Salesforce anuncia evaluaciones de agentes
Salesforce anunció el 27 de octubre de 2026 nuevas evaluaciones y controles de costos para Agent Fabric. Agent Evals y API Evals están previstos en beta para noviembre y en disponibilidad general para enero de 2027, según la compañía. Anuncio oficial.
Por qué evaluar agentes en funcionamiento
Un agente puede producir una respuesta correcta en una demostración y fallar cuando cambia una API, recibe entradas inesperadas o se actualiza el modelo. Si además tiene acceso a herramientas, el problema puede afectar un proceso de negocio y no solo una respuesta de texto. Por eso una evaluación previa al lanzamiento es útil, pero no basta para conocer el comportamiento posterior.
El control de costos plantea otra pregunta: una tarea puede terminar correctamente y aun así consumir más recursos de los previstos. La decisión operativa combina calidad, límites de gasto, alertas y una forma de detener o corregir comportamientos no deseados.
Agent Evals y la intervención
Salesforce describe Agent Evals como una herramienta que genera pruebas antes del despliegue y evalúa agentes, modelos y servidores MCP frente a umbrales de calidad. Si una evaluación falla, contempla intervenciones predefinidas y aprobación cuando la política del equipo la requiere. La activación automática vinculada al interruptor de agentes se anuncia para enero de 2027.
La utilidad depende de qué se mide. Un umbral puede detectar una respuesta que incumple un criterio, pero no identifica por sí solo todas las causas ni cubre situaciones ausentes de la prueba. Un equipo necesita acordar qué es un fallo, quién recibe el aviso y cómo se restablece el servicio después de una intervención.
Pruebas para las interfaces de las que dependen
API Evals, también anunciado para beta en noviembre, busca generar pruebas funcionales y de rendimiento a partir de especificaciones de API para detectar cambios incompatibles antes de producción. Es una capacidad separada de evaluar la respuesta del agente.
La distinción es importante: un agente puede interpretar bien una instrucción y fallar porque el servicio que consulta devuelve un formato distinto. También puede recibir una respuesta válida de la API y tomar una decisión equivocada. Probar ambas capas permite investigar mejor dónde aparece el problema, aunque ninguna batería garantiza cobertura completa.
Cómo operan los controles de gasto
La documentación de MuleSoft describe un registro de agentes y un gateway que aplica controles al tráfico. Los presupuestos y carteras pueden limitar el consumo de tokens o dinero del llamador de un proxy de modelos; requieren un proveedor de identidad para las carteras. La documentación advierte que los presupuestos son aproximados y que el uso puede superar brevemente el límite antes del bloqueo.
La guía de costos aclara que el uso que no pasa por el proxy no queda incluido en esos controles. También describe reutilización de respuestas similares mediante caché semántica. Por tanto, un límite configurado en ese punto no equivale por sí solo a un techo de toda la factura de una organización.
La reducción de consumo debe medirse junto con calidad: reutilizar una respuesta puede ser útil en solicitudes equivalentes, pero exige comprobar que siga siendo pertinente y que respete el contexto y los permisos aplicables. Separar ahorro de tokens y costo total evita confundir una mejora técnica con el gasto completo del servicio.
Qué revisar antes de adoptar
La guía de inicio pide comprobar acceso del producto y configuración con el administrador; para carteras menciona un proxy de modelos configurado y un proveedor de identidad. Los requisitos cambian según la función que se quiera usar.
Para un piloto conviene inventariar los agentes y sus dependencias, elegir pruebas representativas y registrar la línea base de errores, latencia y consumo. Después se pueden definir umbrales, responsables y acciones de contención, y comprobar en un entorno controlado qué ocurre cuando se alcanza el límite o se genera una alerta.
La publicación distingue funciones ya disponibles de capacidades aún previstas. Las fechas de beta y disponibilidad general son planes del proveedor, no una comprobación de acceso para cada cuenta o país. La nota tampoco ofrece un precio integral; hay que verificar condiciones y configuración antes de contratar.
Preguntas frecuentes
¿Agent Evals está disponible de forma general?
Salesforce prevé beta en noviembre de 2026 y disponibilidad general en enero de 2027. La disponibilidad concreta debe confirmarse con el proveedor.
¿Un límite impide todo exceso de gasto?
La documentación indica que el presupuesto puede excederse brevemente antes de bloquear solicitudes y que el tráfico fuera del proxy queda fuera de estos controles.
¿Las pruebas de API sustituyen las del agente?
No. Una evalúa dependencias de interfaz y la otra debe examinar comportamiento y resultados; se complementan y siguen limitadas a los casos que cubran.
¿El control automático elimina la revisión humana?
No necesariamente. El anuncio contempla aprobación cuando la política la exige; definir responsables y revisar las intervenciones sigue siendo parte del diseño operativo.
