Agentforce y Marketing Cloud — referencia
Qué es Agentforce, cómo se relaciona con Marketing Cloud, y por qué su utilidad para marketing la decide el modelo de Data Cloud por debajo. La capa de agente — qué puede hacer, qué lee, y los guardrails que necesita un agente que puede actuar.
Agentforce es la plataforma de agentes de Salesforce — agentes autónomos y asistivos que razonan sobre data fundamentada y toman acciones. Vive del lado de la plataforma de Salesforce, fundamentado en Data Cloud, y entra al trabajo de marketing en vez de correr dentro de Marketing Cloud Engagement como lo hace Einstein. Esta página es qué es, cómo toca un build de Marketing Cloud, y las dos cosas que deciden si es útil: el modelo de datos por debajo y los guardrails alrededor de sus acciones.
Qué es Agentforce, en un párrafo
Un agente de Agentforce toma un pedido en lenguaje natural, recupera la data que necesita de sus fuentes de grounding (Data Cloud, CRM, conocimiento), razona sobre ella, y o responde o toma una acción a través de las herramientas que le dieron. Para marketing, eso significa que un agente puede responder preguntas sobre un cliente, draftear o armar un brief de campaña, o — cuando está cableado para eso — disparar trabajo en la plataforma. No es una feature dentro de Email Studio; es un agente que lee la misma data unificada de clientes que leen tus segmentos y journeys.
Cómo se relaciona con Marketing Cloud
La conexión corre a través de Data Cloud, que también es donde la activación de Marketing Cloud vive cada vez más. El perfil unificado sobre el que un agente se fundamenta es el mismo perfil desde el que la segmentación activa. Así que un agente de Agentforce que responde preguntas de marketing, o arma una audiencia, está leyendo el modelo que construiste para Data Cloud — y escribiendo de vuelta, cuando actúa, hacia las mismas superficies de activación que usa un journey.
Por eso la capa de agente se sienta arriba del trabajo de Data Architecture de Data Cloud: el modelo es la fuente de verdad del agente. Marketing Cloud es donde las decisiones del agente se vuelven envíos y journeys.
Las dos cosas que deciden si es útil
1. El modelo de datos por debajo
Un agente lee el mismo modelo que un analista humano. Si la identidad resuelve limpio, las relaciones están modeladas, y los objetos están documentados, el agente puede dar una respuesta coherente. Si el modelo está fragmentado, el agente hereda la fragmentación — y responde con seguridad igual.
Este es el determinante más grande del valor de un agente para marketing, y no es un setting de Agentforce. Es el estado del modelo de Data Cloud. "Agent-ready" es el estado en el que un modelo bien construido ya está. (Ver el chequeo de agent-readiness de Data Cloud.)
2. Los guardrails alrededor de sus acciones
Un agente que solo responde es una lectura inteligente sobre tu data. Un agente que puede actuar — disparar un journey, actualizar un registro, mandar un mensaje — es una automation con un trigger no determinístico, y necesita los guardrails que necesita cualquier automation que toca a un cliente:
- Aprobación — qué acciones necesitan un humano antes de dispararse, y cuáles son autónomas.
- Radio de explosión — el alcance que una acción puede tocar, acotado como se acota la audiencia de una Send Definition.
- Audit trail — un registro de qué hizo el agente, cuándo y por qué, igual que cualquier log de Automation.
- Kill switch — cómo lo frenás, rápido, cuando está equivocado.
(Ver gotchas — gotcha 5.)
Agentforce vs. un LLM externo — la versión corta
Los dos son "IA que genera lenguaje", pero no son intercambiables:
- Agentforce está fundamentado en tu data de Salesforce por diseño, corre dentro del modelo de seguridad de la plataforma, y está construido para tomar acciones gobernadas. Agarralo cuando el agente necesita tu data de clientes y acciones de plataforma.
- Un LLM externo es un modelo general que llamás vos; no sabe nada de tu cliente salvo que se lo mandes, y no toma ninguna acción salvo que la cablees. Agarralo para tareas de lenguaje autocontenidas — generar copy, clasificar una respuesta, resumir texto — donde no querés entregar tu data y tus acciones a un agente de plataforma.
La decisión completa es el tema del Style Guide de IA.
Relacionado
- Gotchas de IA en Marketing Cloud — gotchas 4 y 5, el modelo de datos y los guardrails de acción
- Style Guide de Data Architecture de Data Cloud — el chequeo de agent-readiness del que depende el agente
- Einstein para Marketing Cloud — la capa de predicción debajo del agente
- Llamar a IA externa desde CloudPages — la otra forma de traer un modelo a un build
- Style Guide de IA — Agentforce vs. IA externa, la decisión completa