Related articles
当大语言模型与 AgenticAI（智能体） 从试验场进入企业级生产环境，SaaS 行业的底层价值逻辑正面临系统性重估。
这一轮变革的核心，正指向 「AI CRM 2.0」 的全面到来——它不再是传统 CRM 的功能升级，而是对 CRM 本质的一次系统性重构。行业正经历从 「记录系统」 向 「执行系统」 的实质性跨越。
正如 Salesforce CEO Marc Benioff 在近期公开表明的产业论断：第三波 AI 浪潮属于智能体 （Agents），它正在彻底超越辅助性质的 Copilot 模式，全面走向自主执行 （Autonomous action）。
无论是全球巨头 Salesforce 在 2026 财年全面押注 Agentforce，微软加速推进 Dynamics365 的智能体渗透，还是腾讯旗下厂商销售易刚刚发布的 NeoAgent2.0。其技术演进与商业化落地的核心，均指向了企业级 AI 落地的真实商业门槛：企业级执行范式的约束、底层数据的强制准备、业务语义的重构，以及 SaaS 传统计费模式的艰难转型。
而这也正是 「AI CRM 2.0」 需要回答的核心命题：如何让 CRM 从 「记录发生了什么」 进化为 「驱动增长发生」。
企业级执行范式与底层数据重构
在开源框架的冲击下，通用 Agent 能力的构建门槛正在快速降低并趋于标准化。然而，大型企业并未直接使用开源 Agent 接管核心业务，其核心阻碍在于个人级与企业级在执行范式上的巨大鸿沟。
个人使用的 Agent 可以相对自由地自动执行全链路任务。但在企业级 CRM 中，业务流转受到严格的组织架构与流程约束。以线索转化为商机为例，这不仅涉及状态的变更，还包含严密的条件校验与多角色通知分发。
AI 不能跨越权限边界随意查询和修改底层数据。企业级 AI 的每一次关键操作，都必须在受控框架下运行，并在必要节点向人类专家发起确认请求。这种应对高频业务变动、权限隔离与复杂 SOP（标准作业程序） 的系统工程化能力，依然是专业 CRM 厂商不可被开源工具轻易替代的底层壁垒。
在 AI CRM 2.0 的框架下，这种 「受控自主执行」 能力，成为衡量系统是否真正具备企业级交付能力的首要标准。
销售易 CTO 刘志强直言了这种企业级落地的隐性门槛：「大众可能有一个误区，觉得接入大模型就能解决所有问题。但在企业级环境中，如何基于一套语义模型最终跟 AI 联动，让 Agent 在受控状态下精准理解业务领域并转化为实际的数据操作，这其实是一个极其复杂的工程化问题。」
同时，企业级 AI 要实现从 「辅助建议」 到 「自主干活」 的迭代，必须直面真实的底层数据生态。传统 CRM 本质上是基于结构化表单的客户记录管理。但在真实的 B2B 商业环境中，大量极具价值的业务逻辑沉淀在非结构化的会议录音、邮件往来和即时通讯对话中。
如果没有这些一线销售与客户的高频沟通记录作为高质量的养料，AI 的业务增长引擎仅仅是空中楼阁。
因此，系统需要优先调用语音转文本、文档解析等原子能力，自动感知并接管非结构化数据，将其转化为 AI 友好的输入格式。
跑通业务语义：从查字段到懂业务
解决了数据输入，AI 面临的下一道高墙是理解复杂的企业系统环境，即构建 「业务语义本体」。
通用大模型无法直接关联企业黑盒内的数据逻辑。当管理层要求查询 「最近七天投诉最多的客户」 时，缺乏语义支撑的 AI 无法将 「投诉」 准确映射至系统中具体的工单类型及对应的客户实体。
厂商必须进行语义增强，将人类可读的系统架构，转译为 AI 可理解的业务元数据。这正是 AI CRM 2.0 区别于传统 CRM 的关键分水岭：从 「流程驱动管理」 走向 「语义驱动执行」。
「传统 CRM 依赖结构化表单，而大量高价值信息 （如对话、文档、邮件） 却被搁置在外，AI 无从理解。核心突破在于将这些数据统一加工为 AI 可理解的语义数据，让 AI 真正从 『读懂字段』 进化为 『听懂业务』。」 销售易产品副总裁罗义所指出。
降落到真实的 B2B 销售实战中，业务语义的价值更加具象。
在打单过程中，担当 「大脑」 角色的 AI，需要通过分析往来邮件和沟通记录，精准提取并判断谁是具备决策权的支持者，及其对项目的真实态度。
随后，AI 需将这些零散信息与企业既定的销售方法论相匹配，推演单子当前所处阶段，判断是否具备推进条件。最终自动生成预警或向销售下发后续的拜访任务。这种将行业 Know-how 沉淀为机器可执行指令的过程，正是 AI CRM2.0 实现价值交付的核心。
值得注意的是，近期围绕 「龙虾」 等智能体工作流编排能力的讨论，恰恰印证了业务语义从 「理解」 走向 「执行」 的重要性。所谓 「龙虾」，本质上是一套将业务语义转化为跨系统自动化操作的能力框架——
它不再满足于告诉销售 「应该做什么」，而是直接在销售熟悉的交互界面中，完成从商机监控、主动触达到 CRM 自动填录的全流程闭环。当销售用一句话完成过去需要多次点击才能实现的跨系统操作时，背后起作用的正是语义模型对业务逻辑的精准理解，以及工作流编排对执行路径的完整封装。
这种 「语义+编排」 的组合，正在将 AI CRM 2.0 从 「能听懂业务」 推向 「能自主干活」 的新阶段。
SaaS 计费模式的瓦解
AI 对 CRM 赛道最深远的冲击，是对其底层按坐席 （License） 收费模式的结构性瓦解。
AI 作为数字劳动力，客观上具备消减人类工作量的属性，这直接威胁了传统 SaaS 赖以生存的年度经常性收入 （ARR） 增长逻辑。
为了对冲风险，行业正深陷计费模式转型的泥潭，目前厂商大多妥协于按用量 （Consumption/Credit） 收费的中间态。
但这种模式的弊端已然显现：一旦 Agent 高频自动运转，不可控的庞大算力消耗让企业客户难以承受成本压力。
Salesforce 的 2026 财年财报披露，其 Agentforce 已累计处理高达 19 万亿个 Token；为覆盖这种量级的 AI 基建支出，微软也在 2026 年初宣布将于 7 月对 Microsoft365 商业版全面提价。
在 AI CRM 2.0 的语境下，计费模式的变革不再只是定价方式调整，而是对整个价值交付体系的重新定义——从 「卖软件」 走向 「卖智能」。
行业的终局愿景是迈向按 「业务价值单元」 或 「最终结果」收费。但这一模式面临着严峻的度量难题：在一笔复杂的 B2B 成单中，究竟多少业绩归功于一线销售的执行，多少应归因于 AI 的洞察干预？这种确权与归因在实际运作中极难厘清。
面对短期内无法彻底解决的归因悖论和高昂的推理成本，SaaS 厂商的务实选择是推行 「基础平台订阅费+Credit 消耗费」 的混合模式。
同时，单打独斗的 SaaS 企业无力独揽底层模型开销，必须依附算力巨头构建生态防御。例如销售易深度绑定腾讯云基础设施与混元大模型，以此在算力支撑与场景落地上形成商业闭环。
可以说，谁能在 AI CRM 2.0 时代率先跨越数据与权限的执行阻碍，谁能在高昂的推理成本下理顺数字员工的计费账本，谁才能真正握住企业服务下一阶段的定价权。（本文首发钛媒体 APP，文 | DeepWrite 秦报局，作者｜秦聪慧）
