Dados recentes mostram que a busca agêntica virou o primeiro passo da jornada de compra, crescendo 200% em um ano. Isso muda a arquitetura de dados de produto, o papel do Data Cloud e a prioridade de quem cuida de comércio no Salesforce.
Data Cloud não é um produto que você liga, é uma pilha de ferramentas que precisa ser orquestrada com decisão de arquitetura. Um mapa prático de cada peça, do Setup Menu à Data Ingestion API, com a leitura de quem já bateu cabeça com identity resolution mal configurada.
O Departamento de Assuntos de Veteranos dos EUA renovou e expandiu seu contrato com a Salesforce em US$ 1,6 bilhão via Missionforce. Mais do que o valor do contrato, o que chama atenção é a arquitetura: Agentforce, Slack, MuleSoft, Data 360 e Tableau amarrados como uma única camada de confiança sobre um legado gigantesco de sistemas desconectados.
Toda empresa que herda um segundo CRM (por fusão, aquisição ou simplesmente porque marketing não larga o HubSpot) faz a mesma pergunta: dá para integrar com Revenue Cloud? Dá. Mas a arquitetura por trás dessa resposta simples é onde mora o projeto de verdade.
A Salesforce publicou um case interno onde o mesmo Slackbot deu três respostas diferentes para a mesma métrica de MQL. Nenhum erro, nenhum warning, só números diferentes com a mesma confiança. Isso é o retrato exato do risco que todo projeto de Agentforce carrega quando pula a etapa de governança de dados.
Fred Turner cancelou US$ 600 mil de contrato Salesforce depois de vibe-codar um CRM interno. Casos como esse viralizaram, mas escondem uma distinção importante: o que funciona para 50 pessoas quebra em escala. Aqui está minha leitura de arquiteto sobre onde essa história é real e onde é ilusão de curto prazo.
Analisando um cenário real de conectividade de agentes de IA a sistemas corporativos, fica claro que MCP e API não competem entre si. Cada requisito de negócio puxa para um lado diferente, e o trabalho do arquiteto é justificar cada escolha, não bater o martelo uma vez só.
Duas implementações de agente, mesmo modelo, mesmo caso de uso. Três meses depois, uma está mais barata e mais precisa, a outra ainda depende de alguém abrindo ticket para ajustar prompt. A diferença não foi o LLM. Foi o loop de melhoria contínua que uma delas ativou e a outra não.
Salesforce entrou como Leader no Magic Quadrant de Conversational AI Platforms logo na primeira vez que apareceu no relatório. Isso é sinal de mercado, não é validação técnica automática. Vale entender o que realmente sustenta essa posição e o que isso significa para quem desenha arquitetura de Agentforce no dia a dia.
O time jurídico da Salesforce usa Slackbot para pesquisa interna, intake self-service e até stress-test de argumento contratual. O ponto que interessa pra quem arquiteta Agentforce não é o caso de uso, é o cargo que eles criaram para sustentar isso: o agent manager.
Salesforce Engineering publicou um jeito prático de usar Claude para transformar documentação espalhada em uma base de conhecimento cruzada, em Markdown, que tanto humanos quanto agentes conseguem consultar sem reprocessar tudo do zero. Isso tem tudo a ver com o que a gente enfrenta em projeto de Agentforce e Data Cloud.
Com o MCP Server hospedado pela Salesforce saindo de beta no TDX 2026, dá para plugar Claude direto no sua org e deixar ele consultar registros, montar relatório e até disparar Flow em linguagem natural. Mostro o setup completo, do External Client App até o teste final, e onde isso costuma quebrar em projeto real.
