Em 10 de setembro de 2026, antes da Dreamforce, a Salesforce anunciou o Trusted Enterprise AI Harness: uma arquitetura modular que dá aos agentes de IA uma compreensão compartilhada do seu cliente e do seu negócio, e permite que ajam sobre ela dentro das suas regras. Ela reúne seis capacidades confiáveis (contexto, agência, ação, governança, segurança e modelos) mais um novíssimo AI Control Plane para ver e governar todos os agentes em um só lugar.
A ideia estratégica é afiada: à medida que os modelos viram commodities, o que diferencia você é o contexto proprietário que alimenta neles e a sua capacidade de agir sobre ele com segurança. O problema é prazo e escopo. Muitas peças existem hoje, mas as novas capacidades e a experiência unificada só começam a ser liberadas no início do ano fiscal FY28 (início de 2027), nenhum preço foi divulgado, e a própria Salesforce admite que partes das camadas de segurança e de custos ainda precisam ser construídas.
Então, minha leitura honesta, como alguém que entrega integrações de agentes para viver: o harness é o diagnóstico certo de um problema real (agentes se espalhando por todo lado sem contexto nem controle compartilhados). Mas a maioria das equipes não precisa montar uma arquitetura corporativa de seis camadas para ter um agente de suporte seguro funcionando. Se esse é o seu trabalho de verdade, um colega pronto para trabalhar como a eesel já traz as proteções, a simulação, as aprovações e um registro de atividade, e se conecta ao Salesforce Service Cloud em minutos, não no FY28.
O que a Salesforce realmente anunciou
Vou começar pela coisa em si, porque o nome faz muito trabalho. A Salesforce o chama de "Trusted Enterprise AI Harness", e não é um único produto que você compra. É uma arquitetura comum e modular pensada para dar aos agentes tudo de que precisam para trabalhar de forma confiável e segura, para que as empresas não tenham que construir e gerenciar essas capacidades separadamente para cada agente.
A proposta se apoia em uma aposta, dita com clareza por Rohan Kumar, presidente e Chief Platform and Engineering Officer da Salesforce:
"The Agentic Enterprise won't be defined by which model a company chooses. Models will continue to change, and intelligence will increasingly be available everywhere. What will differentiate an enterprise is the trusted, proprietary context it brings to that intelligence, starting with the customer, and its ability to securely turn that context into action."
A Salesforce enquadra todo o problema com uma pergunta enganosamente simples: "Podemos atender este pedido hoje?" Nenhum sistema isolado tem a resposta completa. O CRM conhece o cliente, o ERP conhece o estoque, os contratos guardam os compromissos, a análise de dados define os termos de negócio e as políticas determinam o que realmente pode ser prometido. O harness pretende conectar o raciocínio aberto da IA às regras de negócio e aos controles necessários para uma resposta previsível.
Se você leu o material da Salesforce sobre o Einstein Trust Layer, este diagrama vai parecer familiar. Ele mostra como um prompt passa por etapas de segurança (recuperação segura de dados, grounding, mascaramento, detecção de toxicidade, trilha de auditoria) antes e depois de chegar a um modelo. O harness é, essencialmente, essa ideia ampliada de um prompt para cada agente e ação da empresa.
As seis capacidades confiáveis
Aqui está o núcleo. A Salesforce diz que a confiança foi projetada em cada uma das seis capacidades desde o início, e que você pode usá-las juntas como um sistema ou pegar apenas as peças de que precisa. Imagine seis camadas envolvendo um único agente, com o Control Plane por cima.
Em vez de parafrasear o marketing, aqui está o que cada uma realmente faz, aplicado ao exemplo "podemos atender este pedido?".
| Capacidade | O que faz | No exemplo do pedido |
|---|---|---|
| Trusted Context | Reúne dados, metadados, semântica, conhecimento, sinais em tempo real e memória em uma compreensão compartilhada do cliente e do negócio | Conhece o cliente, seu contrato e seus direitos, e o que estoque "disponível" significa para ele |
| Trusted Agency | Raciocínio, planejamento, estado, memória e orquestração, combinando IA flexível com controles determinísticos | Decide se o pedido pode ser atendido e o que acontece depois, seguindo as regras que exigem certeza |
| Trusted Action | Conecta os agentes com segurança a apps, APIs, fluxos de trabalho e processos de negócio para que possam executar | Reserva estoque, atualiza o pedido, aciona o atendimento ou passa para uma pessoa |
| Trusted Governance | Governa os dados, metadados, políticas e processos em que a IA se baseia, com linhagem, qualidade e barreiras de proteção | Garante que a resposta se baseie em informações confiáveis e na política de tratamento correta |
| Trusted Security | Aplica identidade, permissões, privacidade e segurança em tempo de execução ao que os agentes podem ver e fazer | Garante que o agente só veja dados autorizados e execute ações autorizadas |
| Trusted Models | Roteamento de modelos inteligente por precisão, desempenho, custo e necessidade do negócio | Encaminha a tarefa para a inteligência certa e permite trocar de modelo conforme a tecnologia evolui |
Lendo essa lista, você vai notar uma coisa: são as mesmas preocupações de qualquer pessoa que já colocou um agente em uma fila ativa. Fundamentá-lo em dados reais. Deixá-lo agir, mas só dentro de limites. Garantir que ele não possa ver o que não deve. É um framework realmente coerente, e nomear as peças com tanta clareza é útil mesmo que você nunca toque na versão da Salesforce.
O AI Control Plane
A ideia mais nova, e a que considero mais importante, é o AI Control Plane. À medida que os agentes se multiplicam em uma organização, você precisa de uma forma consistente de saber qual IA está rodando, como está se saindo, o que tem permissão para fazer e quanto custa. O Control Plane pretende ser esse painel único.
Concretamente, o Control Plane permite descobrir e registrar agentes, estabelecer identidade e política, gerenciar o ciclo de vida, avaliar o desempenho, observar comportamento e resultados e controlar o custo. O interessante é que ele deve abranger tanto a IA da Salesforce quanto a de terceiros, de modo que uma empresa com várias plataformas de agentes poderia, em teoria, governar todas elas de um só lugar.
Essa ambição nasce de uma dor real. Segundo a análise de lançamento da VentureBeat, as empresas já executam em média 3,1 plataformas de agentes, e 85% executam duas ou mais. Se você já viu essa proliferação acontecer, uma camada de controle neutra sobre tudo isso soa exatamente como o que você quer.
Por que o enquadramento convence: confiança é o verdadeiro gargalo
Este anúncio é mais do que reembalagem porque mira o que de fato impede os agentes de chegarem à produção. Já não é a qualidade do modelo. É a confiança. Rebecca Wettemann, CEO e analista principal da Valoir, disse bem:
"We've really moved from AI FOMO to AI FOMU, fear of messing up. People worry that autonomous agents will run amok unharnessed and either do something deleterious to the business or run up a million-dollar token bill. It's the vendors that succeed with governance and trust that will succeed in getting customers from interesting AI pilots to AI in production."
Esse medo é o jogo inteiro. Já vi bots de aparência confiante distribuírem respostas erradas em silêncio, e é por isso que todo lançamento deve ser testado contra o histórico real antes de tocar em um cliente. Um cliente corporativo nomeado, Shawn Malhotra, CTO da Rocket Mortgage, ecoou o ângulo de abertura que a Salesforce está vendendo. Ele disse à Forkast que sua equipe não quer apostar o futuro em um único stack fechado e quer a liberdade de trocar de modelo conforme o cenário muda.
A leitura honesta: o que é real, o que ainda é roadmap
Aqui um texto justo precisa desacelerar. A visão é forte, mas isto é um lançamento, não um produto em operação, e a cobertura apontou várias lacunas reais que vale conhecer antes de montar um plano em cima disso.
Primeiro, o cronograma. A experiência unificada só começa a ser liberada no início do ano fiscal FY28. Em termos de IA, isso é glacial, e Carl Franzen, da VentureBeat, fez o ponto óbvio: é improvável que os clientes fiquem esperando por um harness de marca enquanto já constroem em outro lugar, então ele precisará ser especialmente atraente em preço, facilidade ou capacidade para trazê-los de volta.
Segundo, nem todas as peças estão prontas. Para crédito da Salesforce, Rohan Kumar disse isso diretamente:
"I wouldn't say we have all the capabilities, just to be fair, because some of these things, especially when it comes to trusted security and the FinOps piece, there are things that we need to go build."
Terceiro, a mensagem ainda não está totalmente definida. Stuart Lauchlan, da diginomica, notou que o controle de custos aparece em dois lugares ao mesmo tempo (incorporado ao Trusted Governance na apresentação, mas dentro do Control Plane no anúncio escrito), um pequeno sinal de que o framework é recente.
Depois há a disputa pela definição. O resto do setor usa "agent harness" para se referir ao arcabouço de ferramentas, memória e contexto em torno de um único modelo. A Salesforce ampliou o termo para cobrir contexto e governança em toda a empresa, e Kumar admitiu que a definição clássica é, na visão dele, "very limited". Se isso é visionário ou uma expansão de buzzword sobre Data 360 mais MuleSoft mais Tableau mais Agentforce, é um debate legítimo.
E por fim, a questão do lock-in que todo o discurso de "aberto e modular" convida. Dana Ellison, da Forkast, a nomeou com clareza:
"The challenge for decision-makers is balancing this promise of composability against the risk of vendor lock-in. If you centralize your agent governance on a single platform, you are effectively betting on that platform's ability to remain neutral and interoperable as the market evolves."
Nada disso faz do harness uma má ideia. Faz dele uma ideia precoce. A ambição de definir a categoria é real, e Lauchlan até a interpreta como o início de uma "sea change" de dois anos em que todo grande fornecedor corre para provar que faz contexto e confiança melhor. Só não confunda um diagrama de arquitetura atraente com algo que você possa implantar neste trimestre.
Você realmente precisa de um harness?
Esta é a pergunta sobre a qual eu realmente pararia, porque a resposta se divide com clareza conforme quem você é.
Se você é uma grande empresa que executa muitos agentes em muitos sistemas, e seu problema real é governança em escala (quem pode fazer o quê, como vejo tudo, como evito uma conta surpresa de tokens), então um control plane como este mira direto em você e vale acompanhar até o FY28.
Mas muita gente que busca "Salesforce AI harness" ainda não tem esse problema. Tem um mais estreito: preciso de um agente de IA na minha fila de suporte que seja seguro de ligar. Para isso, um harness corporativo inteiro é uma resposta mais pesada do que a pergunta exige. É a clássica lacuna de "isso é infraestrutura, mas eu queria um funcionário". O harness é o andaime; você ainda precisa montá-lo, conectar seus dados e esperar pelas peças.
O interessante é que as proteções que a Salesforce agrupa em uma arquitetura de seis camadas já são requisito básico em outros lugares para um agente de suporte. É aqui que eu recorreria a um colega pronto para trabalhar em vez de uma plataforma para construir. Na eesel, essas mesmas preocupações aparecem como padrões, não como camadas que você monta:
- Confiança antes de entrar no ar: em vez de um framework de governança, você roda uma simulação sobre centenas dos seus tickets reais do passado. Ela os reproduz e pontua as respostas do agente contra o que sua equipe realmente enviou, para que você veja as lacunas antes de um cliente. Isso responde diretamente ao medo de que ele "saia do controle".
- Ação delimitada e aprovações: você decide exatamente quais tickets ele atende e quais ações pode tomar, com uma etapa de aprovação humana para tudo que for sensível.
- Observabilidade pronta: cada execução é registrada com status e resultado, então "observar o comportamento" é uma tela que você abre, não uma capacidade que você provisiona.
Há mais uma peça que vale mencionar, porque o harness faz questão de ser construído de forma headless e acessível por MCP, APIs e plug-ins, inclusive no Claude e no Slack. Essa superfície programável e amigável a agentes é um instinto realmente bom, e a eesel teve o mesmo. A eesel traz uma CLI de verdade (@eesel/cli) e um servidor MCP para cada workspace, de modo que o mesmo colega que você configura no painel pode ser controlado por um terminal ou script. Você pode conectar uma integração, editar suas instruções permanentes, listar e aprovar ações com humano no circuito (eesel approvals) e ler seu histórico de execuções (eesel activity) tudo pela linha de comando, e um agente de código como Claude Code ou Cursor pode fazer o mesmo. É a mesma ideia de "governar o agente como código" que o Control Plane busca, disponível hoje para um colega em vez de no FY28 para toda a frota. A documentação da CLI da eesel aprofunda se você quiser o conjunto completo de comandos.
Experimente a eesel na sua fila do Salesforce
Se o seu objetivo é um agente de IA seguro e funcional no Salesforce Service Cloud e não uma aposta de plataforma de vários anos, é aqui que a eesel se encaixa. Ela entra na sua fila existente como um colega: lê sua central de ajuda e tickets passados, redige ou envia automaticamente respostas nos casos que você escolher e mantém cada ação delimitada, aprovada e registrada. Como se conecta diretamente ao Service Cloud Cases, você pode simulá-la no seu próprio histórico esta tarde e ver os números antes de qualquer coisa entrar no ar, sem lançamento no FY28.
O preço é um plano mensal fixo, com 1 crédito por ticket ou chat em vez de uma taxa por usuário, e um plano gratuito de 100 créditos que não exige cartão de crédito, um compromisso bem diferente de "esperar o anúncio de preços perto da disponibilidade geral". Se você está avaliando o stack de IA da Salesforce como um todo, meu detalhamento de preços do Agentforce e o panorama de alternativas ao Agentforce são as próximas leituras naturais. E se você quer a versão mais profunda de "como a IA realmente funciona em uma fila de suporte", comece por IA para atendimento ao cliente ou pela diferença entre um agente de IA e um chatbot baseado em regras.
O Trusted Enterprise AI Harness é uma visão séria e bem argumentada para governar agentes em escala corporativa, e estou genuinamente curioso para vê-lo entrar em operação. Mas para a tarefa específica de colocar no ar um agente de suporte confiável, você não precisa construir o harness primeiro. Você pode simplesmente contratar o colega.