在硅谷热议 AI 是否存在泡沫的背景下，Salesforce 的企业级 AI 平台呈现逆势增长 —— 其自主 AI 智能体平台 Agentforce 单季度新增 6000 家企业客户，客户总量从 1.25 万家增至 1.85 万家，同比增长 48%。目前，这些客户每月运行超 30 亿个自动化工作流，推动 Salesforce 智能体产品年经常性收入（ARR）突破 5.4 亿美元，平台累计处理超 3 万亿个 Token，使其成为企业软件市场中 AI 算力消耗最大的厂商之一。这一数据揭示出企业级 AI 市场的关键分化：投机性 AI 炒作与能产生可衡量回报的落地解决方案之间，正形成日益明显的差距。
Salesforce AI 业务首席运营官 Madhav Thattai 在专访中强调，智能体产品推出仅数年便实现超 5 亿美元 ARR，这一增速在企业软件领域堪称显著。而这一成绩的取得，正值美国企业对 AI 支出审查日益严格的时期 —— 风投机构与分析师纷纷质疑，投入 AI 基础设施（数据中心、GPU、模型开发）的数十亿美元能否产生对等回报，Meta、微软、亚马逊等巨头的巨额 AI 投资也引发投资者对 “热情是否超越经济现实” 的担忧。但 Salesforce 的增长数据表明，企业工作流自动化这一 AI 细分领域，正以打破 “泡沫叙事” 的速度将技术投入转化为实际业务成果。
一、信任：企业级 AI 规模化落地的核心壁垒
Salesforce 高管、客户与独立分析师在访谈中反复提及的 “信任”，是区分 AI 实验与规模化部署的关键。The Futurum Group 负责 CIO 业务的 Dion Hinchcliffe 指出，企业对 AI 的迫切需求已达到此前技术周期从未有过的高度 —— 其团队近期对智能体 AI 平台的分析显示，Salesforce 以微弱优势领先微软成为市场领导者。Hinchcliffe 从业数十年，经历多次技术革命，却表示 “从未见过如此高的业务关注度”：企业董事会直接介入 AI 决策，将其视为 “关乎企业生存的战略议题”。
这种压力层层传导至 CIO 层面。过去，CIO 多将技术视为成本中心，如今却需直接回应董事会的质疑：“我们该如何行动，避免被 AI 原生竞争对手颠覆？” 但矛盾随之产生：企业希望快速推进 AI 应用，而 AI 智能体的核心价值 —— 自主性，恰恰也是其风险来源。一个能自主执行工作流、处理客户数据、独立决策的 AI 智能体，可能以机器速度犯错，甚至被恶意利用。这也使得企业级 AI 平台与抢占头条的消费级 AI 工具形成本质区别：构建生产级智能体系统需要数百名专业工程师专注于治理、安全、测试与编排，而多数企业无力承担这一成本。Hinchcliffe 透露，“平均一个企业级智能体团队需 200 多人，而 Salesforce 仅 AI 智能体团队就有 450 人”。
早期 AI 采用过程中，许多 CIO 尝试用 LangChain 等开源工具自建智能体平台，却迅速发现复杂度远超资源承载力。“他们很快意识到问题比想象中庞大”，Hinchcliffe 解释道：“要规模化部署智能体，需要能管理、开发、测试、约束和治理它们的基础设施 —— 因为企业可能要运行数万、数十万甚至数百万个长期流程”。
二、信任层：企业级平台与消费级工具的技术分野
企业级 AI 平台与消费级工具的技术架构差异，核心在于行业所称的 “信任层”—— 一套监控、过滤、验证 AI 智能体每一步行动的软件系统。Hinchcliffe 的研究发现，其团队评估的智能体 AI 平台中，仅约半数具备 “运行时信任验证” 能力 —— 即实时检查每笔交易是否符合政策、数据是否有毒性、是否存在安全违规，而非仅依赖易被规避的 “设计时约束”。
“Salesforce 会让每一笔交易毫无例外地通过信任层”，Hinchcliffe 强调这是行业最佳实践，“如果没有专门系统实时检查智能体活动的合规性、毒性、数据溯源、安全性与隐私保护，就无法实现规模化部署”。这一信任层成为 Williams-Sonoma Inc. 选择 Agentforce 的决定性因素 —— 该公司旗下拥有 Pottery Barn、West Elm 等品牌，服务约 20% 的美国家居市场，其首席技术与数字官 Sameer Hasan 表示，“安全、隐私与品牌声誉让我们必须谨慎推进，避免失控”。当 AI 直接面向客户时，“说错误信息、做错误决策” 的风险，以及 “有人故意诱导 AI 犯错” 的威胁，都是必须防范的隐患。
Hasan 进一步指出，驱动 Agentforce 的底层大语言模型（来自 OpenAI、Anthropic 等）虽广泛可用，但企业治理基础设施却难以复制。“人人都能获取这些模型，无需 Agentforce 也能搭建聊天机器人”，他解释道，“但 Agentforce 帮助我们更快、更有信心地构建企业级解决方案：包括毒性检测、PII 处理与令牌化、数据安全，以及在生成式技术与功能性技术间建立防火墙，防止 AI 随意访问客户与订单数据”。这种治理能力的重要性，从 Salesforce 内部也可见一斑 —— 据《The Information》报道，其高管对生成式 AI 的信任度实则在下降，这一内部认知恰恰印证了 “谨慎部署” 的必要性。
三、客户实践：从成本节约到体验重塑的价值落地
（一）Engine：12 天部署 AI 智能体，年省 200 万美元
估值 21 亿美元的企业差旅平台 Engine，通过 Agentforce 解决了客户痛点 —— 取消订单咨询。其客户体验与运营副总裁 Demetri Salvaggio 团队分析客服数据发现，聊天渠道的取消请求量巨大，这类工作需人工处理却遵循固定模式。借助与 Salesforce 现有平台的集成基础，Engine 仅用 12 个工作日就部署了首个人工智能体 Eva，速度连 Salvaggio 本人都感到意外。
“我们立即看到了成效，但也经历了成长阵痛”，Salvaggio 回忆道，“早期缺乏直观的可观测性工具，不得不做大量手动工作”。而 Salesforce 后续推出的 Agentforce Studio 解决了这一问题 —— 实时分析功能可精准定位 AI 智能体处理客户问题的薄弱环节，帮助企业持续优化其行为。数据显示，Eva 为 Engine 带来每年约 200 万美元成本节约，客户满意度（CSAT）从 5 分制的 3.7 提升至 4.2，部分时段甚至达到 85%。
更具代表性的是 Engine 的 AI 部署理念：未将 Agentforce 视为裁员工具，而是聚焦生产力与客户体验提升。“有些公司谈 AI 就说‘如何裁掉员工’，我们的思路不同”，Salvaggio 表示，“能避免新增人力就是胜利，但核心是创造更好的客户体验”。目前，Engine 已从最初的取消订单场景扩展，在 Slack 中部署了 IT、HR、产品、财务等多个人工智能体，Salvaggio 将其统称为 “多用途行政智能体”。
（二）Williams-Sonoma：用 AI 智能体重现线下购物体验
Williams-Sonoma 的 AI 部署则展现了更宏大的愿景：不只是降本，而是彻底重构客户与品牌的数字互动方式。Hasan 指出了一个二十年来电商用户共有的痛点：传统聊天机器人机械、冷漠、功能有限，能回答 “订单在哪” 这类简单问题，却无法像资深店员那样提供细致指导。“大家都有过糟糕的聊天机器人体验”，他说，“但客户向我们咨询服务时，很少是‘订单在哪’这种简单对话，往往更复杂、更细致”。
Williams-Sonoma 推出的 AI 智能体 Olive，突破了 “问答工具” 的定位，主动与客户探讨娱乐、烹饪与生活方式 —— 这正是其线下店员数十年来的咨询式服务模式。“我们的品牌区别于竞争对手（尤其是电商平台）的核心，不是卖产品，而是帮助客户、教育客户、提升生活品质”，Hasan 解释道，“通过 Olive，我们能实现这种‘连接’”。Olive 整合 Williams-Sonoma 的专属食谱数据库、产品知识与客户数据，提供个性化推荐：计划晚宴的客户不仅能获得产品建议，还能得到完整菜单、烹饪技巧与宴请小贴士。
Salesforce 的 Thattai 将 Williams-Sonoma 归为 “智能体 AI 成熟度第二阶段” 的代表：第一阶段是简单问答智能体，第二阶段是能执行业务流程的智能体，而第三阶段（也是最大未开发机遇）是 “后台主动工作的智能体”。值得注意的是，Williams-Sonoma 并未试图将 AI 伪装成人类 —— 客户明确知晓与自己交互的是 AI。“我们不隐瞒这一点”，Hasan 表示，“我们知道客户可能有偏见，肯定有人会翻白眼想‘又要应付 AI’—— 因为其他公司的 AI 往往是‘降本工具’，反而增加摩擦”。该公司在 AI 交互后会收集客户反馈，并将满意度与人工服务对标，目前 AI 已达到人类服务水平，而这是其绝不妥协的标准：“我们对服务有高要求，追求‘白手套级体验’，AI 至少要维持这一标准，目标是超越它”。借助 Salesforce 平台基础设施，Williams-Sonoma 仅用 28 天就完成了从试点到全量上线的过程，Thattai 认为这证明 “企业基于现有平台部署 AI 的速度远超从零构建”。
四、企业级 AI 成熟度三阶段：决定 ROI 的关键路径
除客户案例外，Thattai 还提出了一个三阶段成熟度框架，揭示企业应用智能体 AI 的典型路径，而这直接决定了企业能否获得回报：
- 第一阶段：构建简单问答智能体，本质是能访问企业数据的高级聊天机器人。此阶段核心挑战是确保智能体能全面获取相关信息，避免因 “信息不全” 导致回答偏差。
- 第二阶段：智能体执行工作流。例如，不仅回答 “航班何时起飞”，还能在客户请求时直接改签航班。Thattai 以招聘公司 Adecco 为例，其使用 Agentforce 完成候选人资质审核与岗位匹配 —— 这一过程包含约 30 个离散步骤、条件决策与多系统交互。“单一 LLM 无法处理如此复杂的流程，因为部分步骤需确定性执行”，Thattai 解释道，“我们的混合推理引擎用 LLM 做决策与推理，同时确保确定性步骤精准执行”。
- 第三阶段：智能体在后台主动工作，无需客户触发。Thattai 举例，企业数据库中可能存储着数千个销售线索，远超人类销售团队的跟进能力，“但用智能体优化客户画像、个性化触达，就能创造人类无法实现的增量机会”，这也是他眼中 “未来最大的机遇”。
五、市场竞争与未来趋势：2026 年或成智能体落地关键年
The Futurum Group 的分析显示，Salesforce 在智能体 AI 平台排名中略胜微软，二者显著领先于 AWS、谷歌、IBM、甲骨文、SAP、ServiceNow、UiPath 等八大平台。评估覆盖五大维度：业务价值、产品创新、战略愿景、市场执行与生态协同，Salesforce 在所有维度均获得 90 分以上（满分 100），进入 “精英区”。
Thattai 承认竞争压力，但强调 Salesforce 在客户关系管理（CRM）领域的既有优势是纯 AI 公司难以复制的：“企业最宝贵、最关键的数据 —— 客户数据，就存储在 Salesforce 中。多数大客户用我们的系统处理销售、服务、营销等多个环节，这种完整的客户视图对业务运营至关重要”。平台优势还体现在工作流基础设施上：Salesforce 已定义并优化的业务流程，让 AI 智能体可直接接入，这一优势需要竞争对手数年才能追赶。“Salesforce 不仅是存储关键数据的平台，更是业务运行的载体 —— 销售、营销、客户服务的流程都在此发生”，Thattai 补充道。
尽管增长势头强劲，Salesforce 高管与分析师均提醒，企业级 AI 仍处于早期阶段。Hinchcliffe 反驳了 “2025 年是智能体元年” 的说法：“今年只是验证智能体就绪度、熟悉平台、发现成熟度缺口的一年。企业最大的抱怨是‘缺乏管理智能体的简便方法’—— 当大量智能体运行时，才发现需要生命周期管理：如何迁移未完成流程的旧版本智能体？” 他预测 “2026 年更可能成为智能体元年，而真正的爆发年或许在更久之后”。The Futurum Group 的分析预测，AI 平台市场将从 2024 年的 1270 亿美元增长至 2029 年的 4400 亿美元，年复合增长率远超多数企业软件品类。
对于尚未入局的企业，Engine 的 Salvaggio 基于早期实践给出建议：“不要对这项技术采取‘快速追随者’策略，它每周都在变化。差异化竞争期已经到来（如果尚未开始），等待的企业将落后于先行者”。他还警告，AI 部署的机构知识正成为竞争资产，“企业需要培养内部 AI 专业能力，不能完全外包 —— 这种知识无法通过外部顾问快速获取”。
Thattai 则以过往平台变革作比，展望智能体技术的未来：“想想移动技术浪潮 —— 应用创造了全新的企业交互方式。智能体技术也将带来类似变革，不同的是它将覆盖所有渠道（语音、聊天、移动、网页、短信），通过个性化对话体验串联起来”。对企业而言，问题已不再是 “AI 智能体是否会重塑客户与员工体验”——Salesforce 客户的数据表明，这场变革已在进行中，为那些愿意投资平台基础设施、而非等待 “泡沫破裂” 的早期采用者带来可衡量的回报。正如 Thattai 所言：“专注单点解决方案无法建成智能体企业，我们采用的平台化方法，才能帮助客户释放数据价值，这才是获取回报的正确路径”。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/dang-ai-pao-mo-lun-sheng-xing-shi-salesforce-que-san-ge-yue
