四年四问，阿里云上的Salesforce走到Agent这一站

作者：王聪彬

过去四年，围绕阿里云上的Salesforce，客户每年问的问题都不太一样。

2023年产品刚上线时，大家最先问的是CRM能不能上中国的云；第二年，问得最多的是全球系统里的能力能不能迁到中国；第三年，问题变成中国大模型能不能接进来；到了今年，客户开始问Agent到底能不能成为真实的生产力。

从四年四问看，企业对AI的期待已经往前走了很远。最早解决的是系统部署和数据合规，随后是模型能不能接进业务系统，现在企业开始把真实工作交给Agent，销售出门拜访前得先查客户历史、看报价有没有权限、商机优先级怎么排都已经在Agent上跑起来。

在今年云栖大会“阿里云上的Salesforce：连接人、AI Agent与CRM平台共创客户成功”论坛上，讨论也在围绕这些实际问题展开。模型能力是基础，但企业一旦开始用Agent，就会发现真正难的是模型之外的事。数据、流程，还得想清楚哪些工作能交给Agent，这些没做好，Agent根本转不起来。

从一次问答，到完成事务性任务

过去一年，Agent的使用量已经明显上升。OpenRouter数据显示，2024年11月至2025年5月，期间Token调用量增长5倍，随后三个月又接近增长3倍。另一个数据是Agent的Token消耗增幅达到14倍，高于同期整体Token调用量的增速。

去年企业常见的做法，是把AI嵌在某个Workflow里，让它完成其中一步，或者帮员工处理一个点状任务。今年，一些工作开始直接给Agent一个目标，由它自己判断需要哪些步骤、调用哪些模型，并检查中间结果。

这类变化首先影响的，往往不是一个完整岗位，而是岗位里大量被切碎的事务性工作。Salesforce的一项调研显示，销售每天只有约30%的时间直接用于客户，其余时间大量花在会前准备、会后总结、维护系统等事务上。

Agent最先接手的，往往就是这些零散但高频的工作。

但当Agent开始承担这些工作，就需要读取企业的真实业务数据，还要知道企业的流程和权限，比如创建一条商机、修改一个报价、发起一次审批。

这也是Agentic Enterprise与普通AI的区别，Agent不只是企业多了一个新的使用入口，它还要进入企业系统参与业务执行。阿里云上的Salesforce做的，就是把Agent与企业长期积累的客户数据、业务流程连接起来，让它能够在企业的逻辑中做事。

四层能力，让Agent知道该怎么做

让Agent回答一个问题并不难，难的是让它修改报价、创建商机、发起审批之后，还能遵守企业原来的权限和流程。

如今，在大几十轮甚至上百轮的任务当中，Agent仍然能够保持对上下文的稳定理解。这主要是Agent知道公司里发生过什么，哪些数据可以看，哪些操作可以做。

CRM里长期保存的客户信息、报价规则、服务记录、审批路径，这些都是Agent理解业务的来源。员工可以通过自然语言调用这些能力，报价和审批仍然按照原来的业务规则运行。

阿里云上的Salesforce把企业Agent需要的能力抽象成四层：互动系统、智能体系统、业务系统和上下文系统。四层分别处理员工从哪里与Agent协作、Agent如何规划任务、业务按照什么规则执行，以及完成这些工作需要调用哪些数据。

最顶层是互动系统，员工每天已经在使用的钉钉群聊天、微信沟通、企业微信协作，这些日常工作中发生的真实互动会被Agent实时捕获并沉淀到Salesforce里；

第二层是智能体系统，负责Agent的规划、编排和可观测性监控，让Agent不仅能执行，还能自我监控、自我进化；

第三层是业务系统，销售云、服务云、平台云以及生命科学、汽车等行业云，固化了每家企业独特的业务规则和审批流程；

最底层是上下文系统，提供客户数据、历史记录、身份角色，也负责保留Agent的操作记录和审计信息，以及基于千问AI平台的模型。

四层缺一不可，但真正决定Agent能否进入生产环境的，交互体验只是第一步，下面三层才最终决定是否能形成稳定约束。

这也解释了为什么不少企业在试用通用大模型时感觉“惊艳”，一旦进入正式业务却效果却并不明显。因为客户数据分散在不同系统、字段口径不一、很多流程长期依赖线下经验、权限配置无法被机器读取…… Agent把数字化建设中的隐性欠问题暴露出来：过去人可以靠经验补上的模糊地带，到了Agent工作时必须整理清晰。

先让人愿意用，再把边界划清楚

企业把Agent做出来，一线员工会不会天天用，是第一道坎。

一家光学头部企业在阿里云上的Salesforce做了很多尝试，内部基于CRM数据推出了专属Agent。上线一个多月后，用户交互率实现了直线飙升。

这家企业一开始定下的原则是先解决高频问题，再追求高阶能力。首先定义的几个关键场景，包括每日数据概览、销售问答和拜访准备。

销售问答中的促销码就是一个很好的例子。过去销售找到促销码，要打开电脑，再到Excel里寻找对应信息。现在数据接到这个Agent后，通过一句自然语言问答就可以查到。这项AI能力加上之后，那段时间的用户交互率很快提高。先帮助一线员工解决最耗时耗力的工作，使用率一下子就上去了。

另一家跨国医疗企业则是全球统一使用Salesforce平台，该企业的中国公司从前端市场、销售到后端物流、财务及售后服务，均基于阿里云上的Salesforce平台运行。在设备产品销售环节，平台覆盖商机、报价、订单履约、装机、销售奖金及绩效确认全流程。耗材售出后，平台还能继续追踪产品流向，精准触达客户、医院及医生。

医疗行业对AI的确定性、可追溯性和合规要求更高，所以医疗行业通常在选择AI的过程中会相对谨慎一些，目前企业关注的场景主要集中在内部场景，例如销售和售后服务。

该企业希望把销售从重复、事务性的工作中释放出来，让销售把更多时间用在客户身上，同时让Agent协助拜访、订单和商机转换等工作。

两家公司在阿里云上的Salesforce的使用上各有特色，也基本反映出Agent进企业时最现实的两道门槛。一家先从员工每天都会碰到的问题做起，把使用频率做起来；另一家已有完整的业务流程和数据基础，更加关注Agent参与之后，权限、合规和可追溯性。

目前阿里云上的 Salesforce 生命科学云客户互动平台已经上线。再通过阿里百炼千亿大模型补足AI能力。结合智能体、上下文系统、业务系统与互动渠道四大能力，打造懂业务、可协作、遵从流程的数字化员工，实现从区域划分、药品管理到HCP/HCO 360度画像、拜访计划到总结的全流程端到端支撑，而且这个功能还能实现跨区域的最佳实践复制。

到了海外，一套系统要适应不同市场

中国企业的海外业务做深以后，系统要处理的差异也会增加。Salesforce中国区企业销售负责人何奕在云栖大会中提到，越来越多中国企业到了海外以后，已经不只做产品销售，还会在当地建立销售网络、服务网络和品牌体系。

企业刚到一个海外市场时，销售线索可能掌握在当地合作伙伴手中，语言、文化、法规都需要重新适应。业务做大之后，销售、市场和客服又可能各用一套系统。等到企业开始做全球化运营，总部希望保持整体管理，各区域又有自己的文化、法规和销售方式。

某国内头部家居企业业务覆盖了全球50个国家，内部多个系统并行。该企业从2022年就开始使用Salesforce国际版本，随后用三四年时间逐步覆盖集团公司，今年6月又从国际版本迁到阿里云上的Salesforce。

除此之外，以汽车行业为代表的中国重点产业汽车行业也面临着同样的全球化适配难题，海外渠道同时存在直营、联营、分销商和代理商等多种模式，对系统提出了统一管理和本地适配的双重要求。例如，一家中国新能源车企进入欧洲市场时，借助Salesforce仅用三周完成了经销商管理体系部署，而过去海外部署一套CRM或DMS通常需要6个月甚至一年。

回看四年四问，企业的关注点的变化，也是企业数字化能力一层层向业务深处推进的变化：从云上部署解决基础设施与合规问题，从全球迁移解决系统连续性，从接入大模型获得新的智能能力，再到今天，让Agent进入真实流程、交付可验证的结果。

走到这一步，竞争不再只是模型参数，也不是谁先做出更多Agent。差距将体现在企业能否持续提供高质量上下文，能否把经验转化为机器可执行的规则，能否让权限和审计跟上自动化速度，以及能否重构人与Agent的协作方式。

四年前，企业还在问CRM能不能上中国云。今天，问题已经具体到一张报价单能否在既有数据、规则和权限下被正确修改并完成审批。这个变化也定义了Agent时代的分水岭：Agent真正进入企业业务之后，考验的已经不只是AI本身，还有企业是否已经准备好，让 Agent 在可控的边界内执行任务，并确保业务结果可靠、可追溯。