Apabila Syarikat Ada 10 AI Agent, Siapa yang Memberitahu Mereka “Siapa Pelanggan Ini”? | CEO Insights
Apabila syarikat menjalankan beberapa AI Agent serentak, risikonya bukan model yang kurang hebat, tetapi setiap agent membaca versi “siapa pelanggan ini” yang berbeza. Berdasarkan langkah terkini HubSpot, OpenAI dan Salesforce, CEO OakMega membincangkan Customer Context dan pemilikan hubungan pelanggan dalam era AI Agent, serta dua soalan yang perlu ditanya oleh setiap pemilik perniagaan.
Porsche TsaiCEO
Apabila syarikat menjalankan beberapa AI Agent serentak, yang menentukan bukanlah kehebatan model, tetapi sama ada kesemuanya membaca Customer Context yang sama. Jika setiap agent hanya memegang serpihan data pelanggan masing-masing, seorang pelanggan akan dilayan seolah-olah beberapa orang yang berbeza. Inilah pelajaran yang sedang dikejar oleh HubSpot, OpenAI dan Salesforce sejak kebelakangan ini.
Kandungan
- Satu AI Agent sangat berguna, sepuluh mula menimbulkan masalah
- Pelajaran Customer Context yang turut dikejar oleh tiga gergasi teknologi
- Kerana bukan syarikat besar, anda lebih awal terlanggar dinding dan kurang modal untuk menanggungnya
- Dua soalan yang boleh anda gunakan sekarang juga
- FAQ
Satu AI Agent sangat berguna, sepuluh mula menimbulkan masalah
Bayangkan senario ini.
Anda sudah menggunakan AI. Pasukan jualan ada agent yang membantu menjejak kemajuan urusan dan menulis e-mel prospek; pemasaran ada satu yang menjadualkan siaran dan memantau prestasi; khidmat pelanggan juga ada satu yang membalas soalan lazim secara automatik. Dilihat satu per satu, semuanya berguna, dan bos pun berpuas hati.
Masalahnya, apabila agent-agent ini berurusan dengan pelanggan yang sama pada masa yang sama, keadaan mula tidak kena.
Agent jualan bersemangat mengejar satu urusan, tanpa tahu pelanggan ini baru sahaja melepaskan kemarahan kepada khidmat pelanggan tiga hari lalu. Agent khidmat pelanggan dengan sopan mengendalikan satu tiket, tanpa tahu pihak di sana sebenarnya pelanggan VIP yang menandatangani kontrak tiga tahun. Agent pemasaran pula masih menghantar tawaran untuk pelanggan baharu kepadanya.
Tiga agent, tiga versi “siapa pelanggan ini”. Bagi pelanggan, dia bukan berurusan dengan syarikat yang menggunakan AI, tetapi dengan syarikat yang seolah-olah berpecah personaliti.
Ini bukan masalah kecekapan. Seteruk mana pun masalah kecekapan, paling-paling ia hanya melambatkan kerja. Ini masalah persepsi: seorang pelanggan yang sama dianggap tiga orang berbeza oleh syarikat anda.
Pelajaran Customer Context yang turut dikejar oleh tiga gergasi teknologi
Jika anda sangka AI Agent yang bekerja sendiri-sendiri hanya masalah syarikat kecil, lihat sebulan yang lalu. OpenAI, HubSpot dan Salesforce melancarkan produk baharu hampir serentak, dan kesemuanya menangani masalah yang sama: syarikat terus menyambung lebih banyak agent, tetapi agent-agent itu tidak berhubung antara satu sama lain.
OpenAI melancarkan Presence, platform untuk menempatkan AI Agent dalam operasi khidmat pelanggan sebenar. Ia menetapkan sempadan bagi setiap agent: dasar mana yang perlu dipatuhi, kebenaran apa yang dimiliki, dan dalam situasi bagaimana perbualan perlu diserahkan semula kepada manusia.
HubSpot melancarkan Agent Hub, lapisan kawalan untuk mengurus semua agent di satu tempat. HubSpot menggelar kekacauan ini sebagai Agent Sprawl (agent yang bercambah tanpa kawalan): agent dalam syarikat masing-masing bekerja berdasarkan data yang tidak lengkap dan tidak diselaraskan. Agent Hub menghimpunkan kesemuanya untuk diurus di satu tempat.
Salesforce melancarkan Agent Fabric, umpama papan suis bagi agent. Ia menginventori secara automatik agent yang bertaburan di pelbagai platform, supaya anda dapat melihat sekali imbas agent mana yang sedang berjalan dan apa yang dilakukan oleh setiap satu.
Tiga syarikat, tiga pendekatan berbeza, tetapi terasnya menjawab dua soalan yang sama:
Pertama, adakah “siapa pelanggan ini” di mata setiap agent dibaca daripada data yang sama?
Kedua, di manakah garis sempadan bagi kebenaran yang diberikan kepada setiap agent?
Yang pertama ialah Customer Context, yang kedua ialah tadbir urus. Customer Context (konteks pelanggan) bermaksud satu rekod pelanggan yang dikongsi merentas jabatan: siapa pelanggan ini, interaksi apa yang pernah berlaku dengan syarikat, kontrak apa yang ditandatangani, dan adakah masih ada isu yang belum selesai. Tidak kira siapa atau agent mana yang menyemak, versi yang dilihat tetap sama. Connectivity Benchmark Report 2026 oleh Salesforce turut mendapati bahawa syarikat menjalankan purata 12 AI Agent serentak, dan separuh daripadanya terasing, tidak berhubung antara satu sama lain dan tidak diurus secara berpusat. Agent-agent ini biasanya bukan dirancang oleh bos, tetapi dibina sendiri oleh pekerja mengikut keperluan kerja. Pemasaran rasa menyiarkan kandungan terlalu lambat, lalu menyambung satu; jualan rasa menulis e-mel prospek memenatkan, lalu membina satu lagi; rakan sekerja yang gatal tangan pada hujung minggu pula menyambung satu lagi. Niat semua orang baik, dan setiap keputusan nampak munasabah jika dilihat sendiri. Sehinggalah suatu hari bos bertanya, setiap agent menjawab dengan “jawapan standard” masing-masing, barulah disedari data sudah lama berpecah.
Kita semua tahu: “Model yang sangat pintar, jika diberi data yang teruk, hanya akan memberi jawapan yang salah dengan nada yang sangat yakin.” Ramai menyangka kemenangan AI terletak pada model, tetapi sesiapa yang pernah benar-benar berjuang dalam syarikat tahu, kemenangan terletak pada apa yang “dapat dibaca” oleh model itu.
Kerana bukan syarikat besar, anda lebih awal terlanggar dinding dan kurang modal untuk menanggungnya
Sampai di sini, pemilik PKS di Taiwan mungkin menarik nafas lega: itu masalah syarikat besar, syarikat sebesar saya mana ada agent sebanyak itu.
Jangan lega terlalu awal. Masalah syarikat besar ialah “terlalu banyak”, sehingga mereka sendiri tidak dapat mengira. Masalah anda pula ialah “terlalu awal”.
Anda tidak akan ada ratusan agent, tetapi anda akan ada yang ketiga. Dan pada hari agent ketiga mula beroperasi, anda akan terlanggar dinding yang sama, cuma dindingnya lebih kecil dan anda lebih lambat menyedarinya. Bezanya: apabila syarikat besar terlanggar dinding, ada seluruh jabatan IT yang mengemas selepas itu; apabila anda terlanggar, yang mengemas ialah anda sendiri, dan selalunya anda hanya sedar dinding itu wujud selepas kehilangan seorang pelanggan.
Jadi, persoalan sebenar bukanlah “patutkah saya beli beberapa agent lagi”, tetapi soalan yang lebih asas: di manakah maklumat “siapa pelanggan ini” syarikat anda disimpan sekarang? Bertaburan dalam Excel pasukan jualan, rekod perbualan khidmat pelanggan dan senarai pemasaran, atau ada satu tempat yang diiktiraf oleh semua orang, termasuk semua agent, sebagai satu versi yang sama?
Inilah yang selalu saya sebut sebagai “pemilikan hubungan pelanggan”.
Dahulu, apabila kita bercakap tentang pemilikan, persoalannya ialah: adakah pelanggan milik syarikat, atau milik jurujual yang membawa pelanggan bersama apabila berhenti kerja? Dalam era agent, soalan ini cuma bertukar subjek: adakah hubungan pelanggan merupakan satu set fakta bersama yang berada dalam tangan anda, atau bertaburan dalam tafsiran sepuluh agent yang berbeza?
Pemilikan tidak pernah menjadi isu teknikal pengurusan data, tetapi isu kawalan. Sesiapa yang memegang hubungan pelanggan yang dibaca bersama oleh semua agent, dialah yang memegang hasil AI.
Dan urutan perkara ini adalah bertentangan dengan apa yang dilakukan oleh kebanyakan orang. Kebanyakan orang membeli agent dahulu, dan hanya memikirkan semula data selepas terlanggar dinding; urutan yang betul ialah membina fakta pelanggan bersama itu terlebih dahulu, kemudian menyambung agent satu demi satu. Lapisan Context mesti dibina dahulu, bukan ditampal kemudian.
Dua soalan yang boleh anda gunakan sekarang juga
Perkara ini, kami tuntut daripada diri sendiri terlebih dahulu.
Di OakMega, kami juga menggunakan agent secara dalaman untuk melancarkan banyak kerja yang leceh, tetapi kami sengaja tidak tergesa-gesa membungkusnya menjadi produk dan memberikan nama yang menarik. Berbanding menambah satu lagi agent, kami lebih mementingkan satu perkara: apa sahaja yang kami cuba secara dalaman, semuanya mesti membaca data pelanggan dari tempat yang sama. Biar lambat selangkah, asalkan setiap alat tidak menumbuhkan versi “siapa pelanggan ini” mereka sendiri. Ini bukan sikap konservatif, tetapi disiplin.
Kerana saya sangat jelas: ciri boleh ditambah semula, tetapi hubungan pelanggan yang sudah dipotong kepada sepuluh bahagian tidak boleh dicantum kembali.
Jadi, jika anda kebelakangan ini dikejar pelbagai cadangan AI dan agent, saya beri anda dua soalan. Lain kali, tidak kira siapa yang datang membentang, tanya dua soalan ini dahulu:
- Customer Context siapa yang dibacanya? Versinya sendiri, atau versi yang diiktiraf bersama oleh semua orang dalam syarikat saya?
- Apa yang dibenarkan dan apa yang tidak dibenarkan untuknya? Siapa yang melukis garis ini?
Model akan menjadi lebih hebat dari generasi ke generasi; itu bukan perkara yang perlu kita risaukan, akan ada orang yang berlumba untuknya. Tetapi siapa yang memegang maklumat “siapa pelanggan ini”, dan siapa yang melukis garis “apa yang boleh dilakukan” — dua perkara ini, tiada siapa akan fikirkan untuk anda, dan tiada siapa boleh memutuskan bagi pihak anda.
Namun sebenarnya anda tidak perlu memikulnya seorang diri. Pasukan FDE OakMega bukan sekadar memasang lebih banyak agent untuk anda, tetapi bersama anda membina dahulu fakta pelanggan yang dibaca bersama oleh semua orang dan semua agent, melukis dengan jelas garis “apa yang boleh dilakukan”, kemudian barulah menyambung AI satu demi satu — daripada menjelaskan keperluan, pembangunan hingga menemani anda sampai mahir menggunakannya, semuanya melalui satu titik hubungan. Bina asas dahulu; memilih model kemudian pun belum terlambat.
Itulah kerja rumah sebenar yang menjadi milik pemilik perniagaan dalam era agent.
Jika AI anda tersekat di peringkat pelaksanaan, sudah berbelanja tetapi belum benar-benar digunakan, biar OakMega FDE membantu anda membina maklumat “siapa pelanggan ini” — daripada menjelaskan keperluan hingga mahir menggunakannya, semuanya melalui satu titik hubungan 👉 Hubungi kami
Soalan Lazim
S: Apakah Customer Context? Mengapa ia penting untuk AI Agent?
Customer Context ialah satu set fakta pelanggan yang seragam merentas jabatan, merangkumi identiti pelanggan, sejarah interaksi, kontrak dan status perkhidmatan. Hanya apabila beberapa AI Agent membaca Context yang sama, barulah mereka dapat membuat penilaian yang konsisten tentang pelanggan yang sama; tanpanya, setiap agent hanya mampu meneka sendiri, lalu menimbulkan percanggahan dan pengalaman yang terputus-putus.
S: Mengapa PKS lebih perlu mengambil berat tentang perkara ini berbanding syarikat besar?
Syarikat besar mungkin ada lebih banyak agent, tetapi biasanya ada pasukan IT untuk mengemas selepas itu; PKS pula sering terlanggar dinding seawal agent ketiga, dan selalunya hanya sedar selepas kehilangan pelanggan, malah kurang modal untuk memulihkannya.
S: Apa yang perlu dilakukan sebelum menggunakan AI Agent?
Bina dahulu satu set fakta pelanggan yang dibaca bersama oleh semua orang (dan semua agent), kemudian sambungkan agent satu demi satu. Melakukannya secara terbalik — membeli agent dahulu dan menampal data kemudian — ialah punca utama kebanyakan pelaksanaan gagal.
