纪要涉及的公司 Salesforce、ServiceNow、Databricks、Snowflake、MuleSoft、Informatica、Tableau、Slack 纪要提到的核心观点和论据 1. **AgentForce的发展历程**：2016年左右，数据和处理能力的融合使机器学习取得重大进展，Salesforce推出Einstein品牌，具备预测性能力；约两年半前，生成式AI冲击市场，最初围绕提示工程和内容生成，随后AgentForce带来代理式转变，去年在Dreamforce发布AgentForce，其构建工具推动了这一步进式变化[4][5][7]。 2. **因果AI与生成式AI的关系**：早期人们思考能否用生成式AI解决所有问题，二者结合使用，如机器学习模型给出预测结果，生成式AI提供具体操作方法和提高生产力，以Salesforce销售为例，预测信号确定客户优先级，生成式AI可创建客户简报等[12][13][15]。 3. **AgentForce的差异化优势** - **应用、数据和代理层面**：拥有销售、服务、营销等应用套件，可利用生成式技术进行现代化改造；多年来加速数据能力建设，数据云为代理式体验提供支持；了解用户角色，可创建加速代理式体验，还构建了企业级代理式AI平台，具备定制和可观测性等功能[19][20][22]。 - **具体优势类别**：表面区域优势，能为Salesforce用户提供增强体验；秉持开放原则，包括数据处理和大语言模型选择的开放性；具备出色的AI能力，如数据安全、准确性等方面的保障；不同年份有不同发展重点，2023年关注业务模式变化，2024年POC进入小规模生产，2025年注重全面生产、测量和可观测性；拥有独特技能，能快速推进产品开发[24][26][29]。 4. **客户采用情况及挑战** - **采用情况**：客户对AgentForce兴趣空前，已达成8000笔交易，数据云和AI的ARR超10亿美元，部分客户从POC实验阶段向有限部署和大规模部署迈进，预计2027财年AgentForce将更具实质性影响[55]。 - **挑战及应对**：部分客户未采用的原因并非摩擦，而是需要时间理解和规划。客户在客户服务用例上较易构思，如回答问题、发起流程等；但在销售方面，需要更多时间理解业务流程和确定AI应用切入点。Salesforce通过与客户深入合作，帮助识别问题和规划路线[35][36][39]。 5. **数据云的重要性**：数据云并非复制数据，而是激活已有数据，可作为现代客户数据平台，引入新数据类型，为产品团队提供平台支持。AgentForce等Gen AI需要数据进行支撑和指导，数据云能帮助客户更好地利用数据，实现客户旅程中的价值[47][49][50]。 6. **与竞争对手的差异化**：与ServiceNow等竞争对手相比，Salesforce的优势在于表面区域，让用户在工作中自然使用AI；具备AI编排能力，可根据条件变化做出响应；客户在Salesforce的流程和业务上有大量投资，且Salesforce在数据开放性和未来规划方面表现出色[70][71][72]。 7. **Informatica的重要性**：从AI角度，Informatica可注入更多客户信息，具备数据谱系和治理能力；从Salesforce整体角度，能带来丰富元数据，构建统一数据架构，提供数据治理和透明度，实现显著协同效应，使客户更轻松地管理数据[74][76][77]。 其他重要但是可能被忽略的内容 1. **客户案例** - **财富管理公司**：利用AgentForce和Data Cloud，整合客户数据，一键获取丰富的客户家庭摘要，为客户提供符合风险和财务需求的产品和服务建议，同时帮助员工更好地完成工作[82][83]。 - **银行**：通过设置数字代理，向潜在客户介绍商业银行业务，安排与银行家的沟通，同时利用代理减轻员工工作负担，如进行资金扫款和贷款提前还款等操作，实现数字劳动力的大规模应用，提高业务效率和客户参与度[84][85][88]。 - **某组织**：使用数字代理进行预筛选流程，可24/7运行，不受工作时间和语言限制，且执行过程的保真度高，业务转化率从4:1提升到2:1[86][88][89]。