裁4000人換來的AI全白搞？Salesforce悄悄改架構：用 “老技術”故障少還省錢，網友怒喊：CEO零遣散費滾蛋

整理 | 華衛

“我們不再需要那么多人手。”作為全球市值最高的企業級軟件公司之一，Salesforce 曾大舉部署 AI 并裁撤技術人員的數量，將客戶支持團隊的人員配置從 9000 人縮減到約 5000 人。過去一年間，Salesforce 首席執行官 Marc Benioff 一直對外宣稱，旗下核心 AI 產品 Agentforce 能夠借助大語言模型的技術優勢實現工作流程自動化，為企業節省成本。

然而如今，他們似乎后悔了。

據外媒報道，近期，Salesforce 的高管們客戶傳遞了另一番截然不同的信號：當 Agentforce 不過度依賴大語言模型時，運行效果反而會更好。

路線大反轉：用基礎自動化

替代 AI 推理

“一年前，我們所有人都對大語言模型深信不疑。” Salesforce 產品營銷高級副總裁 Sanjna Parulekar 坦言，Salesforce 已在 Agentforce 中引入了基礎的 “確定性” 自動化技術，以此提升軟件的可靠性。這意味著該產品的決策邏輯將基于預設指令，而非 AI 模型所采用的推理與解讀機制。

如今，Salesforce 官網明確標注，Agentforce 能夠助力企業 “消除大語言模型的固有隨機性”，“確保關鍵業務流程在每一次執行時都嚴格遵循完全相同的步驟”。并且，近幾個月來，不難發現 Salesforce 旗下基于 Agentforce 構建的客服智能體，已在縮減對大語言模型的依賴程度。

比如上周，有用戶向 Salesforce 提交請求，希望解決與 Agentforce 相關的技術故障，而其回應只是發送了一系列博客文章鏈接，并未進一步詢問具體情況，也未針對可能存在的問題展開溝通。更值得注意的是，鏈接列表中的第一篇博文，內容是關于今年 6 月 Agentforce 及 Salesforce 多款其他產品遭遇宕機故障的說明，顯然與當前用戶遇到的問題并不相關。這種回復方式，與多年來企業使用基礎版聊天機器人應對客戶或網站訪客咨詢的模式如出一轍。

可以看出，Salesforce 的產品策略正在轉變：放棄生成式 AI，轉而發力其旗艦產品 Agentforce 中可預測性更強的 “確定性” 自動化技術。這一戰略調整，與短短數月前 Salesforce 擁護的 “AI 優先” 口號形成了鮮明反差。

不過，這種技術調整固然能避免聊天機器人及其他 AI 產品出現行為不可預測的問題，但同時也存在局限。這些產品有時會無法理解客戶問題背后的語境與細微差異，也無法像 ChatGPT 那樣，針對復雜問題給出全面詳盡的解答。

故障頻發還費錢，

客戶怨聲載道

在大語言模型的實際應用過程中，Salesforce 遭遇了多項關鍵技術瓶頸。Benioff 曾聲稱，Agentforce 的部署流程 “簡單易行”。但今年，部分 Agentforce 客戶遭遇了被稱為 “幻覺” 的技術故障。一些 AI 客戶還抱怨其運行成本過高，Salesforce 公司的 Agentforce 客服代理每處理一次對話收費 2 美元，此外還提供預購積分的按量付費模式。

根據 Agentforce 首席技術官 Muralidhar Krishnaprasad 的說法，采用更基礎的自動化技術，例如通過編寫 “確定性指令”對計算機進行編程 ，不僅能降低 Agentforce 的運行成本，還能為客戶節省開支。同時，他也承認，一旦指令數量超過 8 條，大語言模型就會出現遺漏指令的問題。這對于對精準度要求極高的商業任務而言，無疑是致命缺陷。

智能家居安防企業 Vivint 是 Agentforce 的客戶之一，該公司借助這一平臺為 250 萬用戶提供客服支持，卻也親身體驗到了大語言模型的可靠性短板。

Vivint 負責工程業務的高級副總裁 Ryan Gee 透露，由于自主研發 AI 聊天機器人的嘗試屢屢受挫，該公司于去年開始引入 Agentforce，為旗下 250 萬用戶提供客戶支持服務。然而，Vivint 在使用初期就遭遇了一些問題，Agentforce 的運行穩定性未能達到 100% 的預期。例如，Vivint 明確要求 Agentforce 在每次客戶服務結束后，自動向客戶發送滿意度調查問卷，但在部分情況下，系統會無故 “漏發” 問卷。最終，Vivint 不得不與 Salesforce 合作，在 Agentforce 中設置了確定性觸發機制，才確保了調查問卷的穩定發送。

另一個棘手難題，是 Salesforce 高管 Phil Mui 在 10 月發布的一篇博客中提及的 AI “漂移” 現象：當用戶提出無關問題時，AI 智能體就會偏離預設的核心任務目標。他舉例說，一款原本用于引導客戶填寫表單的 AI 聊天機器人，一旦客戶提出與表單無關的問題，就會出現 “分心走神” 的情況。

據悉，Salesforce 已開發出一套名為 Agentforce Script 的系統。該系統能夠識別出哪些任務或任務環節可由不依賴大語言模型的智能體完成，以此降低大語言模型的 “不可預測性”。目前，Agentforce Script 尚處于測試階段。

工程師扎心點破：

問題根源是 “不會用” AI？

值得一提的是，有部分工程師回應稱，問題的根源或許在于 Salesforce 及其客戶對最新 AI 技術的駕馭能力，或者說他們無法應對最新 AI 技術。

這些工程師直言，換句話說，這是會不會用的技術能力問題。

事實上，大語言模型的應用難題并非 Salesforce 一家面臨。對其他 AI 技術提供商而言，大語言模型同樣是難以駕馭的存在，這類模型時常會偏離預設的應用目標。

部分企業發現，要想防止大語言模型在運行過程中出現 “失常” 行為，或是在輸出內容時產生錯誤推斷，難度極大。這對于庫存跟蹤、客戶退款申請處理等對精準度要求極高的任務而言，無疑是致命隱患。一旦操作失誤，不僅會導致企業做出錯誤的商業決策，還會挫傷員工積極性、引發客戶不滿。

例如本月早些時候，服裝零售巨頭 Gap 公司推出的一款聊天機器人，因搭載了企業級 AI 初創公司 Sierra 的技術，竟出現了回答不良內容的情況。對此，Sierra 方面回應稱，公司已修復了 Gap 聊天機器人的配置錯誤，并表示該事件是由 “惡意攻擊者” 蓄意操縱、濫用聊天機器人所致。

股價大跌，CEO 也后悔了

對于曾豪賭 AI 轉型的 Benioff 而言，此次收縮大語言模型應用規模堪稱一場充滿諷刺意味的反轉。Benioff 近期透露，他在起草公司年度戰略文件時，已將數據基礎架構而非 AI 模型列為首要任務，同時明確指出，缺乏可靠數據支撐的 AI 模型極易產生 “幻覺”，這是企業必須警惕的風險。

Benioff 甚至暗示，公司或許會考慮更名為 “Agentforce”。他表示：“如果真的更名，我絲毫不會感到意外。” 這一想法源于市場調研，客戶對云計算相關話題的興趣已大不如前。盡管 Agentforce 預計年營收將突破 5 億美元，但 Salesforce 的股價較 2024 年 12 月的峰值已下跌約 34%。

就此事，Salesforce 發言人回應稱，“大語言模型固然強大，但它們無法獨立支撐企業運營。企業需要將 AI 與精準數據、業務邏輯及治理體系深度融合，將大語言模型所提供的原始智能轉化為可信、可預測的業務成果。這正是我們打造 Agentforce 的初衷：構建一套值得信賴的 AI 基礎設施，真正驅動業務價值增長。我們通過嚴格的管控框架與確定性技術體系為 AI 技術保駕護航，同時優化大語言模型性能，確保其滿足企業級應用的可靠性要求。可信、可靠、安全，這才是 AI 技術應有的模樣。”

還有一位發言人否認了該公司在客服智能體中縮減大語言模型應用的說法。他表示，今年公司針對該客服助手"優化了主題構建方式、加強了安全護欄、提升了信息檢索質量，并調整了回復機制，使回應更具針對性、更貼合上下文，且更符合客戶的實際需求”。他還補充道：“我們還顯著改善了系統的可觀測性與反饋循環機制，這讓我們能快速識別客服回復過于寬泛、偏離主題或表達不清的情況，并迅速進行迭代改進。"

他強調，“我們對于在客服場景中何時、以何種方式使用大語言模型，已變得更為審慎和明確 。”該發言人還稱，目前客服智能體“解決的客戶問題數量已創下歷史新高”，預計在截至 1 月下旬的本財年內，成功處理的對話量將提升 90%。

無論如何，此次 Salesforce 此次在大語言模型應用上的 “戰略性回撤”，或將對數千家正在使用該技術的企業產生連鎖影響。眼下，這家軟件公司正艱難地在 AI 創新與商業落地實踐的鴻溝之間摸索前行。

不少網友紛紛評價，“CEO 應該當場被解雇，且不支付給他任何遣散費。”

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

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

聲明：本文為 AI 前線整理，不代表平臺觀點，未經許可禁止轉載。

技術人的年度儀式感！ 年度盤點與趨勢洞察 啟動！

《2025 年度盤點與趨勢洞察》由 InfoQ 技術編輯組策劃。覆蓋大模型、Agent、具身智能、AI Native 開發范式、AI 工具鏈與開發、AI+ 傳統行業等方向，通過長期跟蹤、與業內專家深度訪談等方式，對重點領域進行關鍵技術進展、核心事件和產業趨勢的洞察盤點。

力求以體系化視角幫助讀者理解年度技術演化的底層邏輯、創新方向與落地價值，并為新一年決策提供參考。內容將在 InfoQ 媒體矩陣陸續放出，歡迎大家持續關注。

今日薦文

你也「在看」嗎？