2026 年 8 月 26 日，Salesforce 和 Anthropic 一起宣布了 Claudeforce，把整套 CRM 以「Salesforce in Claude」外掛的形式，搬進了 Claude 的工作環境。表面上這是一則大廠合作新聞。但如果你買過系統、又親眼看著它被團隊晾在一邊，這則新聞真正該讓你停下來的地方，不是又多了一個工具，是它動到了一個困擾企業幾十年的老問題：買了系統卻沒人用。
買了系統卻沒人用，多數老闆都怪錯了人
系統沒人用，第一線的原因很少是員工懶，多半是那套介面本來就反人性。要用它，人得先去記欄位、學流程、養習慣，這些成本全落在使用者身上；一旦嫌麻煩，業務寧可回頭用自己那份 Excel。把責任推給「執行力差」很順手，卻解不掉問題，因為問題出在系統設計的方向，不在紀律。
這個場景你應該不陌生。導入 CRM 那天信心滿滿，半年後打開後台一看，欄位空白、資料過期、最新的商機進度只存在業務的腦袋裡。這種事哪一家公司都可能中，它是企業軟體長年的通病，不是誰特別倒楣。我們在輔導製造業與服務業客戶時反覆看到同一件事：真正卡住導入的，往往不是技術規格，是員工上完課、回到位子上什麼都沒變。工具愈加愈多，人卻愈來愈累，因為每一套新系統都在要求人再去適應它一次。
多數老闆在這一步就把帳算到員工頭上。但一個團隊集體不用某套系統，通常不是二十個人剛好都缺乏紀律，是那套系統要求的成本高過它給的回報。這不是一家之言。智庫 RAND 在 2024 年訪談大量資料科學家與工程師後歸納：AI 相關專案有超過八成以失敗收場，最大主因不是技術，而是決策層與第一線之間的目標不一致，說到底「這比較是人的問題，不是機器的問題」。麻省理工 Project NANDA 的《2025 企業 AI 現況》報告講得更白：在只有約四成企業採購官方 AI 訂閱的同時，超過九成受訪企業的員工照樣自己用個人工具做事，因為公司導入的系統太僵、卡不進他們的工作流。系統沒人用，證據指向的是設計方向，不是員工紀律。看懂這一點，你才會對接下來這則新聞有不同的解讀。
Salesforce 把整套 CRM 搬進 Claude，到底改了什麼？
改變的是操作介面的方向。過去你要進 Salesforce 的畫面、點開對應模組、照它的欄位填；現在透過「Salesforce in Claude」這個外掛，業務可以直接在 Claude 裡用講話的方式做會議準備、檢視商機健康度、分析 pipeline，甚至更新商機並直接執行，全程不必打開 Salesforce 本身。據 VentureBeat 報導，這個外掛內建 37 項預先設計好的銷售技能，2026 年 9 月進入開放測試。
值得注意的是這件事的定位。Salesforce 執行長 Marc Benioff 的說法是「這裡，介面就是 AI（the UI is the AI）」；負責的主管 Patrick Stokes 則把它比作 Claude Code 為工程師做的事，只是這次對象換成一般知識工作者。換句話說，這不是在 CRM 上又疊一層聊天機器人，是把「你要學會操作這套軟體」這個前提整個拿掉。
要判斷這件事有多實在，可以看 Salesforce 自己揭露的內部數字：它有 83% 的員工在用 Claude 驅動的 Slackbot，一年因此省下約 380 萬個生產力小時。這組數字的意義不在效率本身，而在它證明了一件事：當操作變成用講的，採用率會自己長上來，不需要主管在後面盯。這正是老闆花錢最痛的那一段，開始被技術消化掉的訊號。
真正的分水嶺：軟體從「要你去適應它」變成「它聽得懂你」
真正的轉折不在「多一個能講話的工具」，而在人和軟體之間，誰去適應誰。過去二十年，導入一套系統的隱形成本，是逼全公司學會它、養成使用習慣，所以「導入失敗」幾乎是預設結局。當操作的入口從「填對欄位」變成「把事情講清楚」，採用門檻趨近於零，導入這件事的難度結構就被改寫了。麥肯錫在《2025 技術趨勢展望》裡把這股力量稱為操作的民主化：自然語言介面讓專業與非專業人員都能比過去更快地建立與操作軟體，人機之間「誰是操作者、誰是協作者」的界線正在消失。
這裡要先擋掉一個誤會：這一波 AI 不是你熟悉的那種問一句答一句的聊天機器人。它能讀你公司的即時資料、能執行動作、能把結果寫回系統。當它有能力代你在 CRM 裡完成一連串操作，主管過去最花力氣的三件事，教育訓練、督促使用、追著大家把資料補齊，才會真的被技術本身吃掉，而不是被喊口號喊掉。
對決策者來說，這個分水嶺的重量在於：以前你評估一套企業 AI 應用力工具，得先賭團隊願不願意配合；現在這個變數的權重正在下降。同樣一筆預算，過去大半花在「讓人適應系統」，未來可以省下來，投到真正產生回報的地方。這不是要不要換工具的問題，是遊戲規則換了。
這件事逼你重想的，是挑工具和帶團隊的邏輯
當操作門檻趨近於零，你挑系統和帶團隊的兩套邏輯都得重寫。採購上，「團隊好不好上手、願不願意用」這個一直排在前面的顧慮會退位，「它聽不聽得懂我們怎麼做事」升上來；管理上，主管的時間不該再花在盯人有沒有照 SOP 操作，而該挪回判斷與決策本身。這兩件事一起變，才是這則新聞對你真正的意義。
先看採購邏輯。過去你比的是功能清單誰長、介面誰漂亮；接下來更該問的，是這套系統能不能貼合你公司實際做事的方式。這正是智谷企業 AI 診斷在做的事：從策略、組織、流程、資料、人才五個維度盤點，判斷一套工具卡住你的到底是「選型不對」還是「採用不了」。把這兩件事分清楚，你才不會又買錯一套、又怪錯一次人。
| 評估維度 | 過去的問法 | 現在該問的 |
|---|---|---|
| 上手門檻 | 團隊願不願意學、好不好操作 | 權重下降，不再是主要顧慮 |
| 契合度 | 功能清單是不是比較長 | 它聽不聽得懂我們怎麼做事 |
| 導入成本 | 要花多少時間做教育訓練 | 團隊第一天能不能用講的開始做事 |
| 主管的時間 | 盯大家有沒有照 SOP 操作 | 花在判斷與決策本身 |
再看管理邏輯。當「會不會操作系統」不再是門檻，主管的稀缺價值就不在流程督導，而在他能不能問對問題、做對取捨。這也是為什麼中階主管的養成重點正在位移：從「教他怎麼管工具、管流程」，轉向「教他怎麼判斷」。工具愈聰明，一個只會盯 SOP 的主管就愈不值錢；一個能在模糊情境裡拍板的主管，價值反而被放大。
說到底，Claudeforce 這類動作真正宣告的，是企業花二十年在跟軟體較勁的那場仗，勝負手正在換邊。當系統開始聽懂人話，你要重新規劃的不只是買哪套工具，是 AI 在你整個營運裡該扮演什麼角色，以及你自己和團隊，準備把省下來的力氣放到哪裡。
FAQ
我們公司規模不大，Claudeforce 這種大廠動作跟我有關嗎？
有關，但關鍵不是這項產品本身，是它揭露的方向。你不一定用得到 Salesforce，但「軟體開始聽懂人話、採用門檻趨近於零」這個趨勢，會蔓延到你正在評估的每一套工具。客戶常問「是不是要等大廠先普及」，我們的建議是：先別急著追產品，先用它當鏡子，回頭檢視你手上那套沒人用的系統，卡點到底在選型還是採用。
系統沒人用，真的不是員工的問題嗎？
多數時候不是紀律問題。一個團隊集體不用某套系統，通常代表它要求的操作成本高過回報，不是二十個人剛好都懶。與其加強督促，更有效的做法是把「採用不了」和「選型不對」拆開來看。前者要降低操作門檻或重設流程，後者要換工具。先診斷是哪一種，再決定要花力氣訓練人、還是花錢換系統，才不會兩邊都做白工。
導入 AI 系統，第一步該從哪裡下手比較穩？
先盤點，別先採購。客戶常問「要不要全公司一次上」，我們通常建議先花力氣把問題定位清楚：你想解的到底是哪一段的痛，是資料永遠不更新、還是主管時間被瑣事吃掉。用企業 AI 診斷從策略、組織、流程、資料、人才五個維度盤一遍，找出投報最高的那個切入點，先在一個部門試，看到成效再擴散。順序錯了，工具再好也會變成下一套沒人用的系統。
主管的角色在這波變化裡會被弱化嗎？
不會被弱化，是被重新定價。當操作系統不再需要人力督導，主管盯流程、盯 SOP 的那部分價值確實會縮水；但在模糊情境裡做判斷、對資源做取捨、替團隊拍板的能力，反而更稀缺。這也是為什麼中高階主管的培養重點，正從「管工具、管流程」轉向「練判斷」。工具愈聰明，能做決策的主管愈值錢。
關於智谷
智谷網絡（Kvalley Network）自 1996 年創立，專注企業 AI 轉型與中高階主管培訓，累計服務 3,000+ 家企業、75,000+ 小時訓練執行時數、年度訓練 30,000+ 人次。
研究來源
- VentureBeat 2026〈Salesforce just put its entire CRM inside Claude, and says you’ll never need its app again〉
- Salesforce News 2026/08/26 新聞稿〈Salesforce and Anthropic Announce Claudeforce〉
- PPC Land 2026〈Salesforce puts 37 prebuilt sales skills inside Claude for pilot customers〉
- IT Pro 2026〈Three things you need to know about Claudeforce〉
- MIT Project NANDA《The GenAI Divide: State of AI in Business 2025》：95% 企業生成式 AI 試點無可衡量財務回報；逾九成受訪企業員工自用個人 AI 工具。https://www.forbes.com/sites/jasonsnyder/2025/08/26/mit-finds-95-of-genai-pilots-fail-because-companies-avoid-friction/
- RAND Corporation（James Ryseff 等，2024）《The Root Causes of Failure for Artificial Intelligence Projects》：逾八成 AI 專案失敗，主因為利害關係人目標不一致而非技術。https://www.rand.org/pubs/research_reports/RRA2680-1.html
- McKinsey《Technology Trends Outlook 2025》：自然語言工具實現軟體操作與開發的民主化。https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/the-top-trends-in-tech