承诺与现实之间的差距：Salesforce 的困境揭示了科技行业人工智能转型的哪些问题

人工智能的巨大幻灭：Salesforce 为何表明现实并非如此

自2025年初以来，CRM巨头Salesforce的股价暴跌27%，这并非个例。相反，它象征着人们对人工智能的殷切期望与其商业应用的残酷现实之间存在着根本性的差距。尽管全球科技公司都在宣称将通过自主AI代理带来革命性的变革，但Salesforce的困境却揭示了三个可能代表整个行业普遍存在的关键问题：人工智能创新成果的商业化、企业软件市场的结构成熟度以及技术集成日益增长的复杂性。本文将深入分析所谓未来美好前景背后的真相，以及这对科技行业将产生的影响。.

适合：

• 人工智能：为什么 Salesforce 的 Agentforce 尚未流行起来——独立替代方案更好。

基本原理与相关性

2025年10月，Salesforce的现状标志着人们对人工智能作为成熟科技公司直接增长动力的看法发生了转变。这家客户关系管理公司富有魅力的创始人兼首席执行官马克·贝尼奥夫曾在旧金山举行的Dreamforce大会上宣布了基于代理的人工智能时代的到来。他的愿景是：自主算法将取代公司中的人类员工，并成为Salesforce最重要的收入来源。然而，现实却并非如此。.

Salesforce股价的暴跌与科技板块的整体趋势形成鲜明对比，同期科技股普遍上涨。这种分化引发了诸多根本性问题：业界是否高估了人工智能转化为实际收益的速度？人们对自主人工智能代理的期望是否现实？人工智能光鲜亮丽的外表下又隐藏着哪些结构性问题？.

这项分析的意义远不止于 Salesforce。它影响着所有依赖人工智能作为关键增长驱动力的公司，影响着向人工智能技术投入数十亿美元的投资者，也影响着那些因自动化带来的工作威胁而面临失业的员工。Salesforce 的案例为我们提供了一个独特的视角，让我们得以窥见这个处于变革中的行业的运作机制、希望和失望。.

本文分为八个部分，系统地介绍了Salesforce技术的历史渊源、技术机制、现状、实际应用案例、关键问题、未来发展方向以及总结性结论。文章将清晰地表明，Salesforce面临的挑战是整个行业深层次问题的典型代表，这些问题远不止于一家公司。.

从云计算先驱到人工智能斗士：行业巨头的战略重组

要了解现状，就必须追溯 Salesforce 的起源和发展历程。该公司由 Marc Benioff 于 1999 年创立，凭借当时颇具颠覆性的理念——软件即服务 (SaaS)——彻底革新了软件行业。Salesforce 没有像传统模式那样销售必须安装在客户服务器上的昂贵许可证包，而是通过互联网提供 CRM 解决方案。客户只需支付月费，即可通过网络浏览器轻松访问该软件。.

这项创新使 Salesforce 成为客户关系管理 (CRM) 领域的市场领导者。凭借超过 21% 的市场份额，该公司持续主导着全球 CRM 市场，遥遥领先于微软、Oracle 和 SAP 等竞争对手。二十多年来，Salesforce 一直被视为成长型股票的典范。其营收年年保持两位数增长，股价稳步攀升，并通过多次收购不断扩张。.

然而，即便在2025年之前的几年里，放缓的迹象也已显现。随着市场日益饱和，CRM软件行业的整体增长速度放缓。许多大型企业已经部署了CRM系统，容易获取的市场份额已被抢占。与此同时，新的竞争对手涌现，凭借创新方法和更低的价格迅速抢占市场份额。.

在这种情况下，贝尼奥夫越来越重视人工智能，并将其视为2022年及以后的新增长点。首先，Salesforce推出了Einstein，这是一个人工智能平台，可在现有的CRM产品中实现预测分析和自动化。随后，在2024年9月，Salesforce发布了重磅产品：Agentforce，这是一个用于自主人工智能代理的平台，旨在独立处理客户服务、销售和营销等领域的任务。.

愿景雄心勃勃：到2025年底，客户将通过该平台创建10亿个自主AI代理。这些代理不仅能回答简单的查询，还能独立规划和执行复杂的多阶段任务。它们将主动行动、做出决策，并访问公司的全部数据库。.

与此同时，Salesforce 对这些人工智能代理的技术基础进行了大量投资。2025 年 5 月，该公司宣布以 80 亿美元收购数据管理专家 Informatica。此次收购旨在确保人工智能代理能够访问高质量、结构化的数据。早在 2024 年秋季，Salesforce 就已以 19 亿美元收购了另一家数据管理公司 OwnData。.

尽管投入巨资并制定了宏伟愿景，但预期中的营收飞跃并未实现。在2025/26财年第二季度，Salesforce的营收增长了9.8%，达到102.4亿美元。虽然略高于预期，但这已是连续第五个季度实现个位数增长。对下一季度的展望更加悲观，加剧了人们对人工智能计划能否取得预期商业成功的担忧。.

自主人工智能代理的剖析：愿景与可行性之间的技术

要理解为什么人工智能代理的商业化如此具有挑战性，就必须审视这些系统的技术基础和机制。Agentforce 基于多个技术组件，这些组件必须协同工作才能实现其承诺的自主性。.

其核心是所谓的Atlas推理引擎，它充当人工智能代理的神经网络或大脑。该引擎旨在模拟人类的思维和行为，正确分类任务，确定步骤优先级，并最终准确执行。与以往严重依赖人类交互的人工智能助手（例如Copilot）不同，Agentforce代理旨在高度自主地运行。.

第二个关键组件是 Salesforce 数据云，它实时整合所有相关的公司数据，并将其提供给 AI 代理。这些数据的质量和完整性对​​代理的性能至关重要。这也正是最大的挑战之一所在：多年来，许多公司在各种系统中收集数据，缺乏统一的标准或定期的数据清洗。.

第三部分包含 MuleSoft 等集成工具和预构建连接器，使客服人员能够与现有工作流程和外部系统进行交互。这些接口不仅使客服人员能够在 Salesforce 环境中操作，还能与其他企业应用程序通信。.

除了 Salesforce 原生组件之外，Agentforce 还集成了来自 OpenAI、Anthropic 和 Google Gemini 等第三方供应商的大型语言模型。这些模型提供了构建特定智能体所需的底层自然语言处理和通用世界知识。.

我们可以以客服代表为例来说明其功能：客户联系公司提出请求。客服代表分析请求，从数据云中访问相关的客户数据，将其与以往的类似案例进行比较，制定多步骤解决方案，执行这些步骤，并将结果告知客户。所有这些过程都无需人工干预，除非客服代表遇到超出其能力范围的问题。.

理论上听起来很棒。然而，实际应用中却存在诸多陷阱。代理的性能完全取决于它们能够访问的数据质量。如果数据不完整、过时或不一致，代理就会做出错误的决策。与现有企业系统的集成通常十分复杂，需要投入大量精力。虽然代理配置被宣传为低代码流程，但仍然需要相当深厚的技术知识和 Salesforce 方面的专业知识。.

另一个问题是缺乏信任。许多公司在没有完善的测试程序和安全机制的情况下，不愿将关键业务流程的控制权交给自主代理。正如其他行业的案例所示，出错、数据泄露或不良行为的风险是真实存在的。.

通往盈利之路充满荆棘：三大根本挑战

Salesforce 的问题可以归结为三个关键挑战，这三个挑战也代表了整个行业：人工智能创新货币化、市场结构成熟度以及技术采用的复杂性。.

首要挑战在于盈利模式。

尽管 Salesforce 开发的 Agentforce 是一款技术先进的产品，但关键问题依然存在：如何实现盈利？Agentforce 的定价模式基于每次对话两美元，这种基于使用量的收费方式不同于传统的许可模式。然而，许多潜在客户在投资回报率明确显现之前，仍对大规模采用这项技术持谨慎态度。.

运行人工智能代理的成本相当高昂。其底层的大型语言模型需要昂贵的计算资源。据业内估计，向生成式人工智能模型发出一次查询的成本可能高达传统谷歌搜索的十倍。这些成本最终必须转嫁给客户，从而限制了价格的接受度。与此同时，客户期望人工智能代理能够提供明显的附加值，以证明其高昂成本的合理性。.

迄今为止，只有大约 12,000 家公司在使用 Agentforce，考虑到 Salesforce 拥有数十万家企业的庞大客户群，这个数字微乎其微。Agentforce 的年度经常性收入不足 5 亿美元，仅占 Salesforce 超过 400 亿美元总收入的一小部分。即使未来几年这一数字如 Salesforce 所愿增长三倍甚至四倍，其对整体收入的贡献仍然有限。.

第二个关键挑战是 CRM 市场的结构成熟度。

经过二十年的强劲增长，客户关系管理（CRM）软件市场已趋于饱和。发达市场的大多数大中型企业都已部署了CRM系统，通过获取新客户实现内生增长的潜力有限。.

与此同时，竞争也日趋激烈。微软凭借 Dynamics 365、Oracle 凭借其云应用、SAP 凭借其 CRM 解决方案，以及 HubSpot、Zendesk 和 Zoho 等众多专业供应商都在争夺市场份额。近年来，这些竞争对手迎头赶上，有时甚至提供价格更实惠或更专业的解决方案。.

在这种环境下，即使Salesforce拥有创新的人工智能功能，也很难实现两位数的增长率。客户不会仅仅因为供应商提供了新的人工智能功能就轻易更换CRM系统。实施CRM系统既复杂又昂贵，而且耗时。只要现有系统运行良好，企业就不愿轻易更换。.

瑞银集团的卡尔·基尔斯蒂德等分析师指出，CRM市场已经相对成熟，而客户人工智能在该领域的投资仍处于起步阶段。因此，核心产品的市场成熟度与人工智能插件的成熟度之间存在时间滞后。这种差距使得Salesforce难以重拾昔日的增长势头。.

第三个根本挑战是技术采纳的复杂性。

尽管 Salesforce 将 Agentforce 宣传为用户友好、低代码的解决方案，但对许多客户而言，实际情况要复杂得多。成功部署 AI 代理需要坚实的数据基础、完善的流程、专业的技术知识，以及在培训和变更管理方面的大量投入。.

许多公司面临着诸多根本性挑战，例如数据质量差、数据孤岛、IT基础设施不足以及缺乏人工智能专业知识。这些问题必须得到解决，人工智能代理才能充分发挥其潜力。这需要时间、资源和长期规划，而许多公司却对此望而却步。.

此外，技能短缺也是一个重要因素。人工智能专家、数据专家和 Salesforce 管理员的需求远远超过供应。企业不得不支付高薪来吸引和留住合格的员工。这进一步增加了实施人工智能解决方案的成本，并延长了价值创造所需的时间。.

“托管人工智能”（AI）开启数字化转型新维度——平台与 B2B 解决方案 | Xpert Consulting - 图片：Xpert.Digital

在这里您将了解您的公司如何快速、安全且无高门槛地实施定制化的AI解决方案。

托管 AI 平台是您全方位、无忧的人工智能解决方案。您无需处理复杂的技术、昂贵的基础设施和冗长的开发流程，只需几天时间，即可从专业合作伙伴处获得根据您的需求量身定制的交钥匙解决方案。

主要优势一览：

⚡ 快速实施：从构思到实际应用，只需几天，无需数月。我们提供切实可行的解决方案，创造即时价值。

🔒 最高数据安全性：您的敏感数据将由您自行保管。我们保证数据处理安全合规，不会与第三方共享。

💸 无财务风险：您只需为结果付费。完全无需在硬件、软件或人员方面进行高额的前期投资。

🎯 专注于您的核心业务：专注于您最擅长的领域。我们负责您 AI 解决方案的整个技术实施、运营和维护。

📈 面向未来且可扩展：您的 AI 将与您共同成长。我们确保持续优化和可扩展性，并灵活地调整模型以适应新的需求。

更多相关信息请点击这里：

• 托管人工智能解决方案 - 工业人工智能服务：服务业、工业和机械工程领域竞争力的关键

成功案例与幻灭：实践教会我们关于人工智能代理的哪些经验

要全面了解情况，值得研究 Salesforce 自身以及其他公司在人工智能代理方面的具体用例和实践经验。.

Salesforce自身就进行了最引人注目的AI代理应用之一：在其客户服务部门。首席执行官马克·贝尼奥夫于2025年9月宣布，公司已将其客户服务团队从9000人缩减至5000人，裁员幅度达45%。被裁员工由AI代理取代，贝尼奥夫表示，这些AI代理已经处理了150万次客户互动，客户满意度与人工客服相差无几。.

这项激进的措施一方面展现了人工智能代理在自动化重复性任务和降低成本方面的潜力。Salesforce 通过裁员节省了大量人力成本，同时还能处理更多咨询。另一方面，这也引发了一些伦理和实践方面的问题。对于需要人工判断和同理心的复杂咨询，客户服务的质量还有待观察。其他一些采取类似自动化策略的公司，例如 Klarna，也不得不承认服务质量受到了影响。.

第二个例子是销售领域的AI智能代理。Salesforce的几家客户已经部署了智能代理，这些代理可以自动筛选潜在客户、安排预约并发送后续邮件。这些代理全天候工作，可以同时处理数百条销售线索。据Salesforce称，一些客户反馈，通过使用此类代理，其销售团队的效率提高了20%到30%。.

然而，这种方式也存在局限性。代理在标准化流程和明确的资质标准下表现最佳。在需要深入产品知识和战略谈判技巧的复杂B2B销售流程中，他们很快就会感到力不从心。此外，一些用户反映，部分潜在客户更倾向于与真人沟通，这导致他们对此感到不满。.

除了 Salesforce 之外，许多其他公司也在使用人工智能代理。ServiceNow 是 Salesforce 在 IT 服务管理领域的直接竞争对手，它也开发了自己的 AI 代理平台。这些代理旨在独立诊断和解决 IT 问题、处理服务请求以及协调工作流程。.

微软也在其 Copilot 产品中采用了基于代理的人工智能技术，尽管方法略有不同。微软的代理与现有的 Office 365 产品集成得更深入，并且专注于提升个人效率，而非实现自主流程自动化。.

SAP和Oracle正在推行类似的战略，开发直接嵌入其ERP和CRM系统的AI代理。SAP推出了Joule，这是一款能够分析业务流程、提供建议并自动执行任务的AI助手。Oracle则专注于AI驱动的云基础设施，并将自身定位为计算密集型AI工作负载的平台。.

所有这些例子都表明，人工智能代理在定义明确的用例、结构化数据和标准化流程中表现最佳。任务越复杂、越不可预测、越以人为中心，自主代理就越难达到甚至超越人类的表现。.

适合：

• Salesforce AI：为什么独立的 AI 平台比 Einstein 和 Agentforce 更好——混合方法可以战胜供应商锁定！

批评、争议和悬而未决的问题：人工智能革命的阴暗面

Salesforce的问题以及人工智能代理实施过程中面临的更广泛挑战，引发了关于这项技术前景和局限性的激烈辩论。其中几个关键方面值得特别关注。.

第一个争议点在于失业问题。Salesforce裁员4000人，这无疑发出了一个明确的信号：人工智能不仅取代了低效的流程，也取代了人工。贝尼奥夫此前曾断言，人工智能不会导致办公室工作的消失。但现实却并非如此。.

这种趋势并非Salesforce独有。数据显示，仅在美国，到2025年，科技行业就将有超过6.4万个工作岗位消失，其中许多与人工智能带来的自动化程度提高有关。讽刺的是，许多公司与此同时也在招聘新员工，尤其是在人工智能开发和人工智能产品销售领域。因此，一种转变正在发生，一些工作岗位逐渐消失，而另一些工作岗位则应运而生。但问题依然存在：新创造的工作岗位能否在数量和质量上弥补失去的工作岗位？.

第二个关键问题是营销与现实之间的差距。Salesforce和其他科技公司曾以宏大的承诺推广人工智能代理：工作场所的革命性变革、生产力的神奇提升、取代人类员工的自主系统。然而，现实情况是，许多应用仍处于试点阶段，承诺的生产力提升往往未能实现，或者仅在有限范围内得到验证。.

凯捷咨询公司的一项研究发现，虽然90%的受访高管确信基于代理的人工智能能够带来竞争优势，但只有14%的人真正开始实施。大多数企业仍处于规划阶段，近一半的企业缺乏具体的实施策略。过去一年，人们对完全自主人工智能代理的信任度显著下降，从43%降至27%。.

第三个问题在于对个别科技巨头的依赖。Salesforce Agentforce 与 Salesforce 生态系统紧密集成。当所有数据和流程都位于 Salesforce 内部时，代理程序才能发挥最佳功能。集成外部知识库或系统需要耗费大量精力。这造成了供应商锁定效应，使得客户难以转向其他解决方案。.

类似的批评也针对微软、SAP和Oracle。每家供应商都在试图构建自己的生态系统，以确保其人工智能代理能够发挥最佳性能。这使得不同系统的集成变得复杂，并迫使客户选择单一的主要供应商。诸如旨在实现不同供应商人工智能代理之间标准化通信的模型上下文协议（Model Context Protocol）等举措仍处于起步阶段。.

第四个争议点涉及数据隐私和安全。人工智能代理需要访问大量的公司数据才能有效运行。这会带来潜在的安全风险，尤其是在与 OpenAI 或 Anthropic 等外部人工智能服务共享这些数据时。尽管 Salesforce 和其他供应商强调他们已实施严格的数据保护措施，但人们的担忧依然存在，尤其是在医疗保健或金融服务等受监管行业。.

第五个关键点是环境影响。运行大型人工智能模型需要巨大的计算能力，因此也需要消耗大量能源。运行这些模型的数据中心消耗数百万千瓦时的电力，并产生大量的二氧化碳排放。在企业面临越来越大压力以实现其可持续发展目标的当下，人工智能系统的环境足迹正日益受到关注。.

展望未来：在整合与下一波浪潮之间

尽管目前面临诸多挑战，专家们普遍认为，人工智能代理将在未来几年在企业中扮演越来越重要的角色。问题不在于这项技术是否会普及，而在于它将以何种速度和形式普及。.

Gartner预测，到2026年，约40%的企业应用将包含特定任务的AI代理，较2025年的不足5%显著增长。到2035年，基于代理的AI可能占全球企业软件收入的约30%，超过4500亿美元。自主AI和自主代理的市场预计将从2025年的86.2亿美元增长到2035年的2639.6亿美元，复合年增长率(CAGR)超过40%。.

这些预测基于以下假设：当前的挑战将逐步得到克服。以下几个方面的发展可能有助于实现这一目标：

首先，技术本身将持续发展。底层的大型语言模型将变得更加强大、高效且经济。诸如OpenAI的o1（具备更强大的推理能力）或Anthropic的Claude（拥有更长的上下文窗口）等新模型将能够处理更复杂的任务。人工智能推理的成本已经大幅下降，在2022年11月至2024年10月期间下降了280倍。这一趋势很可能会持续下去，使人工智能应用在经济上更具吸引力。.

其次，企业将学会更有效地使用人工智能代理。早期采用者将积累经验，总结最佳实践，并与更广泛的群体分享。培训项目、认证和咨询服务将应运而生，为企业实施人工智能代理提供支持。.

第三，标准化进程有望取得进展。诸如模型上下文协议（Model Context Protocol）或ServiceNow的代理间协议等举措旨在实现不同厂商人工智能代理之间的通信。如果此类标准得以确立，将有助于集成并减少厂商锁定。.

第四，供应商整合势在必行。目前人工智能代理市场较为分散，数十家初创公司和老牌企业都在争夺市场份额。未来几年，收购和市场整合很可能发生，这与过去其他技术领域的情况类似。像 Salesforce、微软、谷歌、SAP 或 Oracle 这样的大公司将会收购规模较小的供应商，以扩展其人工智能能力。.

对 Salesforce 而言，关键在于其能否成功整合对 Informatica 的收购，并为 Agentforce 创造真正的附加值。这是自 2021 年收购 Slack 以来，该公司历史上规模最大的一笔收购。正如 RBC 下调其评级（大幅降低目标价）所表明的那样，此次收购也存在风险。然而，如果 Salesforce 能够借此打造一个更全面的数据管理平台，从而提升 AI 代理的效率，那么此次收购也蕴藏着机遇。.

中期目标是到 2030 年实现超过 600 亿美元的营收，相当于每年超过 10% 的有机增长率。这将标志着 Salesforce 重返两位数增长轨道，此前该公司自 2024 年年中以来一直低于这一水平。这一目标能否实现，很大程度上取决于 Agentforce 和其他人工智能产品能否取得预期的成功。.

从长远来看，正如 Gartner 预测的那样，发展方向可能会转向复杂的多智能体生态系统。在这样的系统中，各个专业化的智能体协同工作，协调行动并共享信息。例如，一个智能体可以分析客户咨询，另一个可以开发解决方案，第三个可以协调实施，第四个可以监控质量。这种精心设计的协作能够实现更加复杂的业务流程自动化。.

但前路依然漫长。未来两到三年至关重要，将检验当前的问题能否得到克服，以及承诺的生产力提升和收入增长能否真正实现。.

Salesforce危机给科技行业带来的教训

对 Salesforce 问题的分析揭示了人工智能及其商业应用现状的一些基本事实。其核心发现是，在当前的市场环境下，人工智能代理的技术可行性与其经济效益之间存在显著差异。.

Salesforce 就是一个典型的例子，它代表着一个行业：该行业当初怀着很高的期望进入人工智能时代，如今却面临着盈利的严峻现实。已发现的三大主要问题——盈利困难、市场饱和以及采用复杂性——并非 Salesforce 独有，而是影响着整个企业软件行业。.

经验表明，仅靠技术创新是不够的。企业还必须建立引人注目的商业模式，展现清晰的客户价值，并降低用户采用门槛。Salesforce凭借Agentforce打造了一款技术卓越的产品，但如何将其转化为可持续的收入增长仍然是一个挑战。.

对投资者而言，这意味着他们必须区分短期炒作和长期价值。许多人工智能公司的高估值是基于对未来利润的预期，而这些利润可能无法实现，或者会大幅延迟。因此，对实际采用率、收入贡献和盈利能力进行冷静分析至关重要。.

对于希望部署人工智能代理的公司，建议是：首先要明确定义用例，重视数据质量和变更管理，不要指望一夜之间就能取得奇迹般的效果。最成功的实施方案往往专注于少数几个精心执行的项目，而不是开展大量肤浅的实验。.

对员工而言，这一发展意味着某些任务将由人工智能自动化完成，同时也会涌现出新的岗位。因此，投资于人工智能相关技能——无论是开发、管理还是战略应用——都变得越来越重要。.

因此，Salesforce的案例远不止是一家陷入困境的公司的故事。它给我们上了一课，让我们了解技术转型所面临的挑战、愿景与现实之间的差距，以及即便对新技术充满热情，也必须保持对经济现实的清醒认识。人工智能革命终将到来，但它将是一个渐进的、坎坷的、选择性的过程——并非人们常说的“宇宙大爆炸”，而是一个起伏跌宕的持续过程。.

☑️我们的业务语言是英语或德语

☑️ 新：用您的国家语言进行通信！

Konrad Wolfenstein

我很乐意作为个人顾问为您和我的团队提供服务。

您可以通过填写此处的联系表，或者直接致电+49 89 89 674 804 （慕尼黑）。我的电子邮件地址是： wolfenstein ∂ xpert.digital

我很期待我们的联合项目。

☑️ 为中小企业提供战略、咨询、规划和实施方面的支持

☑️ 创建或调整数字战略和数字化

☑️国际销售流程的扩展和优化

☑️ 全球数字 B2B 交易平台

☑️ 先锋业务发展/营销/公关/贸易展览会

我们在美国的业务拓展、销售和市场营销方面的专业知识 - 图片：Xpert.Digital

行业重点：B2B、数字化（从AI到XR）、机械工程、物流、可再生能源和工业

更多相关信息请点击这里：

• Xpert 商业中心

具有见解和专业知识的主题中心：

• 全球和区域经济、创新和行业特定趋势的知识平台
• 收集我们重点领域的分析、推动力和背景信息
• 提供有关当前商业和技术发展的专业知识和信息的地方
• 为想要了解市场、数字化和行业创新的公司提供主题中心

受益于 Xpert.Digital 全面的五重专业知识和全面的服务包 | 研发、XR、PR 和数字可视性优化 - 图片：Xpert.Digital

Xpert.Digital 对各个行业都有深入的了解。 这使我们能够制定量身定制的策略，专门针对您特定细分市场的要求和挑战。 通过不断分析市场趋势并跟踪行业发展，我们可以前瞻性地采取行动并提供创新的解决方案。 通过经验和知识的结合，我们创造附加值并为客户提供决定性的竞争优势。

更多相关信息请点击这里：

• 在一个软件包中使用 Xpert.Digital 的 5 倍专业知识 - 每月仅需 500 欧元起