Salesforce ha medido durante catorce meses cómo evoluciona el uso real de agentes de IA en empresas que ya los mantienen en producción. Las organizaciones analizadas pasaron de una media de cinco agentes activados en febrero de 2025 a 13 en abril de 2026, casi el triple. El Salesforce Agentic Enterprise Index 2025–2026 intenta medir también cuánto trabajo ejecutan esos sistemas, qué variedad de tareas asumen y cómo se comporta su uso cuando la escala aumenta.
El índice se apoya en datos agregados de Agentforce y otros productos de Salesforce entre febrero de 2025 y abril de 2026. Para entrar en la muestra, las empresas debían haber tenido agentes activados en producción todos los meses. Esa condición permite observar la evolución de organizaciones con uso continuado, pero limita el alcance: el estudio describe a clientes ya activos en el ecosistema de Salesforce y no mide la adopción general de agentes de IA en el mercado.
Más agentes y menos tiempo hasta su puesta en marcha
La velocidad de despliegue es una de las señales más claras. Además de aumentar el número medio de agentes, Salesforce observa que las empresas comienzan a crearlos, una vez aprovisionados, en un plazo medio de dos días. Ese tiempo se redujo un 53% durante el periodo analizado. La combinación de más instancias activas y ciclos de creación más cortos apunta a procesos de implantación más repetibles.
Para medir trabajo ejecutado, Salesforce utiliza una métrica propia, la Agentic Work Unit (AWU), definida como una tarea discreta completada por un agente. En abril de 2026, la producción de AWU crecía a una tasa mensual compuesta del 15%. No es un estándar del sector y no permite comparar directamente Agentforce con otras plataformas, pero sirve para observar la evolución interna de la actividad.
La relación entre llamadas a acciones y texto generado aumenta también a un ritmo mensual compuesto del 15%. En términos operativos, significa que gana peso la ejecución de lógica de negocio, consultas a sistemas y activación de flujos frente a la simple generación de respuestas. Para las empresas, esa transición desplaza el valor de los agentes desde la interfaz conversacional hacia su integración con datos, aplicaciones y procesos corporativos.
Los agentes de IA amplían su repertorio
La complejidad crece junto con el volumen. A comienzos de 2025, el agente medio podía actuar sobre dos habilidades distintas; al cierre del año, la cifra había subido a seis. En periodos de demanda elevada, algunos despliegues llegaron a nueve habilidades, un incremento del 350% respecto al nivel inicial. El índice también detecta más funciones secundarias, es decir, acciones fuera del dominio principal para el que se configuró el agente.
Ese patrón eleva las exigencias de integración. Un agente que responde preguntas dentro de una única aplicación requiere menos infraestructura que otro capaz de consultar registros, aplicar reglas, actualizar datos y desencadenar procesos en sistemas distintos. Salesforce vincula esta evolución con arquitecturas «headless», que desacoplan la lógica del agente de una interfaz concreta.
El índice distingue además dos modelos de despliegue. Uno prioriza gran volumen y tareas específicas, con agentes acotados que absorben interacciones repetitivas. El otro concentra menos actividad, pero incorpora cadenas de trabajo de varios pasos y mayor diversidad de acciones. La diferencia impide equiparar madurez con volumen: un número menor de operaciones puede corresponder a automatizaciones más complejas.
El retorno empieza a medirse en operaciones y ventas
Salesforce presenta varias señales de retorno. La comparación más directa de ingresos procede del comercio electrónico: durante la temporada navideña, los minoristas que utilizaron agentes registraron un crecimiento interanual de las ventas online del 8%, frente al 2% de los que no los desplegaron. Es una tasa cuatro veces superior, aunque corresponde a un ámbito y un periodo concretos y no puede extrapolarse como previsión general.
En operaciones, el índice pone el foco en la capacidad de completar acciones. El ahorro potencial ya no depende solo de acelerar una respuesta, sino de automatizar pasos que antes requerían intervención humana o el uso manual de varias aplicaciones. El retorno pasa así a depender también de la calidad de los datos, las reglas de negocio, las integraciones y los controles que permiten actuar sin introducir errores.
Más uso sin un aumento equivalente de las escalaciones
Durante el periodo analizado, la frecuencia semanal con la que un empleado interactúa con un agente se triplicó. En Slack, los agentes alcanzaron alrededor de 68 sesiones semanales por usuario desde su disponibilidad general en febrero de 2026. Salesforce interpreta el crecimiento como una señal de confianza, aunque también refleja una mayor disponibilidad de funciones y una integración más estrecha en las herramientas de trabajo.
En atención al cliente, la proporción de conversaciones de servicio gestionadas por agentes aumentó más de 170 veces en cinco trimestres, mientras la tasa de resolución autónoma se mantuvo en torno a siete de cada diez casos. Las escalaciones hacia personal humano permanecieron cerca del 32%. Dentro de esta muestra, el aumento de volumen no vino acompañado de un deterioro equivalente en la capacidad de resolver interacciones sin transferencia.
La expansión plantea, al mismo tiempo, un problema de gobernanza. Cuantas más acciones puede ejecutar un agente y más sistemas puede modificar, mayor es el coste potencial de una decisión incorrecta. El índice incluye capacidades que van desde recuperar información hasta escribir en bases de datos, interpretar entradas complejas y coordinar flujos. La autonomía exige por tanto permisos, trazabilidad, supervisión y mecanismos de escalado.
De los pilotos a una capa operativa
El principal valor del Agentic Enterprise Index está en seguir una cohorte estable durante más de un año y observar cómo cambia una vez que los agentes ya están en producción. Los datos muestran más agentes por organización, menor tiempo de despliegue, un repertorio de habilidades más amplio y una proporción creciente de acciones frente a texto generado.
La metodología obliga a mantener cautela. Salesforce analiza su propia plataforma y solo empresas que mantuvieron agentes activos todos los meses. Los resultados no permiten saber cuántas organizaciones han abandonado proyectos, cómo rinden plataformas rivales ni cuál es la tasa general de éxito de la IA agéntica.
Para los responsables de tecnología y negocio, la señal más práctica está en el cambio de unidad de medida. El número de pilotos pierde peso frente a tareas completadas, amplitud de permisos, acciones ejecutadas, resoluciones autónomas y resultados económicos asociados a procesos concretos. A medida que los agentes de IA pasan de responder a actuar, su implantación se acerca a la incorporación de una nueva capa operativa que debe integrarse, medirse y gobernarse como parte de los sistemas de empresa.
