AI Agent 時代新護城河：為什麼第一方資料比模型更關鍵？
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）
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）
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）
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〉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。
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）
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）
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。
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）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，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〉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（財報數字、Benioff 發言、PenFed / UCLA Health 案例、Headless 360）
- CNX 2026: Keynote（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（語意資料模型、知識圖譜、89% / 95% 數據）
- Keynote｜Agentforce World Tour DC（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（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。
