CRM 的下一阶段价值，不只是记录客户发生过什么，而是让 AI Agent 在有上下文、有权限、有边界的前提下理解客户、推进业务。真正的问题始终是：这些上下文从哪里来，由谁治理，又如何转化为可验证的经营结果？CRM 的下一阶段价值，不只是记录客户发生过什么，而是让 AI Agent 在有上下文、有权限、有边界的前提下理解客户、推进业务。真正的问题始终是：这些上下文从哪里来，由谁治理，又如何转化为可验证的经营结果？

核心判断

CRM 正从客户信息记录系统，向客户经营的智能执行系统演进。

但有一个判断需要先收窄。“Agent 记忆层”是一个有解释力的比喻，不宜当作对 CRM 的完整定义——Agent 所需的上下文并不都在 CRM 里，CRM 也未必天然拥有企业级 Agent 的统一控制权。

2026 年秋，Salesforce 与 HubSpot 的产品动作给出了同一个信号：竞争重点正从 AI 助手功能，扩展到业务上下文、工作流执行、权限治理与多 Agent 协作。Salesforce 把自身的数据、应用、工作流和业务上下文带进 Claude、Slack 等工作界面，并强调沿用既有权限治理；HubSpot 推出 Context Home，配合自动更新的 Smart CRM 与 Breeze Assistant，让 Agent 基于更完整的业务与客户上下文执行任务。

这不意味着 CRM 已经成为 Agent 的记忆层，更不代表所有客户上下文都应归 CRM 所有。更准确的判断是：CRM 正在争夺客户经营场景中的重要上下文入口与行动节点。谁能稳定地把多源信号转化为可信、可治理、可执行的业务上下文，谁才更有机会成为 Agent 工作流中的关键基础设施。

图表 1｜CRM 的角色迁移

一、Agent 的瓶颈不只在推理

要让 Agent 稳定完成一项真实业务，它需要理解的东西比模型能力多得多：企业的产品与价格体系、服务边界、客户画像、销售方法、审批红线，以及某个具体客户此前发生过什么。这些事实、规则与历史互动合在一起，才是 Agent 的业务上下文。

难点在于，这些东西在企业里从来不集中。它们散落在 CRM 字段、邮件、会议记录、协作平台、业务系统、文档，以及员工的经验里。Agent 就算能把数据读出来，也不一定能正确解释它。

一次客户访问、三张支持工单、一道商机阶段变更——这些是事件。这些事件是否意味着购买意向、服务风险或续约机会，需要结合时间、客户关系、业务规则和历史互动才能判断。同一组数字，放在不同的客户身上，结论可以完全相反。

所以，“数据”和“上下文”可以作为一个分析上的区分：数据提供事实与事件，上下文提供解释、约束与行动依据。需要强调的是，二者不是互斥的两类资产。高质量上下文通常由结构化数据、非结构化内容、业务规则、来源信息与实时状态共同构成。把上下文等同于一组静态知识字段，会忽略数据新鲜度、来源可信度、权限与冲突处理——而这几项恰恰是决定它能不能用于业务动作的关键。

同样，Agent 的实际能力也不能只看它能否生成答案。企业还要看它是否在权限范围内调用工具、是否把动作写回业务系统、能否处理异常并请求人工介入，以及结果是否可追踪、可评估。

Gartner 2026 年针对 3,566 名 B2B 与 B2C 客户的调查提供了一个有用坐标：58% 使用过生成式 AI 的受访者曾用它代办任务，在 B2B 客户中这一比例为 74%；与此同时，87% 的客户认为使用生成式 AI 提供服务的企业必须保留转人工选项。[3]

两个数字放在一起看，结论比任何单独一个都更接近现实：客户对“能办事”的 AI 有兴趣，但信任仍依赖清晰的人机协作与人工兜底。

图表 2｜客户对 AI 的两种期待

二、两家路径：一方聚焦上下文，一方扩展平台入口

HubSpot：把企业上下文整理成 Agent 可用的基础

HubSpot 在 2026 年秋季发布中推出 Context Home，与自动更新的 Smart CRM、Breeze Assistant 等能力结合。产品思路是把企业、团队与客户相关信息集中管理，让 Agent 在营销、销售、服务任务中调用更完整的上下文。

这条路线强调组织知识的集中整理与内部 Agent 的一致性。它的关键挑战不只是“能不能把上下文录进去”，还包括信息如何自动更新、如何记录出处与有效期、多部门记录冲突时如何处理，以及维护成本能否被控制。

关于效果，HubSpot 披露了一组引人注目的数字：使用 AI 且具备高质量上下文的 Professional、Enterprise 客户，MQL 数量为未使用 AI 的同级客户的 3.6 倍、成交数为 3.2 倍、解决工单数超过 2 倍。

这组数字需要谨慎解读。比较同时涉及 AI 使用与上下文质量两个变量，披露材料没有提供足以拆分两者贡献的完整样本、控制变量与因果识别方法。因此，它能说明的是 HubSpot 观察到的群体差异，而不是“Context Home 导致成交增长 3.2 倍”。任何单因果表述都不成立。

Salesforce：把 CRM 能力带到更多工作界面

Salesforce 在 Dreamforce 2026 宣布 AIforce，提出让用户在 Claude、Slack 或 Salesforce 等界面调用 Salesforce 的数据、应用、工作流与业务上下文，并沿用既有权限设置。同期还发布了 Agentforce Coworker、预构建岗位型 Agent、多 Agent 编排、长周期 Agent，以及 CRM 推理模型 Koa。

战略意图很清楚：把平台能力从单一 CRM 界面扩展到更多工作入口。但有一个边界必须说清楚——"外部界面可用"不等于"任意外部 Agent 都能无限制访问"。实际可用范围仍受产品可用状态、连接方式、权限与治理政策约束。任何"把全部企业知识开放给任意 Agent"的说法都超出了现有材料能支持的范围。

Koa 也值得单独看。它被官方定位为 CRM 推理模型，基于合成场景训练，计划在 Salesforce 自有基础设施中运行。这是一个产品设计选择，应当按选择本身来介绍，不宜由此推演成"Salesforce 不重视模型"，也不宜反向推演成"专用模型必然优于通用模型"。Salesforce 与 NVIDIA 的公开信息称，Koa 面向 CRM 工作流推理；其实际效果仍应结合公开基准、评测范围和真实生产表现判断。[4]

两条路径，不必简化成封闭与开放

两家路径的差异可以从四个分析维度对照：

两者不必被描述为互相排斥的路线。一家偏重上下文的集中管理，另一家强调平台能力的跨界面延伸。现实中客户很可能同时使用 CRM、数据平台、协作工具和独立编排层。

竞争焦点因此不是"谁拥有记忆"，而是谁能在具体业务场景中可靠地获取、解释、治理、更新上下文，并安全地采取行动。

三、上下文治理是产品能力，不是一次性整理

上下文不是写进知识库就一劳永逸的。产品会迭代，价格会调整，组织结构会变动，客户状态和销售方法一直在变。同一条信息还可能来自不同系统、不同角色、不同时间。Agent 一旦把过时信息当成当前事实，错误就会从内部报表扩散到外部客户互动和实际业务操作——这个扩散路径，和传统 BI 的时代完全不同。

一个可用的企业级上下文系统，至少要能回答五个问题：

• 来源与时效： 信息来自何处、何时更新，是否有可信度标识与有效期？
• 语义与关系： 系统是否理解客户、联系人、商机、产品、合同、服务之间的业务关系？
• 权限与用途： 哪个员工或 Agent 可以读取、修改，以及用于哪一类决策？
• 冲突与纠错： 多个系统记录不一致时，如何确定权威来源并纠正错误？

• 效果与审计： Agent 使用了什么上下文、采取了什么动作、结果如何，能否复盘？

这五个问题里，来源时效和权限用途尤其关键，却常常没有在产品介绍中被充分展开。

厂商数据只能作为信号

HubSpot 披露的上下文业绩倍数，可以视为市场对"上下文与 AI 结果相关联"的厂商信号，但不构成因果证据。

比那组倍数更值得讨论的是一个结构性变化：当 AI 开始执行客户可见、或直接影响收入的任务，数据质量问题就不再只是报表问题。它会直接表现为错误触达、商机误判、服务动作失当、续约风险漏报。这就是为什么数据质量治理会逐渐成为 Agent 运营的一部分，而不是 IT 部门可以外包的杂活。

关于业务价值，也需要避开一个流传很广但口径含糊的说法。"AI 编排最多缩短销售周期 30%"这一数字缺少足够清晰、匹配的原始来源，不宜用来证明普遍收益。

麦肯锡 2025 年关于 B2B 销售的研究给出了更可用的替代口径：某些金融服务企业通过 Agentic AI 重构获客与客户关系管理工作流，实现每位客户经理收入提高 3%–15%、服务成本降低 20%–40%。这是特定行业与特定工作流的结果，不能直接外推到所有 CRM 项目；但它至少可以被追溯、讨论与验证。

图表 3｜Agent CRM 价值评估四级指标与证据链

四、竞争边界不止 CRM 厂商

CRM 厂商在争夺客户上下文与业务行动节点，但进入企业工作流的远不止它们。数据平台、协作软件、模型提供方和独立 Agent 编排平台都在同一张桌上，而且各有优势：数据平台更适合连接多源数据，协作工具最靠近员工日常工作，独立 Agent 平台强调跨系统编排，CRM 通常掌握较多客户、商机与服务流程信息。真实的企业架构，往往由多类系统共同组成。

一个值得记录的信号是独立 Agent 平台 Wonderful：该公司于 2026 年 9 月宣布完成 5.5 亿美元C 轮融资，估值 50 亿美元，Salesforce 参与本轮投资。

这笔投资能说明的是，企业 AI 编排赛道正在获得资本与大型软件公司的关注。它不足以单独证明 Salesforce 将 Wonderful 视为竞争对手，更不能据此断言企业上下文的归属权正在离开 CRM。投资行为通常包含多种战略与财务考虑，任何关于投资方动机的判断都应明确标记为推论，而不是事实。

一个结构性风险：可靠性

如果 CRM 从记录系统扩展为 Agent 的调用与执行节点，它的可用性、延迟、权限错误率和审计能力就会更直接地影响业务流程。上下文再完整、治理再严密，底层平台不稳定，一切都会受到影响。

讨论任何厂商的服务中断，都应引用官方事件公告或状态页，准确限定影响范围与原因。除非有明确证据，不应把平台中断与该厂商的 Agent 产品建立因果关联——两件事在时间上相邻，不等于在因果上相连。

五、中国市场：触点、语义与闭环

"中国企业的上下文不在 CRM 里"是一个过于绝对的判断。更准确的说法是：中国企业的客户经营信息，往往分布在比 CRM 更宽的触点上。

企业微信、微信生态、电商与内容平台、客服系统、ERP，乃至线下拜访——不同企业、不同行业、不同经营模式的数据分布差异很大。把某一类企业的经验概括为全国市场事实，是这类讨论最常见的失真方式。

但由此可以拆出一组真正可检验的差异化能力。中国市场的差异化不应只表述为"更懂中国客户"，而应落到具体能力上：

• 能否在合规授权与平台规则允许的前提下，接入多渠道客户信号；
• 能否把分散的沟通、内容互动与交易事件，准确关联到正确的客户与业务对象；
• 能否将行业术语、客户关系、销售阶段与企业流程，建模为机器可理解的业务语义；
• 能否把洞察转化为线索分层、跟进建议、服务任务或客户成功动作，并追踪结果；
• 能否在权限、隐私、数据出境与人工复核的要求下完成部署与运营。

这五条里，第一条是渠道能力，第四条是闭环能力，中间几条是语义能力。只有触点覆盖、没有语义关联与治理闭环，更多数据也可能只是更多噪声。这是这个命题里最容易被跳过、也最致命的一环。

图表 4｜从客户触点到 Agent 行动的价值链

六、迈富时：从营销与客户经营场景走向 AI 原生 CRM

在这一行业变化中，迈富时 Marketingforce 的切入点不是复制海外 CRM 的产品叙事，而是从其长期服务的营销与客户经营场景出发，尝试把客户数据、业务语义、组织经验与 Agent 执行连接起来。

公司将MontoForce（迈富时 AI 原生 CRM／珍客 AI CRM）定位为覆盖营销、销售与服务流程的 AI 原生 CRM，并以 Ontology（业务本体）与 GenAI OS 作为技术架构主张。

这套思路与前文的行业问题相对应。如果 Agent 要理解的不只是字段，还包括客户、商机、联系人、合同、流程与组织规则之间的关系，那么业务对象及其关系的建模，就有可能成为上下文治理的一部分。

真正的命题

迈富时不是"CRM 加了 Agent"，而是凭借营销与客户经营场景的长期积累，把分散触点沉淀为可解释、可治理的业务上下文，再让 Agent 在真实流程中安全执行，并通过客户结果持续验证价值。

这条路径可以概括为：从客户经营场景出发，以业务语义组织上下文，以 Agent 推进营销、销售与服务闭环。它值得关注，但能否沉淀为长期竞争力，仍取决于四件事——规模化的客户使用、可复核的交付成效、持续的数据治理能力，以及可靠的运营体系。

结语：评估 CRM，要看上下文如何进入行动

评估下一代 CRM，不该只问"有没有 AI 功能"，而应继续追问：上下文从哪些触点产生？系统如何关联客户与业务对象？信息错误或过期时谁能发现并纠正？外部 Agent 如何获得最小必要权限？执行结果能否写回、审计和衡量？客户能否迁移或导出自己的上下文资产？

Salesforce 与 HubSpot 的产品更新表明，CRM 厂商正在把上下文与 Agent 执行纳入平台竞争。但它们没有证明 CRM 独占上下文，也没有证明单一"记忆层"就能解决企业 Agent 的落地难题。

对迈富时而言，关键机会在于把长期积累的营销与客户经营理解，转化为可持续更新的业务语义、可治理的 Agent 能力，以及经客户验证的经营结果。

CRM 的存在理由正在改变。但最终决定其价值的，仍是它能否让企业更好地经营客户。