企业使用 Salesforce，过去依赖的是一套固定入口：员工打开 CRM 网页或 App，在管理员预先配置好的页面、字段、表单和报表之间寻找信息，再把处理结果手动写回系统。数据、业务逻辑和审批权限虽然都在 Salesforce 里，却被锁在 Salesforce 自己的界面中；员工换到 Claude、Slack 等工作环境后，这些能力便很难连贯地跟过去。

Salesforce 在 Dreamforce 推出的 AIforce，就是要拆掉这层「界面围墙」。它不是一个新的大模型，也不是另一个负责独立工作的 Agent，而是位于 Salesforce 数据与各种 AI 界面之间的动态交互与能力交付层：把 Data 360 中的客户数据和历史上下文、Customer 360 中的业务语义与流程、Agentforce 中可执行任务的智能体，按照原有权限和业务规则，送进 Claude、Slack、Lightning 以及未来其他支持的 AI 工作环境。

因此，标题里所说的「让企业数据、业务逻辑在各种 AI 中自由流动」，并不是把数据库复制给不同模型，更不是让外部 AI 绕过 Salesforce 直接操作企业数据。它指的是一个受治理的双向闭环：AI 界面把员工的自然语言意图交给 AIforce；AIforce 判断该调用哪些数据、流程和 Agent；Salesforce 按原有权限完成读取或执行；结果再回到当前对话，并按任务即时生成可以查看、筛选、修改和确认的动态界面。数据记录仍留在 Salesforce，变化的是员工调用这些能力的入口。

这也是 AIforce 相比普通「给 CRM 加一个聊天框」更关键的地方。它试图让 Salesforce 从一个必须被打开的应用，转变成各种 AI 背后的企业数据与执行引擎：员工在哪里提出问题，Salesforce 的上下文、规则和动作能力就可以在哪里出现。

AIforce 真正改变的，是企业软件的交互边界

过去几十年来，绝大多数企业软件的形态都是静态的。管理员在后台配置好页面布局、必填字段和固定视图，销售代表或客服人员则像在流水线上填表一样，把信息一条条录入进去。当一线员工需要了解一个客户的全貌时，通常要分别打开联系人页面、过往商机列表、服务工单记录以及各类分析仪表板。

固定界面的问题并不只是「点击太多」。它同时限制了谁能够使用系统，以及一项任务能调用多少分散的信息：

1. 使用门槛高：没有经过专门培训的普通员工，很难熟练从后台系统提取多维度的交叉洞察，大量业务数据实际处于沉睡状态。
2. 信息吞吐受限：人类在图形界面中一次只能浏览少数几张卡片和表格，无法瞬间消化并关联数百条交互历史背后的逻辑。

AIforce 改变的是这层交互边界：使用者先描述想完成的任务，系统再决定应当取回哪些上下文、调用哪些业务动作，以及当前最合适的界面形态。员工不再需要先理解 CRM 的菜单结构，才能找到正确的数据和操作入口。例如，销售人员可以在 Claude 中要求准备客户会议，系统自动汇总商机、历史沟通与团队讨论；也可以在 Slack 中生成多人共享的动态看板，直接筛选数据、评论并把经确认的修改写回 Salesforce。界面由任务临时生成，底层数据、权限和流程则继续由 Salesforce 管理。

AIforce 在企业架构中处于什么位置？

为了让外部的 AI 界面能够安全读懂并操作企业系统，Salesforce 在其整体架构中确立了四个协同层次，AIforce 位于最上层的交互输出端：

1. 统一数据层（Data 360）：负责跨系统整合企业内外部的客户数据、元数据以及历史记忆，让 AI 智能体拥有完整的上下文视角。
2. 业务语义与逻辑层（Customer 360）：承载销售、客服、营销与电商等业务的核心逻辑、审批工作流、动作执行权限与安全合规规则。
3. 数字劳动力层（Agentforce）：提供开箱即用以及由企业自行定制的专用自主智能体（Agent），负责执行特定岗位的具体业务流程。
4. 动态交互层（AIforce）：最新加入的顶层架构。它的核心功能是将前三层所具备的所有数据、语义与执行能力，原样投射到各类外部 AI 界面中。

在这套架构下，外部 AI 并不是简单地通过公共网页读取数据，而是严格遵循原有的安全与权限继承体系。每个请求都绑定了发起人员原有的访问权限，AI 智能体只能看到该员工被允许查看的字段；所有由 AI 发起的业务修改，也必须沿着 Salesforce 设定的业务规则回传写入。此外，Salesforce 承诺采取「零数据留存」（Zero Data Retention）策略：企业数据只用于回答当前请求，不由模型提供商留存。这是厂商在发布中给出的安全承诺，不等同于已经独立审计的结果。

模型与运行时底座：NVIDIA 全栈基础设施与 Salesforce Koa 推理模型

在理解 AIforce 的四层架构时，若仅关注顶层交互，容易产生一种误解：以为只要把通用大模型接入企业系统，就能自动跑通复杂的业务流程，甚至容易把合作伙伴的技术栈误当成 AIforce 的组成部分。实际上，AIforce 解决的是交互层的问题，负责将底层沉淀的数据、权限与动作能力安全投射到外部 AI 界面；而在这一层之下，企业智能体究竟依靠怎样的模型进行业务推理、底层的算力与运行时环境如何保障，构成了另一套平行的技术底座。Salesforce 推出的专用推理模型 Koa 与 NVIDIA 提供的基础设施，正是对这一底座的补全。

在 Dreamforce 大会现场，Salesforce 联合创始人 Marc Benioff 与 NVIDIA 首席执行官黄仁勋进行了一场公开对谈。这场交流并非 AIforce 的具体产品演示，而是展示了企业级智能体背后的战略与计算底座：

• 全栈 AI 基础设施：黄仁勋把 NVIDIA 描述为全栈 AI 基础设施公司，提出由「AI 工厂」（AI factory）将电力与企业专有数据转化为智能。
• 开放模型与运行时组合：他列举了 NVIDIA 的开放模型组合，包括 Nemotron、Cosmos、Alpamayo、BioNeMo / Proteina-Complexa 与人形机器人模型 GR00T；同时提到了开放的智能体控制框架（agentic harness）以及名为 OpenShell 的安全沙箱与运行时环境。必须厘清的是，这些是 NVIDIA 自身的技术底座，不能误写成 AIforce 的组成部分。
• 闭源与定制模型并存：黄仁勋明确表示，行业内通用闭源前沿模型会继续存在，但企业同时也会构建属于自己的私有定制模型，而这正是 NVIDIA 与 Salesforce 正在合作的方向。
• 安全观与现场观点：关于 AI 安全，黄仁勋在现场将其称为「工程问题」，强调建立严密的测试环境、开展充分的产品测试并在不确定时不要发布；他同时表达了「不需要新法律或监管」的个人立场。需要明确的是，这属于黄仁勋在现场表达的个人观点，不可写成已经验证的产品保障或行业普遍共识。

正是在这种定制模型与垂直推理的路径下，Salesforce 推出了首个面向 Agentforce 的 CRM 专用推理模型——Koa：

• 模型定位与互补关系：Koa 基于 NVIDIA Nemotron 3 Super 进行后训练，是 Agentforce 可选用的专用推理模型。AIforce 负责把数据和动作传递到外部前端，Koa 则专注于在底层处理复杂的 CRM 业务逻辑推理，二者相互补充，但不是同一个产品。
• 训练数据与信任边界：Salesforce 明确表示没有使用客户数据训练 Koa，其训练语料是模拟近三十年 CRM 部署中的企业知识而构造的专有合成数据。Salesforce 控制模型权重，模型的后训练与推理都在 Salesforce 自己的信任边界（trust boundary）内完成。
• 训练技术栈：Koa 的后训练采用了监督微调（SFT）与群组相对策略优化（GRPO），并深度使用了 NVIDIA NeMo RL、NeMo Gym 与 NeMo AutoModel 等工具栈。
• 性能宣称与可用性：Salesforce 称 Koa 在基准测试中达到了「三倍更少错误」，并紧邻说明该数据来自 Salesforce 自有的 CRM benchmark 与所链接论文，属于官方基准测试结果，并非独立第三方评测。目前 Koa 已在 Salesforce 内部使用并进入部分客户试点，预计于 2026 年冬季在美国区域正式可用。

Claudeforce：把 CRM 打包进 Claude 的官方 MCP 服务端

将外部大模型与企业内部业务系统对接，过去往往需要耗费数周手动配置 API 与网关。如果仅把 Salesforce 与 Anthropic 的合作理解为「在对话框里调接口」，就会忽略真实业务中销售人员如何执行具体工作流、多连接器如何协同，以及企业级权限与人工介入的边界。Salesforce 与 Anthropic 联合推出的 Claudeforce，首发落地形态是与 Salesforce 共建的 Salesforce in Claude Beta 插件。它直接将客户账户、商机和销售漏斗带入 Claude 界面，并内置了 37 项即开即用的销售技能。首次使用时，插件的设置技能（setup skill）会自动识别可用的工具与连接器，并为销售人员生成一个适配其具体岗位角色与负责客户范围的 Claude Artifact，快速搭建起专属的销售工作空间。

官方披露的具体销售工作流覆盖了日常业务的核心环节：

• 每日个性化简报：基于最新的客户动态与跟进节奏，为销售人员自动梳理当天的优先事项与待办。
• 通话前准备：自动拉取未决商机（open opportunities）、客户团队讨论记录、未回复的消息线程（unanswered threads）以及过往通话遗留的问题，帮助销售人员在客户交流前迅速掌握完整上下文。
• 交易评估与共同成交计划：依据销售团队的方法论对交易进展进行评估，并自动生成「共同成交计划」（mutual close plan）。
• 会后跟进与写回：在客户会议结束后，自动草拟跟进邮件草稿、Slack 频道摘要，并提炼需回传写入 Salesforce 的更新内容。
• 交互式漏斗与预测看板：生成可直接下钻、支持交互筛选并允许直接向 Salesforce 写回记录的销售漏斗与业绩预测看板。

在连接机制上，该插件自带两个核心连接器：Salesforce 连接器与 Slack 连接器。Salesforce 连接器负责读取与更新记录、记录通话内容并创建跟进任务；Slack 连接器则用于读取和写入交易专属频道及客户团队的讨论线程。虽然在官方演示的初始配置界面中同时显示了 Salesforce、Slack 与 Gmail 三者的连接状态，但 Anthropic 官方博客明确说明插件本身仅包含上述两个连接器，不可将 Gmail 误写为插件自带的连接器。

在数据治理与安全控制方面，Salesforce 依然是记录系统（system of record）。销售人员使用自己的 Salesforce 凭据登录，Claude 只能读取该员工原生权限允许访问的数据。为了防止自动化操作带来风险，系统对所有拟写回 Salesforce 的数据变更默认采取逐项批准机制，必须经过销售人员手动确认后才会执行；但需要注意，这属于交互层的人工确认机制，并不代表能杜绝大模型的幻觉或用户的误操作。

针对企业普遍关注的数据隐私，Anthropic 官方表述为 Team 与 Enterprise 计划默认不使用客户数据训练模型。但必须指出，这并不等同于「绝对不留存数据」，也不能替代 Salesforce 对 AIforce 所承诺的「零数据留存」（Zero Data Retention）产品特性。企业在评估落地时，需要结合自身采购的具体计划、商业合同与管理员配置进行核对。在部署进展上，Anthropic 披露称 GitLab、Siemens 与 Legora 已在组织内部署使用，另有 7,000 名 Salesforce 销售人员在日常工作中使用该插件，这些数据均属于厂商披露的采用情况。

当前该 Beta 版本已面向所有 Claude 付费计划开放。销售人员可以在 Claude 的 marketplace 中安装 Salesforce MCP，但组织管理员仍需先在 AgentExchange 上申请访问权限，并为组织完成 Salesforce 连接配置。此外，Salesforce 原公告中所提及的接入 Tableau 数据分析，以及向客服、营销、电商与垂直行业的扩展，目前均属于后续规划，并未包含在当前的销售 Beta 版本中。

除了面向日常办公与销售场景的 Salesforce in Claude，双方还针对技术开发人员并列推出了面向命令行工具 Claude Code 的专用开发插件。这是一个独立的开发者产品，不要与上述销售插件混淆：该插件内置超过 40 项开发技能，直连 GitHub 上的技能库并支持动态加载专用子插件，用于协助开发者在终端环境中直接执行相关的系统集成与代码开发任务。

Slackforce：让聊天窗口变成多人实时操作台

Slack 本身就是许多企业内部协作的主阵地。通过引入 Slackforce，Salesforce 尝试把过去必须在独立 CRM 窗口完成的操作，彻底融入到日常会话中：

Slackforce Surfaces 动态看板：允许团队在讨论频道内，直接抓取来自 Salesforce、Slack 及其他关联工具的实时数据，就地拼装成一个可交互的多人操作界面。团队成员无需请求 IT 部门专门制作报表，便能在卡片中共同筛选指标、发表评论并触发业务变更。例如年处理超过 80 万次客户咨询的服务企业 Engine，其团队便借此让一线人员直接用自然语言生成业务界面，无需在不同系统之间来回切屏。

Slackbot 跨系统个人助理：打破聊天记录与 CRM 记录之间的数据壁垒。内置的 Slackbot 能够同时阅读 Slack 频道的会话上下文与 Salesforce 的服务工单。比如，它可以找出互动正在减少的客户，再结合近期支持案例与内部讨论线程判断原因，随后重新分配负责人、创建跟进任务，并草拟挽回邮件。

Slack CRM 极简录入：将繁琐的录入工作简化为简短的自然语言交互。员工在结束一次客户通话后，只需要在聊天窗口发送一句提示词，就能同步在 Salesforce 内新建客户档案、记录通话要点或推进商机阶段，全程不必跳出 Slack 页面。

Slack Code 多人协同编程：将 AI 编程体验从个人的单机辅助拓展为多人团队模式。开发团队可以在特定的 Slack 频道中与编码智能体协作完成编码项目，所有操作与调试上下文默认在频道内公开，确保项目进度在团队成员与智能体之间无缝传递，最终直接在 Slack 内输出可运行的代码、原型与文档。

Agentforce Coworker：原生后台里的开箱即用副驾

对于习惯留在 Salesforce 原生网页界面（Lightning）中工作的用户，本次发布的对应方案是 Agentforce Coworker。

与作为外部连接器的 Claudeforce 不同，Coworker 原生运行在 Salesforce 平台内部。它不需要企业进行数据迁移，也不需要重新设计权限模型，系统管理员可以在后台一键激活。其核心机制在于它可以直接调用企业此前已经在 Agentforce 平台中构建并部署好的各类专项 Agent，相当于为企业既有的智能体资产提供了一个统一的调度前台。

按 Salesforce 公布的数据，Coworker 在推出后的前 35 天内有 10 万名用户激活。富顿银行（Fulton Bank）称，该行在数周内上线了 20 多个生产用例，覆盖约 3,000 名员工，并已观察到 Coworker 帮助员工更快查找信息、做好业务准备。这些数字来自厂商公告与客户引述，还不是对业务收益的独立评估。

架构解耦：Headless Toolkit 与外部开放生态

让 CRM 能力脱离原生 UI 的底层支柱，是 Salesforce 推出的 Headless Toolkit（无头开发工具包）。这套开放架构将整个 Salesforce 平台的底层要素——包括对象数据、业务流、字段语义与操作接口——统一封装为标准的 MCP 接口、API、插件和技能，供外部开发者自由调用。

依托该工具包，Salesforce 建立了 AgentExchange 合作生态与应用分发市场，汇集了多类合作伙伴：

• 智能体交互界面：Anthropic、亚马逊云科技（AWS）、Google、微软；
• AI 构建与设计平台：Lovable、Vercel；
• 垂直业务工具与 Agent：DocuSign、Gamma、Jasper、Rippling 等。

伴随着这套开放架构的发布，Salesforce 也特别提到了其拥有 20 年历史的 Trailblazer（开发者与管理员）技术社区。平台开放后，社区开发者过去累计构建的 1,200 万个应用与日常 96 亿次 API 调用经验，将能够进一步转化为适配各类 AI 前端的技能与插件。

边界与观察：从「围墙花园」转向「协议输出」

传统企业级 SaaS 软件的核心商业壁垒之一，往往是依靠前端界面的高粘性把用户留存在自己的应用生态内。而从这次发布可以看出，面对大模型与智能体的兴起，企业软件的竞争重心正在发生位移：前端界面正在快速被对话框、协作工具或自主 Agent 替代，真正的护城河变成了底层不可替代的业务数据、审批权限与合规逻辑。

Salesforce 选择通过 AIforce 主动退居幕后，将自己转变为一个带有严格权限治理的「企业数据与执行引擎」，把交互前端拱手让给 Claude 和 Slack。

不过对于企业采购与实施团队而言，仍需注意官方提及的落地边界：

• 计费与服务条款：相关功能的定价机制与产品打包方式未来可能发生调整，实际可用性受不同地区和具体客户合同约束；
• 数据治理前置条件：尽管系统声称零迁移且权限自动继承，但动态界面与外部 Agent 输出的质量，依然完全取决于企业在 Salesforce 内部沉淀的原有元数据规范、字段清晰度以及工作流规则的完备程度。如果底层数据本身存在断层，投射到外部界面的智能化体验同样会受到制约。