Entrada oficial del blog Salesforce News (sección Agentic Enterprise, serie "Pioneering the Agentic Shift Within Salesforce Engineering"), publicada el 27 de mayo de 2026 (lectura de 6 minutos) por Srinivas "Srini" Tallapragada, President and Chief Engineering and Customer Success Officer en Salesforce.
Por **Srinivas « Srini » Tallapragada** — *President and Chief Engineering and Customer Success Officer* de **Salesforce**. Plus d'une décennie chez Salesforce// Fuente salesforce.com ↗/Lectura 2 min/.md// Traducción verificada automáticamente
#SDLC agéntico#sdlc agéntico#Claude Code#eliminación de los límites de tokens#eliminamos todos los límites de tokens#eliminar la fricción#puntuación Effective Output#valor real del código
Resumen
Srini Tallapragada (President & Chief Engineering Officer en Salesforce) publicó un informe de avance el 27 de mayo de 2026: tras superar el 90% de adopción de la IA, Salesforce Engineering pasó de un uso «copiloto» a un SDLC genuinamente agéntico, en el que herramientas autónomas escriben código, revisan PRs, generan tests, actualizan documentación y gestionan despliegues.
El punto de inflexión: estandarización a escala de la organización en Claude Code y, sobre todo, la eliminación de todos los límites de tokens. La doctrina: el límite de tokens es fricción que hay que eliminar, no una salvaguarda presupuestaria. Los resultados (abril 2026 frente a 2025): +50,8% de elementos de trabajo por desarrollador, +79% de PRs fusionadas, y una puntuación de Effective Output (una medida de ML del valor real del código, no del volumen) +151,3%.
copiloto
— **Srinivas « Srini » Tallapragada** — *President and Chief Engineering and Customer Success Officer* de **Salesforce**. Plus d'une décennie chez Salesforce , salesforce.com
Prueba mediante un ejemplo: una migración de 33 endpoints de API a una arquitectura cloud-native, estimada en 231 persona-días, completada en 13 días — 18 veces más rápido. El método: un marco basado en reglas construido en Claude (markdown + implementaciones de referencia) cuyo conjunto de reglas crece con cada feedback de PR, bucles LLM autónomos (build, fix, validate) sin intervención manual, paralelizados en entornos aislados. Resultado: 5 PRs, la mayor de las cuales entregó 21 endpoints con 100% de cobertura.
Frente a la idea de un compromiso velocidad/calidad, la plataforma Engineering 360 muestra que los incidentes caen un 5% pese al aumento de PRs: "la calidad no sufre por la velocidad. Se beneficia de ella" — gracias a barreras de seguridad y estándares de calidad estructuralmente integrados en el flujo de trabajo (Trust como valor n.º 1).
Más allá de las cifras, Salesforce está revisando el SDLC: qué procesos eliminar, qué traspasos suprimir, qué trabajo humano puede asumir un agente. Emerge un nuevo oficio: las skills de Claude Code se convierten en un artefacto de ingeniería compartido; el AI Expert Suite y los Salesforce Foundation Plugins institucionalizan una biblioteca de skills (más precisión, menos coste innecesario); los subagentes y equipos de agentes paralelizan los flujos de trabajo — el ingeniero describe el resultado, los agentes encuentran los pasos.
El autor reconoce lo que sigue siendo difícil: la gestión del contexto (calidad variable de los archivos CLAUDE.md), la seguridad agéntica (agentes que actúan → mayor radio de impacto) y la evolución de los roles (llegar a senior, el papel del diseñador/PM, la unidad de ejecución reducida a 1 o 3 personas). Conclusión: la transformación "cambió lo que era económicamente posible"; la ambición es construir "el SDLC agéntico más automatizado del sector". Una pieza empírica mayor que valida, desde el lado del operador, el paso del token al resultado.
Puntos clave
Fecha / fuente.27 de mayo de 2026, blog oficial Salesforce News (sección Agentic Enterprise), 6 min. Autor: Srini Tallapragada (President & Chief Engineering and Customer Success Officer).
Continuación de."How we got our engineers to use AI — without breaking everything" (superado el >90% de adopción). Esta entrada = el siguiente paso: ya no adoptar, sino reconstruir el SDLC. ### La decisión señal (clave para el bloque de FinOps agéntico)
Estandarización a escala de la organización en Claude Code. + "eliminamos todos los límites de tokens".
Lógica declarada: el límite de tokens es fricción, no una salvaguarda de costes. "Eliminar hasta el último resquicio de fricción."
⚠️ Contrapunto directo al reflejo de «recortar el presupuesto de tokens» → se cruza con Willenbrock ("quienes recortan el presupuesto de tokens nunca pasan de la fase piloto… centro de coste en vez de una capacidad") y con Mollick. ### Las cifras (abril 2026 frente a abril 2025) | Métrica | Variación interanual | |----------|---------------| | Elementos de trabajo completados / desarrollador | +50,8% | | PRs fusionadas / desarrollador | +79% | | Puntuación de Effective Output (valor real, ML, no volumen) | +151,3% | | Incidentes totales (pese al ↑ de PRs) | −5% |
Effective Output. = el verdadero hallazgo: medir el valor del código entregado, no el volumen → un primo del coste de un resultado completado (Gupta) y de los precios basados en resultados (Greenwald). ### El caso de la migración (prueba mediante un ejemplo)
33 endpoints de API. → arquitectura cloud-native. Forma tradicional: ~231 persona-días (7/API). Completado en 13 días = 18×.
Receta: marco basado en reglas construido en Claude (markdown + implementaciones de referencia) → el feedback de las PRs realimenta continuamente el conjunto de reglas → bucles LLM autónomos (build, fix, validate) sin intervención → paralelización en entornos aislados.
Resultado: 5 PRs, la mayor = 21 endpoints, 100% de cobertura de tests. "Cambió lo que era económicamente posible." ### El nuevo oficio
Las skills de Claude Code = un artefacto de ingeniería (contexto del equipo, convenciones, patrones) — compartido, componible.
AI Expert Suite. + Salesforce Foundation Plugins = una biblioteca curada → benchmark interno: +precisión, +fiabilidad, −coste innecesario.
Subagentes / equipos de agentes. → el ingeniero describe el resultado, los agentes coordinados encuentran los pasos (fin del cambio de contexto entre 5 sistemas).
Competencia clave de 2026: estructurar un problema para un sistema agéntico, saber cuándo delegar frente a mantenerse en el bucle, construir patrones reutilizables. ### Lo que sigue siendo difícil (la sección honesta)
Contexto. la calidad de CLAUDE.md varía mucho entre equipos → fuerte impacto en el resultado.
Seguridad agéntica. agentes que actúan (no solo sugieren) → mayor radio de impacto, el modelo de seguridad necesita reconstruirse.
Roles. ¿junior→senior si la IA absorbe el trabajo de nivel inicial? ¿papel del diseñador/PM? unidad de ejecución equipo scrum → experimentos con 1 o 3 personas. ### Para usar en engagements / presentaciones
Sirve como prueba para la presentación Token & Outcome (la diapositiva de «voz de campo» / «coche frugal»): un hyperscaler elimina los límites y gana en calidad.
Triángulo de convergencia: Salesforce (prueba operativa) + Gupta (marco económico) + Greenwald (modelo de precios) = el mismo mensaje: gestionar el resultado, no el token.
la sécurité agentique exige un modèle de sécurité fondamentalement différent
— Salesforce Engineering
la qualité des fichiers CLAUDE.md pèse fortement sur la qualité de l'output agentique
— Salesforce Engineering
El grafo de conocimiento extraído de esta ficha — 11 entidades, 16 relaciones.
En este grafo :Srinivas Tallapragada · Salesforce · Claude Code · Effective Output score · Engineering 360 · AI Expert Suite · Salesforce Foundation Plugins · Claude Code skills · subagents / agent teams · suppression des token limits · migration 33 endpoints