{"id":890,"date":"2025-08-27T11:00:00","date_gmt":"2025-08-27T09:00:00","guid":{"rendered":"https:\/\/www.salesforce.com\/?post_type=sf_press_release&p=890"},"modified":"2025-08-27T11:12:44","modified_gmt":"2025-08-27T09:12:44","slug":"salesforce-ai-research-agenti-dati-integrati","status":"publish","type":"sf_press_release","link":"https:\/\/www.salesforce.com\/it\/news\/press-releases\/2025\/08\/27\/salesforce-ai-research-agenti-dati-integrati\/","title":{"rendered":"L\u2019azienda del futuro secondo Salesforce AI Research: ambienti simulati, agenti misurabili e dati integrati"},"content":{"rendered":"\n

Dalla simulazione avanzata degli scenari aziendali al benchmarking delle performance degli agenti AI, fino al consolidamento dei dati con tecnologie linguistiche di nuova generazione<\/em><\/p>\n\n\n\n

Salesforce AI Research introduce innovazioni concrete per aiutare le imprese a integrare l\u2019Intelligenza Artificiale in modo sicuro, misurabile e scalabile<\/em><\/p>\n\n\n\n

\n\n\n\n

Milano, 27 agosto 2025 – Nell\u2019ultimo trimestre, il team di esperti di Salesforce AI Research<\/a> ha introdotto importanti novit\u00e0 per accelerare l\u2019evoluzione delle imprese verso modelli sempre pi\u00f9 digitali e basati sull\u2019Agentic AI. Tra queste, la simulazione un ambiente aziendale per testare le capacit\u00e0 degli agenti AI in scenari realistici, un nuovo strumento di benchmarking per misurare le prestazioni degli agenti in diversi casi d\u2019uso e significativi miglioramenti a Data Cloud<\/a>, che ora sfrutta language model di varie dimensioni per unificare automaticamente i dati e migliorarne la qualit\u00e0.<\/p>\n\n\n\n

Dalla definizione di nuovi standard di misurazione delle performance degli agenti AI alla gestione avanzata dei dati, queste innovazioni preparano il terreno per la realizzazione di prodotti di nuova generazione che rispondano alle principali sfide di CIO e responsabili IT, offrendo alle aziende strumenti concreti per trasformarsi in organizzazioni dove il lavoro umano e quello digitale collaborano in sinergia.<\/p>\n\n\n\n

Simulare ambienti aziendali con CRMArena-Pro<\/h2>\n\n\n\n

I piloti non imparano a volare in mezzo a una vera tempesta ma nei simulatori, dove possono affrontare situazioni estreme senza rischi. In contesti complessi, le competenze nascono in spazi sicuri e controllati, dove il fallimento \u00e8 un\u2019occasione per imparare, non un errore costoso.<\/p>\n\n\n\n

Allo stesso modo, anche gli agenti AI traggono vantaggio da test e training in ambienti di simulazione, che li preparano ad affrontare in anticipo l\u2019imprevedibilit\u00e0 degli scenari aziendali quotidiani. Sulla base del progetto originale CRMArena<\/a>, focalizzato su singole interazioni B2C, Salesforce AI Research lancia ora CRMArena-Pro<\/a>, pensato per valutare le prestazioni degli agenti in scenari complessi, multi-turno e multi-agente, come la previsione delle vendite, la gestione dei ticket di assistenza e i processi di CPQ (Configure-Price-Quote).<\/p>\n\n\n\n

Grazie all\u2019uso di dati sintetici, all\u2019integrazione sicura con le API dei sistemi aziendali e a rigorose misure di protezione dei dati personali, CRMArena-Pro offre un ambiente di simulazione aziendale avanzato e realistico, progettato per verificare non solo se un agente funziona, ma se \u00e8 in grado di operare con precisione, efficienza e continuit\u00e0 su larga scala in casi d\u2019uso specifici per l\u2019impresa.<\/p>\n\n\n\n

Salesforce AI Research sta perfezionando l\u2019addestramento degli agenti AI<\/a> attraverso queste simulazioni, permettendo alle aziende di testarli in anticipo in situazioni critiche, come l\u2019escalation del servizio clienti o le interruzioni della supply chain. Integrando \u201cl\u2019imprevedibilit\u00e0\u201d del mondo reale, le imprese possono valutare con maggiore precisione le performance, rafforzare la resilienza nei casi limite e ridurre il divario tra la fase di formazione e l\u2019operativit\u00e0 sul campo. Il risultato? Agenti AI non solo competenti, ma anche coerenti, affidabili e pronti a supportare i processi aziendali.<\/p>\n\n\n\n

Misurare la preparazione degli agenti con Agentic Benchmark for CRM<\/h2>\n\n\n\n

Con la continua evoluzione di modelli e aggiornamenti, le aziende si trovano davanti a una sfida crescente: capire quale modello o combinazione di modelli, sia davvero il pi\u00f9 adatto per potenziare gli agenti AI nei contesti aziendali reali. Non bastano le mode del momento o le dimensioni tecniche dei modelli: serve un approccio rigoroso, capace di misurarne le prestazioni in scenari concreti e rilevanti per il business.<\/p>\n\n\n\n

Per rispondere a questa esigenza, Salesforce ha presentato Agentic Benchmark for CRM<\/a>, il primo strumento di benchmarking progettato per valutare gli agenti AI nei contesti pi\u00f9 strategici per le aziende: servizio clienti, assistenza sul campo, marketing e vendite.<\/p>\n\n\n\n

Il benchmark analizza gli agenti secondo cinque metriche chiave: accuratezza, costo, velocit\u00e0, affidabilit\u00e0\/sicurezza e sostenibilit\u00e0. In questo modo viene garantita una valutazione completa e basata sui dati.<\/p>\n\n\n\n

La sostenibilit\u00e0, la metrica pi\u00f9 recente, \u00e8 un indicatore chiave della preparazione di un agente per le aziende. Questo parametro evidenzia l\u2019impatto ambientale relativo dei sistemi di AI, che spesso richiedono grandi risorse computazionali. Allineando le dimensioni del modello al livello di intelligenza realmente necessario per svolgere un compito specifico, le imprese possono ridurre la propria impronta ambientale e valutare la sostenibilit\u00e0 della propria AI<\/a>, senza rinunciare alle prestazioni richieste. In questo modo, il benchmark consente di superare la complessit\u00e0 dei modelli disponibili e fornisce un metodo chiaro e basato sui dati per abbinare i modelli giusti agli agenti giusti, garantendo performance affidabili, coerenti e di livello enterprise.<\/p>\n\n\n\n

A completare la suite, il team di esperti di Salesforce AI Research ha introdotto MCP-Eval<\/a> e MCP-Universe<\/a>, due benchmark complementari pensati per valutare gli agenti con livelli diversi di approfondimento, monitorando le interazioni dei modelli linguistici con i server MCP (Model Context Protocol) in scenari d\u2019uso reali.<\/p>\n\n\n\n