Salesforce News с точки зрения операций

Главное

Salesforce отказывается от единой цены за место ради ИИ-агентов в интерфейсе

На Dreamforce Salesforce подтвердила переход от подушевой оплаты к комбинации моделей - оплата за потребление, за транзакционный результат и за бизнес-результат, поскольку ИИ-агенты (через Claude, ChatGPT, Slack или собственный Agentforce) теперь выполняют задачи, которые раньше требовали ручного перехода между приложениями. CEO Марк Бениофф заявил, что единой модели цен, подходящей большинству клиентов, не существует, поэтому команды продаж получили свободу согласовывать условия сделок индивидуально.

Что меняется для операций — Если в вашем стеке продаж, поддержки или операций есть Salesforce, бюджетные расчеты, построенные на фиксированной подушевой стоимости, могут перестать работать - переход к оплате за потребление или за результат означает, что счет за CRM теперь может масштабироваться вместе с использованием или ценностью, которую создает ИИ-агент, а не с численностью сотрудников. Перед продлением или расширением контракта с Salesforce стоит прямо спросить, какая модель цены обсуждается (за место, за потребление, за транзакционный результат, за бизнес-результат) и просчитать расходы по каждой, поскольку сам вендор говорит, что модели по умолчанию больше не существует. Компаниям с небольшими командами продаж или поддержки, которые полагаются на агентов для работы сразу с несколькими системами (по данным источника - интеграции в духе Salesforce, SAP, Workday), также стоит следить за ростом расходов, если использование агентов резко увеличится в загруженные периоды, поскольку оплата за потребление менее предсказуема, чем фиксированная подушевая плата.

Live Nation масштабирует один агент поддержки на все свои площадки вместо создания десятков ботов

Для B2B-компании, которая ведёт поддержку по нескольким продуктовым линейкам, регионам или клиентским аккаунтам, интересна не столько чат-бот для зрителей, сколько архитектурное решение. Live Nation не стала строить отдельного бота под каждую площадку - вместо этого создали один агент и слой данных, который подтягивает нужный контекст под каждое обращение, а всё нерешённое направляется прямо в существующий рабочий процесс команды в Slack, а не в отдельную очередь тикетов. Это напрямую переносимый паттерн для команды поддержки или операций из 10-200 человек, обслуживающей несколько аккаунтов или SKU: один агент, один слой маршрутизации знаний, эскалация к человеку внутри того же инструмента, где команда уже работает. Показатель в 95% решённых без передачи вопросов также полезен как ориентир, с которым стоит сверять внутренние проекты автоматизации перед тем, как объявлять их завершёнными.

Adecco встраивает ИИ-коллегу Salesforce в рабочий день 27 000 сотрудников

Для B2B-компании из 10-200 человек важен не масштаб, а конкретный список задач, который берёт на себя Coworker: поиск приоритетных клиентов, подготовка сейлз-брифов, обогащение данных о клиентах, проверка статуса лидов между командами и запуск сценариев предварительного отбора или онбординга кандидатов. Это ровно те ручные передачи задач, которые съедают время у менеджеров по продажам и рекрутеров в небольших командах, работающих на Salesforce или похожих CRM. Кейс Adecco показывает, что этот паттерн работает в масштабе крупного предприятия по безлимитному соглашению Agentforce 360, но сама суть возможности - единый интерфейс, подтягивающий контекст из CRM, истории кандидатов и прошлых взаимодействий - это то, что стоит оценивать любому клиенту Salesforce уже сейчас, на подходящем ему уровне контракта, а не дожидаться более крупного кейса.

Salesforce обучил модель рассуждений на корпоративных сценариях, а не на общих знаниях

Для компании, ведущей продажи или поддержку через Agentforce, практическое изменение - это последовательность: модель, обученная именно на квалификации лидов, маршрутизации обращений и планировании follow-up, должна применять одно и то же правило и к сотому тикету, и к первому, а не рассуждать каждый раз по-новому, как это делает универсальная модель. Более конкретный выигрыш - это тот сценарий отказа, на который, по словам Salesforce, они целенаправленно нацелились: если нужного инструмента нет, Koa обучена сказать об этом и передать задачу человеку, а не вызывать похожий инструмент или подтверждать действие, которого не произошло, - именно такая тихая ошибка подрывает доверие к автоматизированным процессам поддержки и продаж. Командам, уже работающим на Agentforce и тестирующим Koa в сервисе, продажах или коммерции, стоит проверить, сохраняется ли эта дисциплина за пределами собственных бенчмарков Salesforce, прежде чем передавать модели без контроля рискованные кейсы - возвраты, квалификацию, связанную с комплаенсом.

Agentforce от Salesforce прошёл проверку в TSA: ИИ-агент отвечает на вопросы путешественников

Для B2B-компании из 10-200 человек, работающей на Salesforce или рассматривающей Agentforce, кейс TSA — полезное доказательство: государственное агентство со строгими требованиями к комплаенсу и огромным объёмом обращений доверило ИИ-агенту первичную обработку вопросов путешественников без полной перестройки службы поддержки. Это говорит о том, что платформу можно наслаивать поверх существующих процессов работы с обращениями, а не заменять их — актуально для операционных руководителей, взвешивающих пилот агента для тикетов первого уровня (статус заказа, вопросы по политикам, базовые вопросы по аккаунту) перед вложением бюджета в более широкую автоматизацию. Практический вывод касается границ применения: Ace обрабатывает информационные запросы, а не решения правоприменительного характера, что отражает безопасную отправную точку для большинства B2B-команд — сначала отсекать повторяющиеся вопросы, а решения, требующие суждения, оставлять людям.

Salesforce упаковывает ИИ-агентов под конкретные роли — планка «купить или разработать» смещается

Если ваша компания уже работает на Salesforce, разрыв между тем, за что раньше платили консалтингу (агент квалификации лидов, бот сортировки тикетов поддержки), и тем, что теперь поставляется как настраиваемый модуль, сокращается. Это стоит часа оценки перед тем, как одобрять кастомную разработку под ту же задачу. Но для компаний штатом 10-200 человек корпоративные тарифы Agentforce и зависимость от CRM означают, что большинство команд быстрее получат отдачу от точечных автоматизаций, встроенных напрямую в существующий стек — почту, хелпдеск, CPQ, — а не от внедрения полного слоя агентов Salesforce. Практичный шаг — использовать этот релиз как ориентир: если готовый агент Agentforce покрывает 80% процесса, который вы планируете автоматизировать, сравните его стоимость с кастомной разработкой; если он закрывает только CRM-нативную часть, продолжайте строить автоматизацию вне Salesforce, там, где реально живут ваши инструменты.

Slack получит визуальный интерфейс для AI-агентов от Salesforce

Для B2B-компании на 10-200 человек, которая уже ведёт тикеты поддержки, согласования сделок или внутренние запросы через Slack, это закрывает реальный разрыв: сегодня AI-агент, пишущий в Slack, может описать, что он хочет сделать, но человеку всё равно приходится переходить в отдельную CRM или тикет-систему, чтобы это одобрить или выполнить. Если Slack Surfaces работает так, как заявлено, агент сможет показать карточку клиента с кнопкой «одобрить возврат» или «передать человеку» прямо в канале, убирая один шаг из цепочки и сокращая число инструментов, которые сотруднику поддержки или операций приходится трогать на каждый тикет. Ближайшая оговорка в том, что это окупается только если сам агент (Agentforce или подключённый сторонний агент) уже интегрирован с системами учёта, на которые действуют кнопки — команды без такой интеграции получат более приятное окно чата, но не более быстрый процесс.

Salesforce протестировала AI-агента на себе: 70 000 сотрудников и что из этого вышло

Компания на 10-200 человек не наберёт 70 000 пользователей, но логика, которую описывает Salesforce — начинать с узкого периметра, направлять ответы с низкой уверенностью человеку и отслеживать долю автоматических решений перед расширением охвата — это именно та последовательность, которой должен следовать операционный руководитель при запуске внутреннего агента для FAQ по онбордингу, IT-тикетов или вопросов по авансовым отчётам. Урок не в масштабе, а в дисциплине: не открывать агента для всех внутренних запросов в первый же день, фиксировать, где он ошибается, и расширять его полномочия только после того, как проверены пути эскалации. Команды, пропускающие эту последовательность, обычно теряют доверие сотрудников к инструменту уже в первый месяц — а восстановить его сложнее, чем предотвратить потерю.

Salesforce включает AI-агентов в базовые тарифы CRM без доплаты

Если ваша компания на 10-200 сотрудников использует Sales Cloud, Service Cloud или оба продукта, эта перепаковка напрямую затронет ближайшее продление контракта: функции, за которые вы платили как за надстройки (или которые пропускали из-за цены), теперь могут быть включены в текущий тариф — либо ваш нынешний тариф вообще снимут с продажи и заменят более дорогим, включающим AI-агентов, которых вы не заказывали. Перед продлением попросите вашу команду по работе с аккаунтом сопоставить текущие расходы на надстройки с новой структурой Editions — объединение может сыграть вам на руку, если вы уже платили за Agentforce или Data Cloud отдельно, но может и вынудить на апгрейд, если новый базовый тариф больше не соответствует тому, что вы реально используете. В любом случае это событие из области биллинга и упаковки продукта, а не доказательство того, что агентный AI уже созрел для массового применения.

В Slack появился встроенный AI-агент для написания кода прямо в чатах

У большинства B2B-компаний с штатом 10-200 человек инженеры не сидят в каждом чате поддержки или операций — сломанный вебхук, сбойный шаг в Zapier или отчёт, которому не хватает одного фильтра, обычно годами ждёт своей очереди в бэклоге. Slack Code помещает агента для написания кода туда, где запрос и так возникает — в канал Slack, где поддержка отметила баг или операционный отдел попросил правку. Если функция работает так, как заявлено, руководитель поддержки может описать проблему обычным языком, получить предложенное исправление или скрипт в том же треде и направить его человеку на проверку перед слиянием — без отдельного тикета и без потери контекста при переводе проблемы на язык разработчика. Загвоздка — в контроле: кто-то всё равно должен проверять и утверждать предложения агента прежде чем они попадут в продакшн-системы, и права доступа к тому, какие репозитории или процессы доступны агенту, будут значить больше, чем сама удобность.

Salesforce разбирает CRM на API-модули для AI-агентов

Для B2B-компании на 10-200 сотрудников, которая ведёт продажи или поддержку через Salesforce, важно не изменение интерфейса, а изменение слоя интеграции: платформы автоматизации, строящие AI-воркфлоу (автоматическое обновление стадии сделки, создание кейса из тикета поддержки, синхронизация данных лида с исходящей цепочкой), могут получить более стабильные и точечные точки входа в Salesforce вместо хрупкого парсинга интерфейса или громоздких, трудноподдерживаемых вызовов API. На практике это способно снизить инженерные затраты на подключение AI-агентов к существующему развёртыванию Salesforce и уменьшить поломки при обновлении интерфейса компанией, хотя точные названия API, ценообразование и сроки запуска этих headless-возможностей пока не подтверждены до публикации технической документации Salesforce.

Salesforce: число развёрнутых ИИ-агентов у клиентов ежегодно удваивается

Если вендор с клиентской базой масштаба Salesforce фиксирует ежегодное удвоение развёрнутых агентов, значит инструментарий, паттерны интеграции и внутренние практики управления изменениями перешли из экспериментальной стадии в операционную — а это важно, потому что у компании на 10–200 человек нет роскоши многолетнего пилотного этапа. Практический вывод не в том, что «нужно внедрять ИИ-агентов, потому что так делают все», а в том, что порог входа (сложность настройки, надёжность, стоимость) вероятно снизился настолько, что небольшая операционная или саппорт-команда может разумно опробовать узкий agentic-процесс — например, первичную сортировку тикетов или квалификацию лидов — в течение квартала, а не года, при условии, что базовый процесс уже достаточно хорошо задокументирован для автоматизации.