Las AWUs: cómo convertir la inteligencia bruta en trabajo real

Durante los últimos dos años, la industria se ha centrado en la inteligencia de modelos en bruto. Pero mientras trabajamos con los clientes para ir más allá del bombo, queda una pregunta crítica: ¿Estamos realmente usando estos modelos para algo útil?

Hasta la fecha, el éxito de la IA se ha medido a través del consumo de tokens. Pero los tokens solo miden cuánto habla una IA, no el trabajo que realmente realiza. Por eso estamos entusiasmados de presentar la Unidad de Trabajo Agente (AWU).

Una AWU es una tarea discreta realizada por un agente de IA. Es el momento en que la inteligencia bruta se convierte en trabajo real. Es un prompt procesado, una cadena de razonamiento completada o –lo más importante– una herramienta invocada.

La AWU proporciona una métrica a nivel de plataforma que captura la amplitud de actividad que ocurre en toda la Agentic Enterprise, desde Agentforce hasta Slack AI. Para ofrecer una visión completa de este valor, estamos siguiendo dos cifras clave:

• AWUs: El volumen total de trabajo que nuestra plataforma realiza en nombre de los clientes.
• Tokens procesados: Nuestra presencia en la economía global de computación de IA, que fundamenta nuestra escala en la capa de infraestructura.

De la inferencia al trabajo

La relación entre tokens y AWUs no es una relación fija; es elástico. A medida que la innovación de nuestra plataforma madura y las implementaciones de nuestros clientes mejoran, esperamos ver una divergencia entre los tokens y las AWUs, lo que implica que se está haciendo más trabajo a menor coste.

Las tareas deterministas de alta frecuencia (como activar un Flow o llamar a una API) se vuelven cada vez más «token-lean». Por el contrario, el razonamiento complejo y la resolución autónoma de problemas pueden incluso ver un aumento en los tokens de entrada. Especialmente cuando los agentes realizan acciones más sofisticadas como realizar evaluaciones para determinar la calidad del trabajo, diseñar y optimizar agentes con vibe coding, y aprovechar aún más contexto para obtener las mejores respuestas posibles.

El objetivo aquí es una alta proporción «inferencia-trabajo»: usar tokens de entrada para producir tokens de salida concisos y de alto valor. Esto es fundamental porque, en el mundo de los LLM, los tokens de salida pueden ser hasta diez veces más caros que la entrada utilizada para llegar allí. Nuestro objetivo no es simplemente usar menos tokens; es para asegurarse de que cada token de salida caro gastado maximice el trabajo que se está realizando.

Liderando con el ejemplo

No solo estamos vendiendo esta visión; Lo estamos viviendo. Salesforce se está convirtiendo en una empresa agente, donde humanos y agentes trabajan juntos para lograr una eficiencia sin precedentes. En nuestras propias operaciones internas, nuestros agentes de soporte gestionan ahora el 96% de los casos de forma autónoma, y hemos ahorrado más de 50.000 horas de vendedor dejando que los agentes se encarguen de la «administración» de las ventas.

También estamos viendo una aceleración rápida entre nuestros clientes. Hasta la fecha, hemos generado 2.400 millones de AWUs –771 millones solo en el cuarto trimestre, un aumento del 57% respecto al trimestre anterior–. Los agentes de servicio crecieron un 106% de trimestre a trimestre (QoQ) hasta alcanzar 129 millones de AWUs en el cuarto trimestre y los agentes de empleados experimentaron un incremento del 62% en QoQ. En Slack, AI Search creció un 116% QoQ, complementado por un incremento del 44% en los resúmenes de archivos y el exitoso debut de nuestro nuevo Slackbot.

No son solo estadísticas de uso; son pruebas de la Empresa Agentica en acción. Al medir las AWUs, por fin estamos dejando atrás el parloteo de la IA para ver la realidad de humanos y agentes trabajando juntos. Así es como medimos el verdadero valor de la Empresa Agente.

Por Patrick Stokes (presidente y director general de Salesforce Inc)
y Madhav Thattai (vicepresidente ejecutivo y director general de Agentforce)