Salesforce砸157亿买公司

过去18个月，Salesforce在Agentforce上砸了超过10亿美元研发预算，但内部测试数据显示：73%的试点项目卡在同一个环节——不是AI模型不够聪明，是客户数据脏到没法用。

这个被刻意淡化的细节，正在让第一批吃螃蟹的企业付出真金白银的代价。有人部署了8周才发现，AI客服把同一个客户的3个不同手机号当成了3个人，推荐方案南辕北辙。

肌肉有了，大脑还在缺氧

Salesforce把Agentforce包装成"自主AI代理"，能处理客户案例、筛选销售线索、甚至自动预约会议。听起来像科幻片，但有个前提几乎没人强调：这套系统的燃料是你的数据质量。

Data Cloud（数据云）就是那个被低估的供氧系统。Salesforce官方定位很明确——它是支撑Agentforce的"超大规模数据引擎"，负责把所有客户记录、交易历史、工单数据、行为轨迹捏合成统一画像。

没有这层整合，AI代理就是睁眼瞎。它可能回复了客户的咨询，但不知道这人昨天刚投诉过，也不知道他的合约下个月到期。人类销售扫一眼屏幕能脑补的信息，AI需要结构化数据才能"理解"。

一位参与早期测试的架构师透露，他们花了6周调优提示词，最后发现问题出在2019年之后就没人维护的字段映射。"AI不是魔术师，它不会自己猜哪个电话号码是对的。"

无代码检索器：admin的救命稻草

Data Cloud真正降低门槛的功能是no-code retriever（无代码检索器）。数据完成摄取和索引后，这些检索器直接把信息输送给提示词模板和Flow自动化流程。

这意味着Agentforce能从PDF、知识库文章、通话记录这些非结构化来源抓上下文，不需要有人手写向量查询代码。对不会写Python的admin来说，这是从"被动维护"到"主动搭建"的身份跃迁。

但有个陷阱：检索器只能搬运它找得到的东西。如果同一份合同扫描件存了3个版本，检索器会随机抓一个，AI就会基于过期条款给出建议。

salesforcedictionary.com整理了Data Cloud的核心术语——数据流、数据模型对象、身份解析。建议动手配置前先扫一遍，省得在控制台里对着满屏陌生名词发懵。

157亿美元收购背后的焦虑

今年3月，Salesforce宣布以157亿美元收购Informatica。这笔交易在财报电话会上被描述为"强化数据管理能力"，但内部人士的解读更直接：这是给Agentforce买地基。

Informatica的主业是企业数据集成和治理，恰好补上Salesforce在复杂数据清洗、主数据管理上的短板。收购消息发布后，Salesforce股价当日上涨4.2%，市场用真金白银投票——他们看懂了这个逻辑。

一位前Salesforce产品总监在播客里打了个比方：「Agentforce是辆法拉利，Data Cloud是赛道。现在Salesforce发现很多客户的赛道是泥地，得先帮他们铺沥青。」

这个判断有数据支撑。Salesforce内部调研显示，试点客户中完成Data Cloud部署的项目，Agentforce上线周期平均缩短47%；跳过这一步硬上的，返工率高达62%。

脏数据的代价，AI会放大

人类销售看到重复联系人，会交叉核对邮箱、扫一眼账户历史，几秒钟内完成纠偏。AI代理没这个能力——它接收什么就输出什么。

3个版本的客户信息互相矛盾？AI会选一个看起来最完整的，给出对应方案。结果可能是给VIP客户发了新客优惠，或者向投诉中的用户推销续费。这些错误以前藏在CRM的角落里，现在直接暴露在客户对话里。

「你不能用自动化掩盖数据问题，」一位在3家财富500强做过Salesforce实施的顾问说，「以前脏数据只是报表难看，现在它能让你在客户面前当场翻车。」

他经手的一个案例：某医疗设备公司部署Agentforce处理经销商询价，AI把"已终止合作"的经销商标记为活跃客户，自动发送了含内部底价的报价单。事后追溯，问题出在2017年的账户状态字段从未更新。

如果你们的CRM里还有2019年之后没人碰过的字段，现在清理还来得及——还是说，你们也想让AI替你们"考古"？