Marc Benioff lo dijo sin rodeos cuando lanzó Agentforce en 2024: Salesforce estaba "all in" con los agentes de IA. Dos años después, solo el 34% de sus clientes lo ha adoptado, la acción perdió más de 200.000 millones de dólares en valor de mercado y dos firmas de análisis (KeyBanc y Bernstein) bajaron la calificación del papel el mismo día, algo inusual para una empresa del tamaño de Salesforce[1].
Si eres gerente de marketing o de ventas en una empresa B2B y llevas meses escuchando que "los agentes de IA van a reemplazar tu equipo", este caso vale la pena mirarlo con calma. No porque Salesforce esté mal, sino porque el problema que están viviendo es exactamente el mismo que va a encontrar cualquier empresa que intente activar agentes de IA sin la base correcta.
¿Qué pasó realmente con Agentforce?
Los números son duros. KeyBanc Capital Markets encontró que solo cerca de 23.000 de los 150.000 clientes de Salesforce están usando Agentforce, muy por debajo de lo que el mercado esperaba después de dos años de promoción[1].
La firma identificó dos razones concretas detrás de la adopción lenta, y ninguna tiene que ver con que la tecnología sea mala:
- Falta de preparación de datos. Los agentes de IA necesitan datos limpios, estructurados y conectados para tomar decisiones, pero muchas empresas todavía cargan con registros de CRM fragmentados, sistemas desconectados entre sí e información de clientes inconsistente[1].
- Madurez de producto insuficiente. Con base en conversaciones con socios y clientes de Salesforce, los analistas concluyeron que Agentforce sigue en una etapa temprana de desarrollo, lejos de la promesa de autonomía total que se vendió en el lanzamiento[1].
En paralelo, Agentforce sí creció como línea de negocio (alcanzó una tasa anualizada de 3.400 millones de dólares), pero eso todavía representa apenas cerca del 7,5% de la guía de ingresos de la compañía para el año[4]. La acción llegó a ubicarse entre las de peor desempeño del Dow Jones en lo corrido de 2026, con una caída cercana al 31%[3].
"El problema inmediato parece ser de credibilidad, no de demanda", señalan los analistas que siguen el caso: los agentes empresariales de IA debían ser el producto estrella de 2026 y terminaron siendo una de las principales fuentes de desconfianza de los compradores[3].
¿Por qué esto no es solo un problema de Salesforce?
Aquí está el punto que más le sirve a un equipo de marketing B2B: el patrón que frenó a Agentforce se repite en casi cualquier despliegue de IA agéntica, sin importar el proveedor.
Un estudio del NANDA de MIT, basado en la revisión de más de 300 iniciativas públicas de IA y entrevistas con 52 organizaciones, encontró que el 95% de los pilotos empresariales de IA generativa no mostraron ningún efecto medible en el estado de resultados[5]. Solo alrededor del 5% logró extraer valor real.
Lo más revelador para marketing es dónde se concentró el dinero. Cerca de la mitad de los presupuestos de IA generativa se destinaron a ventas y marketing, precisamente el área donde el retorno resultó más bajo, mientras que la automatización de back office (procesamiento de documentos, cumplimiento, flujos internos) produjo los mejores resultados[5].
Otros datos del sector confirman la misma tendencia:
| Fuente | Hallazgo |
|---|---|
| Forrester / Anaconda | Más del 88% de los pilotos de agentes de IA nunca llegan a producción[3] |
| Gartner | Más del 40% de las iniciativas de IA agéntica serán descontinuadas para 2027 por retorno cuestionable[3] |
| Whitepaper citado por Salesforce Ben | El 64% de las empresas de mil millones de dólares reportó pérdidas superiores a 1 millón de dólares por fallas de agentes mal gobernados[6] |
La conclusión no es que la IA agéntica no funcione. Es que la mayoría de las empresas la está activando sobre una base de datos y procesos que no estaba lista para sostenerla.
¿El problema es la tecnología o la empresa que la implementa?
Vale la pena ser honesto aquí: los agentes de IA no fallan porque el modelo "razone mal". Fallan porque reciben información incompleta y toman decisiones sobre ella con la misma confianza que si fuera perfecta.
Un informe reciente sobre marketing conversacional lo resume bien: el 81% de los responsables de marketing ya dice confiar en la IA para responder consultas de clientes, pero cuando los datos de servicio, ventas y comercio están en silos, la personalización simplemente se cae[2]. Un agente que responde rápido pero sin contexto no ahorra trabajo, lo traslada: alguien tiene que revisar, corregir o disculparse después.
Esto conecta directamente con algo que ya veníamos advirtiendo. Si quieres profundizar en cómo se está construyendo la infraestructura para que los agentes de IA sí funcionen en marketing, publiqué un artículo sobre esto → IA agéntica en marketing B2B. Y si quieres ver el panorama completo de adopción real (no la promesa) de agentes de IA en el trabajo, ese análisis lo desarrollé en este artículo.
¿Qué debería hacer un equipo de marketing B2B antes de activar agentes de IA?
La tentación es correr a implementar el agente más nuevo del mercado. La secuencia correcta es al revés: primero la base, después la autonomía.
Antes de activar un agente de IA agéntica para marketing o ventas, conviene revisar honestamente estos cinco puntos:
- Unificación de datos. ¿Tu CRM, tu plataforma de datos de clientes y tu comercio están conectados, o cada área tiene su propia versión de la verdad?
- Calidad de los registros. ¿Los datos de contacto, historial de compra y comportamiento están actualizados y sin duplicados?
- Alcance limitado del agente. ¿Estás pidiéndole al agente que ejecute una tarea específica y medible, o le diste autonomía total sobre un proceso completo desde el primer día?
- Supervisión humana en el circuito. ¿Hay alguien revisando las decisiones del agente en las primeras semanas, o se dejó operando sin controles?
- Métrica de éxito clara. ¿Definiste qué significa "funciona" antes de lanzarlo, o lo vas a evaluar por percepción?
Este checklist no es teoría. Es, en esencia, lo que KeyBanc identificó como las dos causas raíz de la adopción lenta de Agentforce: datos y madurez de producto[1]. Las empresas que se saltan estos pasos terminan con el mismo resultado que documentó el MIT: un piloto que nunca despega[5].
Conclusiones Clave
- Agentforce no fracasó por falta de interés. Solo 23.000 de 150.000 clientes de Salesforce lo usan, y la causa principal es la falta de datos limpios y conectados, no la falta de demanda[1].
- El patrón es de la industria, no de un proveedor. El 95% de los pilotos empresariales de IA generativa no muestra impacto medible en resultados, según MIT[5].
- Marketing concentra el gasto pero no el retorno. Casi la mitad del presupuesto de IA generativa va a ventas y marketing, área donde el ROI es el más bajo del mapa[5].
- La gobernanza mal hecha cuesta dinero real. El 64% de las grandes empresas reportó pérdidas superiores a 1 millón de dólares por agentes de IA mal gobernados[6].
- La secuencia importa. Unificar datos y definir el alcance del agente antes de darle autonomía reduce drásticamente el riesgo de un piloto que nunca escala.
- La confianza del comprador ya está en juego. Los agentes empresariales de IA pasaron de ser la promesa de 2026 a una fuente de desconfianza para muchos compradores[3].
Empieza por los datos, no por el agente
Si tu empresa está evaluando IA agéntica para marketing o ventas, el caso de Agentforce es una advertencia útil antes de firmar cualquier contrato. La pregunta no es qué tan avanzado es el modelo, sino qué tan lista está tu data para sostenerlo.
En Elefante ayudamos a empresas B2B a construir esa base antes de automatizar: datos unificados, procesos claros y agentes con alcance definido. Si quieres evaluar dónde está tu empresa en ese camino, conoce nuestro servicio de automatización con agentes de IA y MCP.
Sobre el Autor
Juan Pablo Franco es consultor en marketing digital B2B, eCommerce y automatización con agentes de IA. Dirige Elefante, agencia de marketing digital, y publica sobre comercio agéntico, IA aplicada a negocios B2B y estrategia digital en su blog franco.com.co/blog. Trabaja con empresas industriales y distribuidores en Colombia y Latinoamérica.
Referencias
[1] MarTech. "Salesforce's woes underline marketing's agentic AI problems." https://martech.org/salesforces-woes-underline-marketings-agentic-ai-problems/
[2] MarTech. "Customers want dialogue, and marketers cannot keep up." https://martech.org/customers-want-dialogue-and-marketers-cannot-keep-up/
[3] Insider Monkey / Yahoo Finance. "Salesforce's Agentforce Bet Made It the Dow's Worst Performer. Is the Market Overreacting?" https://www.insidermonkey.com/blog/salesforces-agentforce-bet-made-it-the-dows-worst-performer-is-the-market-overreacting-1802857/
[4] The Motley Fool. "Why Salesforce Plunged Over 40% in the First Half of 2026." https://www.fool.com/investing/2026/07/10/why-salesforce-plunged-over-40-in-the-first-half-o/
[5] Fortune vía Yahoo Finance. "MIT report: 95% of generative AI pilots at companies are failing." https://finance.yahoo.com/news/mit-report-95-generative-ai-105412686.html
[6] Salesforce Ben. "4 Ways Salesforce Customers Risk Losing Millions Because of AI Agents." https://www.salesforceben.com/4-ways-salesforce-customers-risk-losing-millions-because-of-ai-agents/