Salesforce MDM jako fundament AI – co zmienia dla orgów

Siódme z rzędu uznanie Salesforce (Informatica) za lidera Gartner Magic Quadrant dla MDM ma znaczenie nie dlatego, że potwierdza pozycję dostawcy, ale dlatego, że pokazuje kierunek architektury danych potrzebnej do wdrożeń AI.

Dla praktyka Salesforce kluczowy jest tu prosty wniosek: agenty, automatyzacje i analityka nie dowożą wartości, jeśli pracują na rozbieżnych rekordach klienta, produktu czy dostawcy (Informatica). Problem nie zaczyna się więc na poziomie promptu ani modelu, ale znacznie wcześniej – w jakości danych podstawowych i w sposobie ich synchronizacji między systemami. To szczególnie istotne w polskich organizacjach, gdzie Salesforce często współistnieje z ERP, lokalnym e-commerce, hurtownią danych i dodatkowymi narzędziami operacyjnymi.

MDM wraca do centrum, bo AI potrzebuje jednego kontekstu

Najważniejsza zmiana polega na przesunięciu roli MDM z zaplecza IT do warstwy bezpośrednio wpływającej na skuteczność AI. Jeśli organizacja ma kilka wersji tego samego klienta, niespójne identyfikatory produktów albo różne definicje dostawcy między CRM, ERP i platformą zakupową, to agent AI nie dostaje pełnego kontekstu. Efektem mogą być błędne odpowiedzi, porzucone transakcje i zakłócenia procesów operacyjnych.

W praktyce MDM ma tu działać jako warstwa zaufanego kontekstu. Łączy zarządzanie danymi podstawowymi z metadanymi oraz dopasowywaniem rekordów wspieranym przez AI i opiniami stewardów danych. To ważne rozróżnienie – nie chodzi wyłącznie o deduplikację rekordów, ale o utrzymanie wiarygodnego modelu danych, który może zasilać procesy biznesowe i agentów AI bez ręcznego uzgadniania każdej rozbieżności.

Dla zespołów Salesforce oznacza to konieczność innego myślenia o data readiness. Jeśli dziś wdrożenie AI zaczyna się od wyboru use case’u w Service, Sales albo Commerce, to kolejny krok powinien dotyczyć pytania, skąd agent bierze prawdę o kliencie i kto zarządza jakością tego rekordu. Ten sam problem widać również przy projektach opartych o wspólny kontekst danych, co dobrze uzupełnia analiza wspólnego kontekstu w Agentforce 360.

Siła platformy nie leży w jednej funkcji, tylko w połączeniu warstw danych

Model przedstawiony przez Salesforce i Informatikę opiera się na jednej natywnej chmurowo platformie, która łączy jakość danych, integrację, governance, metadane i wielodomenowe MDM. Z perspektywy architekta to istotne, bo ogranicza potrzebę sklejania kilku osobnych produktów oraz kosztów integracji między nimi.

W praktyce przewaga ma wynikać z trzech obszarów. Pierwszy to łączność – połączenie konektorów metadanych Informatiki z siecią integracyjną MuleSoft ma umożliwiać pracę z systemami, chmurami i platformami danych w trybie batch, real-time i streaming. Drugi to automatyzacja zadań data management przez silnik CLAIRE oraz EVO. CLAIRE wykorzystuje predykcyjną, generatywną i agentową AI do odkrywania danych, mapowania, dopasowywania i generowania reguł. Trzeci obszar to gotowe aplikacje MDM dla domen takich jak klient, produkt, dostawca i dane referencyjne, a także rozszerzenia branżowe dla ochrony zdrowia, finansów i produkcji.

Dla polskich zespołów wdrożeniowych najciekawsze jest tu nie samo hasło AI, ale obniżenie kosztu wejścia w governance danych. Jeżeli część prac związanych z mapowaniem, dopasowaniem i budową reguł może zostać zautomatyzowana, to MDM przestaje być inicjatywą zarezerwowaną wyłącznie dla największych programów transformacyjnych. Nadal jednak potrzebna jest kontrola architektoniczna – szczególnie tam, gdzie rośnie liczba agentów, integracji i punktów dostępu do danych. Ten wątek dobrze łączy się z analizą ryzyka agent sprawl i roli MuleSoft.

Co to oznacza po przejęciu Informatiki przez Salesforce

Przejęcie Informatiki przez Salesforce w listopadzie 2025 roku nadaje całemu tematowi dodatkowy ciężar. MDM nie jest już obok strategii AI Salesforce, ale staje się jednym z jej fundamentów. Jednocześnie platforma ma pozostać niezależna od ekosystemu, z elastycznością multi-cloud i modelem cenowym opartym na konsumpcji.

To ważne z punktu widzenia klientów, którzy nie chcą budować architektury zamkniętej wyłącznie w jednym stosie technologicznym. W wielu polskich organizacjach Salesforce odpowiada za relacje z klientem, ale dane referencyjne i operacyjne pozostają w systemach zewnętrznych. Deklaracja podejścia ecosystem-agnostic sugeruje, że MDM ma spinać te światy, a nie zmuszać do pełnej centralizacji wszystkiego w jednym produkcie.

Dla adminów, developerów i konsultantów wniosek jest praktyczny. Jeśli organizacja planuje AI, Data Cloud albo nowe integracje, warto traktować MDM jako element roadmapy, a nie osobny projekt odkładany na później. Bez jednej definicji klienta i produktu nawet najlepiej zaprojektowane Flow, API czy dashboardy będą tylko szybciej przetwarzać niespójność. Z podobnym problemem wspólnej warstwy semantycznej mierzą się też zespoły budujące analitykę i AI na szerszej architekturze danych, co rozwijamy w tekście o jednolitej podstawie logiki biznesowej dla AI i BI.

Najważniejszy wniosek jest prosty: w 2026 roku pytanie nie brzmi już, czy warto inwestować w AI na Salesforce, ale czy dane podstawowe są wystarczająco spójne, by ta inwestycja miała sens. Liderstwo w MDM samo w sobie nie rozwiązuje problemów klienta, ale pokazuje, gdzie dziś naprawdę leży wąskie gardło. Pytanie dla każdego orgu brzmi więc inaczej niż rok temu – czy wasza architektura ma już jedno wiarygodne źródło prawdy, czy dopiero symuluje porządek na poziomie interfejsu?