Dari Chatbot ke Pekerja Digital: Apa Itu Salesforce Agentforce?
Salesforce Agentforce adalah portofolio agen AI enterprise siap pakai yang dirancang untuk mengambil alih tugas bernilai tinggi di penjualan, layanan, perdagangan, pengalaman karyawan, dan back office, dengan fokus pada otomasi proses kompleks lintas fungsi bisnis dan bukan sekadar menjawab pertanyaan.
Peluncuran Agentforce pada 11 September 2026 menandai ambisi baru Salesforce: mengubah AI menjadi “pekerja digital” yang menyelesaikan pekerjaan nyata di seluruh organisasi. Dalam dua tahun mendampingi ribuan implementasi agen AI, perusahaan ini mencatat 7 miliar Agentic Work Units (AWU) yang dieksekusi lewat Agentforce dan Slack, dengan 3,2 miliar AWU terjadi hanya pada kuartal kedua. Itu bukan angka kecil; ini bukti bahwa perusahaan sudah memindahkan beban kerja administratif ke agen AI. Salesforce sendiri mengatakan peluncuran ini adalah pergeseran dari sekadar meminta AI menjawab pertanyaan menjadi meminta AI menyelesaikan pekerjaan di seluruh fungsi bisnis. Dan itu mengubah ekspektasi kita terhadap otomasi penjualan AI maupun otomasi back office.
Portfolio Agen: Otomasi Penjualan, Layanan, dan Back Office Secara Konkret
Kekuatan Salesforce Agentforce bukan pada satu agen super, melainkan keluarga agen AI enterprise yang sangat spesifik pekerjaannya. Alih‑alih membuat agen dari nol, perusahaan bisa mulai dengan agen siap kerja yang sudah dibekali skill, aksi, dan model data sesuai fungsi bisnis. Di lini layanan pelanggan, Casey menangani masalah lewat suara, SMS, WhatsApp, dan webchat, dari FAQ hingga eskalasi ke manusia. Untuk pengalaman karyawan, Paige memproses permintaan TI dan HR di Slack dan portal internal. Di sisi pembeli, Carter dan Fin membantu menemukan produk, menjawab pertanyaan, hingga mengawal perjalanan pelanggan di berbagai kanal.
Di area otomasi penjualan AI, Piper menangani prospek masuk lintas situs dan inbox, menilai dan mengonversi prospek B2B sebelum masuk ke tim sales. Hunter, yang masih dalam fase pilot, fokus pada penjualan keluar: mengelola pipeline dari riset hingga outreach selama minggu atau bulan, bukan sekadar satu sesi. Untuk otomasi back office, Marshall mengorkestrasi proses rantai pasok end‑to‑end, mengotomatiskan pekerjaan manual dengan eksekusi deterministik dan catatan audit lengkap. Ini penting: rantai pasok dan back office selama ini menjadi “lubang hitam” produktivitas—dan Agentforce mencoba mengisinya dengan agen yang disiplin aturan, izin, dan keamanan pelanggan.
Runtime Jangka Panjang: AI yang Bekerja Selama Minggu, Bukan Menit
Pergeseran besar lain yang layak diperhatikan adalah runtime jangka panjang. Salesforce membangun runtime ini agar agen Agentforce bisa mengejar satu tujuan selama hari atau minggu, bukan berhenti begitu sesi chat selesai. Dalam contoh penjualan, seorang sales bisa meminta Hunter “menyelamatkan deal berisiko sebelum akhir kuartal”; Hunter lalu memecahnya menjadi sasaran terukur, menyusun rencana, menentukan tugas dan alat, serta mengatur batas kapan ia boleh bertindak otonom dan kapan perlu persetujuan. Ini lebih mirip manajer proyek mini daripada chatbot.
Tiga kemampuan mendasari runtime ini: memori yang mempertahankan konteks dan progres lintas sesi, eksekusi tahan lama yang menjaga rencana tetap berjalan dan bisa koreksi arah, serta pengarahan dinamis yang menyesuaikan perilaku agen berdasarkan feedback pengguna. Hunter adalah agen pertama yang berjalan di atas runtime jangka panjang, dan Salesforce menyatakan lebih banyak agen akan memakainya, termasuk agen jangka panjang kustom buatan pelanggan sendiri. Untuk otomasi penjualan AI dan back office, ini berarti AI bukan hanya menyelesaikan tiket, tetapi menjaga momentum pekerjaan lintas departemen sampai tujuan tercapai.
Orkestrasi Multi‑Agen dan Coworker: AI Menjadi Rekan Kerja, Bukan Kotak Hitam
Agar agen AI enterprise ini benar‑benar produktif, mereka tidak boleh berjalan sendiri‑sendiri. Salesforce menjawabnya dengan Multi‑Agent Orchestration, yang mengarahkan pekerjaan lintas agen sehingga mereka bisa bekerja sebagai satu tim terkoordinasi ketika sebuah pekerjaan melintasi peran, sistem, atau tahapan perjalanan pelanggan. Di atas itu, Agentforce Coworker menyediakan “rekan kerja” AI yang hidup di permukaan tempat karyawan sudah bekerja dan tertambat pada konteks bisnis yang sama. Melalui AI Skills, karyawan bisa mengajarkan satu tugas sekali, lalu menyebarkan skill itu ke seluruh tenaga kerja; fitur ini masih pilot, dengan rencana ketersediaan umum pada Oktober 2026.
Di balik layar, Agent Script—bahasa sumber terbuka untuk perilaku agen—memungkinkan perusahaan menggabungkan penalaran AI dengan aturan deterministik. Ini penting untuk tata kelola: perusahaan tidak lagi harus memilih antara AI kreatif dan kontrol; mereka bisa menetapkan batas granular tentang cara agen mengambil keputusan. Agent Optimizer, yang direncanakan tersedia umum pada Oktober 2026, bertindak sebagai “pelatih” siklus hidup agen, membantu membangun, menguji, dan menyempurnakan agen serta sub‑agen. Dengan desain seperti ini, Agentforce berupaya menghindari jebakan AI hitam‑putih: terlalu liar atau terlalu kaku. Ia menempatkan AI sebagai rekan kerja yang diawasi dan terus dioptimalkan.
Dampak ke Produktivitas Enterprise dan Apa Langkah Berikutnya
Pertanyaannya: apakah semua ini sekadar demo? Data awal yang dibawa Salesforce cukup meyakinkan. Mereka melaporkan bahwa 50% permintaan obrolan Engine diselesaikan tuntas oleh agen bantuan Eva, sedangkan 60% pipeline penjualan Perk dibangun oleh Hunter. Di sisi internal, 70% permintaan administratif Autism Queensland ditangani Paige, sementara Hibbett AI menangani 90% perjalanan pembeli inti hanya enam minggu setelah peluncuran. Fin bahkan menyelesaikan 79% percakapan pelanggan Anthropic secara otonom. Asana mencatat percakapan situs web meningkat 4× setelah memakai Piper, dengan waktu implementasi tipikal 45 hari. "Pengalaman selama dua tahun terakhir menghasilkan 7 miliar AWU melalui Agentforce dan Slack" adalah klaim yang menunjukkan skala nyata adopsi ini.
Namun, manfaat tersebut datang dengan konsekuensi: budaya kerja harus bergeser. Ketika otomasi back office dan otomasi penjualan AI mengambil alih pekerjaan repetitif dan bahkan sebagian pekerjaan bernilai tinggi, organisasi perlu mendesain ulang peran, KPI, dan tata kelola data. Dalam jangka pendek, fokus seharusnya bukan mengganti manusia, melainkan memindahkan waktu tim dari administrasi ke pengambilan keputusan. Dengan Hunter yang akan tersedia umum pada November 2026 dan AI Skills serta Agent Optimizer menyusul pada Oktober 2026, kita akan segera melihat apakah Agentforce menjadi standar baru agen AI enterprise atau hanya satu eksperimen besar lain. Untuk saat ini, pesan yang jelas: AI tidak lagi duduk di meja bantuan; ia sudah masuk ke dalam alur kerja operasional dan mulai memegang tanggung jawab nyata.
