承诺与现实之间的差距：Salesforce 的困境揭示了科技行业 AI 转型的哪些方面
Xpert 预发布
语言选择 📢
发布日期：2025 年 10 月 17 日 / 更新日期：2025 年 10 月 17 日 – 作者： Konrad Wolfenstein
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变革的哪些方面 - 图片来源：Xpert.Digital
当自主算法承诺市场无法实现的事情时
人工智能大幻灭：Salesforce 为何证明现实并非如此
自2025年初以来，CRM巨头Salesforce的股价暴跌27%，这并非单一公司的孤立现象。相反，它象征着人们对人工智能的殷切期望与其商业化应用的残酷现实之间的根本性差异。尽管世界各地的科技公司都在宣扬自主人工智能代理带来的革命，但Salesforce的处境却揭示了三个可能代表整个行业的核心问题：人工智能创新的货币化、企业软件市场的结构成熟度以及日益复杂的技术集成。本文将探讨这一所谓的未来前景背后的真正原因，以及它对科技行业的影响。
适合：
基础知识和相关性
Salesforce 在 2025 年 10 月的处境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魅力非凡的创始人兼首席执行官马克·贝尼奥夫 (Marc Benioff) 在旧金山举行的公司 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，成为 Salesforce 最重要的收入来源。然而，现实却并非如此。
Salesforce 股价的大幅下跌与科技行业的总体趋势形成了鲜明对比，同期科技股则大幅上涨。这种差异引发了一些根本性的问题：行业是否高估了人工智能转化为实际收入的速度？对自主人工智能代理的期望是否现实？在人工智能光鲜亮丽的前景背后，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动力的公司，触及那些向人工智能技术投入数十亿美元的投资者，也触及那些因自动化承诺而面临工作威胁的工人。Salesforce 的案例为我们提供了一个独特的视角，让我们得以洞察一个转型行业的机制、希望和失望。
本文分为八个部分，系统地介绍了 Salesforce 的历史根源、技术机制、现状、实际用例、关键问题、未来发展以及经验教训的总结。文章将清晰地展现 Salesforce 面临的挑战代表着更深层次的行业问题，这些问题远不止于一家公司。
从云先锋到AI斗士：行业巨头的战略转型
要了解现状，必须追溯 Salesforce 的起源和发展历程。该公司由马克·贝尼奥夫 (Marc Benioff) 于 1999 年创立，以当时极具颠覆性的理念“软件即服务”彻底改变了软件行业。Salesforce 不再销售必须安装在客户服务器上的昂贵许可证包，而是在线提供其 CRM 解决方案。客户只需按月付费，即可通过浏览器轻松使用该软件。
这项创新使 Salesforce 成为客户关系管理领域的市场领导者。凭借超过 21% 的市场份额，该公司至今仍主导着全球 CRM 市场，遥遥领先于微软、甲骨文和 SAP 等竞争对手。二十多年来，Salesforce 一直被视为卓越的成长型股票。收入年复一年保持两位数增长，股价持续攀升，并通过多次收购实现了扩张。
但早在2025年之前的几年里，市场就已初现放缓迹象。随着市场日趋饱和，整个CRM软件行业的增长速度放缓。许多大型公司已经部署了CRM系统，唾手可得的成果已被摘取。与此同时，新的竞争对手涌现，凭借创新方法和更低的价格抢占市场份额。
在这种情况下，贝尼奥夫从2022年开始越来越重视人工智能，将其作为新的增长点。Salesforce首先推出了Einstein，这是一个人工智能平台，能够在其现有的CRM产品中实现预测分析和自动化。随后，在2024年9月，Salesforce又发布了重磅消息：Agentforce，这是一个自主人工智能代理平台，可以独立执行客户服务、销售和市场营销等领域的任务。
这个愿景雄心勃勃：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问题，还能独立规划和执行复杂的多步骤任务。它们会主动采取行动，做出决策，并访问公司的整个数据库。
与此同时，Salesforce 在这些 AI 代理的技术基础上投入了大量资金。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 AI 代理能够访问高质量、结构良好的数据。2024 年秋季，Salesforce 已斥资 19 亿美元收购了另一家数据管理公司 Own Data。
然而，尽管投入巨资，愿景宏伟，预期的收入激增却未能实现。在2025/26财年第二季度，Salesforce的收入增长了9.8%，达到102.4亿美元。虽然略高于预期，但这已是Salesforce连续第五个季度实现个位数增长。对下一季度的展望更加谨慎，这加剧了人们对其AI攻势无法带来预期商业成功的担忧。
自主人工智能代理的剖析：介于视觉和可行性之间的技术
要理解为何人工智能代理的盈利如此困难，必须研究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承诺的自主性。
其核心是 Atlas 推理引擎，它充当着 AI 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，确定任务步骤的优先级，并最终正确执行。与之前严重依赖人机交互的 Copilot 等 AI 助手不同，Agentforce 代理的设计使其能够高度自主地运行。
第二个关键组件是 Salesforce 数据云，它实时协调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于代理的绩效至关重要。这也带来了最大的挑战之一：许多公司多年来一直在各种系统中收集数据，缺乏统一的标准或定期清理。
第三个组件是像 MuleSoft 这样的集成工具和预构建的连接器，使代理能够与现有工作流程和外部系统进行交互。这些接口不仅允许代理在 Salesforce 环境中操作，还可以与其他企业应用程序进行通信。
除了这些 Salesforce 专用组件外，Agentforce 还集成了来自 OpenAI、Anthropic 和 Google Gemini 等第三方提供商的大规模语言模型。这些模型提供了构建特定代理所需的底层自然语言处理和通用世界知识。
我们可以以客服人员为例来说明这一功能：客户联系公司提出疑问。客服人员会分析该疑问，从数据云中访问相关的客户数据，将其与过去的类似案例进行比较，制定一个多步骤的解决方案，执行这些步骤，并将结果告知客户。所有这一切都无需人工干预，除非客服人员遇到超出其能力范围的问题。
这在理论上听起来令人印象深刻。然而，在实践中却存在诸多障碍。座席的绩效取决于他们所访问的数据。如果数据不完整、过时或不一致，座席就会做出错误的决策。与现有企业系统的集成通常很复杂，需要付出相当大的努力。此外，尽管配置座席的过程被宣传为低代码流程，但仍然需要相当多的技术知识和 Salesforce 特定的专业知识。
另一个问题是缺乏信任。许多公司不愿将关键业务流程的控制权移交给缺乏完善测试程序和安全机制的自主代理。其他行业的例子表明，错误、数据泄露或不良行为的风险确实存在。
盈利之路艰难：三大根本挑战
Salesforce 的问题可以概括为整个行业面临的三个典型关键挑战：人工智能创新的货币化、结构性市场准备以及技术采用的复杂性。
第一个挑战是货币化
尽管 Salesforce 已经与 Agentforce 合作开发了一款技术先进的产品，但关键问题依然存在：如何将其转化为收益？Agentforce 的定价模式是按每次对话 2 美元计算，这种基于使用量的方式与传统的许可模式截然不同。然而，许多潜在客户在投资回报明显显现之前，都不愿大规模部署这项技术。
运行人工智能代理的成本非常高昂。底层的大型语言模型需要昂贵的计算资源。据业界估计，对生成式人工智能模型的单次查询成本比传统的谷歌搜索高出十倍。这些成本必须转嫁给客户，从而限制了价格接受度。与此同时，客户期望人工智能代理能够提供明确的价值，以证明其高昂的成本是合理的。
迄今为止，只有约1.2万家公司使用Agentforce，考虑到Salesforce庞大的客户群（数十万家公司），这个数字微不足道。Agentforce的年度经常性收入不到5亿美元，仅占Salesforce超过400亿美元总收入的一小部分。即使像Salesforce希望的那样，未来几年这个数字能翻三倍甚至四倍，其对总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，客户关系管理软件市场已进入饱和阶段。发达市场的大多数大中型企业已经部署了CRM系统。通过获取新客户实现有机增长的潜力有限。
与此同时，竞争也愈发激烈。微软的 Dynamics 365、甲骨文的云应用、SAP 的 CRM 解决方案，以及 HubSpot、Zendesk 和 Zoho 等众多专业服务提供商都在争夺市场份额。近年来，这些竞争对手已经迎头赶上，有时甚至提供更便宜或更专业的解决方案。
在这种环境下，即使拥有创新的AI功能，Salesforce也很难实现两位数的增长率。客户不会因为供应商提供新的AI功能就轻易更换他们的CRM系统。CRM系统的实施复杂、昂贵且耗时。只要现有系统还能正常工作，企业通常不愿意更换。
瑞银(UBS)的Karl Keirstead等分析师指出，CRM市场已经相对成熟，而客户在该领域的AI投资仍处于非常早期的阶段。因此，核心产品的市场成熟度与AI附加功能的成熟度之间存在时间差。这种差异使得Salesforce难以重拾过去的增长势头。
第三个根本挑战涉及技术采用的复杂性
尽管 Salesforce 将 Agentforce 宣传为用户友好的低代码解决方案，但许多客户的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、明确定义的流程、技术专业知识以及在培训和变更管理方面的大量投资。
许多公司面临着诸多根本性挑战，例如数据质量低下、数据孤岛、IT 基础设施不足以及缺乏 AI 专业知识。在 AI 智能体充分发挥其潜力之前，必须先解决这些问题。这需要时间、资源和长期的策略，而许多公司却对此避之不及。
此外，技术工人短缺也是一大问题。人工智能专家、数据专家和 Salesforce 管理员的需求远远超过供应。企业必须支付高薪才能吸引和留住合格员工。这进一步增加了实施人工智能解决方案的成本，并延长了价值实现的时间。
通过“托管人工智能”（人工智能）开启数字化转型的新维度 - 平台和 B2B 解决方案 | Xpert Consulting
“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：
炒作还是突破？客服人员：成本节约潜力 vs. 质量风险
成功案例与幻灭：实践告诉我们关于人工智能代理的知识
为了获得完整的了解，值得研究 Salesforce 本身和其他公司使用 AI 代理的具体用例和实践经验。
Salesforce 本身就在其客户服务部门部署了最引人注目的 AI 代理方案之一。首席执行官马克·贝尼奥夫 (Marc Benioff) 于 2025 年 9 月宣布，公司已将其客户服务团队从 9,000 名员工缩减至 5,000 名员工，减幅达 45%。被裁员工的岗位由 AI 代理取代。据贝尼奥夫称，AI 代理已处理了 150 万次客户对话，达到了与人工代理相当的客户满意度水平。
一方面，这一大胆举措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，同时能够处理更多咨询。另一方面，这也引发了道德和实践方面的问题。对于需要人工判断和同理心的更复杂咨询，客户服务质量仍有待观察。其他推行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。
第二个例子是销售中的人工智能代理。一些 Salesforce 客户已经部署了人工智能代理，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，一些客户表示，使用此类代理后，他们的销售团队的生产力提高了 20% 到 30%。
然而，这也存在局限性。客服人员在标准化流程和明确定义的资格标准下工作效率最高。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，他们很快就会达到极限。此外，一些用户表示，他们对那些更喜欢与人工沟通的潜在客户感到一定程度的不满。
除了 Salesforce 之外，还有许多其他公司正在使用 AI 代理。ServiceNow 是 Salesforce 在 IT 服务管理领域的直接竞争对手，它已经开发了自己的 AI 代理平台。这些代理旨在独立诊断和解决 IT 问题、处理服务请求并协调工作流程。
微软的 Copilot 产品也依赖于基于代理的人工智能，但方法略有不同。微软代理与现有的 Office 365 产品集成得更深入，并且专注于支持个人生产力，而非自主流程自动化。
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 AI 助手，可以分析业务流程、提供建议并自动执行任务。Oracle 则尤其专注于 AI 驱动的云基础设施，并将自己定位为计算密集型 AI 工作负载的平台。
所有这些例子都表明，人工智能代理在拥有结构化数据和标准化流程的明确定义的用例中表现最佳。任务越复杂、越不可预测、越以人为本，自主代理就越难以匹敌或超越人类的表现。
适合：
批评、争议和未解决的问题：人工智能革命的阴暗面
Salesforce 的问题以及实施 AI 代理所带来的更广泛的挑战，引发了关于该技术前景和局限性的激烈争论。其中有几个关键方面值得特别关注。
第一个争议点是关于裁员。Salesforce 裁掉 4000 名客服人员，传递了一个明确的信息：人工智能客服不仅取代了低效的流程，也取代了人类。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。但事实并非如此。
这一趋势并非Salesforce独有。数据显示，到2025年，仅在美国就预计将有超过6.4万个科技岗位消失，其中许多与人工智能带来的自动化程度提升有关。讽刺的是，与此同时，许多科技公司却在积极招聘新员工，尤其是在人工智能开发和销售领域。因此，某种岗位正在逐渐被淘汰，而另一些岗位则应运而生。但问题依然存在：新增岗位的数量和质量能否超过流失岗位？
第二个关键因素是市场营销与现实之间的差距。Salesforce 和其他科技公司对人工智能代理做出了许多宏伟的承诺：彻底改变职场、带来神奇的生产力提升、用自主系统取代人类员工。然而，现实是，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，或仅在有限的领域实现。
凯捷的一项研究发现，尽管90%的受访高管相信基于代理的人工智能能够带来竞争优势，但只有14%的高管真正开始实施。大多数高管仍处于规划阶段，近一半的高管缺乏具体的实施策略。过去一年，对完全自主的人工智能代理的信心显著下降，从43%降至27%。
第三个棘手问题是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 生态系统中时，座席的工作效率最高。集成外部知识源或系统需要付出相当大的努力。这造成了供应商锁定效应，使客户难以转向其他解决方案。
微软、SAP 和甲骨文也面临着类似的批评。每家供应商都试图打造自己的生态系统，使其 AI 代理发挥最佳功能。这使得不同系统的集成变得复杂，并迫使客户选择主要供应商。诸如“模型上下文协议”（Model Context Protocol）之类的计划，旨在实现不同供应商的 AI 代理之间的标准化通信，目前仍处于起步阶段。
第四个争议点在于数据隐私和安全。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，尤其是在将这些数据转发给 OpenAI 或 Anthropic 等外部人工智能服务时。尽管 Salesforce 和其他供应商强调他们已经实施了严格的数据保护措施，但担忧仍然存在，尤其是在医疗保健或金融服务等受监管的行业。
第五个关键点是环境影响。运行大型人工智能模型需要大量的计算能力，因此也需要大量的能源。为这些模型提供支持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的可持续发展压力之际，人工智能系统的环境足迹正日益成为人们关注的焦点。
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，专家预测，未来几年人工智能代理将在企业中扮演越来越重要的角色。问题不在于它是否会普及，而在于这项技术普及的速度和形式。
Gartner 预测，到 2026 年，约 40% 的企业应用程序将包含特定任务的 AI 代理，相比 2025 年的不到 5% 有显著增长。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 和自主代理的市场规模将从 2025 年的 86.2 亿美元增长到 2035 年的 2639.6 亿美元，复合年增长率超过 40%。
这些预测基于当前的挑战将逐步克服的假设。以下几个发展趋势可能有助于实现这一目标：
首先，技术本身将会不断发展。底层的大型语言模型将变得更加强大、高效且经济高效。诸如 OpenAI 的推理能力更强的 o1 模型，以及 Anthropic 的上下文窗口更长的 Claude 模型等新模型，将能够实现更复杂的任务。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。这一趋势可能会持续下去，使人工智能应用更具经济吸引力。
其次，企业将学习如何更有效地使用人工智能代理。早期采用者将积累经验，识别最佳实践，并与更广泛的社区分享。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，标准化可以推进。诸如模型上下文协议 (MCP) 或 ServiceNow 的代理间协议 (Agent-to-Agent Protocol) 等举措旨在实现来自不同供应商的 AI 代理之间的通信。如果此类标准得以建立，将促进集成并减少供应商锁定。
第四，供应商整合在所难免。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，市场可能会出现收购和洗牌，类似于过去其他技术领域的情况。Salesforce、微软、谷歌、SAP 和甲骨文等大型公司将收购规模较小的供应商，以扩展其人工智能能力。
对于 Salesforce 而言，能否成功整合收购的 Informatica 并为 Agentforce 创造真正的价值至关重要。此次收购是该公司自 2021 年收购 Slack 以来规模最大的一笔收购。正如加拿大皇家银行下调其评级并大幅下调目标价所表明的那样，这笔收购存在风险。但如果这笔收购能够帮助 Salesforce 打造一个更全面的数据管理平台，从而提高 AI 代理的效率，那么它也蕴藏着机遇。
从中期来看，到2030年，Salesforce的目标是实现超过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在2024年中期跌破两位数增长后，重回两位数增长。这一目标是否现实，很大程度上取决于Agentforce和其他人工智能产品能否实现预期的成功。
Gartner 预测，从长远来看，趋势可能会转向复杂的多智能体生态系统。在这样的系统中，专业智能体协同工作，协调行动并共享信息。一个智能体可以分析客户咨询，另一个智能体可以制定解决方案，第三个智能体可以协调实施，第四个智能体可以监控质量。这种精心策划的协作可以实现更复杂的业务流程的自动化。
但前路漫漫。未来两三年至关重要，我们将拭目以待，看看当前的问题能否克服，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现状及其商业应用的基本真相。关键发现在于，在当前市场环境下，人工智能代理的技术可行性与其商业盈利能力之间存在显著差异。
Salesforce 是一个典型的例子，它满怀期待地进入人工智能时代，但现在却面临着严峻的盈利现实。三大挑战——盈利困难、市场饱和和采用复杂性——并非 Salesforce 独有，而是影响着整个企业软件行业。
经验表明，单靠技术创新是不够的。企业还必须开发出令人信服的商业模式，展示清晰的客户利益，并降低采用门槛。Salesforce 凭借 Agentforce 打造了一款技术上令人瞩目的产品，但将其转化为可持续的收入增长仍然是一项挑战。
对于投资者来说，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，而这些预期可能不会实现，或者可能会大幅推迟。对实际采用率、收入贡献和盈利能力进行冷静的分析至关重要。
对于希望部署AI代理的公司，建议是：从明确定义的用例开始，投资于数据质量和变更管理，不要指望一夜之间就能看到奇迹。最成功的实施应该专注于几个执行良好的项目，而不是启动大量肤浅的实验。
对于工人来说，这一发展意味着某些任务将被人工智能自动化，同时新的角色也将出现。投资与人工智能相关的技能——无论是在人工智能的开发、管理还是战略应用方面——正变得越来越重要。
Salesforce 的案例远不止是一家公司陷入困境的故事。它深刻地揭示了技术转型的挑战、愿景与现实之间的差距，以及尽管人们对新技术充满热情，但仍需对经济现实保持清晰的认识。人工智能革命终将到来，但它将循序渐进、坎坷曲折、有选择性地推进——并非像人们常说的“大爆炸”那样，而是一个跌宕起伏的持续过程。
您的全球营销和业务发展合作伙伴
☑️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
我们在美国的业务开发、销售和营销方面的专业知识
我们在美国的业务发展、销售和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：
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 | BD、研发、XR、PR 和数字可视性优化
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：
