Durante años, Slackbot fue ese compañero discreto que te recordaba normas de un canal, te sugería archivos o te soltaba avisos como quien deja una nota en la nevera. Salesforce lo ha reconstruido por completo para convertirlo en un agente de IA capaz de buscar información en sistemas corporativos, redactar documentos y ejecutar acciones dentro del flujo de trabajo. Según detalló la compañía en declaraciones recogidas por VentureBeat, la idea es que Slack deje de ser solo un lugar para chatear y pase a actuar como la puerta de entrada al trabajo “agéntico”, esa nueva ola en la que el software no solo responde, también colabora.
La metáfora interna que usaron para explicarlo es bastante gráfica: el Slackbot antiguo era como un triciclo; el nuevo se siente como un coche deportivo. Traducido a la vida real, significa pasar de tareas simples y preprogramadas a un sistema que entiende peticiones en lenguaje natural y sabe moverse por datos dispersos, como si un bibliotecario con súperpoderes pudiera recorrer estanterías, archivadores y conversaciones antiguas en segundos.
Qué hay debajo del capó: modelo de lenguaje, búsqueda y conectores
El cambio no es cosmético. El Slackbot renovado se apoya en un modelo de lenguaje y en un motor de búsqueda empresarial que conecta con múltiples fuentes: registros de Salesforce, archivos de Google Drive, calendarios y el histórico de conversaciones dentro de Slack. Esta mezcla es clave porque gran parte del conocimiento en una empresa no vive en un único sistema: está repartido entre documentos, hilos, mensajes, reuniones y notas sueltas. Como cuando intentas reconstruir una decisión de hace seis meses: un trozo está en un correo, otro en un chat, otro en un archivo con nombre críptico. La promesa es que Slackbot pueda unir esas piezas sin que tengas que ir saltando de herramienta en herramienta.
Aquí hay un matiz importante: la “magia” no depende solo del modelo. El valor real suele estar en cómo se aterriza la respuesta con contexto y permisos. Que el sistema pueda leer, sintetizar y proponer es útil; que lo haga respetando quién puede ver qué, es lo que lo convierte en viable para entornos corporativos.
Por qué el primer motor es Claude y qué significa la palabra “compliance”
En esta primera etapa, el Slackbot se apoya en Claude de Anthropic. La razón que se expuso es muy pragmática: requisitos de cumplimiento. Slack opera en ciertos entornos con certificaciones como FedRAMP Moderate, relevantes cuando trabajas con clientes del gobierno federal de EE. UU. En ese marco, Salesforce explicó que Anthropic era, en el momento de arranque del proyecto, la opción que les permitía cumplir con las exigencias de ese tipo de despliegues.
Esto no implica exclusividad a largo plazo. La propia compañía desliza que incorporará otros proveedores y cita explícitamente a Google Gemini por coste y rendimiento. También deja abierta la puerta a OpenAI. El mensaje de fondo es el que viene repitiendo Marc Benioff: los LLM tienden a convertirse en “commodities”, como si fueran piezas intercambiables, más parecidas a una CPU que a un ingrediente secreto único.
Privacidad y datos: por qué “entrenar con tus conversaciones” es un problema
En el terreno sensible de la privacidad y el uso de datos, Salesforce fue tajante: no entrena modelos con datos de clientes. La explicación es sencilla y, a la vez, contundente: una vez que algo se “mete” en el modelo, es difícil garantizar que solo ciertas personas puedan recuperar ese conocimiento. Es como echar tinta en un vaso de agua y luego intentar separar exactamente las moléculas que no quieres que beba otra persona. Por eso, el enfoque declarado se apoya en recuperar información a la que el usuario ya tiene acceso y usarla para responder, sin convertir esa información en “memoria” permanente del modelo.
En empresas, este punto no es un detalle técnico: es el tipo de frase que marca si un departamento legal y de seguridad te deja avanzar o te frena el proyecto durante meses.
Lo que han visto dentro de Salesforce: adopción rápida y hábitos compartidos
Antes de abrirlo a clientes, Salesforce lo probó internamente con su plantilla, alrededor de 80.000 empleados. Los datos compartidos por la compañía pintan un escenario optimista: una parte amplia de empleados lo ha probado y una mayoría de quienes lo prueban lo mantienen como hábito. También se mencionan índices de satisfacción muy altos y estimaciones de ahorro de tiempo que van desde un par de horas semanales hasta jornadas enteras en casos concretos.
Lo más interesante no es solo el uso, sino cómo se contagia. Se describe que buena parte de la adopción surgió por recomendación entre compañeros, con un ejemplo muy de cultura Slack: un Canvas interno con “prompts robables” que fue creciendo de forma orgánica. En términos cotidianos, es el momento en que la gente deja de ver la IA como “una función nueva” y la trata como un atajo compartido, como ese atajo de teclado que te cambia la vida y alguien te enseña en la máquina de café.
De sintetizar a actuar: Canvas, reuniones y el paso hacia llamadas a herramientas
Una demostración descrita en el lanzamiento ilustra el enfoque: pedirle al Slackbot que analice feedback de clientes, interpretar una imagen de un panel de uso y cruzar señales cualitativas y cuantitativas. Ese tipo de tarea es el pan de cada día de muchos equipos y suele implicar trabajo manual: copiar métricas, buscar comentarios, interpretar tendencias y, luego, preparar un documento presentable para una reunión.
Aquí aparece una palabra clave: acciones. No se trata solo de contestar en el chat; el agente puede volcar lo obtenido en un Canvas para que el equipo lo edite, y puede consultar calendarios para proponer huecos de reunión. En el lanzamiento se indicó que leer calendarios y comprobar disponibilidad ya está, y que la capacidad de reservar reuniones como tal llegaría unas semanas después. También se habló de un calendario de despliegue: expansión hasta finales de febrero para clientes elegibles y disponibilidad móvil completa alrededor del 3 de marzo.
El rumbo que marca Salesforce es claro: hoy el agente “redacta y organiza”; mañana hará más “tool calls”, es decir, llamadas directas a herramientas internas y de terceros para ejecutar tareas. Es el paso de “te lo explico” a “te lo dejo hecho”.
Pilotos con clientes y una promesa muy concreta: menos cambio de contexto
Entre los pilotos citados figura Beast Industries (la empresa de MrBeast), donde el responsable de sistemas destacó la facilidad de activación y el hecho de que el agente respeta los permisos ya existentes. Ese detalle suena aburrido, pero es crucial: es el equivalente a decir “no he tenido que cambiar cerraduras ni repartir llaves nuevas”. En despliegues empresariales, si el modelo de permisos se rompe, el proyecto suele morir.
Otros clientes piloto mencionados incluyen consultoras y tecnológicas. Una frase que resume bien el beneficio esperado es “eliminar el cambio de contexto”: dejar de saltar entre ventanas, pestañas y apps para hilar la historia. Si alguna vez has tenido que escribir un briefing reuniendo piezas de cinco herramientas, sabes que el cansancio no viene de pensar, sino de perseguir la información.
Competencia directa: Microsoft Copilot y Google Gemini quieren el mismo lugar
El lanzamiento coloca a Salesforce frente a Microsoft Copilot en Teams y a las integraciones de Google Gemini en Workspace. La diferenciación que defiende Slack es la “proximidad”: el agente está justo donde ya ocurre el trabajo conversacional y donde se registran decisiones. También insiste en el contexto: muchas herramientas de IA suenan “genéricas” porque no están ancladas en tu día a día; la ventaja de Slack es que tu trabajo ya está ahí, en hilos, canales y archivos compartidos.
Dicho de forma simple: si la IA es un copiloto, Slack quiere que esté sentado en tu asiento habitual, no que tengas que coger un taxi para hablar con él.
Precio, planes y la sombra de los costes por acceso a datos
Salesforce aseguró que el nuevo Slackbot no implica coste adicional para clientes en planes Business+ y Enterprise+. Aun así, el contexto comercial importa: también se menciona el debate sobre tarifas y políticas de acceso a datos en el ecosistema Salesforce, con voces del sector advirtiendo que algunos flujos de datos hacia herramientas externas podrían encarecerse. Aunque Slackbot llegue “incluido”, la economía real de una empresa depende de cómo se conectan sus sistemas, cuánto cuesta mover datos y qué restricciones aparecen cuando intentas orquestar herramientas de distintos proveedores.
La visión: un “super agente” en Slack y un futuro menos dependiente del chat puro
Salesforce dibuja a Slackbot como un “super agente”, un núcleo que coordine otros agentes. Hay señales de esa dirección: cada vez más apps nuevas dentro de Slack se comportan como agentes, y se menciona incluso la idea de que Slack funcione como cliente de Model Context Protocol (MCP), para conectar herramientas de forma estandarizada. Aun así, la compañía también pone freno al hype: hablar de miles de agentes coordinándose suena espectacular, pero no necesariamente útil. La tesis es avanzar con casos reales que funcionen, no con demostraciones grandilocuentes.
Curiosamente, también se reconoce un límite: la interfaz conversacional no lo es todo. Habrá tareas en las que el agente construya una interfaz específica según la intención, como cuando un buen camarero no solo te pregunta qué quieres, sino que te acerca la carta correcta, te sugiere y te prepara la mesa para lo que vas a hacer.