Salesforce and Anthropic today announced they have expanded their strategic partnership to deliver Claudeforce, enabling customers of both companies to leverage Salesforce data, workflows, business logic, actions, and governance within Claude.
Salesforce and Anthropic today announced they have expanded their strategic partnership to deliver Claudeforce, enabling customers of both companies to leverage Salesforce data, workflows, business logic, actions, and governance within Claude.
“What we’re seeing is that when people stop using Salesforce through the traditional human interface and start using it through an agentic interface, it dramatically increases the value of Salesforce,” Patrick Stokes, president of Applications & Marketing at Salesforce, told CIO.com on Wednesday. “They’re using Salesforce more than they ever have before.”
Stokes explained that momentum around the Claudeforce partnership began building after Salesforce’s TDX 2026 developer conference earlier this year. At the conference, Salesforce announced Headless 360, a platform that packaged Salesforce’s AI and developer tools into a headless, API-driven layer designed to help enterprise teams build agent-first workflows. It allowed AI clients like Claude or ChatGPT to read, write, and reason over Salesforce data without the traditional browser-based UI.
“It was a very popular decision among developers,” Stokes said. “Salesforce was actively endorsing people using Salesforce through an agentic interface rather than through the UI that we have had in place for 27 years.”
Developers immediately started hooking MCP servers up to their own agents. And Salesforce watched them struggle to scale their efforts.
“How do you do it for 100 or 1,000 users?” Stokes asked. “How do you deal with managed authentication to make sure it’s using the permissions of the user inside Salesforce? All the things that are necessary in order to scale this out weren’t really in place.”
In context
- Topic: Inteligencia Artificial — IA aplicada al negocio: casos, límites, costos y gobierno.
- Source: CIO
- Published: 26/08/2026
Continue reading at the original source →
Excerpt published automatically by the site radar. The full text belongs to its publisher and is linked above.
Por que importa
A conversa sobre inteligência artificial ficou barulhenta, e isso dificulta enxergar o que importa. O que importa quase nunca é o modelo: é qual processo concreto fica mais barato, mais rápido ou mais confiável, e quem responde quando a resposta sai errada.
Eu meço a maturidade em IA com uma pergunta incômoda: alguém consegue explicar, em uma linha, que decisão o modelo toma e quem responde se errar? Onde isso está claro, o projeto anda. Onde não está, fica em piloto eterno e acaba cancelado com a desculpa de que a tecnologia não estava pronta.
O que costuma dar errado
O que mais vejo falhar é a expectativa. Alguém viu uma demonstração impecável e pediu o mesmo para a sua área em um mês, sem considerar que a demonstração rodava sobre dados limpos preparados para a ocasião. Quando o piloto real mostra resultados irregulares, a conclusão injusta é que a tecnologia não serve.
O que observar
- Qual processo concreto é tocado e como se mede antes e depois; sem linha de base não há resultado, há opinião.
- Quem revisa as saídas do modelo e com que frequência — o ponto em que a IA se torna auditável.
- O custo por consulta em volume real, não o do piloto: é a variável que mais dá surpresas.
Como leio esta publicação
Minha recomendação prática é definir desde o primeiro dia o que se faz quando o modelo erra: quem revisa, com que frequência e em que momento se desliga. Soa defensivo, mas é exatamente o que permite ser agressivo depois, porque o risco deixou de ser uma incógnita.
A notícia original está publicada em outro idioma; o trecho é citado como o veículo o entrega e o comentário é escrito em português.
Está vivendo isso na sua equipe?
Abra o chat e me conte como estão lidando com isso. Tenho interesse em comparar notas.
