2026年9月11日，Salesforce在新加坡的发布会上做了一件看起来很小、但其实很奇怪的事：它给自己的AI代理取了名字。

Casey负责客服。Paige管IT和HR支持。Carter服务电商购物助手。Hunter做外呼销售追单。Marshall处理供应链工作。Piper专门跟进入站销售线索。还有Fin，一个额外的客户体验代理。7个名字，7个清晰的工作职能，全部内嵌在Salesforce的Agentforce平台里，目前Casey、Paige、Carter、Marshall和Piper已正式可用，Hunter处于试点并将于今年晚些时候全面开放。

这个「取名字」的举动，比它们能做的事更值得分析。

取名字意味着什么：从工具到同事的认知跃迁

在AI软件领域，「给代理取名字」是一个边界信号。它意味着这个系统已经足够稳定、行为足够可预期，可以作为一个有定义职责的角色存在于组织里，而不只是一个生成内容的黑盒工具。

工具是你用的。有名字的同事是你信任的。

这种区别不是表面的。Salesforce CEO Marc Benioff在发布会前后反复使用了一个词：「数字劳动力」（digital labor）。不是「AI助手」，不是「智能工具」，是劳动力。这个定位意味着这些代理被设计来分担人类工作单元，而不仅仅是辅助人类工作。

Salesforce给出的数据印证了这一点：Agentforce和Slack合计已完成70亿个「代理工作单元」（Agentic Work Units），其中32亿在最近一个季度内完成。如果把这个数字换算成人工工时，哪怕每个工作单元只代表5分钟的人类工作，32亿个单元也等同于约270万人月——这不是演示规模，是生产规模。

更重要的是，Salesforce明确将这次发布定位为「即用型」（job-ready）——不需要企业从零开始构建代理，买来就能直接投入工作。Casey来了就是一个客服代表，Piper来了就是一个入站销售跟进专员，Hunter来了就是一个外呼销售员。

这个定位背后，是Salesforce在企业AI市场的根本押注：未来企业的劳动力构成会是人+AI代理的混合编制，而Salesforce要成为AI员工的「招聘平台」和「管理层」。

长程运行时：企业AI最重要的能力跃迁

7个命名代理本身已经足够引人注目，但Salesforce真正押注的东西藏在另一个技术特性里，而且目前只在Hunter这一个代理中实现——这就是长程运行时（long-horizon runtime）。

Salesforce给出的使用场景非常具体：一个销售经理，在季末最后一周，让Hunter去「追回处于风险中的交易」。

Hunter会怎么做？它会自行设定目标，制定多步骤行动计划，决定哪些任务可以自主完成（发跟进邮件、查阅客户历史、分析流失信号），哪些任务需要人类确认（向客户提供折扣、更改合同条款），然后持续推进——不是几分钟，而是可能横跨几天，直到季末截止日期或销售经理明确叫停。

这里的技术含义是三层叠加的：

第一层：跨会话持久记忆（durable memory）。传统AI对话是无状态的——每次对话结束，AI忘掉一切，下次重新开始。Hunter记得它3天前制定的策略，记得客户上次说「下周回来谈」，记得它正在等待哪个内部审批。记忆在时间轴上延伸，使复杂的多步骤任务成为可能。

第二层：异步持久执行（durable execution）。即使你关闭了电脑、走出了办公室，Hunter的行动计划仍然在后台运行。它监控邮件回复，它跟踪客户的合同查看行为，它在下午5点识别出一个客户打开了报价单后自动发出一封跟进邮件。它不需要你在场来维持自己的工作状态。这与今天所有「对话式AI」的根本区别在于：对话式AI是被动响应，长程代理是主动执行。

第三层：动态自我调整（dynamic steering）。当你在第3天改变想法，告诉Hunter「算了，这个客户先放弃，把资源集中到另外3个更重要的单子上」，Hunter能理解这个指令，重新优先排序，修正自己的行动计划，而不是继续傻跑之前的既定路线。这是对「人在回路」（human-in-the-loop）原则的一种实现：人类保留在任何时间点介入和改变方向的控制权，但不需要一直盯着AI的每一步操作。

这三件事加在一起，意味着AI代理第一次可以处理时间跨度超过单次对话的真实业务任务。在此之前，所有AI应用在本质上都是反应式的：你问，它答，然后任务结束。长程代理是主动式的：它有目标，有计划，有持续执行，有判断什么时候需要人类介入。

这是企业AI从「工具期」进入「代理期」的一道关键门槛，Salesforce正在用Hunter来试图率先跨越它。

数据锁定：为什么「即用型」是最精妙的护城河

Salesforce给这7个代理设计了一个聪明的前提条件，很少被媒体报道注意到：这些代理的「即用型」是基于Salesforce Customer 360生态的——它们能立刻上手工作，是因为它们天然具有访问Salesforce CRM数据、Service Cloud工单、Commerce Cloud订单历史的权限，这些数据已经按照Salesforce的格式结构化地存储在那里。

换句话说：如果你用的是Salesforce的客户关系管理系统，这些代理确实可以即插即用。如果你不是Salesforce用户，「即用型」的便利性将大打折扣。

这不是一个缺陷，而是一个精心设计的战略护城河。

Salesforce花了20多年让全球企业把最核心的业务数据——客户联系人、销售记录、服务工单、销售预测——存储在它的平台里。这些数据的积累形成了一个巨大的飞轮：数据越多，AI代理就越有效；AI代理越有效，企业就越依赖这套系统；越依赖，迁移成本就越高；迁移成本越高，数据积累就越多。

现在，AI代理把这个飞轮的转速又加快了一倍。Casey处理售后投诉，生成更多服务工单历史，让下一个Casey的决策更准确。Hunter追单，积累更多「哪种跟进策略对哪类客户有效」的数据，让下一个Hunter更高效。数据壁垒在AI时代不是弱化了，而是被重新激活，并且以指数级加速增强。

这个逻辑解释了为什么Salesforce可以宣称「70亿Agentic Work Units」——这不只是性能指标，而是一个锁定证明：客户的工作习惯、流程记忆、代理配置，全部积累在Salesforce里，迁移成本在每一次Agentic Work Unit执行后都在不可逆地提升。

AI能力竞争中的三角战场

理解Salesforce这次发布的竞争背景，需要把另外两个主要玩家放进来对比：ServiceNow和Palantir。

ServiceNow在FY26 Q2财报中给出了一个历史性数字：AI年度合同价值（ACV）突破10亿美元，半年内上线企业客户超过500家。CEO Bill McDermott把ServiceNow定位为「AI Control Tower」——跨模型、跨Agent的治理控制层，不绑定任何特定AI提供商，而是成为所有AI系统的管控中枢。

这与Salesforce的定位形成了有趣的结构性对比：Salesforce更垂直（深度整合到CRM业务流程，Casey是销售流程的一部分），ServiceNow更横向（想成为跨系统、跨模型的统一治理平台）。

Palantir则是完全不同的战场：Q2营收同比暴增92.8%，美国商业收入激增149%，净收入留存率达157%。但Palantir面向的是政府机构和大型企业的数据分析决策，不是面向普通销售代表日常工作的代理层，两者基本上是平行市场，不构成直接竞争。

真正的对决在Salesforce和ServiceNow之间，而且这场对决的核心问题只有一个：谁控制了企业日常工作的数据流，谁就控制了AI代理能做什么。Salesforce控制的是业务数据（客户、销售、服务）；ServiceNow控制的是工作流数据（IT服务、审批、自动化流程）。前者更贴近「业绩」，后者更贴近「运营」。在企业实际支付采购预算的决策链上，两个方向都有顽固的支持者。

「数字同事」的法律灰色地带

如果AI代理不叫「工具」，而叫「同事」，当它出错的时候，责任归谁？

Hunter帮你联系了一个大客户，说了一些话，导致客户反感并撤单。这是Hunter的「错」，是配置Hunter的销售经理的错，是部署Hunter的企业的错，还是开发Hunter的Salesforce的错？

今天这个问题还没有清晰的法律答案。但它不是理论问题，它即将成为实践问题。

当Casey自主决定退款给一个客户（即使这笔退款超出了标准授权范围）；当Marshall对供应商发出一份采购意向询问（没有人类明确审批，但代理判断这在策略范围内）；当Hunter在客户的邮件回复前承诺了一个交货期（它基于历史数据认为这是可实现的，但事实上不是）——每一件事都可能触发合同责任、监管审查或客户投诉。

Salesforce在产品设计层面用「人在回路」（Human-in-the-loop）机制来回避这个问题：代理在执行「高风险」行动前会暂停，请求人类确认。但这个设计的问题是：谁来定义「高风险」的边界？这是Salesforce的工程团队定义的，基于他们对风险的理解，而不是基于企业特定的合规要求或法律框架。

预计这个问题将在未来2-3年内以两种方式进入实践：一是企业采购合同中开始出现「AI代理行为责任条款」；二是出现第一批「AI代理商业决策失误」的诉讼案例，由法院判决来定义责任边界。

对企业IT和法务部门来说，现在就应该开始思考：AI代理的决策可审计性，将成为企业合规的新要求。

为什么「长程」改变了一切：时间维度的革命

所有关于AI代理的讨论，都不得不面对一个根本性的时间问题：AI代理的任务如果只能在一次对话中完成，它的价值上限是非常有限的。因为现实世界的大多数复杂任务，都不在一次对话的时间范围内发生。

一笔销售订单从第一次接触到最终签约，在B2B企业SaaS行业的典型销售周期是60-90天。一个供应链调度决策，从识别风险到执行备选方案，需要数天的信息收集和多方协调。一个IT事件响应，从告警到根因修复，需要数小时甚至数天的跨团队协作。

如果AI代理只能活在「单次对话」的时间窗口里，它处理不了这些任务。它只能做：快速起草邮件、搜索信息、生成报告——这些确实有价值，但离「数字劳动力」的定位还差很远。

长程代理能力的意义，恰恰在于突破这个时间边界。一个能横跨数周销售周期的Hunter，才是真正的「数字销售代表」。时间跨度，才是AI代理从「工具」升级为「同事」的本质门槛。

Salesforce选择Hunter（外呼销售追单）作为长程运行时的第一个应用场景，是一个精妙的策略选择：销售追单是所有企业都有的需求，结果可量化（单子追回来了没有），ROI可计算，采购决策者（销售VP）的购买意愿最高，而且数据飞轮效应最明显——Hunter追的单子越多，积累的「有效追单策略数据」越多，下一个Hunter就越精准。

这是Salesforce用一个最容易被接受的场景，打开一个可能改变组织边界的技术口子。

Salesforce的7个命名代理不只是产品发布，而是一个认知框架的切换——从「AI工具」到「数字员工」。长程运行时能力（Hunter的跨天追单）是技术层面最关键的突破，它打破了AI代理只能在单次对话时间窗口内运行的根本限制。数据飞轮（Customer 360）是商业层面最坚固的护城河。但这一切都将在未来几年触发一个必须回答的问题：当AI代理作为「数字劳动力」出现在企业里，谁为它的决策负责？

参考资料：

  1. Forbes: “Salesforce Adds Long-Horizon AI Agents To Agentforce”, Tim Keary, 2026-09-11
  2. ITBrief: “Salesforce launches AI agents for business workflows”, 2026-09-11
  3. VentureBeat: “Many models, many agents, many tasks: Salesforce’s new Enterprise AI Harness”, 2026-09-10
  4. Diginomica: “Salesforce throws down the gauntlet on the enterprise AI harness”, 2026-09-10
  5. Yahoo Finance: “ServiceNow vs. Palantir: I’d Rather Own This AI Stock”, 2026-09-14