Ora i tuoi agenti vengono testati prima dei clienti

Agent Fabric di Salesforce ora consente di testare gli agenti AI prima che vengano utilizzati dai clienti e di continuare a testarli anche dopo la loro messa in produzione. Il 27 ottobre 2026 Salesforce ha aggiunto ad Agent Fabric, la piattaforma di controllo di MuleSoft che gestisce gli agenti su diverse piattaforme, le valutazioni degli agenti, le valutazioni delle API e una serie di controlli sui costi. Per i team che utilizzano Agentforce, o una combinazione di Agentforce e agenti di altri fornitori, si tratta di uno degli annunci più utili dell'autunno. La qualità e la spesa passano dall'essere aspetti da verificare a posteriori a elementi che la piattaforma applica mentre l'agente è in funzione.

La tempistica si adatta perfettamente alla maggior parte delle organizzazioni. Le valutazioni degli agenti e delle API entreranno in versione beta a novembre e saranno disponibili a livello generale a gennaio 2027, lasciando un ampio margine di tempo per prepararsi. I controlli dei costi e l'interruttore di disattivazione degli agenti sono già disponibili. Un team può iniziare a limitare la spesa per l'IA questo mese e arrivare a gennaio con una suite di test pronta per essere attivata.

I team che trarranno maggior vantaggio da questa iniziativa sono quelli che già sanno riconoscere una buona risposta nei propri processi di vendita e assistenza. Questa conoscenza risiede nel CRM ed è la materia prima per ogni valutazione effettuata dal nuovo strumento. Ecco cosa è stato rilasciato, cosa significa in termini di costi e ROI e come sfruttare al meglio le prossime dieci settimane.

Quali novità ha introdotto Salesforce in Agent Fabric il 27 ottobre?

Il 27 ottobre 2026 Salesforce ha aggiunto quattro gruppi di funzionalità ad Agent Fabric. Agent Evals genera test prima del deployment di un agente, quindi verifica agenti, modelli linguistici e server MCP in produzione rispetto alle soglie di qualità impostate. API Evals crea test funzionali e di performance direttamente dalle specifiche API, in modo da individuare eventuali modifiche incompatibili prima che raggiungano l'ambiente di produzione. Una dashboard FinOps, un portafoglio modelli con limiti di spesa rigidi e criteri di ottimizzazione dei costi offrono ai responsabili del budget una visione unificata della spesa per l'IA e un limite massimo che blocca le richieste prima che il budget venga superato. L'interruttore di disattivazione dell'agente consente a un team di mettere offline qualsiasi agente, e una versione che si attiva automaticamente in caso di valutazioni fallite è prevista per gennaio 2027.

Due piccole aggiunte si rivelano importanti per le realtà più grandi. Il Custom Agent Scanner, attualmente in versione beta, consente ai clienti di creare i propri scanner per individuare agenti, modelli, server MCP e API dietro firewall o su piattaforme di terze parti e di elencarli nel Registro Agenti. Le Open Policies per i gateway API federati applicano una singola policy, come la limitazione della frequenza o l'inserimento di indirizzi IP consentiti, su gateway Azure, Apigee e Kong con un'unica azione. Salesforce afferma che Agent Fabric gestisce già oltre 1,2 miliardi di richieste al giorno. ASICS Digital sta contribuendo allo sviluppo della versione beta di Agent Evals, e nell'annuncio vengono citati anche Capita, GE Appliances e Newell Brands.

Che cos'è Salesforce Agentforce e dove si colloca Agent Fabric in questo contesto?

Salesforce Agentforce è la piattaforma per la creazione e l'esecuzione di agenti AI all'interno di Salesforce. I suoi agenti leggono i dati CRM, seguono le regole aziendali ed eseguono azioni come l'aggiornamento di un caso, la qualificazione di un lead o la stesura di un preventivo. Ragionano su istruzioni e argomenti, richiamano azioni create in Flow, Apex o MuleSoft e trasferiscono la richiesta a un operatore umano quando questa esula dalle loro competenze. Agent Fabric si colloca a un livello superiore. È un piano di controllo che individua, gestisce e ora testa gli agenti, indipendentemente dal fatto che siano stati creati in Agentforce, nella piattaforma di un altro fornitore o in un framework interno. Agentforce è l'ambiente in cui un agente svolge il suo lavoro, mentre Agent Fabric è il luogo in cui è possibile visualizzare, misurare e gestire ogni agente contemporaneamente.

Questa separazione è utile perché pochissime organizzazioni gestiscono gli agenti in un'unica piattaforma. Uno studio citato da Salesforce nell'annuncio indica che il 96% delle aziende utilizza agenti su più piattaforme. Un agente di servizio Salesforce potrebbe trovarsi accanto a un agente Copilot nel settore finanziario e a un agente di supporto specializzato, come ad esempio un agente per il settore finanziario. Agent Fabric offre a tutti loro un unico registro, un unico set di policy e ora anche un unico regime di test. Agent 365 di Microsoft e AI Control Tower di ServiceNow perseguono lo stesso obiettivo, il che è un'ottima notizia per gli acquirenti: agenti gestiti e misurabili stanno diventando uno standard nel mercato.

Come fanno le valutazioni degli agenti a mantenere i costi dell'IA entro il budget?

I progetti Salesforce, e in particolare quelli di intelligenza artificiale, tendono a sforare il budget quando il consumo è difficile da monitorare e le modifiche da testare, con la conseguenza che i team sovradimensionano le risorse e procedono lentamente. Un sondaggio condotto da Futurum nell'agosto 2026 tra i CIO ha rilevato che il 46,9% delle aziende ha superato il budget per l'IA. I nuovi controlli affrontano entrambe le cause. Il Model Wallet imposta un limite rigido che blocca le richieste prima che la spesa superi il budget, e la FinOps Dashboard mostra il consumo per agente e modello in un unico luogo. Le Cost Optimization Policies utilizzano la memorizzazione nella cache semantica, la compressione del payload e il filtraggio delle risposte, che secondo Salesforce riducono l'utilizzo dei token fino al 75% negli scenari di test. Le valutazioni, infine, rendono sicuro il risparmio maggiore: spostare un agente su un modello più economico.

L'esempio di Salesforce stesso mostra come funziona. Un rivenditore ha spostato il suo agente di supporto ordini su un modello meno costoso. Le valutazioni programmate dell'agente hanno rilevato che l'agente aveva iniziato a fornire informazioni imprecise sugli ordini in ritardo. Con l'approvazione, l'agente è stato messo in quarantena, le sue istruzioni sono state riviste e la valutazione è stata ripetuta prima che tornasse in produzione. Senza le valutazioni, un cambio di modello di questo tipo è un atto di fede, quindi la maggior parte dei team lo evita e continua a pagare per il modello premium. Con le valutazioni, diventa un'ottimizzazione di routine che può essere provata, misurata e annullata rapidamente. La percentuale del 75% deriva da scenari di test e la versione beta è il luogo ideale per misurarla con il proprio traffico.

I vostri processi CRM sono già i casi di test

La qualità dei dati CRM è fondamentale perché ogni agente di intelligenza artificiale basato sul CRM la eredita. Un agente che risponde a domande sugli ordini è accurato solo quanto i record relativi a ordini, spedizioni e account che legge, e una valutazione è significativa solo quanto le risposte attese con cui viene confrontata. Dati puliti e coerenti forniscono agli agenti input corretti e offrono alle valutazioni parametri di riferimento affidabili. Questo trasforma la qualità dei dati da una semplice attività di manutenzione al fondamento di un'IA misurabile. I team con fasi di opportunità, categorie di casi e dati di prodotto ben gestiti possono scrivere test significativi rapidamente, e ogni miglioramento dei dati si riflette direttamente in un tasso di successo più elevato.

Una buona suite di test viene scritta in linguaggio aziendale prima ancora di essere scritta in codice. Cosa dovrebbe dire un agente quando un cliente chiede informazioni su una consegna ritardata a un sito a Göteborg? Quale sconto può offrire un agente addetto ai preventivi senza approvazione? Quando un agente del servizio clienti dovrebbe trasferire la chiamata a un operatore? I team di vendita, assistenza e RevOps rispondono a queste domande ogni giorno e le risposte sono già presenti nei playbook, nelle matrici di approvazione e nelle regole di validazione. Raccogliendo da venti a trenta di queste domande per ogni agente, con il risultato atteso accanto a ciascuna, Agent Evals raggiunge le soglie necessarie fin dal primo giorno della versione beta.

Come si misura il ritorno sull'investimento (ROI) di un agente di intelligenza artificiale?

Misurare il ROI di un agente AI, così come misurare il ROI di un CRM in generale, significa collegare il sistema ai risultati aziendali piuttosto che alle attività. Per un agente, si parte da tre parametri: il costo per interazione risolta, la percentuale di interazioni risolte senza l'intervento umano e la qualità di tali risoluzioni rispetto a uno standard concordato. Agent Fabric ora fornisce direttamente due di questi tre parametri. La dashboard FinOps mostra il costo per agente e modello, mentre Agent Evals fornisce un punteggio di qualità nel tempo. Combinando questi dati con i dati di risoluzione provenienti dal CRM stesso, si ottiene un dato di ritorno sull'investimento che un direttore finanziario può verificare, ed è proprio questo che permette di ottenere il budget per il prossimo agente.

La misurazione è ancora l'eccezione, il che rappresenta un vantaggio. Salesforce cita una ricerca di LangChain secondo cui meno della metà delle organizzazioni valuta i propri agenti sul traffico reale. I team che lo fanno possono dimostrare che il punteggio di qualità rimane stabile mentre il costo per interazione diminuisce: questo è l'esempio più lampante dell'ampliamento delle competenze di un agente. Un approccio sensato consiste nel concordare la soglia di qualità con il responsabile aziendale prima del lancio, pubblicare mensilmente il punteggio accanto al costo e trattare qualsiasi modifica al modello o al prompt come un esperimento con un confronto prima e dopo. Nell'arco di un trimestre, questo dato diventa la base per la successiva implementazione.

Le valutazioni trasformano la proliferazione degli agenti in un backlog gestibile

Ridurre il debito tecnico di Salesforce inizia con la conoscenza di ciò che si possiede e della funzione di ogni componente, per poi correggere o dismettere gli elementi in base al rischio e al valore. Gli agenti sono la fonte più recente di questo debito: prompt modificati senza revisione, azioni che richiamano API di cui nessuno è responsabile e progetti pilota passati silenziosamente alla produzione. Lo strumento Custom Agent Scanner e l'Agent Registry forniscono un inventario completo, mentre le API Evals segnalano le integrazioni che smetterebbero di funzionare al prossimo aggiornamento. Insieme, trasformano una vaga percezione di disordine in un backlog classificato. I team possono quindi consolidare gli agenti sovrapposti, dismettere quelli inutilizzati e documentare i rimanenti, consentendo all'organizzazione di adattarsi rapidamente a ogni nuova release.

Il "Kill Switch dell'agente" rientra nella stessa categoria ed è uno strumento che infonde fiducia, più che una soluzione di emergenza. Gli imprenditori approvano più rapidamente l'installazione di nuovi agenti quando sanno che qualsiasi agente può essere messo in pausa in pochi secondi e riattivato una volta superata la valutazione. GE Appliances ha descritto il valore di un unico pannello di controllo proprio in questi termini. La versione con attivazione automatica, prevista per gennaio 2027, collega un esito negativo della valutazione a una pausa automatica, con approvazione umana laddove richiesto dalle policy. Definire queste regole di approvazione ora, quando i volumi sono ancora modesti, significa che la versione automatizzata può essere attivata il giorno stesso del suo lancio ufficiale.

La prospettiva del Sirocco

Osserviamo lo stesso schema in Salesforce, HubSpot e Microsoft Dynamics 365: le piattaforme rendono misurabili le prestazioni degli agenti e le organizzazioni che ne traggono vantaggio per prime sono quelle in grado di descrivere con precisione un buon lavoro. Un partner CRM indipendente è utile in questo contesto perché i casi di test, le regole di approvazione e le soglie di costo appartengono al processo aziendale, non agli strumenti di un singolo fornitore. Aiutiamo i clienti a definirli una sola volta, in un linguaggio semplice, e ad applicarli a qualsiasi sistema di controllo utilizzino, che si tratti di Agent Fabric, Agent 365 o entrambi. Poiché non vendiamo licenze, la nostra consulenza su dove un agente dovrebbe operare e quale modello dovrebbe utilizzare parte dal processo e dal budget del cliente.

Per i clienti Salesforce, le prossime dieci settimane rappresentano un buon momento per agire. Attivate subito Model Wallet e FinOps Dashboard, poiché entrambi sono generalmente disponibili. Scegliete un agente, scrivete i suoi primi trenta casi di test con le persone responsabili di quel processo e partecipate alla beta di Agent Evals a novembre. Entro gennaio, quando le valutazioni e il kill switch attivato saranno disponibili a livello generale, avrete un agente testato, una baseline dei costi e un punteggio di qualità da mostrare, il punto di partenza più solido possibile per scalare gli agenti in tutta l'azienda. Se desiderate assistenza nella pianificazione, fai una visita con il nostro team.

Contattaci

Stai preparando un agente Agentforce per la versione beta di Agent Evals o devi impostare dei limiti di costo per l'IA su Salesforce e altre piattaforme? Descrivici la tua situazione e ti aiuteremo a scrivere la prima suite di test.

Da dove cominciare?

Come partner di lungo periodo per un successo duraturo, Sirocco ti aiuta a raggiungere i tuoi obiettivi di business. Contattaci oggi per parlare delle tue esigenze e prenota una consulenza o un workshop gratuiti per iniziare!