客户打电话,要在 IVR 迷宫里绕半天;问聊天机器人,最后只换来一句"为您转接人工";客服坐席要在 5 个窗口之间来回切换,才能拼出完整的历史记录。CRM 里数据堆得满满的,可一到客户接触点就用不起来。Salesforce 在 Enterprise Connect 2026 上直接迎着这个问题开火 —— 推出 Agentforce Contact Center,把语音、数字渠道、AI 智能体和 CRM 数据整合成一个原生系统的呼叫中心。

3秒速览
语音+数字+AI 以 CRM 原生方式整合 → 混合智能体(确定性+LLM) → AI→人工无缝交接 → AI 自助解决率 40-60%

这是什么?

呼叫中心市场原本是 CCaaS(Contact Center as a Service)专业厂商的地盘。Genesys、NICE、Five9、Amazon Connect 这些玩家在语音基础设施和路由上有积累,而 Salesforce 守着 CRM 数据,呼叫中心的执行交给他们来做。2022 年 Salesforce 首次推出 Contact Center 时,重点也是跟现有 CCaaS 厂商的"集成"。

但这次不一样。Agentforce Contact Center 不是集成,而是"原生"。Salesforce 花了 15 个月重新搭建了自有的电信栈,语音直接在 CRM 内部跑起来。 电话一来,实时转写(transcription)、情感分析同步进行,结果直接写入客户记录。不是外部对接,是同一个系统内部的动作。

Zeus Kerravala(ZK Research)这样评价 —— "Salesforce 正在尝试消除企业多年来习以为常的'集成税(integration tax)'。客户数据、工作流、AI、语音分散在各自的系统里,被硬生生拼接起来 —— 这种结构才是问题所在。"

关键在于,这里的 AI 智能体不是普通聊天机器人。Salesforce 把它称为"智能体式(Agentic)呼叫中心",AI 会自主处理预约、文档查询、订单状态查询这类工作,只把复杂的交给人。 移交时完整对话记录和客户历史也一并带过去,客户不用把同样的话再说一遍。

40-60%
语音 AI 自助解决率(旅行·酒店业)
6,000+
年节省人时(Compass Working Capital)
83%
Agentforce 自助解决率(Salesforce 内部)

而这个系统的技术底座,是混合智能体(Hybrid Agent)。这一块特别重要,下一节会详细展开。

有什么不同?

最大的差别在于"AI 放在哪里"。过去的结构里,CRM(Salesforce)和呼叫中心(Genesys/Five9 等)通过 API 连接,AI 再以另一层的方式叠在上面。数据在系统之间穿梭时会产生延迟,上下文也容易丢失。

传统(CRM + CCaaS 对接) Agentforce Contact Center
语音处理 外部 CCaaS 处理 → 日志回传到 CRM CRM 原生 —— 实时转写+情感分析+记录
AI 智能体 独立 AI 机器人 → 调用 CRM 查询 API 直接访问 CRM 数据,自主处理业务
交接 系统切换时上下文频繁丢失 AI→人工切换时完整历史自动传递
管理视图 CCaaS 看板 + CRM 看板各自为战 AI+人工坐席统一工作台管理
初始配置 电话号码、路由配置需数天到数周 几分钟内即可配置电话号码
数据利用 渠道间孤岛 → 需要手动整合 销售·营销·服务全量数据实时参照

不过"AI 自己搞定"这话,放到企业场景里反而让人不放心。要是 LLM 给客户回了一个离谱的答案怎么办?这时候 Salesforce 的混合推理(Hybrid Reasoning)架构就派上用场了。

混合智能体 = 确定性工作流 + LLM 推理

Salesforce 把这个叫做"Agent Graph",它把复杂的业务拆分成小粒度的子智能体,再用有限状态机(FSM)管理它们之间的切换。 核心思路是"把 LLM 的对话灵活性像三明治一样夹在有保证的执行层之间"。 举个例子,本人认证或支付处理这类业务关键步骤 100% 确定性执行(Apex、Flow、API),而识别客户意图、用自然语言应对的部分交给 LLM 来做。

更具体地控制这个结构的是 Agent Script。它有两种语法 —— ->(Logic Instruction)是每次都以同样方式执行的确定性路径,|(Prompt Instruction)是发给 LLM 的自然语言指令。 开发者可以精细调控业务逻辑里"必须这么执行"的部分到哪里为止、"让 AI 自己判断"从哪里开始。

Salesforce 把这个体系化为6 级确定性(Six Levels of Determinism) —— 从自主选择 → 智能体指令 → 数据接地 → 智能体变量 → Apex/API/Flow 动作 → Agent Script,确定性的强度依次递增。 本质上是提供了一个"AI 到底要放开到什么程度"的滑块。

还需要了解的事

目前 Agentforce Contact Center 的电话号码仅支持美国和加拿大。国际扩展计划在 2026 年内分阶段推进。 已有的 17 家 CCaaS 厂商合作对接继续保留,暂时难以切换的组织也可以采用混合运营方式。

上手指南

  1. 确认资格
    Agentforce Contact Center 是面向 Agentforce Service 客户的附加产品。如果已经在用 Service Cloud,门槛会低不少。目前官方定价尚未公布,第一步是联系 Salesforce 销售团队或合作伙伴咨询。
  2. 研究 Agentforce 100 项目
    Salesforce 正在为首批 100 家组织提供工程支持、高管级资源和商业激励。可以争取一下早期采用者的红利。
  3. 设计混合智能体
    梳理现有的呼叫中心工作流,把"必须确定性执行的"(认证、支付、个人信息处理)和"可以交给 LLM 的"(意图识别、FAQ 应答、情绪回应)划分开来。6 级确定性框架是一个不错的参考坐标。
  4. 善用合作伙伴
    Accenture(含 NeuraFlash)、Deloitte Digital、IBM Consulting、PwC 已经完成多日期的实施工作坊。 相比自建,和他们协作能降低早期风险。
  5. 渐进式推广
    旅行·酒店业已经跑出了 40-60% 的 AI 自助解决率。 但不同行业和通话复杂度差异很大,建议从试点开始,边测量 containment rate(自助处理率)边扩大范围。
🔗

深入了解

Salesforce 官方公告
Agentforce Contact Center 的核心功能、客户案例、合作伙伴生态系统完整梳理。
Agent Graph 技术深度解读
Salesforce Engineering 博客。混合推理、基于 FSM 的多智能体编排详解。
6 级确定性框架
决定 AI 智能体自主性边界的 Salesforce 官方指南。
CX Today —— 市场分析
CRM 转型为 CX 执行引擎,对 CCaaS 市场带来的影响分析。
Agentforce 实测指标
1 亿美元以上年度成本节省、83% 自助解决率等真实客户成果数据。