本文目录导读：
- Agentforce（AI代理）—— 最新的核心战略
- Einstein Copilot（AI助手）的增强
- Data Cloud + AI（数据云驱动的AI）
- 特定业务场景的新AI功能
- Trust Layer（信任层）与安全
- 总结：核心变化是什么？
Salesforce近期（截至2025年5月）在AI方面主要围绕其 Einstein（爱因斯坦）平台 进行了大量升级，重点在于Agentforce（自动化代理） 和 Data Cloud（数据云） 的深度整合,以下是最核心的AI功能更新：
Agentforce（AI代理）—— 最新的核心战略
这是Salesforce目前最主推的功能，旨在让AI从“辅助工具”（Copilot）升级为“自主员工”（Agent）。
- 自主执行任务： 不再是简单的问答，而是能自动执行多步骤任务，当客户说“我要退货”，Agentforce会自动查找订单、检查退货政策、生成退货标签、并安排物流。
- 多渠道部署： 可以部署在Service Cloud（服务云）、Sales Cloud（销售云）、Marketing Cloud（营销云）以及网站、手机应用、Slack、WhatsApp等渠道。
- 自然语言配置： 管理员无需写代码，直接用自然语言（如“当VIP客户退货时，自动赠送优惠券”）即可定义Agent的行为和规则。
- 无缝转接人工： 当AI无法处理复杂情况时,会自动将对话和上下文完整转接给人工客服。
Einstein Copilot（AI助手）的增强
虽然Agentforce是主角,但Copilot也在持续进化：
- 多模型支持： 不再仅限于自家模型，现在支持接入 OpenAI（GPT-4o等）、Anthropic（Claude）、Google Gemini 以及开源模型（如Llama）。
- 行动化： Copilot现在可以直接执行CRM操作，帮我创建一个新商机，并分配给我”，它会直接完成,而不是只给出建议。
- 业务数据训练： 可以基于企业自己的CRM数据（销售记录、服务案例、客户画像）进行个性化回复，避免“通用AI”的废话。
Data Cloud + AI（数据云驱动的AI）
这是确保上述AI功能“有效”的基础：
- 统一数据基础： Data Cloud能够整合来自Salesforce内外（如ERP、网站、外部数据库、电子邮件）的客户数据。
- 实时推理： AI在回答或执行操作时，可以实时访问Data Cloud中的最新数据（如客户刚刚浏览了哪些商品、最近一次投诉是什么时候）。
- 向量数据库： 支持了向量搜索功能，让AI能快速找到非结构化数据（如聊天记录、PDF文档、产品手册）中的相关信息，实现精准的RAG（检索增强生成）。
特定业务场景的新AI功能
除了通用平台,Salesforce也在具体产品中加入了针对性AI：
- Sales Cloud（销售云）：
- AI SDR（销售开发代表）： 自动寻找潜在客户、撰写个性化邮件、安排会议。
- 预测性评分： 实时预测哪些客户最可能成交,并建议下一步行动。
- Service Cloud（服务云）：
- 智能总结： 通话结束后自动生成案例摘要、行动项和情绪分析。
- Workforce Engagement（人力管理）： 根据AI预测的客服需求量,自动排班。
- Marketing Cloud（营销云）：
- AI受众识别： 自动发现“高价值潜在客户”并生成个性化营销文案。
- 超级个性化： 基于用户实时行为，动态调整邮件或广告内容（比如看到用户搜索了“跑鞋”，立即推送相关优惠）。
- Slack：
- Slack AI： 在对话中直接调用Agentforce，进行工作总结、搜索公司知识库或创建Jira工单。
Trust Layer（信任层）与安全
这是Salesforce强调的关键点：所有AI功能都在一个“信任层”下运行。
- 数据隔离： 企业数据不会用于训练外部模型（如OpenAI的模型）。
- 审计日志： AI的每一次决策和行动都可追溯,记录在Salesforce审计历史中。
- 防护栏： 管理员可以设置规则,确保AI不会说出敏感信息或做出违规动作。
核心变化是什么？
从“帮你出主意”的Copilot，变成了“自己动手干活”的Agentforce。
如果你是Salesforce用户或潜在用户，最值得关注的不是某个单一功能，而是 “AI Agent” 这个概念——它正在尝试真正替代人工完成部分重复性工作。
需要我针对某个具体场景（比如销售或客服）详细解释某个功能如何落地吗？
