Salesforce Headless 360 解讀:為什麼它把 CRM 拆了,只為了請 AI Agent 走正門

Salesforce Headless 360 解讀:為什麼它把 CRM 拆了,只為了請 AI Agent 走正門

上週 Salesforce 在 TDX 2026 丟了一顆叫 Headless 360 的震撼彈。一口氣把平台裡所有功能,全部變成 API、MCP 工具、CLI 指令。講白話就是:以後 AI agent 不用打開瀏覽器,就能直接指揮整套 CRM。

你知道為什麼嗎?因為 Marc Benioff 自己先問了一個問題:「你為什麼還要登入 Salesforce?」

重點是什麼?

一家 27 年、靠賣 SaaS 訂閱席次起家的巨頭,現在跟你講:UI 不重要了,來人,把牆拆了。

企業導入 AI Agent 的常見挑戰與技術瓶頸

這不只是 Salesforce 的問題。

如果你手上在管一家電商品牌,或者你在代理商負責客戶營運,這兩年一定體感很強。大家都在喊 AI、喊 agent、喊 copilot,但實際要做起來的時候,工程師和行銷窗口都會跑來跟你講同一句話:

「這個東西跑起來很神,但我不敢動它。」

為什麼?因為 LLM 本質是機率系統,但企業要的是確定性結果。你改一個 prompt,先前跑過的 50 個測試案例全部都得重來。上線之後,大家都不敢往前走一步。

這叫冰封的創新。

Salesforce 自家的 EVP Govindarjan 在 VentureBeat 訪談 裡講得很白:「客戶靠硬幹把 agent 弄上線,結果變得不敢動。你改一個地方,不知道會不會 100% 還能正常運作。」

什麼是 Salesforce Headless 360?用外送這件事看懂它在做什麼

想像一下你早上打開電腦,登入你家的 CDP 後台。篩標籤、撈名單、排 EDM、看 GA、丟給廣告團隊。這流程你熟,你的同事熟,你們的代理商也熟。

現在 Salesforce 的動作是什麼?他們講:以後這整套自動化工作流,agent 全部自己來。你只要跟它講「幫我抓上個月沒回購的高價值客戶,丟一封召回信」,剩下的它自己串。

這就像從逛大賣場進化到叫外送。

以前你得自己推著推車,在走道之間繞來繞去,找到商品才能結帳。現在你只要講「我晚餐想吃清爽一點」,外送 app 幫你選、幫你點、幫你叫車。

但這邊有個關鍵:外送 app 要能運作,餐廳的後廚必須改造成「不用走進店裡也點得到」的樣子。

這就是 Headless 架構在做的事。把所有後廚流程變成 API,菜單變成 MCP 工具,廚房指令變成 CLI。Salesforce 拆掉的,是那道「非得從 UI 走進去才能做事」的牆。講技術一點,就是把 UI 層跟商業邏輯層徹底解耦,讓 API 整合變成第一公民。

Salesforce Headless 360 四層架構:API / MCP / CLI 三種入口全開放,AI agent 從任何地方接進來
Headless 360 把 Salesforce 的四層平台(Data 360 / Customer 360 / Agentforce / Slack)每一層都開出 API、MCP、CLI 三個入口,Claude Code、Cursor、Codex、ChatGPT 都能直接接進來。

企業級 AI Agent 架構解析:面客型 vs. 內部型

接下來更有意思。Govindarjan 在訪談裡講了兩種 AI Agent 企業應用架構,這個觀念你一定要記住。

架構名稱適用場景技術本質範例
面客型Static Graph(Agent Script)跟終端客戶互動狀態機,流程寫死,品牌規則固定客服 bot、到站推薦、線上顧問
內部型Ralph Wiggum Loop員工工作流動態圖,執行時才展開,走一步看一步數據研究、寫 code、產 campaign brief

面客 agent 不能亂跑。客戶今天問退貨,它不能自創劇本回「來玩個遊戲吧」。所以要用 Agent Script(Salesforce 這禮拜剛開源的 DSL)把它寫成狀態機,該走哪一步就走哪一步。

內部 agent 反過來,越開放越好。反正輸出都會有一個專家(就是你)再過目一次,讓它自由發揮問題不大。

重點是什麼?

兩種 agent 跑在同一個平台、同一套圖引擎底下。你不用為了客服養一套 stack、為了內部研究再養一套 stack。

這個判斷很重要。我這幾年看太多台灣品牌端在這件事上燒錢。為了面客做一套 chatbot 團隊,為了內部自動化再做一套 RPA 團隊,兩邊技術堆疊完全不一樣,連資料都不互通,最後每季對帳都在吵誰該算誰的成本。

如果你問我,這波 Salesforce 真正的訊號不是 MCP 有多威、也不是 Agent Script 開源,而是一件事:同一套基礎設施,要能同時吃得下面客和面內部兩種場景。

兩種 Agent 架構對比:面客用 Static Graph 寫死流程,面員工用 Dynamic Graph 讓 LLM 自由推理
面客寫死、面員工放開,底下跑在同一套圖引擎。別把戰場搞混。

企業如何準備 Headless 應用與 AI Agent 佈局?五個行動清單

#行動核心任務注意事項
1盤點後台可 Headless 程度問一個問題:agent 不透過 UI 能完成 80% 操作嗎?答案若是「沒辦法」,接下來一年 OKR 就在這裡
2分清兩種 Agent 戰場面客寫死、面員工放開搞混了兩邊都會出事
3Slack/Teams/LINE 變成工作前台統一溝通管道,別再一個工具一個帳號員工打開電腦第一眼不會是 CRM,會是聊天室
4盯緊 Token 成本管理從 per-seat 改成 consumption-based明年 CFO 會問你「這個 campaign 燒了多少 token」
5先用現成 Agent,別急著自己寫AgentExchange 上 1000+ agent 直接接試一個月不合用再換,不要從零自建

這才是真正的「數位轉型」

這波 Salesforce 的轉身,台灣大部分人還沒跟上。但你仔細看它做的三件事:

  1. 把平台拆成 Headless
  2. 把收費從席次改用量(consumption-based)
  3. 把前端交給 Slack

每一件事都在回答同一個問題:當 agent 變成主要使用者,企業軟體該長什麼樣子?

SaaS 二十年演化:從 per-seat UI-first 到 agent-native headless,使用者從人類轉向 Agent
從 2005 Web SaaS 到 2026 Agent-native Headless,使用者從人類轉向 Agent,收費從席次轉向用量。UI 的舊時代正在結束。

我這七年從工廠業務做到數位行銷,看過太多「把網站改版就叫做數位轉型」的案例,說實話很多都是自欺欺人。

這次不一樣。Salesforce 現在在做的事,是把 27 年累積下來的 UI 整個推平,然後跟你講:真正值錢的從來都不是那個介面。是底下的資料、自動化工作流、信任機制。

也許就在今年、也許就在明年、也許就在後年吧?反正,你家 agent 第一次自己下單的那一刻,就是傳統 SaaS 舊時代結束的那一天。

切入重點,你現在就去看你家後台有沒有 API 文件。

沒有?那你知道下禮拜的 OKR 要加什麼了。


參考資料

Read more

AI Agent 時代新護城河:為什麼第一方資料比模型更關鍵?

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

By Lewis wang
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

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

今年五月四號,OpenAI 和 Anthropic 這兩家全世界最會做 AI 模型、平常針鋒相對的公司,在同一天各自宣布要成立一個專門幫企業導入 AI 的合資公司。 Anthropic 那家,找來 Blackstone、Goldman Sachs 等一票華爾街資金,規模 15 億美元。OpenAI 那家更直接,取名叫「The Deployment Company」(部署公司),募了 40 億美元,估值一口氣衝到 100 億美元。 兩家死對頭難得有志一同,而且嘴上掛的是同一個詞,叫 FDE,Forward Deployed Engineer,中文翻成「前線部署工程師」。 你可能沒聽過這個詞。但如果去翻 Y Combinator(矽谷最有名的新創加速器)的徵才看板,現在有超過

By Lewis wang
你的 AI 不是不夠聰明,是你管太多:Code with Claude London Day 2 全 13 場,給電商老闆的三條 AI 治理

你的 AI 不是不夠聰明,是你管太多:Code with Claude London Day 2 全 13 場,給電商老闆的三條 AI 治理

你有沒有過這種經驗。 剛開始用某個 AI 工具的時候,它意外地好用。然後你想讓它更好,於是多寫了一條規則。又遇到一個漏洞,再補一條。再來一個例外狀況,又補一條。三個月後,你回頭看那段 prompt,已經長到自己都不想讀,而 AI 呢?反而越來越笨,越來越常給你莫名其妙的答案。 如果你問我,這幾乎是每個認真用 AI 的人都會踩的坑。 Anthropic 前陣子把開發者大會「Code with Claude」開到了倫敦。我之前把第一天的 24 場演講整理成一篇導覽,那是「現況盤點」,台上的人在講模型進化到哪、產業瓶頸移到哪,比較像產業 keynote。想補課的可以先看那篇 Day 1 全 24 場筆記。 這篇要講的是第二天,跟 Day 1 不同天。

By Lewis wang
王董週刊 #4 — AI 搜尋把 SEO 重寫了:你拼的不再是排名,是 AI 願不願意提到你

王董週刊 #4 — AI 搜尋把 SEO 重寫了:你拼的不再是排名,是 AI 願不願意提到你

本週週刊主軸:2026 年 5 月,Google 連續出手三招,等於宣告 SEO 換了一張新地圖。你拼的不再是「擠進前十名」,而是「成為 AI 願意引用、推薦、選擇的來源」。 同場短訊涵蓋:AI agent 真的進公司了、Gary Vee 談真話、Anthropic 進金融、零售媒體下半場(捲到下方〈本週短訊〉) 切入重點。 過去十幾年,我們做 SEO 拼的是什麼?拼排名。 想盡辦法把那個藍色連結擠進 Google 第一頁,最好前三名。你知道為什麼嗎?因為第一名吃掉三成點擊,掉到第二頁,幾乎等於不存在。這套規則簡單粗暴,但至少看得懂:使用者搜尋、看到結果、點進來、轉換,

By Lewis wang