> ## Content Index > Fetch the complete content index at: https://growthhackers.tw/llms.txt > Use this file to discover other available public pages before exploring further. # AI Agent 時代新護城河：為什麼第一方資料比模型更關鍵？ - URL: https://growthhackers.tw/blog/ai-agent-first-party-data-moat/ - Published: 2026-06-08T18:21:26.000Z - Updated: 2026-06-08T18:21:26.000Z - Author: Lewis wang - Tags: AI, AI 代理, Salesforce, 第一方資料, 數位轉型 過去一個多月，Salesforce 做了一件很瘋的事。 他們在差不多 30 天內，連開四場大會加一次財報電話會：行銷大會 Connections（CNX 2026）、Tableau 資料分析大會、華盛頓特區的 Agentforce World Tour，還有一場專講電商的 Commerce 場，最後用 FY27 第一季財報收尾。 五場活動，講的其實是同一件事：Agentic Enterprise，中文我把它翻成「智能代理企業」。 而且這次不是喊願景。財報數字是這樣的：Agentforce 的年經常性收入（ARR，Annual Recurring Revenue，每年穩定收得到的訂閱收入）已經破 10 億美金，光一季就燒掉 28.6 兆個 token，季增 152%。（來源：[Salesforce FY27 Q1 Financial Results](https://www.youtube.com/watch?v=U18DPxwz0wI&ref=growthhackers.tw)） 數字很嚇人，對吧。 但如果你問我，這五場裡面最值得你停下來想的，不是哪個 agent 多炫。 是 Salesforce 高層反覆講的一句反直覺的話：AI 模型本身，正在變成水電。 ## 你心裡那個沒講出來的聲音 想像一下這個畫面。 你早上打開電腦，滑開 LinkedIn，看到同業又發了一篇「我們導入 AI 客服 agent 了」。下午開會，老闆把手機轉過來：「人家都在做 AI，我們呢？」 你心裡其實有個聲音，只是沒講出來。 那個聲音是：大家用的後面都是同一批模型，ChatGPT、Claude、Gemini，誰都串得到。那我花錢花時間導入，到底憑什麼贏對手？ 這就是「護城河」問題。 重點是什麼？ 當一個東西「誰都買得到」，它就不再是你的優勢，它只是入場券。 而模型，現在就在往這個方向走。 ## 一、先看懂：為什麼大模型不再是你的護城河 Salesforce 公共雲總裁 Kendall Collins 在 World Tour DC 講了一段我覺得很關鍵的話。他說，這些大型前沿模型正在快速「商品化（commoditize）」，彼此能力越來越接近。（來源：[Agentforce World Tour DC Keynote](https://www.youtube.com/watch?v=JnzuF1bowOI&ref=growthhackers.tw)） 翻成生意人聽得懂的話：今天 GPT 做得到的，Claude 大概也做得到；明年它們的差距只會更小。 這就像當年的「上網」這件事。 二十年前，你公司「有沒有官網」是個競爭優勢。現在呢？沒有人會因為你有官網就跟你買東西，那是基本配備。 模型，正在變成那個「官網」。 有，是應該的；沒有，會死；但光有，不會讓你贏。 那贏的關鍵跑去哪了？ ## 二、95% 的 AI 專案死在上線前，死因都一樣 這個數字是 Salesforce 在 World Tour DC 丟出來的：95% 的 AI 試行專案（pilot），在正式上線前就掛了。（來源：Agentforce World Tour DC） 九成五。你沒看錯。 你知道為什麼嗎？ 因為大家都犯同一個錯：以為「接上一個強模型」就等於「導入 AI 成功」。 Kendall 在台上講得很白：模型不能自己行動，它有時候會「很有自信地給你錯的答案（confidently wrong）」，它沒有透明度，它不懂你公司的規矩。 Tableau 新任總經理 Mark Record 補了一刀，引用一個數據：89% 的企業領導者，都遇過 AI 給出不準確或誤導性的輸出。（來源：[Tableau Conference 2026 Keynote](https://www.youtube.com/watch?v=yh4rmD9OXyY&ref=growthhackers.tw)） 他講了一個很真實的場景。Salesforce 內部也有人用 AI「隨手兜（vibe coding，用自然語言隨口叫 AI 生程式）」生出一堆儀表板，畫面漂亮得不得了，但每一個數字都是錯的。漂亮，但完全不能信。（來源：Tableau Conference 2026） 這就是九成五專案的死法。 不是模型不夠強，是它不懂你的生意。（同一個病根，我在〈[AI 落地為什麼總失敗？矽谷用「前線部署工程師 FDE」把 AI 從工具變員工](https://growthhackers.tw/blog/forward-deployed-engineer-ai-new-role/)〉聊過另一個角度。） 所以 Salesforce 的主張是：要讓 AI 真的能上線、能信、能稽核，你需要的不只是模型，是四個系統一起運作。他們叫它四大系統： - 情境系統（System of Context）：你的資料，Data 360 - 工作系統（System of Work）：你的應用程式，Customer 360 - 代理系統（System of Agency）：建 agent 的地方，Agentforce - 互動系統（System of Engagement）：人跟 agent 互動的地方，Slack （來源：Agentforce World Tour DC） 名詞先別管。重點是這句： 模型只是最底下一層，上面那三層，才是只有「你」能提供的東西。 ![光有模型，95% 的 AI 專案上線前就掛了；模型加上你的資料、語意層與互動系統，它才真的能用。](https://growthhackers.tw/content/images/2026/06/ghx-aiagent-moat-inline1.png) 光有模型，95% 的 AI 專案上線前就掛了；模型加上你的資料、語意層與互動系統，它才真的能用。 而那三層，就是你新的護城河。我一層一層拆給你看。 ## 三、新護城河（一）：你的第一方資料 + 語意層 Tableau 大會上有個數字，我看到的時候愣了一下。 過去二十年，Tableau 的使用者社群，在系統裡累積建立了 3,300 萬個「語意資料模型（Semantic Data Model）」。（來源：Tableau Conference 2026） 什麼是語意資料模型？講白話，就是「教電腦看懂你公司資料」的那本字典。 舉例。你公司講「客戶健康度」，到底是看 NPS 還是 CSAT？「行銷貢獻管道」這個指標怎麼算？各地區的定義一不一樣？這些藏在老員工腦袋裡、從來沒寫下來的「業務常識」，一旦被編碼進系統，AI 才知道該怎麼回答。 Mark Record 講了一句我很認同的話：在 AI 之前，每次有人看著一張報表說「這數字不對」，是因為「人有 context（情境直覺）」。但 agent 沒有。你不餵給它，它就會亂編。（來源：Tableau Conference 2026） 所以 Tableau 現在自動幫你建一張「分析知識圖譜（Analytical Knowledge Graph）」，把你的資料、定義、指標全部連起來，讓 agent 回答問題的準確率拉到 95% 以上，避免幻覺（hallucination，AI 一本正經地胡說八道）。（來源：Tableau Conference 2026） ![語意層的工作：把散在各處、各說各話的資料，變成一張 AI 看得懂的知識圖譜。](https://growthhackers.tw/content/images/2026/06/ghx-aiagent-moat-inline2.png) 語意層的工作：把散在各處、各說各話的資料，變成一張 AI 看得懂的知識圖譜。 看到重點了嗎？ 護城河不是那個圖譜功能本身，那 Salesforce 賣給誰都一樣。 護城河是「過去二十年，是你的人，一筆一筆把你公司獨有的業務邏輯，灌進那 3,300 萬個模型裡」。 那是別人抄不走的。 Kendall 在 DC 講得更直接。他說，大模型在商品化，但「你組織裡那批獨一無二的資料，就是你的不對稱優勢（data asymmetry is your asymmetric advantage）」。他甚至預測，未來很多公司會拿自己的專屬資料，去訓練只為自己窄用途服務的小模型。（來源：Agentforce World Tour DC） 這讓我想起以前在雨傘工廠跑業務的日子。 那時候每家工廠的報價單，攤開來長得都差不多。差別在哪？差在資深業務腦袋裡那本「黑帳」：哪個客戶嘴上喊殺價其實最在乎交期、哪個客戶看到良率報告就放心、哪家通路旺季前一定會追加。 那本帳沒寫下來，所以一個老業務離職，公司就掉一塊肉。 現在 AI 時代的差別是什麼？ 是你終於有工具，可以把那本「黑帳」變成系統裡的語意層，讓它不再只活在某個人的腦袋裡。 以前，你的 know-how 會跟著人走。現在，你可以把它變成公司資產，留下來，還能交給 agent 二十四小時用。 這一步，是純人工、很無聊、但做完一勞永逸的工。 也是九成五會失敗的公司，最不想做的那一步。 ## 四、新護城河（二）：你把規矩「寫死」進系統的能力 光有資料還不夠。 第二層護城河，是你有沒有能力把「你的規矩」變成 AI 不准違反的鐵律。 Salesforce 給這件事兩個名詞，我覺得每個要導 AI 的老闆都該記住。 第一個叫「確定性（Determinism）」，他們做成一個工具叫 Agentforce Script。意思是：有些事情就是有標準答案，不准 AI 自由發揮。 World Tour DC 上的 AARP（美國最大的銀髮族非營利組織）案例就很傳神。他們用 AI 語音客服幫照護者解答問題，但寫死一條規則：agent 永遠不准提供任何醫療或職能治療建議。（來源：Agentforce World Tour DC） 為什麼？因為這是合規紅線。AI 一旦在這條線上「自信地答錯」，賠上的就是人命跟官司。 第二個名詞叫「可觀察性（Observability）」。 PenFed 信用合作社的人在台上講了一句金融業才講得出來的話：「你可能明天被稽核，可能七年後被稽核。你必須能打開引擎蓋，一步一步告訴稽核員，這個 agent 當時為什麼這樣決定。」（來源：Agentforce World Tour DC） trust but verify，信任，但要能驗證。這是規範產業的命脈。 還有一個很實際的小技術，叫「智能情境（Intelligent Context）」。 AARP 那個案例裡，一開始 agent 只會丟給你一份 36 頁的 PDF 叫你自己看。為什麼？因為 PDF 直接餵給大模型，會被「壓平」成一團純文字，圖表、表格、結構全毀了，模型根本讀不懂。（來源：Agentforce World Tour DC） 後來他們把文件切成一塊一塊有意義的「語意區塊（chunks）」，保留結構跟關聯，agent 才答得出「在門口裝扶手、加防滑墊」這種具體答案，而不是把整本手冊丟回你臉上。 電商場那邊也有個對照很漂亮的數字。 Salesforce 收購了一家叫 Simulate 的公司，做「意圖感知搜尋（Intent-Aware Search，看懂你想要什麼，而不是只比對關鍵字）」。他們有個客戶，原本在舊系統上要維護上千條搜尋規則，規則多到互相打架；換到新系統後，只剩 7 條。（來源：[Agentforce Commerce Innovation](https://www.youtube.com/watch?v=l951hal3WrQ&ref=growthhackers.tw)） 重點是什麼？ 不是「規則越少越好」這麼簡單。 是你終於能把心力，從「手動維護一千多條規則」這種苦工，挪去做真正有策略價值的事：個人化、促銷規劃、商品策略。 護城河不是那個搜尋引擎。是你決定「哪七條規則不准動」的那份判斷力。 ## 五、新護城河（三）：你對客戶的理解，深到 AI 得先問你 第三層，也是最抄不走的一層。 Agentforce Commerce 的負責人 Nitin Mehta 講了一個類比，我聽完直接想到自己當櫃哥的日子。 他說，AI 電商的終極理想，就是還原「頂級精品店那位資深店員」的體驗。那種店員有你的手機號，會主動傳訊息跟你說「有件新到的西裝外套，這種春天天氣很適合你，要不要來試」。你走進店，他不會把你丟到一面兩百雙鞋的牆前面，他直接拿三雙最適合你的出來。（來源：Agentforce Commerce） 為什麼他做得到？因為他記得你的購買紀錄、你的喜好、你的尺寸。 我在百貨專櫃當櫃哥的時候，親眼看過這件事。 同一個品牌、同一套 POS、同一本型錄，新人櫃哥就是賣不過那位做了十幾年的老櫃姐。 差別不在工具。 差在老櫃姐腦袋裡那本「客戶帳」：誰太太穿幾號、誰小孩快畢業要送禮、誰上次買了什麼這次該補什麼。 她比客人自己還懂客人。那就是她的護城河。 現在 Pandora（全球最大的珠寶品牌，一秒鐘賣出三件珠寶、開在一百多個國家）想做的，就是把這種「店員的懂」搬到線上，用 AI 服務全世界幾十億個客人，二十四小時不打烊。他們的服務 agent 上線才幾天，客服自助解決率（deflection rate）就拉高了 60%。（來源：Agentforce Commerce） 但你發現了嗎？ AI 在這裡只是「放大器」。 它放大的，是「你本來就很懂你的客戶」這件事。 ![AI 是放大器：你越懂客戶，它越能像資深店員一樣，從一面 200 件的牆裡，精選出對的 3 件。](https://growthhackers.tw/content/images/2026/06/ghx-aiagent-moat-inline3.png) AI 是放大器：你越懂客戶，它越能像資深店員一樣，從一面 200 件的牆裡，精選出對的 3 件。 如果你根本不懂你的客戶，沒有累積他們的資料，AI 放大的就是你的「不懂」，那只會更快把客人氣走。 以前，這種一對一的尊榮服務，只有少數熟客、在門市營業時間才享受得到。現在，AI 可以幫你複製給每一個客人。 前提是，你得先有東西可以複製。 ## 行動建議：台灣中小企業，現在該做的五件事 講了這麼多趨勢，切入重點。 如果你是品牌端、電商端、或行銷端的決策者，這五件事可以從這週開始： ► **01\. 先別急著買模型，先盤點你的第一方資料** 你手上的客戶資料、訂單紀錄、客服對話、會員輪廓，是不是散在五個系統、十個 Excel 裡？這些才是你的彈藥。模型誰都買得到，這些只有你有。先把它集中、清乾淨。 本週就做一件事：把公司裡「存著客戶資料」的系統全部列出來，數一數有幾個、彼此通不通。光這張清單，就會嚇到你自己。 ► **02\. 把你的「業務黑話」寫成字典** 你公司獨有的指標（回購率怎麼定義、什麼叫優質客戶、旺季怎麼算），有沒有被白紙黑字、被系統統一記下來？這就是你的語意層。這步很無聊，但這是 AI 能不能說你生意話的前提，也是九成五失敗者跳過的那一步。 可以這樣起步：開一份共用文件，把團隊每天在講、卻從來沒寫下定義的 20 個業務詞，連同它們的算法，一條一條補進去。 ► **03\. 選一個有護欄、能稽核的場景先上線，別一次全押** 從風險可控的地方開始：網站客服、潛客資格認定、訂單查詢。設好「什麼不准 AI 碰」（像 AARP 那條醫療建議紅線），留好稽核軌跡。Salesforce 自己的網站客服 agent，37 天就上線，合格潛客轉換率拉高 68%。（來源：[Salesforce CNX 2026 Keynote](https://www.youtube.com/watch?v=-MhnlR6eBPA&ref=growthhackers.tw)）小步快跑，比等一個完美計畫重要。 具體做法：挑一個低風險場景（建議從網站客服 FAQ 開始），畫好紅線、打開稽核紀錄，給它 14 天試跑，到期再用數據決定要不要擴大。 ► **04\. 用「能不能接我的資料、守我的規矩」當選工具標準** 不要被「我們用了最強的模型」這種話術迷惑。真正該問的是：這個工具能不能透過 MCP（Model Context Protocol，模型上下文協議，讓 AI 安全串接你既有系統的標準接口）接上我的資料？能不能守住我的合規規則？能不能被稽核？Salesforce 把這套叫 [Headless 360](https://growthhackers.tw/blog/salesforce-headless-360-ai-agent-enterprise/)，光上線頭幾個月就接到 450 萬次 MCP 呼叫。（來源：Salesforce FY27 Q1 財報）這個方向，會是接下來幾年的基礎建設。 下次廠商來提案，把「能不能透過 MCP 或 API 接我的資料、守我的規矩、被我稽核」當成第一個必問題。問不出個所以然的，直接刷掉。 ► **05\. 守住「人在主導」，不是「人在迴圈」** CMS（管理 1.6 億美國人、一年支出 1.8 兆美元的美國醫療保險機構）的 CIO 講了一句我很喜歡的話：要 humans in the lead（人在主導），不只是 humans in the loop（人在迴圈裡）。（來源：Agentforce World Tour DC）差別在哪？「在迴圈裡」是 AI 跑、你按確認。「主導」是你設目標、定護欄、決定方向，AI 只是幫你跑得更快。你對客戶、對品牌的判斷力，才是那個方向盤。 但「人在主導」別只當口號。把它變成治理機制，白紙黑字寫下來：誰核准 AI 的規則、誰負責看錯誤輸出、誰維護那本語意字典、誰盯上線後的表現。沒指定到人，就等於沒人管。（關於「管太多 vs 管對地方」，我在〈[你的 AI 不是不夠聰明，是你管太多](https://growthhackers.tw/blog/code-with-claude-london-2026-day2-recap/)〉那篇有更完整的 AI 治理拆解。） ## 收尾：模型會越來越便宜，你的「懂」不會 把這五場活動的訊息收攏成一句話。 軟體的末日，不是軟體消失。是「讓人類做所有苦工的軟體」消失。 這是 Salesforce 執行長 Marc Benioff 在財報上的原話。（來源：Salesforce FY27 Q1 財報） 而當每個人都用得起一樣強的 AI，你跟對手的差距，就不會再是「你用哪個模型」。 會是「你餵給 AI 的東西」。 是你的第一方資料夠不夠厚、你的業務邏輯有沒有被寫下來、你對客戶的理解有沒有深到，連 AI 都得先問你才開得了工。 模型會越來越便宜、越來越像。 你的「懂」，不會。 這就是新的護城河。它不在你買了什麼工具，在你比別人多懂了什麼。 如果你問我，這波 AI 浪潮真正的贏家，不會是「最早用 AI 的人」，會是「最早把自己的 know-how 整理成 AI 餵得進去的格式」的那群人。 那件事，今天就能開始做。 而且，不用等任何人發新版模型。 --- ### 本文參考來源 - [Salesforce FY27 Q1 Financial Results](https://www.youtube.com/watch?v=U18DPxwz0wI&ref=growthhackers.tw)（財報數字、Benioff 發言、PenFed / UCLA Health 案例、Headless 360） - [CNX 2026: Keynote](https://www.youtube.com/watch?v=-MhnlR6eBPA&ref=growthhackers.tw)（Agentic Marketing、網站客服 agent 37 天上線 / 合格潛客 +68%） - [Unlock the Power of Agentic Data｜Tableau Conference 2026 Keynote](https://www.youtube.com/watch?v=yh4rmD9OXyY&ref=growthhackers.tw)（語意資料模型、知識圖譜、89% / 95% 數據） - [Keynote｜Agentforce World Tour DC](https://www.youtube.com/watch?v=JnzuF1bowOI&ref=growthhackers.tw)（四大系統、95% pilot 失敗、確定性 / 可觀察性 / 智能情境、CMS） - [Accelerate Growth with Agentforce Commerce Innovation](https://www.youtube.com/watch?v=l951hal3WrQ&ref=growthhackers.tw)（統一商務、意圖感知搜尋、Pandora、Simulate 規則精簡） 影片摘要整理工具：BibiGPT --- **協作聲明與免責** 這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 `[來源名稱](URL)` 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。 內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。