Agent Mula Menerima Gaji: Pertarungan Pemerolehan Pelanggan Seterusnya yang Didedahkan di Dreamforce 2026 | CEO Insights
Tiga isyarat daripada Dreamforce 2026: Agent beralih daripada ciri kepada jawatan, pilihan model bahasa besar semakin kurang penting, dan Siemens membiarkan AI mengendalikan 100% pertanyaan sebut harga. CEO OakMega mengupas bagaimana AI CRM mengubah cara perniagaan B2B dan sektor pembuatan memperoleh pelanggan, dan sejauh mana anda patut melepaskan kawalan pada 2027.
Porsche TsaiCEO
Isyarat utama Dreamforce 2026 ialah AI Agent sedang beralih daripada “satu ciri” kepada “satu jawatan”, mampu menetapkan matlamat dan bekerja secara autonomi selama berminggu-minggu. Ini bermakna “model bahasa besar mana yang dipilih” semakin kurang penting. Parit pertahanan sebenar ialah membawa know-how syarikat anda sendiri ke setiap titik sentuh pelanggan, dan Siemens, yang kini membiarkan Agent mengendalikan 100% pertanyaan inbound, ialah bukti terbaik.
Pada masa yang sama tahun lepas, Agent masih sekadar ciri menonjol dalam slaid pembentangan: anda bertanya, ia menjawab, seperti kotak carian yang sedikit lebih pintar. Dreamforce tahun ini berbeza.
Kandungan
- Model besar akan semakin murah, know-how anda akan semakin bernilai
- Mengapa AI perlu empat lapisan?
- Kes Siemens
- Persoalan sebenar 2027
- Soalan lazim
Kali ini, Salesforce tidak menyerahkan Agent Builder kosong dan menyuruh anda membinanya sendiri dari awal. Sebaliknya, ia terus melancarkan sekumpulan Agent yang “ada jawatan”:
Nama tidak penting. Yang penting, di sebalik mereka ada satu perkara baharu: long-horizon runtime.
Jika dipecahkan, ada tiga perkara: Memory (boleh mengingat), Durable Execution (boleh bekerja lama) dan Dynamic Steering (boleh mengubah haluan di tengah jalan). Digabungkan, Agent boleh menerima satu matlamat, merangka pelan sendiri, bekerja berterusan selama beberapa minggu, menyesuaikan strategi apabila menerima maklumat baharu, dan hanya kembali bertanya kepada manusia apabila tersekat.
Secara mudahnya, Agent sedang beralih daripada “Task” kepada “Responsibility”: daripada tindakan yang anda arahkan kepada tanggungjawab yang anda amanahkan.
Dan apabila AI mula mampu memikul tanggungjawab, soalan pertama yang perlu anda fikirkan semula sebagai pemilik perniagaan mungkin sama sekali berbeza daripada sangkaan anda. Anda mungkin fikir yang perlu dirisaukan ialah “pilih GPT, Claude atau Gemini”. Saya mahu beritahu anda: kepentingan soalan itu sedang merosot dengan pantas.
Model besar akan semakin murah, know-how anda akan semakin bernilai
Tangkapan skrin YouTube Dreamforce 2026. Klik imej untuk membuka bahagian video ini.
Mengapa? Pada 15 September, Salesforce dan NVIDIA bersama-sama melancarkan Koa. Kuncinya bukan betapa hebatnya ia, tetapi “apa” ia sebenarnya. Ia bukan prompt CRM yang dibalut di luar GPT, tetapi reasoning model pertama Salesforce yang di-post-train khusus untuk kerja CRM, dilatih dengan data senario CRM hampir tiga dekad yang merangkumi lebih 14 industri.
Ini membuka satu struktur yang saya percaya paling penting dalam tiga tahun akan datang. Kita pernah membincangkannya: model akan menjadi komoditi, context barulah parit pertahanan. Minggu ini Koa menolak idea itu selangkah lagi. Context tidak semestinya hanya berada dalam pangkalan data anda; know-how perusahaan boleh “dimampatkan” ke dalam model khusus itu sendiri.
Maka pasaran mula membentuk tiga lapisan:
Lapisan paling atas sedang menjadi utiliti seperti air dan elektrik: berkuasa, penting, tetapi sesiapa pun boleh membelinya, dan harganya terus menurun. Yang benar-benar bernilai dan benar-benar membezakan ialah dua lapisan di bawahnya. Lebih terus terang: model besar akan semakin murah, know-how anda akan semakin bernilai.
Jadi, jika hari ini anda masih menghabiskan mesyuarat pertama tentang pelaksanaan AI untuk “membandingkan model siapa yang skornya lebih tinggi”, besar kemungkinan anda sudah memilih medan pertempuran yang salah sejak awal.
Mengapa AI perlu empat lapisan? Kerana perniagaan “tidak boleh tersilap teka”
Tiga lapisan tadi ialah pandangan pasaran tentang “di mana parit pertahanan setiap pemain”. Kali ini Salesforce turut menawarkan jawapan yang lebih praktikal: supaya AI benar-benar boleh bekerja dalam perusahaan tanpa membuat silap, empat lapisan perlu disusun.
Bayangkan anda mengupah “setiausaha AI serba boleh”. Jika anda hanya memberinya otak yang bijak (LLM), ia tahu segala-galanya di dunia, tetapi langsung tidak tahu produk syarikat anda atau siapa pelanggan anda, malah apabila tergesa-gesa ia mungkin mereka-reka satu angka. Untuk menjadikannya benar-benar berguna dan “tidak tersilap”, lapisan-lapisan ini perlu ditambah:
Setelah memahami jadual ini, anda akan nampak satu perkara penting: empat lapisan ini wujud untuk menyelesaikan satu konflik asas, kebarangkalian lwn. ketentuan.
Model AI pada dasarnya bersifat “kebarangkalian”: ia mahir berbual dan menaakul, tetapi berjalan atas kebarangkalian, jadi sesekali ia tersilap teka atau berhalusinasi. Sebaliknya, operasi perniagaan bersifat “ketentuan”: angka kewangan, kontrak, inventori, proses pematuhan, satu titik perpuluhan pun tidak boleh silap.
Jadi, apa yang sebenarnya dilakukan oleh seni bina ini ialah menambat “AI yang fleksibel tetapi mungkin tersilap teka” (ejen dan antara muka di lapisan atas) dengan kukuh pada “data dan peraturan perniagaan yang 100% tepat” (data dan semantik di lapisan bawah). Lapisan atas bertanggungjawab untuk bijak; lapisan bawah bertanggungjawab untuk tidak silap.
Itulah sebabnya saya sentiasa berpesan kepada pelanggan: Jangan tergesa-gesa menurunkan Agent ke padang. Tanya dahulu sama ada “dua lapisan bawah” anda sudah kukuh. Syarikat yang datanya masih bertaburan dalam fail Excel setiap jabatan, dan peraturan perniagaannya masih terkunci dalam kepala beberapa pekerja veteran, jika terburu-buru memasukkan Agent, ia tidak akan membantu anda memperoleh pelanggan. Ia akan menggunakan nada yang penuh yakin untuk menguatkan data salah anda dan menyampaikannya kepada pelanggan dengan lebih pantas. Sektor pembuatan lebih-lebih lagi: jika spesifikasi, logik sebut harga dan kebolehlaksanaan barisan pengeluaran anda belum ditukar menjadi data “ketentuan” yang boleh dibaca mesin, sepintar mana pun setiausaha AI anda, ia hanya meneka secara membuta tuli.
Kes Siemens: bukti nyata AI CRM dalam sektor pembuatan
Jadi, bagaimana rupa medan pertempuran sebenar? Minggu ini ada satu kes yang saya rasa wajib dilihat oleh setiap pemilik perniagaan B2B, terutamanya dalam sektor pembuatan.
Juga pada 15 September, Siemens dan Salesforce mengumumkan kerjasama baharu. Siemens kini membiarkan Agent membuat qualify setiap lead inbound. Bukan sebahagian, tetapi 100%, menyokong kira-kira 18,000 jurujual di 132 negara.
Tangkapan skrin YouTube Dreamforce 2026. Klik imej untuk membuka bahagian video ini.
Tetapi bahagian yang benar-benar cantik ialah langkah seterusnya. Agentforce akan disambungkan dengan Teamcenter (sistem pengurusan kitaran hayat produk) Siemens. Ini bermakna Agent bukan sahaja akan tahu “siapa pelanggan ini”, tetapi juga: nombor siri ini sepadan dengan komponen mana? Adakah naik taraf ini benar-benar boleh dilakukan dari segi teknikal? Bolehkah barisan pengeluaran benar-benar menghasilkan produk ini?
Perasan tak? Semua soalan ini dahulunya perlu dibawa balik oleh jurujual untuk ditanya kepada jurutera. Kini, engineering context dibawa terus ke dalam customer workflow.
Seni binanya begini: CRM Context + Engineering Context (Digital Twin) → Agent → Sales / Service.
Itulah sebabnya saya katakan sektor pembuatan ialah bukti paling tajam dalam gelombang ini. Di OakMega, kami telah menyuarakan perkara yang sama sepanjang tahun: lingkaran pembuat keputusan pembelian dalam sektor pembuatan semakin besar, maklumat teknikal semakin kompleks, dan jurujual sering perlu melalui tiga jabatan hanya untuk menyediakan satu sebut harga. Kes Siemens ini hampir-hampir mempamerkan penyelesaian masalah ini di depan mata anda.
Ia mengubah frasa kosong “AI meningkatkan kecekapan jualan” menjadi sesuatu yang sangat konkrit: membawa kepakaran yang terperangkap dalam jabatan kejuruteraan, ERP dan manual produk terus ke saat jurujual sedang berbual dengan pelanggan. Bagi banyak pengilang di Taiwan yang teknologinya mantap tetapi pengetahuannya terkunci dalam kepala tukang mahir veteran dan fail PDF, ini bukan soal kecekapan. Ini soal sama ada anda boleh menukar “aset tersembunyi” menjadi “senjata pemerolehan pelanggan”.
Persoalan sebenar 2027 bukan boleh atau tidak, tetapi berapa lama anda boleh melepaskan kawalan
Sudah tentu, saya tidak menyuruh anda menyerahkan seluruh proses pemerolehan pelanggan kepada Agent esok. Isyarat kematangan sebenar gelombang ini sebenarnya tersembunyi di dua tempat yang kurang menarik perhatian.
Pertama, cara mengukur perlu berubah. Dahulu, kita menilai AI berdasarkan berapa kali prompt dijalankan, berapa banyak token dibakar, berapa banyak session dibuka. Semua itu bukan bahasa yang difahami pemilik perniagaan. Kali ini Salesforce memperkenalkan unit baharu: Agentic Work Units, terkumpul 7 bilion dalam dua tahun, dan 3.2 bilion pada suku kedua sahaja. Angka itu dikira oleh mereka sendiri, jadi jangan terlalu percaya, tetapi hala tujunya betul. Pada masa depan, soalan yang patut anda tanya bukan “berapa kali Agent berjalan”, tetapi “berapa banyak work yang benar-benar disiapkan”: beratus-ratus lead diselidik, beratus-ratus di-qualify, berapa meeting ditempah, berapa opportunity dibuka. Itulah ROI dashboard sebenar AI.
Kedua, dan inilah yang paling ingin saya ingatkan: brek juga muncul serentak. Pada 19 September, Reuters menyenaraikan beberapa insiden: OpenAI dan Anthropic sama-sama mengakui bahawa agent yang sedang diuji pernah menembusi persekitaran terkawal dan memasuki sistem luaran, malah ada yang tidak dikesan pada mulanya. Saya tidak meminta anda menyelami butiran keselamatan, tetapi ini mendedahkan satu kebenaran yang keras: semakin lama Agent boleh bekerja secara autonomi, semakin tidak boleh kebenaran aksesnya dikawal hanya dengan satu ayat prompt. Sebab itu anda lihat Salesforce bersungguh-sungguh menekankan business rules, permission, human approval dan audit kali ini. Tentang tadbir urus agent, saya juga pernah menulis satu artikel khusus sebelum ini.
Maka pada 2027, persoalan perusahaan yang melaksanakan AI akan beransur-ansur beralih daripada “bolehkah Agent melakukannya” kepada “Tugas mana yang boleh ia lakukan sendiri? Untuk berapa lama? Siapa yang meluluskan?”
Saya beri anda satu kayu ukur yang boleh terus dibawa ke mesyuarat minggu depan: jangan tanya dahulu sama ada mahu melaksanakan AI. Bentangkan proses pemerolehan pelanggan yang ada, dan bulatkan tiga perkara: apa yang boleh diserahkan sepenuhnya kepada Agent sekarang juga, apa yang perlu ia siapkan dan kemudian menunggu anda mengangguk, dan apa yang buat masa ini langsung tidak boleh disentuh. Pemilik perniagaan yang dapat mengisi tiga lajur ini dengan jelas akan mendahului pada 2027; yang tidak dapat mengisinya akan sedar bahawa mereka kalah bukan kerana tiada AI, tetapi kerana tidak tahu sejauh mana patut melepaskan kawalan.
Agent sudah mula menerima gaji. Persoalan seterusnya ialah sebesar mana kuasa yang akan anda berikan kepadanya.
Soalan lazim
Q: Apakah itu AI Agent (Agentic AI)?
AI Agent ialah AI yang boleh menetapkan matlamat sendiri, merangka pelan dan melaksanakan tugas pelbagai langkah secara berterusan, berbeza daripada chatbot yang hanya tahu soal jawab sehala. Generasi baharu Agent di Dreamforce 2026 sudah boleh menyimpan memori, bekerja berterusan selama beberapa minggu dan kembali bertanya kepada manusia apabila perlu.
Q: Apakah seni bina AI perusahaan empat lapisan Salesforce?
Dari bawah ke atas: lapisan data (Data 360, satu sumber kebenaran yang bersih dan bersepadu), lapisan aplikasi dan semantik (Apps & Semantics, peraturan perniagaan dan istilah syarikat), lapisan ejen (Agents, pekerja digital yang boleh menjalankan proses) dan lapisan antara muka dinamik (Live Interface, menghantar hasil kepada anda secara proaktif). Idea terasnya ialah menambat AI yang bersifat kebarangkalian pada data dan peraturan perusahaan yang bersifat ketentuan, supaya ia bijak dan tidak silap.
Q: Apakah perubahan terbesar yang dibawa Dreamforce 2026 kepada perniagaan B2B?
Pilihan model asas semakin berkurangan kepentingannya; faktor penentu menang kalah beralih kepada “model domain + context milik syarikat sendiri”. Sesiapa yang dapat membawa kepakaran yang terperangkap dalam jabatan kejuruteraan, ERP dan manual ke dalam perbualan antara jurujual dan pelanggan, dialah yang akan memenangi pusingan pemerolehan pelanggan seterusnya.
Q: Dari mana pengilang patut bermula untuk melaksanakan AI CRM?
Jangan tanya dahulu sama ada mahu melaksanakannya. Bentangkan proses pemerolehan pelanggan anda dan bulatkan tiga perkara: apa yang boleh dikendalikan sepenuhnya oleh Agent, apa yang perlu ia siapkan dan kemudian menunggu kelulusan anda, dan apa yang belum boleh disentuh. Dapat mengisi tiga lajur ini dengan jelas ialah langkah pertama pelaksanaan.
Sumber rujukan
- Salesforce × NVIDIA melancarkan CRM reasoning model “Koa”
- Kerjasama industrial AI Siemens × Salesforce
- Reuters: Ringkasan insiden keselamatan AI agent
