过去的四年间,对于在阿里云上运行的Salesforce,客户的提问每年都在变化,反映了企业对AI的期待逐步深化。2023年当产品刚问世,客户们首先关心的是CRM是否能够在中国的云端上实施。进入2024年,询问的焦点转向了如何将全球系统的功能顺利迁移至中国。而到了2025年,企业便开始关注大模型能否接入中国市场。如今,2026年,客户们则在探索Agent是否能够真正成为生产力的助力。
通过这四年的不同提问,可以明显看出,企业在AI领域的意识已走得很远。最初,他们重视的是系统的部署与数据合规问题,接着关注模型是否能与业务系统整合,而如今,企业甚至希望将真实的工作任务交由Agent处理。当销售人员在出门前,能够通过Agent迅速查阅客户历史、核实报价格权限,甚至安排商机优先级,这些变革已在实践中落实。
在2023年的云栖大会上,“阿里云上的Salesforce:连接人、AI Agent与CRM平台共创客户成功”论坛深入探讨了这些切实可行的问题。虽然模型的能力是基础,但一旦企业开始使用Agent,实际操作中更复杂的挑战就浮出水面。数据的整合、业务流的清晰化,以及明确哪些事务可以交给Agent来处理,都是关键所在。如果这些基础工作未做好,Agent便无法高效运转。 ued官网登录入口
Agent的使用频率在过去一年中显著攀升。根据OpenRouter的数据显示,从2024年11月到2025年5月,Token调用量增长了五倍,随后的三个月又接近三倍增长。同时,Agent的Token消耗增幅达到了14倍,远超同期整体Token调用量的增速。
去年的企业普遍实践是在Workflow中嵌入AI,让其负责某一环节的操作或帮员工完成个别任务。而今年,越来越多的工作开始直接交给Agent,让其自主判断需要哪些步骤与模型并进行中间结果的检查。这一变化带来的影响,首先并非单一岗位的革命,而是岗位内那些被细分的繁琐事务。据Salesforce的调研显示,销售人员每天大约只有30%的时间用于直接与客户交流,其余时间则被大量的会前准备、会后总结和系统维护占用。Agent最早承担的便是这些琐碎但频繁出现的任务。
然而,当Agent接手这些工作后,就需要访问企业内的真实业务数据,并了解企业的流程与权限,比如进行商机创建、报价修改和审批发起。这就是Agentic Enterprise与一般AI的根本区别,Agent不仅是企业中新增加的使用接口,还需直接参与业务的执行过程。阿里云上的Salesforce,正致力于将Agent与企业长期积累的数据和流程相结合,使其能够在企业的逻辑框架内高效完成任务。 ued官网登录入口
要让Agent胜任如修改报价、创建商机和发起审批等复杂操作,最具挑战性的不是让其回答问题,而是确保其在办理任务时,依然遵循企业既有的权限和流程。如今,Agent在经历数十轮甚至上百轮任务的时候,仍能够保持对上下文的稳定理解。这主要得益于Agent对公司内部数据的精准掌握,包括客户信息、报价规则、服务记录及审批路径,这些数据为Agent理解业务提供了重要依据。员工可以通过自然语言与Agent沟通,而涉及的报价与审批依然根据原有业务规则进行。
阿里云上的Salesforce把Agent所需的能力分层抽象为四个层次:互动系统、智能体系统、业务系统和上下文系统。这四个层组成部分共同处理员工与Agent的协作方式、Agent的任务规划、业务执行规则及工作所需的数据调用。最高层的互动系统涵盖员工日常使用的钉钉群聊、微信沟通、企业微信协作等,Agent会实时捕捉并记录这些互动信息。其次是智能体系统,它负责Agent的任务规划、编排及监控,确保Agent不仅能执行,还能自我监控与进化。第三个层级为业务系统,凝聚每个企业独特的业务规则与审批流程。而最底层的上下文系统则负责提供客户数据、历史记录及身份角色,并保留对Agent操作的审计记录及基于千问AI平台的模型。
这四个层次相辅相成,然而决定Agent能否顺利融入生产环境的,交互体验仅是初步,接下来的三层才将最终决定其是否能够形成稳定的约束。这也解释了为何不少企业在尝试通用大模型时“惊艳”,但一旦投入正式业务却未能达到预期效果的原因:由于客户数据分散在不同系统中,字段口径不统一,加上企业许多流程依赖于线下经验,权限的复杂配置也难以被机器有效识别……Agent的出现,揭示了数字化建设中潜藏的隐性问题:过去人类凭借经验填补的模糊地带,如今在Agent工作时必须明确梳理。 ued官网登录入口
在推动Agent普及的路上,企业首先面临的挑战在于一线员工是否愿意每日使用。举例来说,一家领先的光学企业在阿里云上的Salesforce平台上进行了多项尝试,推出了基于CRM数据的专属Agent。上线一个多月后,用户交互率实现了显著提升。这家企业确立的首要原则是先解决频繁出现的问题,再不断追求更高阶的能力。确定的一些关键场景包括每日的数据概览、销售问答和拜访准备,其中促销码的查询便是销售问答中一个非常好的应用案例。