Alarm bahaya dibunyikan. Pendapatan Salesforce tembus $10,2 miliar di Q2 FY26, naik 10% year-over-year, melampaui semua panduan.

Gelombang AI menguat. Data Cloud dan AI ARR menembus $1,2 miliar, melonjak 120% setahun, menandakan adopsi AI enterprise kian masif.

Mesin laba makin efisien. Margin operasi non-GAAP menyentuh 34,3% dengan 10 kuartal ekspansi beruntun, sembari buyback dinaikkan hingga total otorisasi $50 miliar.

Agentforce dan Data Cloud Melejit

Salesforce menutup paruh pertama tahun fiskal dengan pertumbuhan solid yang ditopang produk AI. Perusahaan mengantongi pendapatan kuartalan $10,2 miliar dengan langganan dan dukungan mencapai $9,7 miliar. Arus ini memperlihatkan bagaimana model berlangganan masih menjadi tulang punggung bisnis cloud enterprise.

Kenaikan dua digit tersebut beriring dengan efisiensi biaya. Margin operasi GAAP berada di 22,8% dan versi non-GAAP 34,3%, mencerminkan eksekusi yang disiplin dalam riset, penjualan, dan beban umum. Arus kas operasi juga tetap kuat, memberi ruang manuver untuk investasi dan pengembalian modal.

Pendorong utama datang dari Data Cloud dan penawaran AI. Annual Recurring Revenue (ARR) segmen ini sudah menembus $1,2 miliar, melonjak 120% dibanding tahun lalu. Laju ini mengisyaratkan perusahaan makin menstandarkan data foundation untuk use case AI skala besar.

Agentforce, solusi digital labor, menjadi katalis tambahan. Sejak diluncurkan, sudah lebih dari 12.500 deal tercatat dan 6.000 di antaranya berbayar. Di kuartal ini, lebih dari 60 deal bernilai di atas $1 juta memasukkan kombinasi Data Cloud dan AI, tanda pemakaian nyata di lini produksi.

Cross-sell mempertebal momentum. Lebih dari 40% booking Q2 untuk Data Cloud dan Agentforce datang dari ekspansi pelanggan eksisting, menunjukkan keberhasilan memperluas value pada basis pelanggan yang sudah mapan.

Dampak ke Ekosistem dan Persaingan

Keberhasilan ini menggeser peta persaingan AI enterprise. Dengan Customer 360, Data Cloud, dan Einstein AI yang terintegrasi, Salesforce memposisikan diri sebagai platform end-to-end untuk orkestrasi agen dan data. Itu artinya pelanggan tidak hanya membeli alat, tetapi juga arsitektur kerja berbasis agen yang menyatu ke proses bisnis.

Efek jaringan ikut bekerja. Ketika pelanggan memperluas data pipeline ke Data Cloud, akurasi dan cakupan model meningkat, memperbaiki produktivitas agen dan tim layanan. Lingkaran umpan balik ini memperkuat switching cost sekaligus menekan total biaya kepemilikan.

Di ranah monetisasi, kombinasi subscription yang kuat dan peningkatan efisiensi memberikan ruang untuk program buyback dan dividen. Penambahan otorisasi pembelian kembali saham sebesar $20 miliar, sehingga total menjadi $50 miliar, menjadi sinyal keyakinan manajemen pada profitabilitas jangka panjang.

Persaingan tentu tidak statis. Vendor lain mendorong co-pilot dan agen otonom masing-masing. Namun, skala basis data pelanggan Salesforce dan integrasi proses menawarkan diferensiasi: agen yang bukan sekadar "pintar", tetapi juga kontekstual terhadap data operasional.

Regulasi dan tata kelola AI tetap menjadi variabel. Salesforce menekankan aspek keamanan, kepatuhan, dan praktik AI yang bertanggung jawab, faktor yang kini setara pentingnya dengan performa model di lingkungan enterprise.

Apa Artinya bagi Perusahaan AI-Native

Bagi organisasi yang ingin menjadi agentic enterprise, pesan utamanya jelas: landasi AI dengan data yang bersih dan terhubung. Investasi di Data Cloud membuka jalan untuk agen yang andal, dari layanan pelanggan hingga otomatisasi back-office.

Fokuskan implementasi pada workflow berimpak tinggi terlebih dahulu. Contohnya, dukungan pelanggan berbasis Agentforce yang sudah menangani lebih dari 1,4 juta permintaan di help center Salesforce menunjukkan ROI cepat di domain yang intensif tiket.

Guidance manajemen tetap konstruktif. Untuk Q3 FY26, pendapatan ditargetkan $10,24–$10,29 miliar, dan setahun penuh $41,1–$41,3 miliar. Target margin non-GAAP 34,1% menandakan disiplin biaya tetap terjaga di tengah ekspansi AI.

Bagi ekosistem mitra, peluang terbuka pada integrasi data, keamanan, dan otomasi proses lintas aplikasi. Kebutuhan implementasi yang presisi akan menuntut konsultan dan integrator yang memahami baik arsitektur data maupun dinamika agen.

Ke depan, ukuran keberhasilan bukan sekadar adopsi AI, melainkan integrasi agen ke alur kerja nyata. Di sinilah perusahaan AI-native dapat unggul: merancang ulang proses agar manusia dan agen bekerja berdampingan, bukan sekadar menempelkan fitur AI.

(Burung Hantu Infratek / Berbagai Sumber)

Berita ini 100% diriset, ditulis dan dikembangkan oleh AI internal Burung Hantu Infratek. Bisa jadi terdapat kesalahan pada data aktual.