Em 2026, a pergunta sobre IA nas empresas mudou de lugar. Depois de dois anos ouvindo "olha o que o agente consegue fazer", os boards agora fazem uma pergunta bem mais desconfortável: "cadê o retorno?". A virada ficou explícita na semana de 24 e 25 de agosto, enquadrada como pivotal na disputa de IA corporativa — OpenAI e Anthropic escalando a briga por adoção enterprise (privacidade, preço, adoção) — e no enquadramento público do Dreamforce 2026 (15–17 de setembro) como "the agentic enterprise on trial". Depois de colocar o Agentforce no centro de tudo, a Salesforce chega ao seu maior evento com uma tarefa só: provar valor real, não capacidade.
O que mudou em 2026: de "o que o agente faz?" para "cadê o ROI?"
A conversa saiu da demo. Todo mundo tem piloto de IA — poucos conseguem transformar piloto em linha no P&L. O próprio movimento da Salesforce sinaliza a direção: a empresa levou o Agentforce Sales para dentro do ChatGPT, fazendo o agente encontrar o usuário no assistente que ele já usa. É reconhecimento de que a adoção — e o valor medido dela — passou a valer mais que a novidade técnica. O Dreamforce "on trial" não é sobre o que o Agentforce demonstra em palco; é sobre onde está o número que justifica o investimento. E essa angústia não é da Salesforce: é de qualquer líder de tecnologia com três pilotos lindos e zero deles no resultado do trimestre.
Por que o modelo virou commodity — e o diferencial migrou para dado e integração
Enquanto os boards cobram ROI, os modelos empilham em cadência de commodity. Só em agosto: Claude Opus 5 ganhou update (mais velocidade e pesquisa) em 12/08, Gemini 3.7 Flash chegou cerca de três semanas depois do 3.6, e o ChatGPT Work avançou com agente multi-hora. Quando o modelo de ponta muda a cada poucas semanas e todos os concorrentes chegam perto, a capacidade bruta deixa de ser vantagem competitiva — vira insumo trocável. O diferencial não está mais em qual LLM você escolheu. Está no que fica embaixo dele: dado governado, integração de pé e capacidade de medir valor. Um agente excelente sobre dado sujo e sistema legado é uma demo cara, não um resultado.
Os 3 motivos pelos quais o piloto de IA não vira resultado
Quando um piloto de agente não escala, a causa raramente é o modelo. São três gargalos, quase sempre os mesmos. O primeiro é dado espalhado e sem governança: o agente lê cadastro em três bases diferentes, cada uma com uma versão do cliente, e não sabe em qual confiar. O segundo é sistema legado que o agente não consegue operar: o estoque vive num ERP sem API, o fiscal não integra, e o agente que deveria "executar de ponta a ponta" para na primeira borda que não existe. O terceiro é integração improvisada e sem auditoria: conexões frágeis, sem contrato, sem idempotência e sem rastro — o agente até age, mas ninguém consegue provar o que ele fez nem medir o efeito. Junte os três e você tem o motivo real de tanto piloto de IA morrer entre a demo e a produção.
Como medir ROI de agente desde o piloto
Provar valor não é uma auditoria feita no fim — é uma métrica definida no começo. Antes de escalar qualquer agente, defina a linha de base: qual processo ele toca, quanto custa hoje (tempo, erro, retrabalho, ticket) e qual é a meta mensurável. Instrumente o piloto para capturar essas variáveis desde o dia 1: quantas interações o agente resolveu sozinho, quanto tempo economizou, qual foi a taxa de erro, quanto custou em consumo de modelo. Sem essa medição embutida, você chega ao Dreamforce — ou ao seu próprio comitê — com uma boa história e nenhum número. Com ela, você chega com um caso de negócio. A diferença entre os dois não é o agente: é a fundação que registra o que ele faz.
A fundação que faz o Agentforce entregar valor: Data Cloud, integração governada e auditoria
No ecossistema Salesforce, essa fundação tem nome. O Salesforce Data Cloud (Data 360) é a camada que unifica o dado do cliente numa fonte única de verdade — sem ela, o Agentforce opera sobre fragmentos e produz respostas em que ninguém confia. Sobre o Data Cloud, o que decide o resultado é a integração governada: os sistemas que o agente precisa ler e escrever — ERP, e-commerce, OMS, fiscal, sistemas internos — conectados com contrato, idempotência e auditoria, não por gambiarra. E é a auditoria que separa o agente que apenas sugere do agente que executa com rastro, condição para qualquer processo crítico. A tese vale para qualquer stack: troque "Data Cloud" por sua camada de dado e "Agentforce" pelo seu agente, e a receita é a mesma — dado unificado, integração de pé, execução auditável.
Como a CCX tira sua IA da demo para o P&L
É exatamente nessa fundação que a CCX atua. Nossa prática de IA para Negócios implementa agentes e RAG que produzem valor mensurável sobre dado governado, com métrica de ROI definida desde o piloto — não uma demo bonita, mas um caso de negócio instrumentado. A Consultoria em Tecnologia entrega, antes de escalar, o diagnóstico de prontidão e de ROI: o que já está pronto para produção, o que falta na fundação e onde o retorno realmente aparece.
Na camada de dado, montamos a base sobre a qual o agente confia — incluindo Salesforce Data Cloud / Data 360 como fonte única de verdade do cliente. E na camada de execução, nossas Integrações & APIs Enterprise conectam os sistemas que o agente precisa operar — ERP, e-commerce, OMS, fiscal — com contrato, idempotência, arquitetura orientada a eventos (Kafka, RabbitMQ) e auditoria, para que o agente execute de ponta a ponta com rastro. É a diferença entre um piloto que impressiona e um agente que entra no resultado.
2026 não é o ano de fazer mais uma demo de IA — é o de provar que ela paga. Antes do Dreamforce, monte a fundação que faz o agente entregar número: dado governado, integração de pé e métrica de valor desde o piloto. Modelo virou commodity; resultado, não. Falar com especialista Salesforce →
FAQ
Por que o Dreamforce 2026 foi chamado de "julgamento do Agentforce"?
Porque depois de cerca de dois anos com o Agentforce no centro da estratégia, a Salesforce chega ao evento sob a expectativa de provar ROI real, não mais capacidade. A conversa do mercado saiu de "o que o agente faz?" para "onde está o retorno?".
Se o modelo virou commodity, o que decide o resultado da IA?
Dado governado, integração de pé e medição de valor. Com modelos de ponta mudando a cada poucas semanas (Opus 5, Gemini 3.7, ChatGPT Work), a capacidade bruta deixou de ser diferencial — o que separa piloto de produção é a fundação embaixo do agente.
Como medir o ROI de um agente de IA?
Definindo a linha de base antes de escalar (custo atual do processo, meta mensurável) e instrumentando o piloto desde o dia 1 para capturar resolução autônoma, tempo economizado, taxa de erro e custo de consumo. Métrica embutida no início, não auditoria no fim.
Isso só vale para quem usa Salesforce?
Não. Salesforce/Agentforce é a notícia, mas a tese é agnóstica: qualquer agente — sobre CRM, ERP, e-commerce ou sistema interno — só vira resultado sobre dado unificado, integração governada e execução auditável.