Salesforce: 2026 będzie rokiem zespołów agentów AI. Klucz to zaufanie do danych
Badanie Salesforce pokazuje, że wdrożenia AI w firmach rosną, ale szefowie IT wskazują na problem z zaufaniem do danych. Eksperci firmy prognozują, że w 2026 agenci AI będą działać w zespołach, uczyć się w symulacjach i częściej odpowiadać za wynik.
Salesforce opublikował zestaw prognoz dotyczących agentów AI na 2026 rok. W dokumencie firma opisuje, że w 2025 coraz więcej rozwiązań wyszło poza proste wpisywanie promptów i zaczęło wykonywać działania w aplikacjach. Jako dwa zjawiska, które mocno odcisnęły się na rynku, wskazuje trend tworzenia kodu „na komendę” w języku naturalnym (tzw. „vibe coding”) oraz zalew słabej jakości treści generowanych przez AI, które trzeba potem żmudnie weryfikować (określany jako „workslop”).
Tłem dla tych prognoz są też dane o wdrożeniach. Według drugiego dorocznego badania Salesforce wśród CIO, odsetek firm z „pełnym wdrożeniem AI” urósł rok do roku o 282 proc., z 11 proc. do 42 proc. Badanie opisuje jednocześnie, że w miarę skalowania narzędzi problemem staje się zaufanie do danych i kontrola nad tym, co autonomiczne systemy faktycznie robią.
Najbardziej konkretna teza dotyczy architektury takich rozwiązań. „Firmy będą szybko przechodzić na model orkiestrowanej siły roboczej” – mówi Armita Peymandoust (SVP, Forward Deployed Engineering, Salesforce). Chodzi o układ, w którym jeden agent-koordynator deleguje zadania do mniejszych, wyspecjalizowanych agentów, a człowiek pełni rolę nadzorczą.
Zmienić ma się też sposób „zlecania” pracy AI. Nancy Xu (VP, Salesforce AI) prognozuje przejście od agentów-asystentów do agentów „odpowiedzialnych za osiąganie wyników”, czyli takich, którym częściej podaje się cel zamiast instrukcji krok po kroku.
Kolejny wątek to uczenie agentów w warunkach kontrolowanych. Marc Escobosa (VP, Salesforce Futures) opisuje pomysł symulacyjnych „siłowni”, w których agenty mogą wielokrotnie ćwiczyć scenariusze bez ryzyka dla realnych systemów. „Salesforce eVerse jest wczesnym przykładem takiego podejścia” – dodaje.
W materiale sporo miejsca zajmuje cyberbezpieczeństwo. Brad Arkin (Chief Trust Officer) opisuje AI jako narzędzie, które ma przyspieszyć wykrywanie anomalii i analizę dużych zbiorów danych. Marla Hay (SVP, Product, Security, Privacy & Data Protection) rysuje bardziej autonomiczny model, w którym po wykryciu odchyleń agent może odizolować zagrożony proces i zastosować poprawki. Jednocześnie zaznacza, że największym wyzwaniem operacyjnym będzie zaufanie na tyle duże, by AI mogła inicjować zmiany bez każdorazowej zgody człowieka.
W prognozach wraca też temat ludzi i przepisów. Paula Goldman (Chief Ethical & Humane Use Officer) podkreśla, że kluczowe ma być wyposażenie pracowników w „poczucie kontroli”, czyli umiejętność rozpoznawania nieścisłości i wiedza, kiedy należy interweniować. Lindsey Finch (EVP, Global Privacy, Product, AI & Cybersecurity Legal) twierdzi z kolei, że katalizatorem wdrożeń mogą okazać się regulacje, bo doprecyzują zasady transparentności, nadzoru i dopuszczalnego ryzyka.
To nie jest niezależny raport branżowy, tylko perspektywa jednego dostawcy technologii. Zestaw dobrze pokazuje jednak, jak w 2026 roku mogą wyglądać priorytety w firmach, które chcą skalować agentów AI: dane i zaufanie, testowanie w symulacjach, bezpieczeństwo workflow oraz realne kompetencje ludzi pracujących obok automatyzacji.
