Salesforce AI-guide 2026

Einstein AI

Prediktiv och generativ AI inbyggd i Sales, Service och Marketing Cloud

Bäst för: Lead scoring, prognoser, e-postutkast, nästa-bästa-åtgärd

Pris: Ingår delvis i licenserna; avancerade funktioner som tillägg

Agentforce

Plattform för autonoma AI-agenter som agerar, inte bara svarar

Bäst för: Kundservice-agenter, säljassistenter, interna medarbetaragenter

Pris: Listpris från ca $2 per konversation, eller flex credits per åtgärd

Prompt Builder

Bygg och återanvänd prompt-mallar kopplade till CRM-data

Bäst för: Standardiserade sammanfattningar, utkast och klassificering i flöden

Pris: Ingår i Einstein-/Agentforce-tillägg

Data Cloud

Samlande datalager som ger AI:n tillgång till kunddata i realtid

Bäst för: Grunden för grounding — utan ren data blir agenterna osäkra

Pris: Förbrukningsbaserat (credits)

Vad är MCP?

Model Context Protocol är en öppen standard (ursprungligen från Anthropic) för att koppla AI-modeller till externa system på ett standardiserat sätt. I stället för specialbyggda integrationer per modell exponerar Salesforce sina funktioner som MCP-verktyg — och kan konsumera andras.

Salesforce som MCP-server

Med hosted MCP-servrar kan ni exponera Agentforce-agenter och Prompt Builder-mallar som verktyg. Då kan externa assistenter som Claude och ChatGPT anropa era Salesforce-funktioner direkt i sina arbetsflöden — till exempel "slå upp kunden i Salesforce och sammanfatta senaste ärendena".

Salesforce som MCP-klient

Agentforce kan i sin tur konsumera externa MCP-servrar (beta sedan slutet av 2025). Det ger era agenter tillgång till verktyg utanför Salesforce utan att ni bygger egna integrationer — men välj servrar noga: varje verktyg lägger till kontext och potentiell attackyta.

API, MCP eller A2A — vad välja?

Direkt-API när ni behöver full kontroll och prestanda. MCP när AI-assistenter ska använda Salesforce som verktyg. A2A (agent-to-agent) när fristående agenter i olika system ska samarbeta. Många landar i en kombination: API för systemintegrationer, MCP för AI-ytor.

Mötessammanfattningar rakt in i CRM

Låt Einstein eller en Agentforce-agent sammanfatta säljsamtal och skapa uppgifter, nästa steg och uppdaterade fält på opportunity:n automatiskt. Säljaren godkänner — inte skriver.

Service-agent mot kunskapsbasen

Bygg en kundservice-agent som svarar på vanliga frågor med era Knowledge-artiklar som grounding. Börja med 3–5 ärendetyper med hög volym och låg risk, eskalera resten till människa.

Lead scoring som faktiskt används

Einstein Lead Scoring rankar leads efter sannolikhet att konvertera. Tips: exponera poängen och topp-skälen direkt i listvyerna — säljare litar på scoring de kan förstå.

Rapporter på naturligt språk

Fråga i stället för att bygga: "visa alla öppna affärer över 500 tkr som stått stilla i 30 dagar". Kombinera med Claude eller ChatGPT via MCP för ad hoc-analys utanför Salesforce-gränssnittet.

Egna agenter i Flow + Prompt Builder

Ni behöver inte Apex för att komma igång. Kombinera Flow (logik), Prompt Builder (språk) och Agentforce (agerande) — till exempel en agent som granskar nya ärenden, klassificerar dem och föreslår svar.

Koppla Claude/ChatGPT via MCP

Exponera era vanligaste Salesforce-frågor som MCP-verktyg så kan medarbetarna ställa CRM-frågor direkt i den assistent de redan använder — utan att lämna flödet.

Städa datan

Dubletter, tomma fält och inaktuella poster är agenternas värsta fiende. Börja här.

Aktivera Einstein

Slå på Einstein-funktionerna i era moln och testa lead scoring och e-postutkast på en pilotgrupp.

Bygg första agenten

Välj ett avgränsat, högvolym-case (t.ex. orderstatus i kundservice) och bygg en Agentforce-agent med kunskapsbasen som grounding.

Koppla MCP

När grunderna sitter: exponera utvalda funktioner som MCP-verktyg så Claude/ChatGPT kan arbeta mot Salesforce.

Dålig data in = dåliga agenter ut

Agentforce groundas i er CRM-data. Dubletter, gamla fält och tomma poster ger direkt sämre svar. Städa datakvaliteten innan ni rullar ut agenter — det är 80 % av arbetet.

GDPR och Einstein Trust Layer

Salesforce maskar personuppgifter innan de skickas till underliggande modeller och tränar inte på er data via Trust Layer. Men ni ansvarar fortfarande för rättslig grund, biträdesavtal och dokumentation. Granska vilka regioner era data flödar genom.

AI Act-klassificering

AI i kundservice och sälj är oftast låg- eller transparensrisk, men HR-nära användning (rekrytering, prestationsbedömning) kan bli högrisk. Klassificera varje användningsfall och informera användare om att de interagerar med AI.

MCP-servrar är kod ni litar på

Varje MCP-server ni kopplar in kan se agentens kontext och i värsta fall exekvera skadlig logik. Använd bara betrodda servrar, begränsa verktygsrättigheter och logga allt agenten gör.

Vad kan man göra med AI i Salesforce 2026?

Tre nivåer: Einstein AI för prediktioner och generativt innehåll i de befintliga molnen (lead scoring, prognoser, e-postutkast), Agentforce för autonoma agenter som löser kundärenden och assisterar säljare, samt MCP-integrationer som kopplar Claude och ChatGPT direkt till era Salesforce-data och funktioner.

Vad kostar Agentforce?

Salesforce listpriser har legat runt 2 USD per konversation, med alternativ prismodell via flex credits där ni betalar per åtgärd agenten utför. Exakt pris beror på avtal och volym — räkna på era faktiska ärendevolymer och jämför mot kostnaden för motsvarande manuellt arbete.

Vad är MCP och hur hänger det ihop med Salesforce?

Model Context Protocol är en öppen standard för att koppla AI-modeller till externa system. Salesforce kan både exponera egna funktioner (Agentforce-agenter, Prompt Builder-mallar) som MCP-verktyg till externa assistenter som Claude, och konsumera externa MCP-servrar så att era agenter når system utanför Salesforce.

Kan jag använda Claude eller ChatGPT med mina Salesforce-data?

Ja — via MCP kan ni ge Claude eller ChatGPT tillgång till utvalda Salesforce-funktioner som verktyg, till exempel att slå upp kunder eller sammanfatta ärenden. Säkerställ att upplägget uppfyller GDPR (biträdesavtal, dataflöden) och att ni bara exponerar de verktyg och data som behövs.

Behöver vi Data Cloud för att använda AI i Salesforce?

Inte för grundläggande Einstein-funktioner, men för Agentforce-agenter som ska groundas i data från flera system är Data Cloud starkt rekommenderat. Det är också där mycket av realtidsgrundningen sker. Börja smått med ett avgränsat use case innan ni investerar brett.

Hur påverkar EU AI Act AI-användningen i Salesforce?

De flesta sälj- och servicefall är lågrisk, men transparenskrav gäller: kunder ska veta när de pratar med en AI-agent. HR-relaterade användningsfall kan klassas som högrisk med betydligt hårdare krav. Klassificera varje användningsfall, dokumentera och följ upp löpande.