AI Agent开始进入企业组织：27,000名员工背后，Salesforce想让AI成为“数字同事”

如果 AI Agent 只会回答问题，它仍然只是一个更聪明的聊天机器人。

真正值得关注的变化是：

AI Agent 开始进入企业组织，成为员工日常工作流程中的“数字同事”。

2026 年 9 月，Adecco Group 宣布在全球 40多个国家和地区、约27,000名员工范围内推出 Salesforce 的 Agentforce Coworker。

这不是一次普通的聊天机器人上线。

它背后代表的是一个很重要的企业 AI 变化：

Salesforce 将 Agentforce Coworker 定义为一种 AI teammate，可以从企业已有的数据和系统中回答员工问题，并在需要时协调其他 Agent 执行任务。

而 Adecco 的案例，则把这种模式进一步推进到了全球大规模招聘业务。

---

一、先别把它理解成“企业版ChatGPT”

看到 Agentforce Coworker，很多人的第一反应可能是：

“这不就是一个企业内部 ChatGPT 吗？”

如果只是：

员工 → AI → 回答问题

那么确实没有太大的架构创新。

但 Agentforce Coworker 的设计并不止于回答问题。

Salesforce 官方的定义是：

它可以基于企业已有的、经过权限控制的数据回答问题，并在任务需要执行操作时，协调已有的 Agent 或专用 Agent。

因此，更准确的架构是：

这里出现了一个非常重要的区别：

AI 不再只是企业软件的“搜索框”，而开始成为企业软件的“操作入口”。

---

二、Adecco是一个非常典型的案例

Adecco 是一家全球人才、招聘和人力资源服务企业。

这意味着它每天面对的是一个非常典型的“信息密集型工作”：

职位
候选人
客户
简历
面试
招聘流程
地区
岗位要求
候选人匹配

而且这些信息并不是存在于一个数据库里。

通常会分散在：

CRM
HR系统
候选人系统
邮件
文档
聊天工具
区域业务系统

这会产生一个非常典型的问题：

员工不是没有数据，而是数据太多、太分散。

Adecco 官方案例显示，其每年管理约 3亿份申请，业务覆盖60多个国家。其目标之一就是利用 Data 360 统一数据，并把 Agentforce 嵌入招聘流程。

这也是为什么招聘场景非常适合 Agent。

---

三、真正的问题不是“找数据”，而是“理解数据”

传统企业软件的工作方式：

这实际上是：

人负责理解系统，系统负责提供数据。

AI Agent 的思路恰恰相反：

例如员工可以问：

“这个职位目前有哪些合适的候选人？”

系统背后可能需要完成：

这已经不是简单的关键词搜索。

它需要：

理解问题 → 找数据 → 综合信息 → 给出答案。

---

四、但“回答”只是第一步

这是 Agentforce Coworker 最值得关注的地方。

Salesforce 官方明确区分了两类需求：

第一类：我想知道

例如：

“这个客户最近有哪些变化？”

这种任务主要是：

第二类：我想做

例如：

“帮我更新这个客户的信息。”

或者：

“帮我提交 PTO 请求。”

这时就变成：

Salesforce 官方给出的例子包括 PTO Request Agent、Deal Risk Agent 和 Product Configuration Agent。

因此：

企业 Agent 的真正价值不是“回答问题”，而是“推动工作继续往下走”。

---

五、这就是“AI Coworker”这个概念的核心

传统软件：

员工
 ↓
工具
 ↓
员工操作

AI Coworker：

因此 AI Coworker 更接近：

企业内部的任务协调层。

可以把它理解成：

这比传统的：

“企业内部聊天机器人”

高了一个层级。

---

六、Agentforce Coworker更像一个“Agent路由器”

如果一个企业里面只有一个 Agent，那么架构非常简单：

员工
 ↓
Agent

但大型企业不可能只有一个 Agent。

例如招聘企业可能拥有：

Recruitment Agent
Candidate Agent
Interview Agent
Customer Agent
Contract Agent
Analytics Agent

于是：

员工不需要知道：

“到底应该找哪个 Agent？”

只需要告诉 AI：

“帮我完成这个事情。”

然后由 Coworker 判断：

这是查询？
还是分析？
还是执行？
应该调用哪个Agent？
需要哪些数据？

所以可以把它理解成：

Agent workforce 的入口。

Salesforce 自己也将 Agentforce Coworker 描述为整个企业 Agent workforce 的“front door”。

---

七、它和传统的企业搜索有本质区别

这是非常值得区分的一点。

传统企业搜索：

例如：

“Adecco customer ABC”

系统返回：

10条记录
20个文档
5封邮件

然后：

员工自己判断这些信息意味着什么。

AI Coworker：

因此：

传统搜索返回信息，AI Coworker 返回经过上下文理解的信息。

更进一步：

Agent 还可以把信息转化成行动。

---

八、真正重要的是“Data + Agent”

为什么 Salesforce 强调 Data 360？

因为 Agent 的能力最终受到数据质量的限制。

假设：

Agent 很聪明
+
数据分散
+
数据不完整
+
权限混乱

那么结果仍然可能不好。

因此企业 Agent 的核心架构实际上是：

这里形成了一个闭环：

这和普通聊天机器人最大的区别就在这里。

---

九、Adecco的案例给出了一个很有意思的数据结果

Adecco 官方目前公布了一些 Agentforce 部署结果：

• 招聘端到端流程速度提升 28%
• Job campaign 准备时间减少 93%
• 使用 Agentforce 进行筛选的候选人，被录用的可能性为其他候选人的 2倍
• 已连接 60多个区域系统

这些数字属于 Salesforce 对 Adecco 客户案例的公开披露，因此应理解为企业案例数据，而不是对所有企业部署效果的普遍保证。

这个区别非常重要。

我们不能简单得出：

“用了 Agentforce，招聘效率就一定提高28%。”

更准确的说法是：

Salesforce 和 Adecco 公布的案例数据显示，在该部署中观察到了这些结果。

对于企业 AI 来说，这种表述更加严谨。

---

十、招聘特别适合Agent

招聘其实是一个非常典型的 Agent 工作流。

例如：

过去：

大量工作都需要人工完成。

Agent 化之后：

于是招聘顾问的角色可能逐渐从：

“执行大量重复操作”

转变为：

“监督 AI 执行，并处理复杂的人际和业务判断。”

---

十一、Agent并不会简单替代员工

这里有一个很容易产生误解的地方。

“AI Coworker”这个名字容易让人想到：

AI 来替代员工。

但从 Agent 的实际架构来看，更合理的理解是：

AI 更擅长：

• 搜索
• 信息整理
• 数据匹配
• 重复操作
• 流程自动化
• 大规模数据处理

而人在很多场景仍然需要负责：

• 业务判断
• 客户沟通
• 复杂谈判
• 风险决策
• 例外处理
• 最终确认

因此：

Agent 更像是在重构员工的工作流程，而不是简单地增加一个聊天窗口。

---

十二、企业Agent最大的难题其实是权限

这一点和我们上一篇讲的 Agent-to-Agent 非常相似。

假设一个员工问：

“帮我找出这个客户所有相关信息。”

Agent 可以访问：

CRM
Slack
文件
邮件
招聘系统
财务数据

但是：

它不能因为自己是 AI，就自动获得所有数据权限。

Salesforce 官方明确强调，Agentforce Coworker 会遵守用户原有的数据访问权限。对于 Salesforce 数据，用户只能获得自己原本有权限查看的记录和对象；外部数据源也需要遵守相应的访问控制。

所以企业 Agent 的架构必须是：

这也是企业 Agent 和普通个人 AI 最大的区别之一。

---

十三、企业Agent不能只看“聪不聪明”

如果是个人 ChatGPT：

回答错了
 ↓
重新问一次

问题可能不大。

但企业 Agent 如果：

自动修改CRM
自动发送邮件
自动创建合同
自动处理候选人
自动更新客户信息

一旦判断错误，可能直接造成业务损失。

所以企业 Agent 的评价指标不能只有：

Accuracy

还需要：

Permission
Auditability
Reliability
Observability
Human Approval
Rollback

也就是说：

企业 Agent 的核心不是“让 AI 更自由”，而是“让 AI 在边界内可靠地执行”。

---

十四、从Chatbot到Coworker，最大的变化在于角色定位

可以把这几个阶段放在一起看：

Chatbot

你问
 ↓
AI回答

Copilot

你工作
 ↓
AI辅助

Agent

你提出目标
 ↓
AI自己执行多个步骤

AI Coworker

Agent Workforce

Adecco 这次大规模部署，真正值得关注的是最后两层。

---

十五、Agent开始成为企业组织的一部分

过去企业组织是：

未来可能出现：

这意味着：

AI Agent 开始从“软件功能”向“组织成员”演化。

当然，这里的“成员”是一个技术架构上的比喻，并不意味着 AI 与人承担相同的法律、管理或责任角色。

真正发生变化的是：

企业工作流开始把 AI Agent 当成可以分配任务、调用能力和返回结果的软件实体。

---

十六、企业AI的下一步可能不是“更多聊天机器人”

过去很多企业 AI 项目：

建立一个内部AI Chatbot
 ↓
员工问问题
 ↓
AI回答

这类系统解决的是：

信息获取问题。

而 Agent 系统解决的是：

工作执行问题。

区别非常明显：

这才是 Agent 真正有价值的地方。

---

十七、未来企业的软件入口可能发生变化

今天：

员工需要学习大量软件。

未来可能变成：

员工不需要记住：

“这个功能在哪个系统？”

只需要告诉 Agent：

“我想完成什么。”

然后由 Agent 找到：

这实际上是一种：

从 Application-centric 转向 Intent-centric 的企业软件交互方式。

也就是：

今天

我知道这个功能在哪，所以我去操作它。

未来

我只需要告诉系统我想完成什么。

---

十八、但真正决定成败的仍然是企业基础设施

不要以为：

装上Agent
 ↓
企业AI转型完成

真正的基础设施至少包括：

其中任何一项不足，都可能限制 Agent 的实际价值。

尤其是：

Data + Identity + Permission + Workflow

这四个部分。

---

十九、写在最后：AI开始从“工具”变成“同事”

Adecco 的 27,000 名员工、40多个国家和地区的 Agentforce Coworker 部署，真正值得关注的并不是一个具体产品的名字。

而是企业 AI 正在发生一个角色变化：

第一阶段：

AI = 工具

第二阶段：

AI = Copilot

第三阶段：

AI = Agent

第四阶段：

AI = Coworker

第五阶段：

AI = Agent Workforce

在这个过程中，AI 不再只是：

“帮我写一封邮件。”

而开始变成：

“帮我完成这件事情。”

两句话只有几个字的差别，但背后的技术架构完全不同。

前者需要：

生成

后者需要：

理解
+
Context
+
数据
+
Reasoning
+
Tools
+
Agent
+
Workflow
+
Permission
+
Action

因此，Adecco 这次部署最值得关注的技术趋势可以总结成一句话：

企业 AI 的下一阶段，不是让员工拥有更多 AI 工具，而是让 AI Agent 真正进入企业工作流。

当 AI 开始能够读取企业上下文、理解员工意图、调用专业 Agent，并最终推动业务系统发生变化时：

AI 才真正从“聊天窗口”走进了企业。

---

参考资料

1. Salesforce：The Adecco Group accelerates recruitment worldwide as an Agentic Enterprise
   Salesforce 官方案例

2. Salesforce：Meet Your Users’ New AI Teammate — Agentforce Coworker
   Salesforce 官方技术介绍

3. Salesforce Help：Agentforce Coworker Automatic Enablement
   Agentforce Coworker 官方文档

4. Salesforce：Agentforce 官方新闻与产品动态
   Salesforce Agentforce 官方页面