Toda nova feature da Salesforce chega com uma onda de marketing. O Agentforce não foi diferente — e provavelmente por isso gerou tanto ceticismo quanto empolgação ao mesmo tempo.
Após meses trabalhando com a plataforma, aqui está minha leitura honesta.
O que funciona bem
Agentes para triagem de cases com contexto de CRM real
Esse é o caso de uso mais sólido que vi até agora. Um agente configurado para triagem consegue acessar o histórico do cliente, o tipo de produto, os SLAs configurados — e tomar decisões de roteamento com contexto real, não apenas palavras-chave. O resultado em volume de casos simples é genuinamente impressionante.
Automação de respostas sem código customizado
Para respostas de primeiro nível, o Agent Builder consegue entregar fluxos úteis sem uma linha de Apex. Para times que sempre precisaram de um desenvolvedor para qualquer automação, isso é uma mudança real.
Integração com Flow Builder
A combinação Agentforce + Flow para orquestração de ações complexas funciona melhor do que eu esperava. Você define o que o agente pode fazer, o Flow executa — e a divisão de responsabilidades fica clara.
Onde você vai bater a cabeça
Grounding com dados sujos
Esse é o maior problema prático. O agente é tão bom quanto os dados que o fundamentam. Se o CRM tem campos inconsistentes, valores desatualizados ou relacionamentos quebrados — e todo CRM real tem — o agente vai produzir respostas que parecem confiantes mas estão erradas.
A descoberta que mais me marcou: o problema não estava no agente, estava nos dados. Antes de qualquer implementação séria de Agentforce, audite seus dados.
Einstein Trust Layer tem limitações reais de volume
No tier básico, você vai encontrar limites de chamadas que não aparecem claramente na documentação. Planejar capacidade é essencial — especialmente para casos de uso de alto volume.
Testes em sandbox ≠ comportamento em produção
Aprendi isso da forma mais dolorosa. O agente que funcionava perfeitamente no sandbox passou a ter comportamentos diferentes em produção — volume maior, variações de dados que não existiam no sandbox, usuários fazendo perguntas que nenhum script de teste teria coberto.
O que ainda não está pronto para missão crítica
Decisões financeiras sem revisão humana
Qualquer fluxo onde o agente toma uma decisão com impacto financeiro direto — aprovação de crédito, precificação, reembolsos — precisa de uma camada de revisão humana. Ainda. Os guardrails existem, mas não são suficientes para ambientes regulatórios exigentes.
Ambientes com compliance rígido
O Einstein Trust Layer resolve boa parte da preocupação com PII, mas se você trabalha em saúde, financeiro ou qualquer setor com auditoria rígida de decisões, a conversa de compliance precisa acontecer antes do piloto — não depois.
O que isso significa para arquitetos
O Agentforce é genuinamente poderoso. Mas como qualquer ferramenta da Salesforce, a implementação é onde o projeto ganha ou perde.
O que recomendo antes de qualquer implementação:
- Auditoria de dados antes de qualquer configuração de agente
- Mapeamento explícito dos guardrails de segurança necessários
- Piloto em escala real (não só sandbox) antes de definir roadmap
- Treinamento do time sobre o que o agente pode e não pode decidir sozinho
A promessa é real. A execução precisa ser cuidadosa.
Está construindo com Agentforce? Qual foi o maior obstáculo que você encontrou? Me conta no LinkedIn.
