全球知名企业级软件公司Salesforce近期在AI战略上出现重大调整，引发业界广泛关注。这家曾大力推行AI技术并大幅削减技术团队的企业，如今正重新评估大语言模型在企业运营中的实际价值。据内部人士透露，公司高层已向客户传达新信号：减少对大语言模型的依赖，转而采用更可控的自动化技术。
产品营销高级副总裁Sanjna Parulekar公开承认，公司已在核心产品Agentforce中引入"确定性"自动化技术。这种技术通过预设指令实现决策逻辑，与AI模型的推理机制形成鲜明对比。上周发生的案例显示，当用户寻求技术支持时，系统仅机械地发送了多篇博客链接，其中首篇竟是6月产品故障的说明文档，完全未针对当前问题提供有效解决方案。这种处理方式与基础版聊天机器人无异，暴露出AI技术在复杂场景中的局限性。
技术团队发现，大语言模型在执行超过8条指令时就会出现遗漏，这对商业任务的精准度构成严重威胁。Vivint公司的案例颇具代表性：这家拥有250万用户的企业在使用Agentforce初期，发现系统经常"漏发"客户满意度调查问卷。最终通过设置确定性触发机制才解决该问题。更棘手的是AI"漂移"现象——当用户提出无关问题时，智能体会偏离核心任务目标，例如表单引导机器人可能因客户闲聊而中断工作流程。
部分工程师指出，问题根源在于技术驾驭能力不足。他们认为，大语言模型的不可预测性是行业普遍难题，不仅Salesforce遭遇挑战。某服装零售巨头的聊天机器人曾因配置错误输出不良内容，供应商Sierra将此归咎于"恶意攻击者操纵"。这类事件凸显出，在库存跟踪、退款处理等高精度场景中，AI失误可能导致严重商业后果。
公司CEO Marc Benioff的战略反思更具象征意义。他在年度战略文件中将数据基础设施列为优先事项，直言缺乏可靠数据支撑的AI容易产生"幻觉"。市场反应迅速：公司股价较2024年12月峰值下跌34%，即便Agentforce年营收预计突破5亿美元也未能提振信心。Benioff甚至透露考虑将公司更名为"Agentforce"，反映市场对云计算兴趣的衰退。
针对外界质疑，Salesforce发言人强调："大语言模型需要与精准数据、业务逻辑深度融合。我们通过管控框架和确定性技术确保AI可靠性，这正是Agentforce的设计初衷。"这场战略调整已产生连锁反应，数千家采用类似技术的企业正重新评估AI落地路径。在创新与实用的平衡木上，这家软件巨头仍在寻找最佳支点。
