El Agentforce World Tour Madrid 2026 fue el marco para que Salesforce mostrara en Madrid cómo avanza su visión de Empresa agéntica en el mercado español. Ante más de 3.500 asistentes reunidos en IFEMA, la compañía presentó junto a clientes y partners varios casos de uso en los que los agentes de IA han dejado atrás la fase piloto y empiezan a operar en procesos reales de banca, educación, atención al cliente y ventas sobre su plataforma.
Marco Hernansanz, máximo responsable de Salesforce para el sur de Europa, Oriente Medio y África, abrió la keynote con la idea que marcó el mensaje del evento: la fase de pilotos empieza a quedar atrás. Su planteamiento fue claro. La IA agéntica ya no se presenta solo como una tecnología experimental o una promesa de automatización, sino como una herramienta que las empresas empiezan a desplegar en procesos concretos, con impacto en escalabilidad, productividad y relación con el cliente
Salesforce no arrancó la keynote hablando de producto. Antes situó el discurso en un marco más amplio, el de sus valores corporativos, su visión de largo plazo y la presión competitiva que está acelerando la adopción de IA en las empresas. Trust, customer success, innovation, equality y sustainability aparecieron así como la base de la conversación. En ese planteamiento, la confianza no funciona como un argumento reputacional, sino como una condición necesaria para que una gran empresa, especialmente si opera en sectores regulados o entornos complejos, pueda desplegar IA con garantías.
La keynote arrancó así en dos planos. Por un lado, Salesforce quiso recordar que lleva 27 años defendiendo la misma visión, ayudar a las empresas a relacionarse mejor con sus clientes. Por otro, trató de explicar por qué esa visión cambia ahora de forma material. La diferencia, según Hernansanz, es que la IA agéntica altera el paradigma operativo. Hasta ahora, las empresas trabajaban bajo restricciones de presupuesto, tiempo y equipos; con agentes capaces de razonar, orquestar y actuar, el horizonte pasa a ser una «economía de abundancia». La expresión es ambiciosa, incluso provocadora, pero ayuda a entender el tono del evento. No se estaba vendiendo solo automatización. Se estaba proponiendo una nueva forma de repartir trabajo entre software y personas.
A partir de ahí, Hernansanz llevó el foco hacia la barrera real que están encontrando muchas organizaciones. Citó el dato, ya muy repetido en la industria, de que el 95% de los pilotos de IA no llegan a producción, y lo vinculó a un diagnóstico concreto: los grandes modelos de lenguaje, por sí solos, no bastan para operar en la empresa. No conocen al cliente, no entienden el producto, no siempre cumplen con requisitos regulatorios y pueden responder con aplomo incluso cuando están equivocados. En una de las imágenes más curiosas de la mañana, comparó al LLM desconectado con «el cuñado de Navidad»: habla con seguridad sobre todo, pero eso no garantiza que acierte. Detrás de la broma había una idea seria. Si la IA quiere entrar en banca, educación, salud o servicios públicos, necesita algo más que lenguaje natural. Necesita contexto, procesos, trazabilidad y controles.
Ese «algo más» lo desarrolló después Gonzalo Goñi, vicepresidente de Solution Engineering de Salesforce, que bajó la conversación desde la retórica de la transformación a una arquitectura tecnológica concreta. Goñi ordenó la empresa agéntica en cuatro sistemas: un sistema de contexto, que hoy encarna Data 360; un sistema de trabajo, apoyado en Customer 360 y las aplicaciones empresariales; un sistema de agentes, que es Agentforce; y un sistema de interacción, donde entran canales digitales, voz y, con un peso especial, Slack. Salesforce no defendió que el modelo sustituya lo que las compañías ya tienen. Al contrario, insistió en una arquitectura abierta, capaz de conectarse con data lakes, modelos cerrados y sistemas heredados.
Goñi introdujo además otro de los ejes del keynote: la incorporación de Informatica para reforzar gobierno y linaje del dato. Sin calidad del dato, sin saber de dónde viene, cómo se transforma y quién lo usa, un agente puede parecer útil en la demo y convertirse en un problema en cuanto entra en producción. No es casual que, después de presentar los cuatro sistemas, el propio Goñi mencionara el uso interno que Salesforce está haciendo de sus agentes, con más de 1,5 millones de conversaciones atendidas en atención al cliente sin intervención humana, como forma de mostrar que la compañía también está probando su propuesta en casa.
La primera prueba de aterrizaje llegó con Universidad Europea. Ana Alonso, responsable de sector público en el sur de Europa para Salesforce, condujo la conversación con Manuel Rodríguez, director ejecutivo de Admisiones, y la movió enseguida hacia un terreno comprensible para cualquier empresa que gestione volumen, urgencia y usuarios digitales. Rodríguez describió un problema muy reconocible: estudiantes jóvenes, acostumbrados a la inmediatez, enfrentados a un proceso de admisión complejo, lleno de dudas, documentación y tareas repetitivas. El caso no se presentó como una sustitución del equipo de admisiones, sino como una redistribución de funciones. WhatsApp y los agentes de IA absorben la parte transaccional y liberan a las personas para los momentos en que sí aportan valor.
Lo más interesante de esa conversación fue que conectó experiencia y escalabilidad sin plantearlas como fuerzas opuestas. Universidad Europea, que según se explicó gestiona 60.000 estudiantes y tiene un 50% de alumnado internacional, venía creciendo a doble dígito. Procesos válidos durante años habían dejado de servir al alcanzar determinado volumen. Rodríguez defendió que automatización y personalización no solo son compatibles, sino que se necesitan mutuamente cuando una organización quiere crecer sin degradar la experiencia. En su visión, el siguiente paso irá hacia una hiperpersonalización donde quizá ya no exista un proceso de admisión uniforme, sino recorridos distintos para cada estudiante, adaptados incluso a su estado emocional y a sus necesidades concretas.
La demostración posterior aterrizó esa lógica en admisiones. El punto no estuvo tanto en el diálogo con el estudiante como en el diseño del relevo entre agente y asesor: automatizar la parte inicial, captar contexto y trasladar el caso al humano con información suficiente para intervenir con criterio. Salesforce situó ahí una de sus ideas fuerza, reservar la intervención humana para los momentos de mayor valor.
Otra de las demos desplazó el foco hacia el problema estructural del dato. Con un caso de logística, Salesforce insistió en que la IA agéntica depende menos del modelo de lenguaje que de la capacidad de construir contexto fiable sobre información dispersa, inconsistente y gobernada de forma desigual. Data 360 e Informatica se presentaron así como la base que permite pasar de una respuesta plausible a una acción precisa dentro de la operativa.
Ese mismo hilo desembocó en Fever, donde la conversación cambió de vertical, pero no de retos y desafíos. Juan Martínez, desde Revenue Operations, explicó junto a Laura Guzmán de Salesforce, cómo una empresa nacida con ambición global ha ido potenciando su agilidad a medida que escalaba operaciones, países y equipos. El dato más repetido no fue tecnológico, sino cultural: mantener mentalidad de startup mientras la compañía se convierte en una gran organización. Ahí Slack apareció no como una herramienta de mensajería, sino como la interfaz real del trabajo. Martínez lo dijo de forma bastante gráfica: hay días en que no mira el correo y todo ocurre en Slack. Aprobaciones, reporting, actualizaciones comerciales, coordinación entre equipos. Todo.
La demo que siguió a esa conversación permitió concretar el papel que Salesforce reserva a Slack dentro de su arquitectura. La compañía no lo presentó solo como una herramienta de colaboración, sino como la interfaz desde la que empleados, agentes y aplicaciones pueden compartir contexto y operar sobre procesos reales. El caso de Fever llevó esa idea al terreno comercial, pero la tesis era más amplia: la productividad no dependerá solo de añadir agentes, sino de darles un espacio común de trabajo dentro de la operativa diaria.
La keynote giró entonces hacia atención al cliente, con la presentación de Agentforce for Voice y Agentforce for Contact Center. Laura Guzmán introdujo ambas piezas con una observación bastante precisa: el contact center sigue siendo el corazón de la relación con el cliente, pero a menudo late con fricciones, entre telefonía por un lado, CRM por otro y una capa de IA añadida casi a modo de parche. La demo posterior simuló una llamada al soporte técnico de Salesforce. El agente de voz entendía la incidencia, verificaba al cliente, ejecutaba una acción, ampliar el tamaño permitido de archivos adjuntos, y después transfería la llamada a un humano cuando detectaba que había una cuestión más compleja, el estado del almacenamiento de la organización. El valor no estaba en que transfiriera, sino en cómo lo hacía: con transcripción, resumen, grabación y contexto disponible para el gestor. Incluso surgía una oportunidad comercial vinculada al problema detectado, asignada ya al comercial adecuado. La escena resumió bastante bien el argumento central del evento: los agentes resuelven lo repetitivo, los humanos se ocupan de lo sensible o lo complejo, y el paso entre ambos deja de ser una ruptura.
El cierre de cliente quedó para CaixaBank, quizá el caso más estratégico de toda la mañana porque permitía poner cifras, plazos y aprendizaje organizativo sobre la mesa. Salesforce había invitado al banco ya en la edición anterior y esta vez el interés no estaba en la promesa, sino en el progreso de doce meses. Jonathan Toni Cabré explicó que el banco ha pasado «de la visión a la ejecución», con agentes trabajando ya en procesos core de relación con clientes. Describió dos grandes grupos: agentes que asisten a gestores en la preparación, conducción y cierre de entrevistas, y agentes que interactúan directamente con clientes en procesos de contratación, resolviendo casos sencillos o derivando con naturalidad a un gestor cuando el caso exige asesoramiento. Según el propio banco, el impacto supera las expectativas iniciales. Algunas tareas previas de los gestores, que ocupaban entre 10 y 15 minutos por caso, se han reducido a menos de un minuto.
Más allá del dato de productividad, CaixaBank aportó la reflexión más madura sobre gestión del cambio. Cabré resumió tres aprendizajes. El primero, montar un equipo mixto, con tecnología y negocio trabajando de forma cohesionada. El segundo, cambiar la lógica clásica del proyecto: en vez de partir del caso de uso y buscar después la tecnología, aprovechar el ritmo de evolución de la plataforma para cruzar novedades con problemas bien identificados. El tercero, y probablemente el más relevante, involucrar a los gestores desde el principio. No como usuarios finales que reciben una herramienta, sino como parte de la definición, la prueba y el despliegue. Ese punto explica por qué muchos proyectos de IA se quedan en el camino y por qué otros avanzan. La dificultad no está solo en construir agentes, sino en encajarlos de forma creíble en el trabajo cotidiano de las personas.
Cuando Marco Hernansanz volvió al escenario para cerrar, la línea principal del keynote ya había quedado definida. El tramo final de su intervención se concentró en tres ideas: que Salesforce ofrece apoyo técnico y modelos comerciales flexibles para arrancar; que la propuesta puede aterrizarse en industrias reguladas mediante soluciones verticales; y que todo descansa sobre una arquitectura abierta. Mencionó AppExchange como parte de ese ecosistema, junto con alianzas para acceder a datos sin necesidad de copiarlos o moverlos y partners de implementación e infraestructura. Fue un cierre funcional pero coherente con el tono del día. Salesforce no quiso terminar en una épica difusa, sino en una llamada a pasar de la curiosidad al proyecto.
El Agentforce World Tour Madrid dejó una imagen más precisa del momento en el que está Salesforce. La compañía ya no está centrada en explicar qué pueden hacer los agentes, sino en mostrar dónde empiezan a encajar dentro de procesos reales y bajo qué arquitectura quiere ordenar ese despliegue: datos gobernados, aplicaciones empresariales, gestión del ciclo de vida del agente y una interfaz de trabajo compartida. La cuestión, a partir de ahí, deja de ser conceptual y pasa a ser operativa: hasta qué punto esos casos pueden escalar, sostenerse en el tiempo y traducirse en mejoras medibles para negocio sin añadir nueva complejidad a la organización.
