裁4000人换来的AI全白搞？Salesforce悄悄改架构：用 “老技术”故障少还省钱，网友怒喊：CEO零遣散费滚蛋

整理 | 华卫

“我们不再需要那么多人手。”作为全球市值最高的企业级软件公司之一，Salesforce 曾大举部署 AI 并裁撤技术人员的数量，将客户支持团队的人员配置从 9000 人缩减到约 5000 人。过去一年间，Salesforce 首席执行官 Marc Benioff 一直对外宣称，旗下核心 AI 产品 Agentforce 能够借助大语言模型的技术优势实现工作流程自动化，为企业节省成本。

然而如今，他们似乎后悔了。

据外媒报道，近期，Salesforce 的高管们客户传递了另一番截然不同的信号：当 Agentforce 不过度依赖大语言模型时，运行效果反而会更好。

路线大反转：用基础自动化

替代 AI 推理

“一年前，我们所有人都对大语言模型深信不疑。” Salesforce 产品营销高级副总裁 Sanjna Parulekar 坦言，Salesforce 已在 Agentforce 中引入了基础的 “确定性” 自动化技术，以此提升软件的可靠性。这意味着该产品的决策逻辑将基于预设指令，而非 AI 模型所采用的推理与解读机制。

如今，Salesforce 官网明确标注，Agentforce 能够助力企业 “消除大语言模型的固有随机性”，“确保关键业务流程在每一次执行时都严格遵循完全相同的步骤”。并且，近几个月来，不难发现 Salesforce 旗下基于 Agentforce 构建的客服智能体，已在缩减对大语言模型的依赖程度。

比如上周，有用户向 Salesforce 提交请求，希望解决与 Agentforce 相关的技术故障，而其回应只是发送了一系列博客文章链接，并未进一步询问具体情况，也未针对可能存在的问题展开沟通。更值得注意的是，链接列表中的第一篇博文，内容是关于今年 6 月 Agentforce 及 Salesforce 多款其他产品遭遇宕机故障的说明，显然与当前用户遇到的问题并不相关。这种回复方式，与多年来企业使用基础版聊天机器人应对客户或网站访客咨询的模式如出一辙。

可以看出，Salesforce 的产品策略正在转变：放弃生成式 AI，转而发力其旗舰产品 Agentforce 中可预测性更强的 “确定性” 自动化技术。这一战略调整，与短短数月前 Salesforce 拥护的 “AI 优先” 口号形成了鲜明反差。

不过，这种技术调整固然能避免聊天机器人及其他 AI 产品出现行为不可预测的问题，但同时也存在局限。这些产品有时会无法理解客户问题背后的语境与细微差异，也无法像 ChatGPT 那样，针对复杂问题给出全面详尽的解答。

故障频发还费钱，

客户怨声载道

在大语言模型的实际应用过程中，Salesforce 遭遇了多项关键技术瓶颈。Benioff 曾声称，Agentforce 的部署流程 “简单易行”。但今年，部分 Agentforce 客户遭遇了被称为 “幻觉” 的技术故障。一些 AI 客户还抱怨其运行成本过高，Salesforce 公司的 Agentforce 客服代理每处理一次对话收费 2 美元，此外还提供预购积分的按量付费模式。

根据 Agentforce 首席技术官 Muralidhar Krishnaprasad 的说法，采用更基础的自动化技术，例如通过编写 “确定性指令”对计算机进行编程 ，不仅能降低 Agentforce 的运行成本，还能为客户节省开支。同时，他也承认，一旦指令数量超过 8 条，大语言模型就会出现遗漏指令的问题。这对于对精准度要求极高的商业任务而言，无疑是致命缺陷。

智能家居安防企业 Vivint 是 Agentforce 的客户之一，该公司借助这一平台为 250 万用户提供客服支持，却也亲身体验到了大语言模型的可靠性短板。

Vivint 负责工程业务的高级副总裁 Ryan Gee 透露，由于自主研发 AI 聊天机器人的尝试屡屡受挫，该公司于去年开始引入 Agentforce，为旗下 250 万用户提供客户支持服务。然而，Vivint 在使用初期就遭遇了一些问题，Agentforce 的运行稳定性未能达到 100% 的预期。例如，Vivint 明确要求 Agentforce 在每次客户服务结束后，自动向客户发送满意度调查问卷，但在部分情况下，系统会无故 “漏发” 问卷。最终，Vivint 不得不与 Salesforce 合作，在 Agentforce 中设置了确定性触发机制，才确保了调查问卷的稳定发送。

另一个棘手难题，是 Salesforce 高管 Phil Mui 在 10 月发布的一篇博客中提及的 AI “漂移” 现象：当用户提出无关问题时，AI 智能体就会偏离预设的核心任务目标。他举例说，一款原本用于引导客户填写表单的 AI 聊天机器人，一旦客户提出与表单无关的问题，就会出现 “分心走神” 的情况。

据悉，Salesforce 已开发出一套名为 Agentforce Script 的系统。该系统能够识别出哪些任务或任务环节可由不依赖大语言模型的智能体完成，以此降低大语言模型的 “不可预测性”。目前，Agentforce Script 尚处于测试阶段。

工程师扎心点破：

问题根源是 “不会用” AI？

值得一提的是，有部分工程师回应称，问题的根源或许在于 Salesforce 及其客户对最新 AI 技术的驾驭能力，或者说他们无法应对最新 AI 技术。

这些工程师直言，换句话说，这是会不会用的技术能力问题。

事实上，大语言模型的应用难题并非 Salesforce 一家面临。对其他 AI 技术提供商而言，大语言模型同样是难以驾驭的存在，这类模型时常会偏离预设的应用目标。

部分企业发现，要想防止大语言模型在运行过程中出现 “失常” 行为，或是在输出内容时产生错误推断，难度极大。这对于库存跟踪、客户退款申请处理等对精准度要求极高的任务而言，无疑是致命隐患。一旦操作失误，不仅会导致企业做出错误的商业决策，还会挫伤员工积极性、引发客户不满。

例如本月早些时候，服装零售巨头 Gap 公司推出的一款聊天机器人，因搭载了企业级 AI 初创公司 Sierra 的技术，竟出现了回答不良内容的情况。对此，Sierra 方面回应称，公司已修复了 Gap 聊天机器人的配置错误，并表示该事件是由 “恶意攻击者” 蓄意操纵、滥用聊天机器人所致。

股价大跌，CEO 也后悔了

对于曾豪赌 AI 转型的 Benioff 而言，此次收缩大语言模型应用规模堪称一场充满讽刺意味的反转。Benioff 近期透露，他在起草公司年度战略文件时，已将数据基础架构而非 AI 模型列为首要任务，同时明确指出，缺乏可靠数据支撑的 AI 模型极易产生 “幻觉”，这是企业必须警惕的风险。

Benioff 甚至暗示，公司或许会考虑更名为 “Agentforce”。他表示：“如果真的更名，我丝毫不会感到意外。” 这一想法源于市场调研，客户对云计算相关话题的兴趣已大不如前。尽管 Agentforce 预计年营收将突破 5 亿美元，但 Salesforce 的股价较 2024 年 12 月的峰值已下跌约 34%。

就此事，Salesforce 发言人回应称，“大语言模型固然强大，但它们无法独立支撑企业运营。企业需要将 AI 与精准数据、业务逻辑及治理体系深度融合，将大语言模型所提供的原始智能转化为可信、可预测的业务成果。这正是我们打造 Agentforce 的初衷：构建一套值得信赖的 AI 基础设施，真正驱动业务价值增长。我们通过严格的管控框架与确定性技术体系为 AI 技术保驾护航，同时优化大语言模型性能，确保其满足企业级应用的可靠性要求。可信、可靠、安全，这才是 AI 技术应有的模样。”

还有一位发言人否认了该公司在客服智能体中缩减大语言模型应用的说法。他表示，今年公司针对该客服助手"优化了主题构建方式、加强了安全护栏、提升了信息检索质量，并调整了回复机制，使回应更具针对性、更贴合上下文，且更符合客户的实际需求”。他还补充道：“我们还显著改善了系统的可观测性与反馈循环机制，这让我们能快速识别客服回复过于宽泛、偏离主题或表达不清的情况，并迅速进行迭代改进。"

他强调，“我们对于在客服场景中何时、以何种方式使用大语言模型，已变得更为审慎和明确 。”该发言人还称，目前客服智能体“解决的客户问题数量已创下历史新高”，预计在截至 1 月下旬的本财年内，成功处理的对话量将提升 90%。

无论如何，此次 Salesforce 此次在大语言模型应用上的 “战略性回撤”，或将对数千家正在使用该技术的企业产生连锁影响。眼下，这家软件公司正艰难地在 AI 创新与商业落地实践的鸿沟之间摸索前行。

不少网友纷纷评价，“CEO 应该当场被解雇，且不支付给他任何遣散费。”

https://www.theinformation.com/articles/salesforce-executives-say-trust-generative-ai-declined

https://www.theinformation.com/articles/story-salesforces-declining-trust-llms-hit-nerve

声明：本文为 AI 前线整理，不代表平台观点，未经许可禁止转载。

技术人的年度仪式感！ 年度盘点与趋势洞察 启动！

《2025 年度盘点与趋势洞察》由 InfoQ 技术编辑组策划。覆盖大模型、Agent、具身智能、AI Native 开发范式、AI 工具链与开发、AI+ 传统行业等方向，通过长期跟踪、与业内专家深度访谈等方式，对重点领域进行关键技术进展、核心事件和产业趋势的洞察盘点。

力求以体系化视角帮助读者理解年度技术演化的底层逻辑、创新方向与落地价值，并为新一年决策提供参考。内容将在 InfoQ 媒体矩阵陆续放出，欢迎大家持续关注。

今日荐文

你也「在看」吗？