Salesforce正在把企业客户更深地放进AI产品路线图里。
TechCrunch报道称，这家CRM软件公司不只靠季度或年度客户会议收集意见。它和部分客户保持高频沟通，有些关系可达到每周一次。反馈会进入Agentforce、语音AI和Slack AI等产品迭代。
这件事有意思的地方，不是Salesforce发明了“客户共创”。大型SaaS厂商早就有客户顾问委员会、设计伙伴计划和beta测试。
真正的变化是，生成式AI还没形成稳定打法，Salesforce却把客户反馈的频率、颗粒度和产品方向绑得更紧。它押的是一个判断：企业AI落地，不能只靠模型能力，还要靠客户现场把最后一公里磨出来。
Salesforce听客户，不是听一年一次
Salesforce AI执行副总裁Jayesh Govindarajan提到，公司有1.8万名相关客户。这些客户是判断产品是否成功的重要信息来源。
这里要注意边界。1.8万是总体客户规模，并不代表所有客户都在每周参与反馈。原文说的是部分客户存在高频沟通。
这一区别很关键。
传统企业软件反馈，常见节奏是季度业务回顾、年度大会、重点客户访谈。Salesforce现在更像把一部分客户放进持续滚动的产品回路里。客户不是等功能发布后再提意见，而是在功能成形过程中就开始影响优先级。
对企业AI负责人来说，这会改变供应商评估方式。过去买SaaS，主要看功能清单、价格、集成成本。现在还要看一个问题：供应商能不能把你的流程反馈，沉淀成可维护的平台能力。
如果只是为大客户做定制，采购风险会上升。后续升级、权限、合规、运维都可能变成额外成本。如果反馈能变成通用能力，IT团队才可能少做二次开发，少堆一层又一层工具。
| 反馈机制 | 常见做法 | 对企业客户的实际影响 |
|---|---|---|
| 传统SaaS反馈 | 季度/年度会议、客户顾问会、beta测试 | 反馈慢，通常影响下一轮规划 |
| Salesforce当前做法 | 与部分客户高频沟通，部分可到每周一次 | 更早影响Agentforce、语音AI、Slack AI等迭代 |
| 主要限制 | 样本不等于全体客户 | 高频反馈未必代表长期方向 |
这张表背后只有一个问题：AI产品路线图，能不能靠客户现场来校准。
Agentforce需要客户现场补最后一公里
Agentforce是这条路线里最具体的产品锚点。Salesforce在2024年底推出AI agent管理软件，后续继续扩展到语音AI和Slack AI。
公司工程总裁兼CTO Muralidhar Krishnaprasad的说法是，大模型出现后，企业确实想使用LLM。但它们缺少把模型接入业务流程、权限、上下文和可控执行的最后一公里技术。
这也是企业AI和消费级AI最大的差别。
个人用AI，回答差一点，最多重问一次。企业让AI agent进入客服、金融、IT服务、人力流程，问题就不只是“答得像不像人”。它还要知道能看什么数据、能执行什么动作、出了错谁接管、审计怎么留痕。
所以Salesforce现在讨论的重点，不是某天固定发布哪个功能，而是围绕几个产品主题滚动推进。
| 产品主题 | 企业客户真正关心什么 | 对Salesforce的意义 |
|---|---|---|
| agent context | AI代理能否理解客户、流程、权限和历史记录 | 决定Agentforce能不能从演示走进业务现场 |
| observability | 企业能否追踪AI代理做了什么、为何这样做 | 影响合规、排错和IT团队接管能力 |
| deterministic controls | 关键流程能否被确定性规则约束 | 降低AI自动化在金融、客服、人力等场景中的失控风险 |
这几个词看起来偏技术，但对应的是企业采购里的硬问题。
AI agent如果没有上下文，像一个聪明但不熟公司规矩的新员工。没有可观测性，出了错很难复盘。没有确定性控制，越是关键流程，越不敢放它自动执行。
Engine是一个具体样本。这家差旅管理平台的运营团队与Salesforce每周开会，并能提前试用部分AI工具。Engine创始人兼CEO Elia Wallen提到，他曾让一个AI语音代理帮忙预订芝加哥酒店，认为语音和交互不够自然。反馈给Salesforce后，相关体验被调整，A/B测试结果也有所改善。
PenFed展示的是另一条路径。这家联邦信用合作社使用Agentforce现有工具和agent搭建IT服务管理工作流。随后，Salesforce把这类经验产品化，推向更广泛的平台能力。
这两个案例说明，客户反馈有两种价值。一种是修细节，比如语音交互是否自然。另一种是抽象成平台能力，比如把某个IT工作流经验变成更多客户可复用的能力。
后者更重要。
如果Agentforce只能解决单个客户的单个问题，它会越来越像项目制交付。如果它能把Engine、PenFed这类样本里的共性抽出来，才更像一个企业AI平台。
共创能加速，也可能把路线图做成工单清单
Salesforce不是唯一在做企业AI落地的公司。
微软把Copilot塞进Office、Teams和Dynamics，靠办公套件和企业身份体系推进。ServiceNow强调在IT和工作流里部署AI代理。Zendesk、HubSpot也在客服和销售场景里加AI自动化。
Salesforce的差异不在“听客户意见”。差异在于它有CRM数据、Slack协作入口和Agentforce执行层，理论上更容易把反馈从单点功能拉到业务流程层。
但理论归理论，现实要慢得多。
很多企业现在还没完全算清AI的业务价值。试点项目常常先跑起来，再回头找ROI口径。愿意参加beta测试，不等于未来会长期使用。一次语音体验改善，也不能推导为续约率提升或收入增长。
这对两类人影响最直接。
企业AI负责人不宜只看供应商演示。更实际的做法，是把试点拆成三张清单：哪些流程能复用平台能力，哪些必须定制，哪些风险需要人工兜底。定制项越多，越要放慢采购节奏。
SaaS采购和IT团队则要盯住另一件事：客户反馈最后沉淀在哪里。沉淀在标准产品里，是资产。沉淀在一次性项目里，就是未来运维成本。
接下来最该看的不是Salesforce发版有多快，而是三个更硬的信号：
- Agentforce是否能在多个行业复用同一套能力，而不是每个客户重做一遍。
- observability和deterministic controls是否会成为企业采购时的硬指标。
- Engine、PenFed这类案例能否扩展成可验证的规模化采用，而不只是早期样本。
Salesforce内部也在配合这条路线。ChatGPT发布后，公司调整团队和资源，组建新的AI团队，并让员工成为自家AI工具的大用户。
“吃自己的狗粮”是硅谷老办法。它能证明工具经得起内部流程考验，但不能替代客户现场。企业现场有权限边界、历史系统、合规要求，还有很多文档里写不清的组织习惯。
这也是客户共创最有价值、也最危险的地方。
客户之声能帮Salesforce少走弯路。但如果工程团队每周听到的都是“这个流程跑不通”“这个权限要加”“这个回复不自然”，路线图也可能被拉成工单清单。
短期问题必须修。长期方向不能只靠短期问题来定。
Salesforce这次押的，不是某个AI功能会爆，而是一种企业AI产品形成方式：把客户现场变成路线图的一部分。成败也会落在同一个地方——它能不能把嘈杂反馈提炼成平台能力，而不是被反馈牵着走。