Salesforce mengungkapkan transformasi arsitektur terambisius dalam 27 tahun sejarahnya pada Rabu lalu. Mereka memperkenalkan inisiatif bernama “Headless 360” yang memungkinkan setiap kemampuan dalam platform mereka untuk diakses melalui API, alat MCP, atau perintah CLI. Dengan cara ini, agen AI dapat mengoperasikan seluruh sistem tanpa perlu membuka browser sama sekali.
- Lebih dari 100 alat baru memberikan akses penuh kepada agen pemrograman ke platform Salesforce untuk pertama kalinya
- Kenapa pelanggan perusahaan sering merusak agen AI mereka sendiri — dan bagaimana Salesforce mendesain ulang alatnya sebagai respons
- Di balik dua arsitektur agen AI yang bersaing yang dikatakan Salesforce akan dibutuhkan setiap perusahaan
- Salesforce melindungi investasinya di MCP sambil membuka ekosistemnya untuk setiap model dan alat AI utama
- Salesforce tidak membela model lama—ia membongkarnya dan mempertaruhkan perusahaan pada apa yang akan datang selanjutnya
Pengumuman ini dilakukan di konferensi pengembang tahunan TDX perusahaan di San Francisco dan segera menghadirkan lebih dari 100 alat dan keterampilan baru yang bisa langsung digunakan oleh para pengembang. Ini adalah respons yang tegas terhadap pertanyaan mendasar yang menghinggapi perangkat lunak perusahaan: Di dunia di mana agen AI dapat berpikir, merencanakan, dan melaksanakan, apakah sebuah perusahaan masih membutuhkan CRM dengan antarmuka grafis?
Jawaban Salesforce adalah: Tidak, dan itu adalah inti dari inisiatif ini.
“Kami membuat keputusan dua setengah tahun yang lalu: Membangun kembali Salesforce untuk agen,” kata perusahaan dalam pengumumannya. “Alih-alih menyembunyikan kemampuan di balik antarmuka pengguna, kami mengeksposnya sehingga seluruh platform dapat diprogram dan diakses dari mana saja.”
Waktu pengumuman ini juga tidak kebetulan. Salesforce kini berada di tengah periode paling turbulen dalam sejarah perangkat lunak perusahaan, dengan penurunan nilai ETF iShares Expanded Tech-Software Sector yang mencapai sekitar 28% dari puncaknya pada bulan September. Ketakutan yang mendorong penurunan ini adalah bahwa AI, khususnya model bahasa besar dari Anthropic, OpenAI, dan lainnya, dapat membuat model-model bisnis SaaS tradisional menjadi usang.
Jayesh Govindarjan, EVP Salesforce dan salah satu arsitek utama inisiatif Headless 360, menjelaskan bahwa pengumuman ini berakar pada pelajaran yang didapat dari pengalaman nyata saat menerapkan agen di ribuan pelanggan perusahaan.
“Masalah yang muncul adalah siklus hidup dalam membangun sistem agen untuk setiap satu dari pelanggan kami, di stack manapun, baik itu milik kami atau orang lain,” kata Govindarjan dalam wawancara eksklusif dengan VentureBeat. “Tantangan yang mereka hadapi adalah tantangan pengembangan perangkat lunak. Bagaimana saya membangun agen? Itu baru langkah pertama.”
Lebih dari 100 alat baru memberikan akses penuh kepada agen pemrograman ke platform Salesforce untuk pertama kalinya
Headless 360 dari Salesforce berlandaskan pada tiga pilar yang secara kolektif merepresentasikan upaya perusahaan untuk mendefinisikan kembali seperti apa platform perusahaan dalam era agen.
Pilar pertama—membangun dengan cara yang kamu mau—menyediakan lebih dari 60 alat MCP (Model Context Protocol) baru dan lebih dari 30 keterampilan pemrograman yang sudah dikonfigurasi sebelumnya, yang memberikan akses langsung kepada agen pemrograman eksternal seperti Claude Code, Cursor, Codex, dan Windsurf ke seluruh organisasi Salesforce pelanggan, termasuk data, alur kerja, dan logika bisnis. Para pengembang kini tidak perlu bekerja di IDE Salesforce. Mereka bisa mengarahkan agen pemrograman AI dari terminal manapun untuk membangun, menerapkan, dan mengelola aplikasi Salesforce.
Agentforce Vibes 2.0, lingkungan pengembangan asli perusahaan, kini dilengkapi dengan apa yang disebut “open agent harness” yang mendukung SDK agen dari Anthropic dan OpenAI. Dalam demonstrasi keynote, para pengembang bisa memilih antara Claude Code dan agen OpenAI tergantung pada tugasnya, dengan harness yang secara dinamis menyesuaikan kemampuan yang tersedia berdasarkan agen yang dipilih. Lingkungan ini juga menambahkan dukungan multi-model, termasuk Claude Sonnet dan GPT-5, beserta kesadaran penuh dari organisasi sejak awal.
Penambahan teknis yang signifikan adalah dukungan React asli di platform Salesforce. Selama demo keynote, presenter membangun aplikasi layanan mitra yang sepenuhnya berfungsi menggunakan React—bukan kerangka Lightning milik Salesforce—yang terhubung ke metadata organisasi melalui GraphQL sambil mewarisi semua praktik keamanan platform. Ini membuka kemungkinan ekspresi yang jauh lebih luas untuk para pengembang yang ingin mengontrol sepenuhnya lapisan visual.
Pilar kedua—menyebarkan di permukaan manapun—berfokus pada lapisan pengalaman Agenforce yang baru, yang memisahkan apa yang dilakukan agen dari bagaimana tampilannya, menghadirkan komponen interaktif kaya secara asli di Slack, aplikasi seluler, Microsoft Teams, ChatGPT, Claude, Gemini, dan klien lain yang mendukung aplikasi MCP. Selama keynote, presenter mendefinisikan pengalaman sekali dan menyebarkannya ke enam permukaan yang berbeda tanpa menulis kode khusus permukaan. Pergeseran filosofi ini signifikan: alih-alih mengarahkan pelanggan ke antarmuka pengguna Salesforce, perusahaan mendorong pengalaman agen interaktif yang bermerek ke dalam ruang kerja yang sudah dihuni pelanggan mereka.
Pilar ketiga—membangun agen yang dapat dipercaya secara skala—memperkenalkan rangkaian baru alat manajemen siklus hidup yang mencakup pengujian, evaluasi, eksperimen, observasi, dan orkestrasi. Agent Script, bahasa domain spesifik perusahaan untuk mendefinisikan perilaku agen secara deterministik, kini tersedia secara umum dan open-source. Pusat Pengujian baru mengungkap celah logika dan pelanggaran kebijakan sebelum penerapan. Evaluasi Skoring Kustom memungkinkan perusahaan mendefinisikan seperti apa “baik” untuk kasus penggunaan spesifik mereka. Dan API Pengujian A/B baru memungkinkan pengujian berbagai versi agen melawan lalu lintas nyata secara bersamaan.
Kenapa pelanggan perusahaan sering merusak agen AI mereka sendiri — dan bagaimana Salesforce mendesain ulang alatnya sebagai respons
Salah satu bagian yang paling signifikan dan terus terang dalam wawancara VentureBeat dengan Govindarjan adalah tentang ketegangan rekayasa yang mendasar di jantung AI perusahaan: agen adalah sistem probabilistik, tetapi perusahaan menuntut hasil yang deterministik.
Govindarjan menjelaskan bahwa pelanggan awal Agentforce, setelah berhasil menerapkan agen melalui “kerja keras yang luar biasa,” menemukan kenyataan yang menyakitkan. “Mereka takut melakukan perubahan pada agen ini, karena seluruh sistem sangat rapuh,” katanya. “Kamu membuat satu perubahan dan tidak tahu apakah itu akan berhasil 100% setiap kali. Semua pengujian yang kamu lakukan perlu dilakukan ulang.”
Masalah rapuh ini mendorong pembuatan Agent Script, yang dijelaskan Govindarjan sebagai bahasa pemrograman yang “menggabungkan determinisme yang ada dalam bahasa pemrograman dengan fleksibilitas inheren dalam sistem probabilistik yang disediakan oleh LLM.” Bahasa ini berfungsi sebagai satu file datar yang dapat diberi versi dan diaudit, yang mendefinisikan mesin keadaan yang mengatur bagaimana seorang agen berperilaku. Di dalam mesin itu, perusahaan menentukan langkah mana yang harus mengikuti logika bisnis yang eksplisit dan mana yang bisa beralasan dengan menggunakan kemampuan LLM.
Salesforce mengopen-source Agent Script minggu ini dan Govindarjan mencatat bahwa Claude Code dapat menghasilkannya secara asli berkat dokumentasi yang bersih. Pendekatan ini berdiri dalam kontras tajam dengan gerakan “vibe coding” yang semakin mendapatkan perhatian di tempat lain dalam industri. Seperti yang dilaporkan Wall Street Journal baru-baru ini, beberapa perusahaan kini mencoba untuk mengganti CRM sepenuhnya melalui vibe-code—sebuah tren yang secara langsung ditangani oleh Headless 360 dengan menjadikan platformnya sebagai substrat yang paling ramah agen yang tersedia.
Govindarjan menggambarkan alat ini sebagai produk dari praktik internal Salesforce. “Kami membutuhkan alat ini untuk membuat pelanggan kami sukses. Lalu FDE kami membutuhkannya. Kami menguatkannya, dan kemudian kami memberikannya kepada pelanggan,” kata Govindarjan. Dengan kata lain, Salesforce memproduktifkan rasa sakitnya sendiri.
Di balik dua arsitektur agen AI yang bersaing yang dikatakan Salesforce akan dibutuhkan setiap perusahaan
Govindarjan membedakan dua arsitektur agen yang secara fundamental berbeda yang muncul di perusahaan—satu untuk interaksi dengan pelanggan dan satu lagi yang dia kaitkan dengan apa yang disebutnya “Ralph Wiggum loop.”
Agen yang berfokus pada interaksi dengan pelanggan—yang dikerahkan untuk berinteraksi dengan pelanggan akhir untuk penjualan atau layanan—menuntut kendali deterministik yang ketat. “Sebelum pelanggan bersedia menempatkan agen ini di depan pelanggan mereka, mereka ingin memastikan bahwa itu mengikuti paradigma tertentu—seperangkat aturan merek tertentu,” kata Govindarjan. Agent Script menyandikan ini sebagai grafik statis—sebuah jalur langkah yang didefinisikan dengan pemikiran LLM yang tertanam di dalam setiap langkah.
“Ralph Wiggum loop,” di sisi lain, mewakili ujung spektrum yang berlawanan: grafik dinamis yang terbuka saat runtime, di mana agen secara mandiri memutuskan langkah selanjutnya berdasarkan apa yang dipelajari pada langkah sebelumnya, membunuh jalur buntu dan menciptakan yang baru sampai tugas selesai. Arsitektur ini, menurut Govindarjan, terutama muncul dalam skenario yang berorientasi pada karyawan—pengembang yang menggunakan agen pemrograman, tenaga penjual yang menjalankan loop riset mendalam, pemasar yang menghasilkan materi kampanye—di mana seorang manusia ahli meninjau output sebelum disebar.
“Ralph Wiggum loops sangat baik untuk interaksi dengan karyawan karena karyawan, pada dasarnya, adalah ahli dalam sesuatu,” jelas Govindarjan. “Pengembang adalah ahli dalam pengembangan, tenaga penjual adalah ahli dalam penjualan.”
Wawasan teknis yang penting: kedua arsitektur ini berjalan di platform yang sama dan menggunakan mesin grafik yang sama. “Ini adalah grafik dinamis. Ini adalah grafik statis,” jelasnya. “Semuanya adalah grafik di bawahnya.” Runtime terpadu ini—yang mencakup spektrum dari interaksi pelanggan yang terkendali ketat hingga loop otonom bebas—mungkin menjadi taruhan teknis paling penting bagi Salesforce, mencegah perusahaan harus memelihara platform terpisah untuk masing-masing modalitas agen.
Salesforce melindungi investasinya di MCP sambil membuka ekosistemnya untuk setiap model dan alat AI utama
Penerimaan Salesforce terhadap keterbukaan di TDX sangat mencolok. Platform ini kini terintegrasi dengan OpenAI, Anthropic, Google Gemini, Meta’s LLaMA, dan model AI Mistral. Open agent harness mendukung SDK agen pihak ketiga. Alat MCP berfungsi dari lingkungan pemrograman manapun. Dan pasar AgentExchange yang baru menyatukan 10.000 aplikasi Salesforce, lebih dari 2.600 aplikasi Slack, dan lebih dari 1.000 agen, alat, dan server MCP dari mitra seperti Google, Docusign, dan Notion, didukung oleh inisiatif AgentExchange Builders senilai $50 juta.
Namun, Govindarjan memberikan penilaian yang cukup jujur tentang MCP itu sendiri—protokol yang dibuat Anthropic yang menjadi standar de facto untuk komunikasi alat-agen.
“Untuk jujur, saya tidak begitu yakin” bahwa MCP akan tetap menjadi standar, katanya. “Ketika MCP pertama kali muncul sebagai protokol, banyak dari kami para insinyur merasa bahwa itu adalah pembungkus di atas CLI yang sangat bagus—yang sekarang sudah ada. Banyak orang berpendapat bahwa mungkin CLI sama bagusnya, jika tidak lebih baik.”
Pendekatannya adalah fleksibilitas yang pragmatis. “Kami tidak terikat pada satu atau yang lain. Kami hanya menggunakan yang terbaik, dan sering kali kami akan menawarkan ketiganya. Kami menawarkan API, kami menawarkan CLI, kami menawarkan MCP.” Pendekatan ini menjelaskan mengapa inisiatif “Headless 360” dinamakan demikian—daripada bertaruh pada satu protokol tunggal, Salesforce mengekspos setiap kemampuan di semua tiga pola akses, sehingga melindungi diri dari perubahan protokol.
Engine, perusahaan manajemen perjalanan B2B yang mendapat sorotan dalam demo keynote, memberikan contoh nyata untuk pendekatan ekosistem terbuka ini. Perusahaan ini membangun agen layanan pelanggannya, Ava, dalam 12 hari menggunakan Agentforce dan kini menangani 50% kasus pelanggan secara otonom. Engine menjalankan lima agen untuk fungsi yang berorientasi pada pelanggan dan karyawan, dengan Data 360 di jantung infrastrukturnya dan Slack sebagai ruang kerja utamanya. “CSAT meningkat, biaya pelaksanaan menurun. Pelanggan lebih bahagia. Kami mendapatkan jawaban lebih cepat. Apa komprominya? Tidak ada kompromi,” kata seorang eksekutif Engine selama keynote.
Yang menggerakkan semua ini adalah pergeseran dalam cara Salesforce mendapatkan pembayaran. Perusahaan ini beralih dari lisensi per kursi ke harga berbasis konsumsi untuk Agentforce—sebuah transisi yang dijelaskan Govindarjan sebagai “perubahan model bisnis dan inovasi bagi kami.” Ini adalah pengakuan tacit bahwa ketika agen, bukan manusia, melakukan pekerjaan, membebankan biaya per pengguna tidak lagi masuk akal.
Salesforce tidak membela model lama—ia membongkarnya dan mempertaruhkan perusahaan pada apa yang akan datang selanjutnya
Govindarjan menggambarkan evolusi perusahaan dalam istilah arsitektur. Salesforce telah mengorganisir platformnya di sekitar empat lapisan: sistem konteks (Data 360), sistem kerja (aplikasi Customer 360), sistem agen (Agentforce), dan sistem keterlibatan (Slack dan permukaan lainnya). Headless 360 membuka setiap lapisan melalui titik akhir yang dapat diprogram.
“Apa yang Anda lihat hari ini, apa yang kami lakukan sekarang, adalah membuka setiap lapisan, tepat, dengan alat MCP, sehingga kami bisa membangun pengalaman agen yang dibutuhkan,” kata Govindarjan. “Saya pikir Anda sedang melihat sebuah perusahaan yang mengubah dirinya sendiri.”
Apakah transformasi itu berhasil akan bergantung pada pelaksanaan di ribuan penerapan pelanggan, daya tahan MCP dan protokol terkait, serta pertanyaan mendasar apakah platform perusahaan yang ada dapat bergerak cukup cepat untuk tetap relevan saat agen AI semakin mampu membangun sistem baru dari nol. Pasar bearish sektor perangkat lunak, tekanan keuangan yang membebani seluruh industri, dan kecepatan perbaikan LLM yang menakjubkan semua berkonspirasi menjadikan ini salah satu taruhan paling berisiko dalam teknologi perusahaan.
Tetapi ada ironi tersembunyi dalam situasi Salesforce yang diungkapkan oleh Headless 360. Kemampuan AI yang sangat mungkin menggantikan perangkat lunak tradisional adalah kemampuan yang kini juga digunakan Salesforce untuk membangun dirinya kembali. Setiap agen pemrograman yang secara teoritis bisa menggantikan CRM kini, melalui Headless 360, adalah agen pemrograman yang membangun di atasnya. Perusahaan ini tidak berargumen bahwa agen tidak akan mengubah permainan. Mereka berargumen bahwa puluhan tahun data perusahaan yang terakumulasi, alur kerja, lapisan kepercayaan, dan logika institusional memberi mereka sesuatu yang tidak bisa dihasilkan agen pemrograman dari prompt kosong.
Seperti yang dinyatakan Benioff di CNBC’s Mad Money pada bulan Maret: “Industri perangkat lunak masih hidup, baik, dan berkembang.” Headless 360 adalah upaya paling meyakinkan dari perusahaan ini untuk membuktikannya—dengan merobohkan dinding dari platform yang membuat Salesforce terkenal dan mengundang setiap agen di dunia untuk melangkah masuk.
Parker Harris, co-founder Salesforce, menyimpulkan taruhan ini dengan sangat ringkas dalam pertanyaan yang diajukan bulan lalu: “Mengapa Anda harus pernah masuk ke Salesforce lagi?”
Jika Headless 360 bekerja sesuai rencana, jawabannya adalah: Anda tidak perlu. Dan itu, menurut Salesforce, adalah taruhan yang akan membuat Anda tetap membayar untuknya.
