原文：State of Sales, 7th Edition
来源：Salesforce Research
发布时间：2026年1月（调研周期：2025年8-9月）
篇幅：37页
解读人：树懒老K
解读日期：2026-06-13
AI智能体已从销售团队的”效率工具”跃迁为”运营基础设施”——94%已部署智能体的销售领导者认为其对业务至关重要，54%的团队已经落地，34%预计两年内采用。但智能体的效能高度依赖统一数据与精简技术栈，数据治理和工具整合是AI销售的前置条件而非可选项。
本报告是Salesforce《State of Sales》系列的第七版，基于2025年8-9月对22个国家4,050位销售专业人士的匿名在线问卷调研。受访者覆盖销售领导者、一线代表、销售运营及合作伙伴代表，企业规模以201-3,500人为主（占50%），行业覆盖金融服务、零售、科技、医疗健康、制造业等17个领域。报告核心聚焦AI智能体（Agents）如何重塑销售周期的每个阶段，同时探讨用量定价、销售规划和合作伙伴生态三大增长杠杆。
| 指标 | 数据 |
|---|---|
| 智能体领导者认可度 | 94%认为智能体对满足业务需求至关重要 |
| 智能体采用率 | 54%已使用，34%预计两年内使用，合计88% |
| 销售代表时间分配 | 仅40%用于会见客户，18%潜客开发，16%创建报价，11%手动录入数据 |
| 数据策略改革需求 | 84%的数据和分析领导者认为数据策略需全面改革以达成AI目标 |
| 一体化平台采用率 | 仅34%使用一体化平台，其余平均部署8个独立工具 |
| 不可访问数据比例 | 19%，且多数人认为最有价值洞察藏于此 |
| 用量定价重要性 | 76%的销售领导者认为比去年更重要，已成为贡献增长的第一大收入模式 |
| 合作伙伴销售渗透率 | 从2024年86%跃升至2025年94% |
| 辅导缺口 | 75%认为教练/导师有助达成目标，但46%很少获得销售对话反馈 |
| 高绩效者社群参与度 | 定期参与外部销售社群的可能性是低绩效者的3.2倍 |
核心论点： - 销售团队正被”客户期望持续攀升”与”交付能力严重受限”的双重压力夹击 - 智能体能够7×24小时代行重复性工作，使销售代表回归高价值的人际连接与战略思考 - 85%拥有智能体的代表认为AI使其能专注于更高价值工作
关键数据： - 94% 拥有智能体的销售领导者认为智能体对满足业务需求至关重要（Page 9） - 54% 现已使用AI智能体，34% 预计两年内使用，合计88%（Page 10） - 拥有智能体的代表中，90% 认为AI帮助更好理解客户，88% 认为提高达成销售目标的概率，88% 认为提升工作效率，83% 认为提升工作满意度（Page 9） - 销售代表每周仅40%时间会见客户，非销售活动吞噬超过一半工时（Page 8） - 客户需求侧：69% 认为可衡量ROI更重要，67% 认为个性化更重要，57% 认为决策周期变长（Page 8）
重要案例： > Salesforce自身实践：销售执行副总裁Adam Alfano透露，公司使用智能体处理所有”未触达的潜在客户”。短短4个月内，智能体联系了130,000个潜在客户，创造了3,200个商机，转化率约2.5%。团队预计明年产出增长10倍（Page 2）。
Asymbl（招聘软件公司）：CEO Brandon Metcalf表示，“真正的魔力在于人类和数字销售代表之间的伙伴关系。”Asymbl使用AI智能体全天候联系和培养入站与出站潜在客户，实现”10倍规模效应”的运营效率（Page 13）。
核心论点： - 智能体的输出质量完全取决于输入数据的质量与可访问性 - 当前销售团队普遍面临数据孤岛、手动错误、重复数据和安全顾虑 - 臃肿的技术栈（平均每队八个独立工具）加剧了数据碎片化，成为AI落地的最大隐性障碍
关键数据： - 84% 的数据和分析领导者表示数据策略需全面改革以达成AI目标（Page 15） - 76% 拥有智能体的销售代表表示客户会询问数据安全问题；51% 表示安全顾虑已延误AI计划；46% 表示数据质量问题直接损害销售业绩（Page 15） - 仅34% 使用一体化平台，其余平均使用八个独立工具；42% 的销售代表被过多工具淹没（Page 16） - 19% 的数据无法访问，且多数人认为最有价值洞察藏于此（Page 16） - 51% 拥有AI的销售领导者表示技术孤岛延误或限制AI计划（Page 16） - 84% 无一体化平台团队计划整合技术；74% 拥有AI团队优先数据清理（Page 17） - 高绩效者迁移到一体化平台的可能性是其他团队的1.3倍，优先数据清理的可能性是1.5倍（Page 17）
重要案例： > IBM：Salesforce Platform杰出工程师兼CTO Paul Bullis指出，“统一数据是第一步。”IBM将公司、客户和第三方数据整合在一起，使AI和智能体能够为销售代表提供下一步最佳行动提醒，并基于产品使用洞察帮助创建续订方案（Page 18）。
核心论点： - AI并非增长的唯一引擎 - 顶尖销售团队同时在三条战线发力：用量定价作为领先收入模式、销售规划作为系统性支撑、合作伙伴生态作为规模化放大器
关键数据： - 用量定价：76% 销售领导者认为比去年更重要，已超越追加销售成为贡献增长第一大收入模式。但执行挑战显著：40% 收入预测困难，39% 难以预测未来使用量，37% 追踪使用量遇阻（Page 20） - 销售规划：销售规划是各行业第二大增长策略（仅次于投资AI）。91% 认为AI有益于销售规划。销售代表平均将16%时间花在准备和规划上（Page 21） - 合作伙伴：89% 认为合作伙伴销售日益重要。2024年86%使用合作伙伴销售，2025年升至94%。90%使用专用工具支持合作伙伴，40%赋予完全AI访问权，55%赋予部分访问权（Page 22）
重要案例： > Atrium（Salesforce合作伙伴）：营销与联盟副总裁Natasa Marinkovic表示，“使用AI智能体对我们来说具有变革性。我们花更少的时间搜索信息，花更多的时间与客户建立联系。”Salesforce向合作伙伴开放智能体访问，使其减少工单提交和信息搜索的摩擦（Page 23）。
核心论点： - 销售代表的流失和倦怠并非仅靠加薪就能解决 - 他们渴望个性化辅导、薪酬透明度和外部职业社群 - 智能体正在填补部分缺口——从辅导角色扮演到实时薪酬可视化
关键数据： - 辅导缺口：75% 认为有教练或导师更易达成目标；但52% 认为传统赋能无法提供所需技能；46% 很少获得销售对话反馈；41% 电话前没有足够角色扮演机会；40% 认为经理缺乏时间是赋能障碍（Page 25） - 智能体补位：约三分之一（34%） 拥有智能体的团队将智能体用于辅导。高绩效者使用辅导智能体的可能性是低绩效者的1.4倍（Page 25） - 薪酬透明：76% 希望薪酬计算更透明；但32% 销售领导者承认技术栈缺乏薪酬管理能力（Page 26） - 社群力量：81% 认为参与销售社群改善绩效；44% 定期参与外部社群；79% 希望获得更多同行最佳实践；83% 销售领导者认为应更好利用外部社群（Page 27）。高绩效者参与外部社群的可能性是低绩效者的3.2倍（Page 27）
重要案例： > Grubhub：高级销售经理Meghan Perez是Salesblazer Community成员。她通过参与Salesforce World Tour小组讨论和每月专题交流，将外部洞察带回Grubhub，直接帮助团队推动增长（Page 28）。
这份报告的核心结论是：AI智能体已从”技术选项”变为销售组织的”竞争资格”——94%已部署智能体的销售领导者认为其对业务至关重要，54%的团队已经落地。对制造业和B2B企业最关键的两个信号是：第一，数据治理不是AI的附属品，而是前置条件（84%的数据领导者承认现有数据策略需要全面改革）；第二，销售产能的扩张逻辑正在从”加人”转向”加智能体”（Salesforce自身案例：4个月内从130,000个线索中筛出3,200个商机）。
但三源交叉校准后，我们必须加一个关键限定：采用率不等于见效。McKinsey 2026的独立研究显示，88%的企业已部署AI，但<20%看到了实际影响；86%缺乏组织就绪度。这意味着中国企业如果只做Salesforce推荐的”数据治理+工具整合”，大概率会掉进”上了系统但没出效果”的陷阱。我们的修正判断是：先花6个月做数据治理，再花至少12个月做组织流程重构和人员投入——McKinsey的数据显示，AI ROI需要1美元技术投入配5美元人员和组织投入，这个比例Salesforce报告完全没提。
“AI改变销售”并不是一个新话题。早在2016年，Salesforce就推出Einstein AI，试图将预测性线索评分嵌入CRM。但为什么现在值得重新审视？因为2024-2025年发生了一个关键转折：大语言模型让智能体从”预测工具”进化成了”行动主体”——它不再只是告诉你”这个线索得分85分”，而是可以直接联系客户、生成报价、安排会议。这与上一轮AI销售工具的核心差异在于：从”辅助决策”到”自动执行”。
上一轮周期（2016-2022年）中，AI在销售领域的价值主要被SaaS和金融行业收割，因为这两个领域的数据标准化程度最高。当前阶段，智能体的五大用例——订单履行、使用量追踪、报价生成、佣金管理和潜客开发——呈现出清晰的”从标准化到半标准化”的扩散路径。这意味着制造业、医疗健康等数据相对杂乱的行业，也终于可以被波及。
对于中国制造业而言，这一趋势有特殊的紧迫性：中国B2B销售长期依赖”人海战术”和”关系驱动”，人效瓶颈比欧美市场更为突出。当智能体可以将销售代表每周仅40%的客户见面时间提升到60%甚至更高时，这意味着同样规模的团队可以覆盖2-3倍的线索池。但前提是——你的CRM、ERP、企微、外呼系统能先说同一种语言。
如果用”销售AI成熟度三层模型”来理解这份报告，我们可以清晰地看到智能体落地的完整路径。
| 框架维度 | 报告结论 | 我们的补充判断 |
|---|---|---|
| L1 数据底座层 | 34%使用一体化平台，66%平均用8个工具；19%数据不可访问 | 中国制造业的这一比例可能更高。我们的经验是，先别追求”一体化”，先追求”统一数据层”——CDP或数据湖屋同样可行 |
| L2 流程自动化层 | 五大用例中潜客开发（34%）和报价生成采用率最高 | 制造业应优先切入”报价生成”和”订单状态查询”，因为BOM和交期计算是标准化程度最高的环节 |
| L3 智能决策层 | 91%认为AI有益于销售规划；高绩效者优先数据清理的可能性是低绩效者的1.5倍 | 销售规划在中国制造业的核心痛点不是”规划工具”，而是”计划赶不上变化”——客户需求变更频繁，智能体的What-if能力价值被低估 |
| L4 组织进化层 | 85%认为AI让自己专注高价值工作；75%认为教练/导师帮助达成目标 | 中国销售组织的”狼性文化”与”人机协作”存在价值观冲突，变革阻力可能比报告假设的更大 |
报告没有明确说但隐含的信号是：智能体的ROI不是线性的，而是存在明显的阈值效应。当数据质量、工具整合度和组织接受度三个条件同时满足时，效能会突然跃升；在此之前，投入产出比可能惨不忍睹。Salesforce案例中2.5%的转化率看似不高，但对比”无人处理的零产出”，这是一个从无到有的跃迁。
方法论局限：4,050位受访者中美国独占500人（12%），零售（14%）和金融服务（12%）占比过高，制造业声音被系统性稀释。70%来自200人以上企业，小微企业完全缺席。这意味着报告的结论天然偏向”中大型企业的销售组织治理逻辑”，对SMB和制造业上游的适用性需要打折。
中国情境差异：中国企业销售工具的碎片化根植于独特的数字生态——企业微信、钉钉、飞书作为超级入口，CRM、SCRM、外呼系统、电子签章往往来自不同厂商，且数据模型互不兼容。报告建议的”一体化平台”路线在中国既不现实也不经济。更务实的路径是”统一数据层 + 最佳品类工具”的折中架构。
报告未覆盖的视角：报告几乎没有涉及客户侧对智能体的接受度。当76%的销售代表说客户会询问数据安全问题时，我们更应追问：客户是否知道他们正在与智能体互动？B2B采购中的人际信任关系，能否经受住”对方可能是个Agent”的冲击？这在制造业的长周期、高客单销售中尤为敏感。
对预测数据的审慎：Salesforce预计自身智能体产出”明年增长10倍”——从130,000到1,300,000的触达量在技术上不难，但3,200到32,000的商机创造是否同比例增长，取决于线索池的深度和算法的持续优化。不能简单外推。另外，报告中”九成”（Page 6执行摘要）与实际88%（Page 10图表）存在2个百分点的修辞性偏差，精确引用时应使用88%。
Salesforce报告反复使用”人类与智能体并肩协作”（side by side）的温情叙事，85%的代表认为AI让自己专注高价值工作。但MIT IDE与HBR研究团队2026年5月发表的实验研究提供了一个直接对立的警示：31%的组织已将AI视为同事，23%甚至把智能体列入了组织图，但实验证明这种做法会降低16%的监控水平、导致责任转移、并损害人际信任。
研究结论是：不应将AI智能体纳入组织图，不应像管理员工一样管理它们。这与Salesforce的”伙伴关系”修辞形成了尖锐张力。我们的判断是，Salesforce作为技术厂商需要推销无缝协作的产品愿景，但企业管理者必须提前设计”人机责任边界”——当销售代表把失败推给智能体（“是AI推荐的方案”），或者管理者把绩效监控外包给算法，协作的表面和谐会掩盖深层治理危机。中国企业在引入销售智能体时，必须在上线前就明确：哪些决策必须由人类签字，哪些错误必须由人类担责。
Salesforce报告将智能体成功的前置条件归结为”数据治理+技术整合”。但McKinsey 2026和Microsoft Work Trend Index 2026提供了两个被Salesforce完全忽略的关键比例：
这意味着如果中国企业按照Salesforce的建议只买CRM+数据治理工具，而不同步投入销售流程重构、人员再培训和绩效体系改革，投资回报率会远低于预期。数据治理是必要条件，但组织投入才是充分条件——这个结论Salesforce没有说，但另外两份独立来源都指向同一个方向。
视角一——从”数据大扫除”开始的智能体落地
中国企业最常见的错误是”先买AI工具，再补数据功课”。这份报告用大量数据证明了这个顺序是错的。
适用场景： 拥有CRM系统但数据质量堪忧、销售团队抱怨”系统里的客户信息根本不准”的制造型企业。
关键数据： 报告提到74%拥有AI的团队正在优先进行数据清理，高绩效者（79%）显著高于低绩效者（54%）。这意味着数据清理已经不是”IT部门的洁癖”，而是与销售绩效直接挂钩的竞争行为。19%的数据不可访问更是直指痛点——报告明确指出，最有价值的商业洞察就藏在这19%里。
ROI评估： 预估投入10-30万元（取决于数据量和工具选型），回报周期6-12个月。关键成功因素不是技术，而是销售管理层对数据治理的持续关注——数据清理是一次性项目，数据质量是持续性运营。
风险提醒： 数据治理的隐形风险是”治理完又脏回去”。如果没有配套的录入规范、校验规则和责任人制度，6个月后的数据质量可能回到原点。智能体对脏数据的放大效应比人类更严重——它会更快、更批量地制造出看似合理实则错误的输出。
视角二——用量定价不是”先进模式”，而是”能力试金石”
76%的销售领导者认为用量定价比去年更重要，且已超越追加销售成为贡献增长的第一大收入模式。但中国SaaS和云服务企业在追随这一趋势时需要格外谨慎。
适用场景： 提供云服务、API接口、SaaS订阅或按次计费产品的B2B企业。
关键数据： 40%认为收入预测困难，39%难以预测未来使用量，37%在追踪使用量上遇到问题。这三组数据揭示了一个反直觉的事实：用量定价的瓶颈不在客户接受度，而在企业自身的计量和预测能力。如果客户看不到实时使用量，用量定价会从”增长杠杆”变成”信任危机”。
ROI评估： 用量定价系统改造投入50-150万元，回报周期12-18个月。关键成功因素是产品层面内置用量监控与预警机制，以及客户成功团队从”售后支持”到”用量增长引擎”的职能转型。
风险提醒： 产业互联网的客户使用量与其下游订单波动强相关，“使用量可见性”和”收入预测”的难度远高于标准化SaaS。盲目切换至纯用量定价可能导致季度收入剧烈波动，影响现金流稳定性。建议采用”订阅保底 + 用量封顶”的混合模式过渡。
智能体不会把你的烂数据变成好洞察，它只会把你的烂数据以十倍速变成烂决策——而比烂数据更致命的，是花了十万块买AI工具、却舍不得花五十万块改流程和培训人。
觉得这篇解读对你有启发？
欢迎点赞、在看、转发，让更多制造业同行看到。
关注「树懒老K」，持续输出制造业AI转型的深度洞察。
后台留言”Salesforce销售报告”，即可获取： - 报告原文PDF - 完整中文翻译稿 - 本文思维导图