Salesforce-CEO Marc Benioff: Agentische KI verändert Vertrieb, Service und ITSM

zuletzt aktualisiert 14. Oktober 2025

Salesforce stellt sich neu auf: KI-Agenten übernehmen inzwischen bis zur Hälfte der Kundenkontakte, füllen die Vertriebspipeline und beeinflussen Preis- und Geschäftsmodelle. Das erklärte CEO Marc Benioff im Podcast The Logan Bartlett Show. Er schilderte, wie Salesforce KI-Agenten in Support, Sales, Marketing, Field Service und Slack integriert – und welche organisatorischen Folgen das hat.

Vom CRM-Pionier zum agentischen Unternehmen

Das US-amerikanische Softwareunternehmen Salesforce wurde 1999 in San Francisco gegründet. Bekannt wurde es als Vorreiter im Cloud-Computing und Marktführer im Bereich Customer-Relationship-Management (CRM). Heute bietet das Unternehmen neben Vertriebs-, Service- und Marketinglösungen auch Daten- und Analyseplattformen sowie Kollaborationstools wie Slack an.

Marc Benioff widerspricht im Podcast mit Logan Bartlett der These vom „Ende der Anwendungssoftware“. Stattdessen entstehe eine zusätzliche Schicht agentischer Systeme, die eng mit Daten- und Anwendungsebene verbunden ist. Salesforce agiere hier als „Customer Zero“: Technologien werden zunächst intern genutzt und anschließend als Produkte vermarktet. Laut Benioff führt dies zu Effizienzsteigerungen im Support, zu mehr bearbeiteten Leads im Vertrieb und zu einem wachsenden KI- und Datenportfolio.

Support: Zufriedenheit auf gleichem Niveau bei weniger Personal

Benioff berichtet:

• Salesforce habe rund 1,5 Mio. KI-gestützte Support-Gespräche geführt, parallel dazu eine ähnliche Zahl mit menschlichen Mitarbeitenden.
• Die CSAT-Werte seien in beiden Gruppen vergleichbar.
• Die Zahl der Support-Mitarbeitenden sei von etwa 9.000 auf 5.000 gesunken.
• Eine neue Funktion, der Omnichannel-Supervisor, koordiniere die Zusammenarbeit zwischen Agenten und Menschen.

Hier muss jedoch eingewendet werden, dass ohne Angaben zur Methodik nur schwer zu beurteilen ist, ob die CSAT-Werte tatsächlich vergleichbar sind. Wahrscheinlich bearbeiten KI-Agenten vor allem Standardfälle, während komplexere Anliegen an Menschen weitergeleitet werden. Das könnte das Ergebnis verzerren.

Vertrieb: 10.000 Gespräche pro Woche, volle Pipeline

Laut Benioff konnte Salesforce in den vergangenen 26 Jahren über 100 Mio. Leads nicht bearbeiten. Mit agentischen Sales-Workflows ändere sich das nun:

• Aktuell würden mehr als 10.000 Leads pro Woche durch KI-Agenten kontaktiert.
• Daraus entstehe laut Benioff die „vollste Pipeline aller Zeiten“.
• Die Zusammenarbeit erfolge als Tandem: KI übernimmt Erstkontakte und Routinen, während Sales-Teams komplexe Gespräche führen.
• Zusätzlich sei ein Website-Agent eingeführt worden, der über die Data Cloud mit Besucher*innen interagiert.

Diese Zahlen beschreiben allerdings nur das Kontaktvolumen, sagen aber nichts über Conversion-Rate oder Umsatzqualität aus. Ob sich das erhöhte Volumen tatsächlich in nachhaltigem Umsatzwachstum niederschlägt, bleibt deshalb unklar.

Architektur: Drei Ebenen der agentischen Enterprise

1. Datenebene: Data Cloud, MuleSoft, Tableau und (geplant) Informatica.
2. Anwendungsebene: Spezialisierte Clouds für Vertrieb, Service, Marketing und Field Service, ergänzt um Slack.
3. Agentenebene: KI-Agenten mit klar definierten Guardrails und Eskalationslogiken.

Benioff betont, dass LLM, Agent, Anwendung und „System of Record“ integriert sein müssen, damit der Nutzen greift.

Slack als zentrale Arbeitsumgebung und ITSM

Das ITSM (IT Service Management) umfasst Prozesse und Tools, mit denen Unternehmen ihre IT-Services planen, bereitstellen und verbessern. Typische Bereiche sind Incident Management, Change Management oder Service Request Management. Ziel ist es, IT-Services zuverlässig und effizient zu gestalten.

• Salesforce habe intern dutzende Agenten in Slack im Einsatz, z. B. für Renewals, Support oder Mitarbeiter-Services.
• Zudem plane das Unternehmen den Einstieg in den ITSM-Markt mit einer Slack-first-Lösung, die ebenfalls agentisch arbeiten soll.

Slack soll damit zur zentralen Oberfläche werden, in der Menschen und Agenten gleichermaßen nebeneinander und zusammen arbeiten.

Preis- und Geschäftsmodelle im Wandel

Benioff erläutert vier parallel genutzte Preismodelle:

• Per-Seat (z. B. Sales Cloud, Service Cloud, Slack)
• Consumption (z. B. E-Mail-Volumen, Data Cloud)
• Conversational Pricing (z. B. pro Interaktion)
• Enterprise-weite Lizenzmodelle für die „agentische Enterprise“

Grundsätzlich bergen konversationsbasierte Abrechnungsmodelle im KI-Kontext für Unternehmen natürlich das Risiko schwankender und schwer kalkulierbarer Kosten. Hinzu kommen noch Aufwand für Monitoring, Compliance und Governance.

Governance: Führung von Menschen und Agenten

Benioff sieht eine neue Managementaufgabe:

• Agenten erhalten Profile, Tonalitätsvorgaben und Eskalationsregeln.
• Bereits heute würden im Support bei Salesforce 50 % der Gespräche von Agenten geführt.
• Ähnlich wie beim autonomen Fahren müsse jederzeit die Übergabe an Menschen möglich sein.

Risiken und Grenzen

Neben Chancen nennt Benioff auch Limitierungen:

• LLMs beruhen auf endlichen Daten und Algorithmen – keine AGI. Fortschritte seien eher evolutionär.
• Fehlerquellen: Halluzinationen, falsche Eskalationen, Datenfehler.
• Abhängigkeit: Nutzen entsteht durch Integration, birgt aber Vendor-Lock-in-Risiken.
• Governance: Zusätzliche Kontroll- und Überwachungsmechanismen sind unvermeidbar.

HR- und Compliance-Aspekte

• Neue Rollen: etwa Agent-Supervisor, Prompt-Engineer oder Data Steward.
• Mitbestimmung: Betriebsräte müssen eingebunden werden; Arbeitsplatzprofile verändern sich.
• Transparenz: Nutzer*innen müssen erkennen, ob sie mit Menschen oder Agenten interagieren.
• Rechtliche Anforderungen: Audit-Trails, Bias-Kontrollen und dokumentierte Guardrails sind notwendig (z. B. EU-AI-Act).
• Messung: KPIs sollten Leistungen von Menschen und Agenten getrennt und kombiniert abbilden.
• Change Management: Kommunikation, Training und Beteiligung sind entscheidend.

Salesforce am Wendepunkt

Salesforce positioniert sich als Vorreiter einer agentischen Unternehmensarchitektur. Benioffs Aussagen zeigen, wie Support, Vertrieb und interne Prozesse durch KI-Agenten verändert werden. Gleichzeitig wird deutlich, dass Governance, Transparenz und HR-Begleitung unverzichtbar sind.

Doch es bleiben offene Punkte:

• Support-Kennzahlen wie CSAT sind ohne Methodik schwer bewertbar.
• Lead-Bearbeitung sagt wenig über Abschlussraten oder Umsatzqualität.
• Neue Preismodelle bergen Kostenrisiken.
• Organisatorischer Aufwand für Governance und Compliance könnte Einsparungen relativieren.

Für Unternehmen heißt das: Wer agentische Systeme einsetzt, muss neue Rollen schaffen, Compliance sicherstellen und Kennzahlen anpassen. Ebenso wichtig ist eine kritische Abwägung von Nutzen und Aufwand. Nur so lassen sich Effizienzgewinne realisieren, ohne Vertrauen, Kundenerlebnis oder Belegschaft zu gefährden.

Marc Benioff Predicts Half of Conversations Will be With AI Agents Next Year

Mit Laden des Videos akzeptieren Sie die Datenschutzerklärung von Youtube

Was versteht Salesforce unter agentischer KI?

Agentische KI bezeichnet autonome Software-Agenten, die eigenständig Kundenanfragen, Leads oder interne Aufgaben bearbeiten und bei Bedarf an menschliche Mitarbeitende eskalieren.

Welche Vorteile bringt agentische KI im Vertrieb?

Sie erhöht die Bearbeitungskapazität, z. B. durch gleichzeitige Erstansprachen und Follow-ups. Laut Benioff führt Salesforce aktuell über 10.000 Lead-Gespräche pro Woche und füllt so seine Pipeline schneller.

Wie verändert agentische KI den Kundensupport?

KI-Agenten übernehmen standardisierte Fälle und entlasten Teams. Bei komplexen Anliegen wird an Menschen eskaliert. Salesforce berichtet von ähnlichen CSAT-Werten zwischen KI- und Menschengesprächen.

Was bedeutet ITSM im Kontext von Salesforce?

ITSM (IT Service Management) umfasst standardisierte Prozesse wie Incident-, Change- und Service-Request-Management. Salesforce plant eine Slack-first, agentische ITSM-Lösung für diese Workflows.

Welche Risiken birgt der Einsatz von KI-Agenten?

Risiken sind u. a. Halluzinationen, Fehleskalationen, Datenschutz- und Compliance-Verstöße, Datendrift sowie Abhängigkeit vom Anbieter (Vendor Lock-in).

Welche neuen Rollen entstehen durch agentische KI?

Typische Rollen sind Agent-Supervisor, Prompt-Engineer, Data Steward, KI-Qualitätsmanager und AI/Agent-Ops, die Regeln, Qualität und Integration der Agenten verantworten.

Wie wirkt sich agentische KI auf Pricing-Modelle aus?

Neben Per-Seat- und Verbrauchsmodellen kommen konversationsbasierte Preise hinzu. Vorteil: flexible Nutzung; Risiko: schwer kalkulierbare Kosten bei Lastspitzen und zusätzlicher Governance-Aufwand.

Was sollten Unternehmen bei der Einführung beachten?

Wichtig sind klare Guardrails, Transparenz (Kennzeichnung von KI-Interaktionen), Messkonzepte (Mensch vs. Agent), Einbindung von Mitbestimmung, Datenschutzkonformität (Audit-Trails, Bias-Kontrollen) und gezieltes Change Management.

Wie misst man den Nutzen agentischer KI?

Empfohlen sind KPIs wie First-Contact-Resolution, Eskalationsquote, Bearbeitungszeit, CSAT/NPS getrennt nach Mensch/KI, Conversion-Rate, Kosten pro Interaktion sowie Qualitäts- und Compliance-Metriken.