Salesforce ‘Agent Albert’ మరియు డిజిటల్ పనికి కొత్త మెట్రిక్‌తో AI ముప్పును కొత్తగా ఫ్రేమ్ చేయాలని చూస్తోంది

AI అంతం కాదు, విస్తరణ అని Salesforce వాదిస్తోంది

Salesforce వాల్ స్ట్రీట్‌కు ఒక కష్టమైన వాదనను అందించడానికి ప్రయత్నిస్తోంది: AI agents పెరుగుదల, కంపెనీని శక్తివంతం చేసిన enterprise software business‌ను ఖాళీ చేయదు, బదులుగా దానికి కొత్త వృద్ధి యంత్రాన్ని సృష్టిస్తుంది. ఇచ్చిన నివేదిక ప్రకారం, CEO Marc Benioff AI సంప్రదాయ software seats‌ను తక్కువ విలువైనవిగా లేదా పనికిరానివిగా మార్చగలదనే ఆలోచనకు నేరుగా ప్రతిస్పందిస్తున్నారు. ఆయన జవాబు product strategy, customer anecdotes, మరియు AIని Salesforce ecosystemలో లెక్కించడానికి, ధర నిర్ణయించడానికి, మరియు నిర్వహించడానికి వీలు కల్పించే కొత్త measurement system కలయిక.

ఈ వాదనకు వెనుక ఉన్న ఒత్తిడి నిజమైనది. ఈ ఏడాది ప్రారంభం నుంచి Salesforce stock 28 శాతం పడిపోయిందని నివేదిక చెబుతోంది, ఇది AI agents కస్టమర్ కంపెనీల్లో headcount‌ను తగ్గించి per-seat licensing తర్కాన్ని బలహీనపరచవచ్చనే పెట్టుబడిదారుల ఆందోళనను ప్రతిబింబిస్తోంది. దీనికి తోడు మరో భయం కూడా ఉంది: generative AI కంపెనీలకు తమ own tools‌ను “vibe code” చేయడం సులభం చేస్తే, పెద్ద software suites‌కు ఉన్న premium ఒత్తిడిలోకి రావచ్చు.

Salesforce disruption‌ను నిరాకరించడం లేదు. అది దానిలోనే ఒక ప్రత్యేక స్థానాన్ని సంపాదించుకోవడానికి ప్రయత్నిస్తోంది.

‘Agent Albert’ కంపెనీని ఇప్పటి పరిమితులను దాటి తీసుకెళ్లడానికి ఉద్దేశించబడింది

ఇచ్చిన పాఠ్యంపై ఆధారపడి Benioff యొక్క అత్యంత స్పష్టమైన ప్రతిస్పందన, సంవత్సరం ముగిసేలోపు విడుదల కావచ్చని భావిస్తున్న “Agent Albert” అనే కొత్త AI product. దాని వివరణ చిన్నదైనా ఆశావహంగా ఉంది: ఈ platform వినియోగదారులను ఆటోమేటిక్‌గా విశ్లేషించి, స్వయంగా చర్యలు తీసుకునేలా రూపొందించబడింది.

ఈ పదప్రయోగం ముఖ్యమైనది, ఎందుకంటే ఇది సాధారణ chatbot ప్రవర్తన నుంచి అధిక autonomy ఉన్న workflows వైపుకు వెళ్లడాన్ని సూచిస్తుంది. Salesforce, AI agents enterprise guardrails‌లో పనిచేస్తూనే వ్యాపార డేటా మరియు ఉన్న workflows‌ను ఉపయోగించగలవని కస్టమర్లకు నమ్మింపజేస్తే, AI trusted software layer‌ను భర్తీ చేయదు, దానిని మరింత అవసరమైనదిగా మారుస్తుందని కంపెనీ వాదించగలదు.

Benioff భద్రత మరియు compliance ఆధారంగానూ అదే వాదన చేస్తారు. సున్నితమైన enterprise data involved ఉన్నప్పుడు ఇంట్లోనే తయారు చేసిన AI solutions చాలా ప్రమాదకరమని ఆయన అంటున్నారని నివేదిక చెబుతోంది. ఇది enterprise software యొక్క పరిచయమైన రక్షణ, కానీ autonomous agents యుగంలో ఇది simple cloud applications యుగంతో పోల్చితే మరింత బలంగా ఉండొచ్చు. AI systems‌కు ఎక్కువ discretion ఇచ్చినప్పుడు governance, auditing, మరియు policy enforcement విలువ పెరుగుతుంది.

Agentforce adoptionలో వేగం కూడా ఉంది, పరిమితులూ ఉన్నాయి

Salesforce ఎదుర్కొంటున్న సవాలు ఏమిటంటే, దాని ప్రస్తుత AI రికార్డ్ మిశ్రమంగా ఉంది. late 2024లో విడుదలైన Agentforce, Salesforce యొక్క 150,000 కస్టమర్లలో 23,000 మంది స్వీకరించినట్లు నివేదిక చెబుతోంది. ఇది గణనీయమైన adoption, కానీ ఎక్కువ మంది కస్టమర్లు ఇంకా product‌ను స్వీకరించలేదని కూడా సూచిస్తుంది.

మూల పాఠ్యంలో పేర్కొన్న case studies చిత్రమే ఎందుకు అసమానంగా ఉందో చూపిస్తాయి. Pearson customer inquiries‌ను 40 శాతం ఎక్కువగా ఆటోమేటిక్‌గా పరిష్కరించినట్లు తెలుస్తోంది, ఇది సాధారణ, అధిక-పరిమాణ పనులు ప్రస్తుత AI tools‌కు సహజంగా సరిపోతాయని సూచిస్తుంది. కానీ ఆభరణాల తయారీదారు Pandora, customer requests అస్పష్టంగా మారి నమ్మదగిన recommendations అవసరమైనప్పుడు Agentforce ఇబ్బంది పడ్డదని తెలిపింది.

ఈ విభజన ముఖ్యమైనది, ఎందుకంటే enterprise AI ఇంకా ఎక్కడ friction‌ను ఎదుర్కొంటోందో ఇది చూపిస్తుంది. స్పష్టమైన పరిమాణాలతో ఉన్న structured tasks కొలిచదగిన విలువను ఇస్తాయి. అస్పష్టమైన, అధిక judgment అవసరమైన పరస్పర చర్యలు ఇంకా కష్టమైనవే. Salesforce యొక్క AI భవిష్యత్తు agents సాధారణంగా ఉపయోగకరమా అన్నదానికన్నా, వాటిని సన్నని automation నుంచి అస్థిర నిజ జీవిత సందర్భాల్లో నమ్మదగిన పనితీరుకు కంపెనీ ఎంత వేగంగా తీసుకెళ్లగలదన్నదానిపై ఎక్కువగా ఆధారపడవచ్చు.

‘Agentic Work Unit’ ఎందుకు ముఖ్యమైంది

Salesforce తన వ్యూహంలో అత్యంత వెల్లడించే భాగం కావచ్చని భావించే కొత్త metric‌ను కూడా పరిచయం చేసింది: “Agentic Work Unit,” లేదా AWU. మూలం ప్రకారం, AI సామర్థ్యాలను resolved inquiries వంటి concrete outcomes‌తో అనుసంధానించి దాని ప్రభావాన్ని కొలవడమే దీని ఆలోచన.

ఇది కేవలం branding exercise కాదు. Enterprise software కంపెనీలకు AIని ఒక flashy feature నుంచి operational మరియు financial model‌గా మార్చే మార్గం అవసరం. seat-heavy ప్రపంచంలో value‌కు proxyగా seats బలహీనపడితే, vendors‌కు కొత్త measurement units అవసరం. AWU Salesforce యొక్క అటువంటి ఒక ప్రయత్నంలా కనిపిస్తోంది.

కస్టమర్లు మరియు పెట్టుబడిదారులు ఆ metric‌ను అంగీకరిస్తారా లేదా అనేది వేరే ప్రశ్న. కొత్త units విజయవంతమవుతాయి అవి సహజంగా అర్థమయ్యే, audit చేయదగిన, మరియు business outcomes‌తో అర్థవంతంగా అనుసంధానమైనప్పుడు మాత్రమే. అయినప్పటికీ AWU ప్రవేశపెట్టడం Salesforce AI యుగంలోని ఒక ప్రధాన సమస్యను అర్థం చేసుకుందని చూపిస్తోంది: సంస్థలు కేవలం “intelligence” కొనవు. వారు కొలవగల పని, తగ్గిన handling time, పెరిగిన resolution rates, లేదా track చేయగల ఇతర output‌ను కొనాలనుకుంటారు.

Enterprise software కోసం పెద్ద stakes

ముఖ్యమైన విషయం Salesforce త్రైమాసిక పనితీరు మాత్రమే కాదు. AI competition యొక్క పునాదిని మార్చే ముందు పెద్ద enterprise software vendors తాము ఎలా తిరిగి నిర్వచించుకోగలరు అన్నదే ప్రశ్న. నివేదికలో వివరించిన “SaaSpocalypse” theory, agents seats కోసం డిమాండ్‌ను తగ్గించి, custom software సృష్టించడానికి ఉన్న అడ్డంకులను తగ్గించే ప్రపంచాన్ని ఊహిస్తుంది. Benioff ప్రతిస్పందన enterprise complexity, security, మరియు compliance ఇంకా స్థాపిత platforms‌కు అనుకూలంగా ఉన్నాయన్నదే.

రెండు వాదనలు కొంతవరకు నిజం కావచ్చు. AI కొంత software value‌ను కుదించవచ్చు, మరికొంతను విస్తరించవచ్చు. standalone features‌ను ప్రతిరూపించుకోవడం సులభమవచ్చు, కానీ trusted data layers, orchestration, workflow management, మరియు governance మరింత ముఖ్యమవుతాయి. అటువంటి వాతావరణంలో గెలిచేవారు మార్పును నిరాకరించేవారు కాకుండా, తాము నిజంగా ఏమి అమ్ముతున్నారో మళ్లీ నిర్వచించేవారే.

Salesforce దీనిని బహిరంగంగా చేయడానికి ప్రయత్నిస్తోంది. “Agent Albert” product signal. AWU pricing మరియు proof signal. Agentforce యొక్క మిశ్రమ పనితీరు కంపెనీ ఇంకా మార్పు దశలోనే ఉందని, దాటలేదని గుర్తు చేస్తోంది.

ప్రస్తుతానికి, ఇచ్చిన నివేదికల నుంచి తీసుకోదగిన అత్యంత సమర్థవంతమైన నిర్ణయం సూటిగా ఉంది: Salesforce AI agents‌ను తన భవిష్యత్తుకు కీలకమైనవిగా చూస్తోంది, కానీ విమర్శకులు చెప్పే విధంగా కాదు. కంపెనీ తదుపరి తరం enterprise software‌ను మానవ seats సంఖ్యతో కాకుండా, అది ఎంత సురక్షితంగా machine-assisted work‌ను అందించగలదో దాని ద్వారా అంచనా వేయబడుతుందని పందెం కాస్తోంది. అది తగిన వ్యూహం. కఠినమైన భాగం దానిని customer results ద్వారా నిరూపించడం, conference rhetoric ద్వారా కాదు.

ఈ వ్యాసం The Decoder నివేదికపై ఆధారపడింది. మూల వ్యాసాన్ని చదవండి.