JOTO
Contact us
← AI 智库
SaaS AI

Salesforce 以客户众包驱动 AI 路线图:实时协同塑造智能体时代产品演进

2026 年 4 月 30 日

Salesforce 通过高频客户协作(部分客户每周会面)实时众包 AI 产品路线图,聚焦智能体上下文、可观测性与确定性控制等底层能力,而非固定产品时间表;其 Agentforce 平台源于解决 LLM‘最后一公里’需求,并已将客户自建 ITSM 工作流纳入标准产品。该模式加速迭代但依赖客户对 AI 的成熟度判断。

Salesforce 以客户众包驱动 AI 路线图:实时协同塑造智能体时代产品演进

Salesforce 正在实时众包其人工智能发展路线图。这家客户管理软件巨头通过与客户高频互动——部分客户每周会面一次——动态校准 AI 产品方向,即便尚不清楚人工智能下一步将走向何方,也能持续跟上技术演进节奏。

Salesforce AI 执行副总裁杰耶什·戈文达拉詹(Jayesh Govindarajan)表示:“这 18,000 名客户是一座信息宝库,而这些信息正是实现客户成功真正所需的关键。我们所构建的技术栈已获得这些客户的共鸣。随着时间推移,我们可以不断优化上下文理解能力;随着该能力提升,以及大语言模型(LLM)性能增强,智能体系统将能执行越来越多完全自主的行为。这是一条长期运行的创新轨道,我们将持续投入其中。”

Salesforce 是首批推出 AI 智能体管理软件 Agentforce 的公司之一,于 2024 年底发布,早于次年“智能体式人工智能”(agentic AI)开始主导新闻头条之前。此后,该公司进一步加码投入,并持续以极快速度推出面向语音 AI 和 Slack 的新产品。

Salesforce 将其产品发布速度归功于客户。该公司告诉 TechCrunch,通过让客户引领方向,它得以构建一条人工智能产品路线图,从而能够快速响应人工智能技术的发展动向。

Salesforce 工程总裁兼首席技术官穆拉利德哈尔·克里希纳普拉萨德(Muralidhar Krishnaprasad)表示:“当大语言模型(LLM)问世时,企业自然希望立即采用这项技术,但却缺乏实现 LLM 全面应用所需的‘最后一公里’技术。”

戈文达拉詹表示,正是对这种‘最后一公里’技术的需求,促使 Salesforce 推出了其智能体管理平台 Agentforce。

由此,该公司制定了一种自下而上的策略,由若干主题驱动——包括智能体上下文(agent context)、可观测性(observability)及确定性控制(deterministic controls)等——而非依赖具体的产品时间表。该方法利用轮换客户群体的直接反馈来开发产品,并假定其他企业也将面临类似需求。

客户掌握主导权

戈文达拉詹表示:“我们所推出的创新成果,直接源于我们与大量客户协作,并对其在现实世界中遇到的问题进行分类整理。随后我们进一步拆解这些问题:哪些可在大语言模型(LLM)层面上解决?哪些不能?对于那些无法在 LLM 层面解决的问题,我们需要围绕 LLM 构建此类智能体操作系统组件,以实现相应功能。”

与客户工程团队如此紧密合作,使 Salesforce 能够在技术演进超越问题之前迅速修复问题。

克里希纳普拉萨德表示:“我们无法等待三个月或六个月才获得反馈,然后再花六个月时间去研究解决方案。我们实际上是在逐周、逐月地即时响应。这是一次重大转变。如今我们代码推送速度极快,并设置了各类关卡,以便尽早试用新功能、获取早期反馈,再将其广泛发布。因此,所有这些调整都是为了适应当前环境中这种快速变化而不得不做出的改变。”

旅行管理平台 Engine 是 Salesforce 客户反馈闭环中的公司之一,且双方并非泛泛之交。据 Engine 创始人兼首席执行官埃莉娅·瓦伦(Elia Wallen)称,该公司运营团队每周均与 Salesforce 举行会议。

通过这一合作关系,Engine 可在相关人工智能工具正式发布前即获准使用。瓦伦表示,这种提前访问权限有助于 Engine 保持竞争力,并从中获取比其他方式更高的价值。

瓦伦表示,他已看到 Engine 提出的反馈被实际落实到 Salesforce 的工具中。例如,他曾指示一个 AI 语音智能体为他预订芝加哥的一家酒店。他认为语音及交互体验略显不自然,并就此向 Salesforce 提出反馈。不久之后,该智能体即被调整,公司开展的 A/B 测试结果也随即显示改善。

瓦伦表示:“如果有人愿意切实协助我们筛选并构建自身所需的产品,他们就能更好地帮助我们,真正理解我们的难题及其解决路径。对我们而言,受邀参与此类工作实属幸事,因为我们能够影响产品走向。”

该策略还使 Salesforce 能够将其用户构建的解决方案与工作流推广至更广泛的客户群。

联邦信用合作社 PenFed 的首席创新官兼执行副总裁希瑞·雷迪(Shree Reddy)表示,通过与 Salesforce 紧密合作,PenFed 成功精简了其技术栈。

雷迪谈及 Salesforce 时表示:“我们将时间与精力投入到更具战略意义的平台之上,显然也会在此项合作关系上投入更多时间。这种投入已取得良好成效,不仅强化了双方伙伴关系并相互影响,而且我们看到,这对两家组织均带来了最佳的价值增益。”

雷迪表示,PenFed 利用现有工具及 Agentforce 中的智能体自行开发了一套 IT 服务管理(ITSM)工作流,效果良好。Salesforce 观察到这一成功案例后,便将该工具整合进其更广泛的平台,供其他企业使用。

这种策略的弊端在于,它依赖于一种经典的服务理念——即‘客户永远是对的’。Salesforce 希望客户确实如此,尽管许多企业仍在摸索人工智能将在其业务中扮演何种角色,且许多企业尚未从该技术中发现实际价值。因此,客户可能并非长期产品开发的最佳信息来源。

此外,当前愿意测试并预览处于 Beta 阶段的技术,并不一定意味着未来会长期使用,也不必然转化为未来的软件合同。

做自身最大的用户

该公司亦在内部采取这种自下而上的方法。戈文达拉詹表示,Salesforce 员工是其人工智能工具的最大用户。

该公司还在人工智能热潮初期调整了人力与资源部署。克里希纳普拉萨德表示,ChatGPT 发布后,Salesforce 重新调配了团队与资源,组建了一支全新的 AI 团队——这一策略过去在不同创新浪潮中已被证明行之有效。

‘随着技术不断变化,我们永远无法预知一个月后会出现什么,’他表示,‘我们将随之调整。这正是我们去年一整年所做的事。如果你回顾一年半前,当时‘智能体(agents)’甚至还未成为行业术语。随后我们必须对此做出反应,必须应对所有技术进步,也必须响应客户的需求。’

JOTO 企业落地观察

  • 企业若效仿此模式,需警惕客户反馈的“时效性陷阱”:当前 Beta 用户提出的优化点,未必反映规模化部署后的核心瓶颈,尤其在 RAG 知识工程中,真实场景的语义漂移与数据新鲜度挑战常滞后暴露。
  • 将客户自建工作流纳入标准产品,本质是把一线知识沉淀为可复用的智能体工程范式;这对企业构建自有智能体开发框架具有参照价值,但需配套治理机制防止碎片化扩散。
  • 高频客户协同要求企业具备极强的反馈闭环工程能力——从问题归因、模块化重构到灰度验证,这直接考验 FDE 驻场共创中跨团队对齐与交付节奏的韧性。
  • 强调“做自身最大用户”,凸显内部 AI 应用对产品可信度的奠基作用;但企业若缺乏同等规模的真实业务负载,其内部验证结果难以外推,需谨慎评估智能体系统在生产环境中的确定性控制边界。

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务,帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们
Contact Us

Start your enterprise AI rollout

Tell us your industry, team, and current pain points. We'll get back to you within one business day to help you decide what to tackle first, what data to prepare, and which platform fits.

WeChat
Scan to add us for a 1:1 chat
JOTO WeChat consultation QR code

Tell us what you need

Once we receive your details, we'll be in touch within one business day.