.
• Paige: Agente interno para empleados enfocado en TI y Recursos Humanos, desplegado directamente en Slack y portales corporativos para resolver solicitudes operativas y trámites internos.
• Carter: Agente de comercio digital orientado al cliente final, capaz de guiar la navegación de catálogos, comparar atributos de producto y completar transacciones de pago en el propio hilo conversacional.
• Marshall: Orquestador de cadena de suministro y procesos de back-office, diseñado para ejecutar flujos operacionales complejos con lógica determinista y registro de auditoría inmutable en cada paso.
• Piper: Agente de prospección y cualificación inbound para ventas y marketing B2B, encargado de dialogar con visitantes en la web y bandejas de entrada para cualificar oportunidades y agendar reuniones comerciales.
• Fin: Agente especializado en flujos complejos de experiencia de cliente, impulsado por el motor Operator y modelos de lenguaje verticalizados bajo el marco Fin Apex.
• Hunter: Agente de ventas outbound que gestiona de punta a punta el pipeline comercial —desde la investigación inicial de cuentas hasta el contacto personalizado y el seguimiento continuo durante semanas—, actualmente en fase piloto con disponibilidad general prevista para noviembre de 2026.

La adopción temprana reportada por clientes corporativos refleja el impacto de este empaquetado: Anthropic resuelve de manera 100% autónoma el 79% de las consultas de clientes gestionadas por Fin; la firma deportiva Hibbett AI absorbe el 90% de sus recorridos de compra con Carter tras una implantación récord de seis semanas; en Asana, el agente web Piper ha multiplicado por cuatro el volumen de conversaciones de ventas con un despliegue medio de 45 días; la organización educativa Autism Queensland resuelve el 70% de sus trámites de personal mediante Paige; y Perk construye el 60% de todo su pipeline de ventas gracias a la prospección activa de Hunter.

La anatomía del Long-Horizon Runtime: cómo sostener metas durante semanas

Más allá de la especialización de roles, la verdadera ruptura técnica radica en la infraestructura subyacente. Para tareas transaccionales simples basta con una llamada de API tradicional; sin embargo, las operaciones críticas de negocio raramente concluyen en una única interacción. Rescatar cuentas en riesgo de rotación antes del cierre de trimestre o coordinar la resolución de incidencias logísticas con decenas de intermediarios requiere que el agente permanezca activo, recuerde el estado de la negociación y reaccione a eventos externos a lo largo del tiempo.

Para resolver este desafío, Salesforce ha estructurado su Long-Horizon Runtime alrededor de tres pilares arquitectónicos esenciales:

1. Memoria durable (Durable Memory): A diferencia de las arquitecturas tradicionales que dependen de volver a inyectar todo el historial en cada prompt o que sufren olvido catastrófico al expirar la sesión, este runtime persiste el estado del plan, las variables de negocio y las relaciones del cliente en un estrato de datos duradero integrado con Salesforce Data Cloud. El agente retoma exactamente la labor donde la dejó, sin saturar la ventana de contexto ni disparar el consumo de tokens.
2. Ejecución durable (Durable Execution): Los planes de trabajo no son listas de tareas estáticas generadas al azar, sino grafos de ejecución capaces de pausarse, esperar eventos externos (como la recepción de un correo del cliente o una actualización de stock en el ERP) y recalcular la ruta óptima de forma resiliente si los parámetros de la operación cambian.
3. Dirección dinámica (Dynamic Steering): Establece una frontera explícita entre autonomía y supervisión humana. Mediante políticas configurables, los líderes de equipo definen en qué momentos el agente actúa con total independencia y en qué bifurcaciones críticas —como conceder un descuento fuera de rango o autorizar una reposición extraordinaria— es obligatorio someter la decisión a aprobación humana (human-in-the-loop). Al mismo tiempo, el usuario puede redirigir el enfoque del agente sobre la marcha sin necesidad de reiniciar el proceso.

Esta orquestación se consolida mediante Agent Script, el lenguaje abierto propuesto por Salesforce para estandarizar el comportamiento de los agentes. En lugar de confiar ciegamente en la creatividad probabilística de los modelos de frontera, Agent Script combina el razonamiento adaptativo del LLM con reglas de negocio deterministas, garantizando que cada llamada a herramientas, cada modificación de registros y cada interacción externa cumpla con las políticas de gobernanza y seguridad corporativas.

Orquestación multi-agente y gobierno determinista: el fin de los silos

El valor de los agentes individuales se multiplica cuando colaboran en red. Dentro de la plataforma, la capacidad de Multi-Agent Orchestration (disponible de forma general) permite que los diferentes roles se transfieran trabajo de manera coordinada a lo largo del ciclo de vida del cliente. Un visitante que interactúa inicialmente en la web con Piper para solicitar información técnica es transferido a Hunter si muestra interés de compra corporativa; cuando se formaliza el acuerdo, Marshall orquesta la provisión operativa del servicio en el back-office, mientras Casey y Fin asumen el soporte posventa continuo.

Este nivel de integración conecta directamente con lo que observamos recientemente cuando los gigantes tecnológicos comenzaron a empaquetar agentes verticales para banca y firmas legales: la verdadera ventaja competitiva de la IA en la empresa ya no depende de quién tenga el modelo con la mayor ventana de contexto o la tasa de tokens más baja, sino de quién posea el grafo de conectores, la identidad corporativa y la capacidad de orquestar flujos cruzados sin fisuras.

Asimismo, refuerza la necesidad imperiosa de trasladar la seguridad y la gobernanza desde directrices estáticas en papel hacia el propio entorno de ejecución. Cuando un agente ejecuta transacciones financieras, gestiona carteras de clientes o modifica bases de datos durante semanas, las organizaciones necesitan telemetría auditable en tiempo real. Herramientas complementarias como Agent Optimizer —cuya llegada está prevista para octubre de 2026— permitirán analizar trazas de sesión completas para diagnosticar desviaciones operativas, de manera análoga a como Anthropic impulsa la conversión de la fricción operativa en habilidades estandarizadas con Smart Reports.

Hoja de ruta para líderes: cómo preparar las operaciones para agentes de horizonte largo

La disponibilidad de agentes listos para el trabajo y de infraestructuras de horizonte largo exige una reconfiguración de la estrategia operativa de las empresas. Para los comités ejecutivos y responsables de tecnología, tres prioridades deben guiar los próximos meses:

• 1. Auditar los procesos por horizonte temporal: Separar con claridad las interacciones de respuesta inmediata (asistentes de búsqueda, soporte de nivel 1 estándar) de los procesos de horizonte largo que exigen persistencia (recuperación de cobros, nutrición de cuentas, gestión de excepciones de inventario). Es en esta segunda categoría donde el retorno sobre la inversión (ROI) es exponencial.
• 2. Formalizar reglas deterministas antes de desplegar autonomía: El fracaso de muchos pilotos de IA ha radicado en delegar decisiones críticas en prompts libres. Implementar marcos como Agent Script permite blindar los límites operativos de cada rol agéntico antes de concederle acceso a los entornos de producción.
• 3. Sustituir las métricas de vanidad por unidades de trabajo completado: Medir el éxito de la IA por el número de consultas o tokens consumidos es un indicador obsoleto. Las organizaciones deben adoptar métricas orientadas a resultados, evaluando el coste por tarea de negocio resuelta (AWU) y la tasa de resolución autónoma sin escalado correctivo.

La era de la inteligencia artificial como un mero experimento conversacional ha quedado definitivamente atrás. Las empresas que capturen mayor cuota de mercado en 2026 y los años venideros no serán aquellas que acumulen herramientas aisladas de chat, sino las que integren agentes de trabajo persistentes, capaces de colaborar durante semanas junto a sus equipos humanos con rigor, seguridad y metas comerciales medibles.

Lecturas recomendadas

• El 32% de las empresas frena compras de software para construirlo con agentes de IA: la gran paradoja del ‘Build vs. Buy’ en 2026
• Por qué la gobernanza en papel no frena a un agente en ejecución: la seguridad de la IA se muda al endpoint con AIDR
• Anthropic lanza Smart Reports en Claude Enterprise: de pagar tokens a ciegas a convertir la fricción en skills compartidos