阿里云上的Salesforce正在为中国企业的智能化转型提供一条清晰、可执行的路径，也让AI CRM真正走向实用与普及。

文｜游勇

编｜周路平

在生成式AI重塑企业运营方式的浪潮中，CRM正成为AI落地最具价值的场景之一。而作为全球CRM行业的领头羊，Salesforce在AI上的每一步动作，都牵动着整个行业的关注。

如今，阿里云上的Salesforce也开启了AI CRM的规模化应用潮，在诸如生命科学、制造、零售、汽车、教育等行业开始有了AI的应用落地，而销售、营销、客服等岗位也正在感受AI的魔力。

但如果翻看具体的落地场景，会发现一个显著的特点。相比于提出一些宏大的概念和目标，阿里云上的Salesforce一直聚焦于客户的业务痛点，提出切实可行的解决方案和AI演进的路线图。

01

需求井喷，

CRM成为企业AI落地的先锋场景

在AI落地如火如荼的当下，企业都在探索最有价值的应用场景，而CRM被认为是非常适合企业AI落地的应用之一。它与客户的业务结合最紧密，有数据、有场景，无论是对销售、还是对客服，AI的应用能快速看到价值，能直观地感受到效率的提升。

阿里云全球战略伙伴部解决方案的负责人杨霄凡，就在前不久闭幕的2025云栖大会Salesforce分论坛上分享到，“去年业内还在聊Salesforce在阿里云上的落地进展，而今年的话题则转向了AI如何更好地赋能CRM，利用AI进行创新这个话题，是目前为止非常少见的企业CEO比我们解决方案提供商还要‘上头’的话题。”这一趋势也体现在了今年的云栖大会上，大部分主题都在围绕着AI展开。

趋势的背后，既有新技术到来蕴藏的机会，也有企业自身业务的需要，无论是存量激活还是增量挖掘，无论是个性化服务体验提升还是标准化服务效率提升，都会是将来AI技术支撑业务创新的方向。

以某中国农牧行业头部企业为例，该企业有近2000名销售，他们日常的一项重要工作是到农贸市场，与客户进行面对面拜访、沟通。高效且高质量的客户拜访成了这个企业在构建CRM系统的关键一环。

但在实际场景中，销售经理面临两大痛点：一是在拜访前需要针对客户情况做大量的资料准备，耗时耗力；二是拜访过程中，销售经理与忙碌的摊主“见缝插针”地反复沟通，但有效信息散落在长时间的交流中，给后续的信息录入造成很大的负担。

这家企业已经在尝试借助阿里云上的Salesforce AI来破解这些难题。一方面，将不同类型的客户做成相应模板，让AI给出拜访建议，结合之前拜访的谈话纲要，提出更有针对性的解决方案；另一方面，销售经理在做完客户拜访后，AI不仅能够将语音转写成文字，而且可以提取关键信息，自动将拜访信息按照标准模板录入系统，从而让销售经理从日常繁琐的工作中解放出来，把更多精力放在对客户的经营和对行业的理解上。

这是AI赋能CRM应用的典型一幕。

如今，AI已经渗透到千行百业的CRM系统里，而不同行业都在选择各自最痛的场景在做AI的落地实践。

比如高科技制造行业，其销售模式依赖大客户经营和项目经营。而做大客户经营的一个关键是洞察客户需求，然后制定客户经营计划。以前的做法是从系统里找到客户所有的交流记录，收集这个客户的新闻动向和招投标，背后需要大量的检索工作，整个过程依赖人的经验和判断。

但现在，AI可以通过提示词把这套思维逻辑和流程固化下来，同时所有结构化和非结构化数据抓取和总结，可以通过AI能力进行智能化总结。

相比于ToB的制造业，快消行业的产品直接面向C端消费者，这些企业的一大特点是销售数量众多。而快消企业要求一线业务代表能够执行每日的标准动作，从渠道拜访、经销商沟通、终端信息采集、竞品信息收集，需要大量销售能够整齐划一的将这些信息收集上来。但现实是，很多销售不愿意录入，或者录入得不完整，给后续的数据洞察造成很大的偏差。

过往需要制定各种制度去规范一线销售的行为，来确保数据质量。但现在基于大模型的语音转文字能力，自动提炼总结，再填入到系统字段里。AI不仅简化了一线销售的工作流程，也显著提升了数据质量。

在汽车营销场景，企业关心的是有效的留资转化，但现实场景中，客户很难按照销售的模板和话术把所有信息完整填完，但AI加持之后，客户只需要将需求表达清楚，AI可以将其转化为标准化内容。而且还可以根据过往历史的转化情况和客户信息，生成后续的行动建议。

除了销售领域，客服领域也有很多的应用落地。AI可以把客户过往的沟通历史归纳总结，帮助一线客服生成下一步的行动建议。不管是老员工，还是新员工，大家面对客户的专业水平能快速拉齐到同一水平线。

包括销售经理的周报总结也可以借助AI。相比于靠人的经验和记忆，从大量数据中梳理出每周的工作重点，而AI可以提供大量数据，形成有针对性和指导意义的周报总结。

CRM作为一个拥有大量企业内部核心数据，同时跟企业经营密切相关的系统，在企业AI落地时爆发出了强烈的需求。然而，要让这些AI应用真正落地并规模化复制，企业首先要解决一个更基础的问题——数据。

02

落地之前，

先破数据壁垒和应用鸿沟

IDC在2024年做过一个调研，企业内部的结构化数据只占了20%，剩下的80%都是非结构化或者半结构化数据。过去CRM应用更多依赖于客户信息、交易记录、跟进日志等结构化数据，而海量的非结构化数据的价值没有得到充分挖掘。

非机构化数据的特点是，量大但分布在各个应用里，比如平时与客户的聊天信息，往来的邮件，发给客户的PDF文档，客服的语音通话记录以及企业知识库里积累的各类文档，处理起来非常困难。但这些非结构化数据又蕴藏着丰富的上下文和用户意图，实时性强，对AI的及时准确输出至关重要。

越来越多企业意识到，数据是用好AI绕不开的话题。没有打通底层的数据和应用，AI就是空中楼阁。以前文提到的中国农牧行业头部企业为例，其所在的屠宰行业非常传统，存在大量的非标业务和非标流程，缺乏数字化工具。他们在初期花了大量精力做底层数据的改造，对数据进行清洗和治理。其数智化转型的第一阶段，就是在着手搭建屠宰板块的信息化系统，包括CRM系统、财务管理系统和订单管理系统，为后面的AI应用打下了基础。

数据分散的背后，其实是应用生态的割裂。

相比于全球市场，国内数字生态和用户习惯有其独特之处。比如海外习惯用邮件沟通，而国内用户更习惯在微信、企业微信、钉钉等社交软件来交流沟通。另外，各大电商平台也蕴藏着大量的信息。

前几年，行业流行的SCRM概念，本质上就是把用户日常沟通使用的社交媒体与CRM结合，帮助企业深入了解客户的购买行为和偏好。

这样的现实需求也让CRM厂商意识到，让这些非结构化数据与CRM本身的结构化信息产生互动，才能给业务带来更多实际的意义。

阿里云上的Salesforce开发了一个非常有中国本土特色的扩展组件——互联网关CXG，帮助客户解决与微信、小程序、企业微信、高德地图等中国本土数字生态的联通难题。

CXG互联网关已经聚合了多个本地平台和渠道的客户互动数据，并且将这些数据聚合到CRM中，构建了统一的客户360视图，为AI应用提供了高质量数据基础。

比如通过CXG，企业客服人员可以直接在服务云控制台与微信侧的客户实时沟通，并且实时利用大模型产生的智能建议和分析回复客户。甚至在后续的营销场景中，还可以通过譬如与高德地图的集成，做基于地理位置的营销。

与此同时，为了满足AI落地的需求。阿里云上的Salesforce也开发了CXG AI连接器，通过RAG技术来激活企业内部的非结构化数据和各类知识文档。一方面，通过CXG AI连接器无缝接入阿里云百炼平台，实现了通义大模型能力的完整接入；另一方面，企业通过Prompt Builder，创建适合业务的流程模板，来降低普通员工上手生成式AI的门槛。

不难发现，阿里云上的Salesforce把数据治理和应用打通，作为了实现AI CRM的关键一环。一方面通过CXG等开箱即用工具解决应用割裂和数据分散的难题，用户不需要在不同应用之间来回切换；另一方面，又通过CXG AI连接器和Prompt Builder平台，既满足了国内用户合规可控的使用AI的需要，又满足了企业针对不同业务场景自主编写提示词模板，实现了AI的个性化使用。

03

AI三步走，

一个循序渐进的落地路线图

随着AI被越来越多企业所重视，不少企业都将AI提到了一把手工程，甚至制定了宏大但现阶段难以实现的目标，导致的结果是项目烂尾窘境时常发生，而内外部的推行也面临着各种阻力。

任何事物的演进都有其规律，就像当年汽车取代马车，并非一夜之间完成。在面对AI等新技术的革命浪潮时，人们也往往更容易接受辅助性技术，它不是在颠覆现有的业务形态和工作模式。

针对这样的现实诉求，阿里云上的Salesforce也由易到难，制定了AI落地的三步走路线图。

第一阶段是今年7月已经上线的AI Actions。可以简单理解为在现有的CRM工作流程中融入了AI的能力，而这些AI更多扮演着副驾驶的角色，辅助在主驾位的员工开好车。

所谓Action，是将AI融入业务流程的最小单位，让企业具备了大量的AI组件。企业不仅可以使用平台自带的标准Actions，也可通过Apex、Flow等方式构建自定义的Actions，让企业可以在现有CRM流程中无感植入AI能力。

而在背后支撑这一能力的是CXG AI连接器和Prompt Builder等一系列基础组件。前者将阿里云通义千问大模型的能力完整地接入CRM中，确保了企业用的AI是合规可控。后者则是让业务人员能够便捷地创建、整合和管理Prompt，比如用AI生成的数据填充字段、起草个性化的微信消息，让生成式AI无缝嵌入到销售、客服、营销等核心流程中。

第二阶段则是在AI Actions的基础上增加了RAG能力，这个产品即将在今年发布。其核心让大模型能够从企业内部的非结构化数据中获取更深入的客户背景和业务洞察。

RAG技术能够很好地利用企业内部的非结构化信息，并将处理后的非结构化数据注入到Prompt中，发送到AI模型，提升AI回答的准确性和相关性，同时也让AI拥有最新信息，无需频繁重新训练大模型。

通过RAG给大模型注入企业内部的数据和知识，减少大模型的幻觉，确保输出的内容符合企业知识体系和合规要求，如今，RAG技术在法律、医疗、金融等高风险行业应用的尤为普遍，已经成为企业落地大模型时非常关键的一环。

比如，一位刚入职的客服代表，以前在面对客户问题时可以通过关键字搜索去CRM系统和企业知识库中搜寻答案，但由于对公司的服务流程不熟悉，导致在搜索关键字时很难产生预期的效果。而使用了CXG RAG技术以后，结合Prompt Builder，AI可以实时搜索到知识库相对应的文章给到客服，过往需要一个小时的工作，现在10秒就能完成，犹如一位职场新手背后始终站着一位业务专家。

“未来，在你的CRM系统里面只需要点击几下鼠标就可以从知识文章、内容文档和储存在本地文件中获得最精准且最及时的回复。”Salesforce大中华区高级客户总监康诚枫亦在云栖大会Salesforce分论坛上和大家分享到。

第三阶段，阿里云上的Salesforce即将推出Agentic Experiences。

这个阶段通过在工作流程中配置和部署智能体，让企业的任务和流程由智能体来执行，人的角色从主驾驶变成了副驾驶，用户的体验也更类似于平时使用DeepSeek等AI工具。

它不仅能够提升企业内部诸如销售、客服和市场等人员的工作效率，告别繁琐和流程化的录入。比如可以帮助员工触发一段业务流程，或者更新系统里面的记录，或者在系统搜寻一些客户的信息和总结，而这些都可以通过对话形式完成。

同时也能更好地服务企业的客户。一个典型的场景是，用户买错一双鞋需要退货，Agent可以判断是否买错鞋，然后生成一个订单，把正确码数的鞋寄给客户，同时创建一个新的服务订单，把错误尺码的鞋收回来，这将提高用户的满意度。

而且，阿里云上的Salesforce会结合不同的行业特征和场景，让智能助理更加具有行业属性。

不难发现，Salesforce对AI的应用正由辅助性功能，逐步迈向智能化协同与业务深度融合的阶段。背后既考虑到了技术演进存在的规律，也考虑到了企业对新技术的理解和接受程度。这也给CRM行业带来了AI落地的新思路。

从AI Actions到Agentic Experiences，阿里云上的Salesforce正在为中国企业的智能化转型提供一条清晰、可执行的路径，也让AI CRM真正走向实用与普及。

扫码关注Salesforce官方公众号获取更多资讯

扫码了解更多阿里云上的Salesforce行业案例分享