从力捧到克制：AI 明星产品的急转弯2024 年，Salesforce 首席执行官马克・贝尼奥夫（Marc Benioff）还在全球舞台上大力造势，将 AI 产品 Agentforce 描绘成企业自动化的 “终极解决方案”—— 借助大型语言模型（LLM ...
从力捧到克制：AI 明星产品的急转弯
2024 年，Salesforce 首席执行官马克・贝尼奥夫（Marc Benioff）还在全球舞台上大力造势，将 AI 产品 Agentforce 描绘成企业自动化的 “终极解决方案”—— 借助大型语言模型（LLM）的强大推理能力，它能让销售、客服等核心业务流程实现 “无人工干预” 运转，为企业大幅削减成本。彼时，贝尼奥夫甚至宣称该产品 “部署易如反掌”，预示着生成式 AI 将彻底重构企业服务生态。 然而短短一年后，Salesforce 的态度却发生了 180 度转变。产品营销高级副总裁 Sanjna Parulekar 公开表示，Agentforce 在 “减少 LLM 依赖” 的场景中反而表现更优。这一表态背后，是这家全球顶级软件公司对生成式 AI 技术的重新审视 —— 官网悄然更新的描述更直白地揭示了核心诉求：“消除 LLM 固有的随机性，确保关键业务流程每次都严格遵循相同步骤”。从激进推广到强调 “确定性”，Salesforce 的战略调整，折射出大型企业在 AI 落地过程中遭遇的集体困境。
大模型之困：幻觉、偏移与成本三重枷锁Salesforce 的转向并非空穴来风，而是源于 LLM 技术难以规避的三大核心痛点。首当其冲的是 **“幻觉” 问题 **——AI 在缺乏明确答案时会进行错误猜测，这对于库存管理、客户退款等需要精准决策的业务而言，可能引发商业损失或客户投诉。今年以来，已有多位 Agentforce 客户反馈遭遇此类技术故障，尽管 Salesforce 强调产品在快速优化，但信任裂痕已然产生。 更令人困扰的是 **“AI 偏移” 现象 **。Salesforce 高管菲尔・梅在博客中透露，最资深的客户正深受其害：原本用于引导客户填写表单的聊天机器人，常会被无关问题带偏方向，比如客户询问产品售后政策时，机器人会脱离预设流程展开冗长对话，导致核心任务无法完成。家庭安防巨头 Vivint 的遭遇更具代表性，该公司为 250 万客户部署 Agentforce 后发现，AI 有时会无故遗漏发送满意度调查，且根本无法定位问题根源。 技术缺陷之外，高昂的使用成本成为压垮不少企业的又一根稻草。Agentforce 采用 “按对话收费” 模式，单次交互成本高达 2 美元，即便推出预购积分等优惠方案，长期使用仍是一笔不小的开支。更关键的是 LLM 的效率瓶颈：Agentforce 首席技术官 Muralidhar Krishnaprasad 直言，当指令超过 8 条时，大模型就可能出现遗漏，“有些环节需要绝对精准，我们没必要浪费令牌去做推理”。这种 “能力不匹配” 让企业陷入 “用之不稳，弃之可惜” 的两难。 确定性回归：技术妥协还是理性优化？
面对多重困境，Salesforce 给出的解决方案是 “确定性自动化”—— 用 “如果 A 则 B” 的传统逻辑语句替代部分 LLM 推理，构建可控的技术闭环。Vivint 与 Salesforce 合作开发的 “确定性触发机制” 便是典型案例，通过预设硬性规则，确保满意度调查等关键动作 100% 执行。而处于测试阶段的 Agentforce Script 系统，则更进一步：它能自动识别哪些任务无需 LLM 参与，通过 “非 AI 代理” 处理来降低不可预测性。 这一调整带来了立竿见影的效果：不仅 Agentforce 的运营成本显著下降，客户使用成本也同步降低，更重要的是业务可靠性大幅提升。Salesforce 发言人透露，优化后的客服代理 “解决的客户问题比以往任何时候都多”，预计本财年已解决对话数量将增长 90%。但争议同样存在 —— 这种 “去 LLM 化” 虽然保证了稳定性，却也让 AI 失去了理解复杂语境、提供深度解答的能力，部分场景下甚至退化为传统聊天机器人的水平。 值得注意的是，Salesforce 的困境并非个例。本月初，企业 AI 初创公司 Sierra 为盖璞（Gap Inc.）开发的聊天机器人，因配置漏洞回答了情趣用品等敏感问题，暴露了大模型在内容管控上的短板。越来越多企业意识到，LLM 更适合作为 “辅助工具” 而非 “核心引擎”，尤其在关键业务场景中，确定性比灵活性更为重要。 行业启示：AI 落地需要 “技术现实主义”
Salesforce 的战略转向，为整个 AI 行业敲响了警钟。过去几年，生成式 AI 的狂热让不少企业陷入 “技术崇拜”，盲目追求 LLM 的强大功能，却忽视了业务的核心诉求 —— 可靠、高效、低成本。Agentforce 的案例证明，AI 产品的成功不在于技术有多先进，而在于能否真正解决问题。 对于企业而言，未来的 AI 部署需要更多 “技术现实主义”：在非关键场景中，可借助 LLM 提升效率；而在核心业务环节，则应优先采用确定性技术确保稳定。这种 “混合式 AI” 模式，或许将成为大型企业的主流选择。而对于 AI 提供商来说，Salesforce 的调整也指明了新的方向：与其执着于炫技式的功能升级，不如回归用户需求，通过技术优化平衡灵活性与可靠性，让 AI 真正成为企业可信赖的伙伴。 随着 AI 技术从 “概念炒作” 走向 “落地深耕”，类似 Salesforce 的战略调整可能会越来越多。这并非对 LLM 的否定，而是行业走向成熟的必然 —— 当狂热褪去，只有真正能创造价值的技术，才能在市场中站稳脚跟。 |
2026-01-05
2025-12-31
2026-01-04
2026-01-02
2026-01-02
官方手机版
微信公众号
商务合作
0