Salesforce与Anthropic推出Claudeforce，首批37项销售技能。文章对比Docusign Iris、Atlassian Rovo等案例，讨论老牌软件握记录、大模型抢入口时，垂直AI如何争夺整项工作的完整流程。

8 月 26 日，Salesforce 和 Anthropic 公布 Claudeforce。第一款产品 Salesforce in Claude 把客户资料、销售流程、权限和业务规则接进 Claude，销售人员不必打开 Salesforce，也能准备会议、检查商机、更新销售进度。

Salesforce 一口气准备了 37 项销售技能。产品已经交给少数客户试用，计划在 2026 年 9 月开放测试。过去，Claude 进入一家公司，要绕着 Salesforce 走。现在 Salesforce 主动把门开在 Claude 里面。

这条新闻看上去像一次普通合作，背后却碰到了企业 AI 最要紧的归属问题。Claude 可以成为所有工作的入口，Salesforce 仍然控制客户记录和执行权限。那批替企业做销售、法务、客服和财务工作的垂直 AI 公司，还能拿走什么？

a16z 合伙人 Seema Amble 在 2026 年 9 月 3 日发表《The Incumbents Are Coming》，中文意思是“老牌厂商正在赶来”。我们把她提到的产品逐一找出来，又对照了 Salesforce、Docusign、Atlassian、Klaviyo 和 Harvey 的发布资料。最后发现，答案不在谁的聊天框更聪明。

老牌软件掌握记录，大模型争夺入口，垂直 AI 公司真正能拿走的，是一项工作从开始到结果的完整过程。

a16z 合伙人 Seema Amble 讨论老牌企业软件与垂直 AI 的竞争

01 门开在 Claude 里

Salesforce in Claude 很像把一栋办公楼的前台搬到了另一个商场。员工站在 Claude 里提出要求，Claude 负责理解，Salesforce 在后面提供客户数据、业务规则、权限和可以执行的动作。

37 项预置技能覆盖会前准备、商机健康检查、销售管道复盘、联系人研究和活动记录。管理员只需完成一次连接，所有动作仍由 Salesforce 检查权限和公司规则。销售人员换了入口，公司的客户记录没有搬家。

这点很重要。过去二十多年，企业软件把价值锁在固定界面里。员工要打开客户列表，点进账户，翻完历史记录，再决定下一步。Salesforce 在产品页面上给了一个很生活化的描述，一名销售可能忙掉整个上午，还没有拨出第一通电话。

Claudeforce 试图删掉这段找资料和点菜单的时间。Claude 直接读出某笔交易为什么可能延误，生成客户计划，并在得到授权后更新记录。Salesforce 把这种变化称为“软件支撑所有界面”。

界面开始变轻，后面的数据和规则反而更值钱。

Salesforce 还披露，Claude 已经成为 Slack AI、Slackbot 和多项 Agentforce 产品的默认模型。公司称 Slackbot 为内部员工带来的年化效率收益达到 810 万小时，较上一季度提高一倍以上。这是 Salesforce 自己估算的数字，不能当成独立审计结果，却能说明它没有把合作只留在演示里。

Claudeforce 把 Claude 的推理能力接到 Salesforce 的数据、流程和权限上

02 老软件醒了

Seema 把应用层智能体分成四层。

第一层只找资料、做摘要和起草回复。第二层能按照固定流程更新记录、调用工具和分发审批。第三层开始把公司的操作手册、先例和风险门槛用在含糊的案例上。第四层要替组织判断该做什么，权衡战略、风险和资源。

一年前，很多老牌软件还停在第一层。它们给原有数据库装上聊天框，用户可以问“这份合同讲了什么”或“上周有哪些工单”。到了 2026 年，产品开始往第二层和第三层移动。

Docusign 的 Iris 能根据法务团队的审核手册检查合同，指出风险条款，给出修改建议，也能从标准模板里生成新的审核手册。Klaviyo 的 Composer 会查看客户行为和历史营销效果，生成完整活动，并指出哪一段客户旅程正在流失收入。Atlassian 的 Rovo 已经能在 Jira 里处理任务、路由请求，甚至把简单工作推进到可供合并的代码变更。

这些产品还远没有获得随意作决定的权力。它们通常要在人的批准下执行，判断也受已有记录和规则约束。可老牌厂商已经离开了“帮你找答案”的舒适区，开始替用户做事。

从检索到决策，应用层智能体需要越来越多的自主性和判断力

03 记录会说话

老牌软件为什么突然强了？它们手里一直有三样新公司很难一次拿齐的东西。

第一样是记录。Salesforce 知道客户、商机和沟通历史，Docusign 保存合同和签署状态，Jira 记录任务与工单，Klaviyo 保存用户行为和营销结果。

第二样是权限。企业可以允许某位销售查看客户，却不允许他修改价格。可以让法务查看合同，也可以规定哪种风险必须升级给负责人。智能体要从“回答问题”走向“执行动作”，权限比文笔重要得多。

第三样是流程状态。一个审批进行到哪一步，一张工单交给了谁，一份合同改到第几版，这些信息本来就躺在系统里。通用模型再聪明，没有这些状态，也只能站在门外猜。

Atlassian 公布的一组数据能看到这种优势怎样放大。它的 MCP 服务在 2026 年 7 月每天处理超过 500 万次工具调用，月度用户超过 100 万，并连接 50 多个外部数据源。Rovo 搜索在半年里提速约 60%。

每一次工具调用都在提醒市场，老软件的价值没有随着界面消失。员工少点几个菜单，系统里的记录、权限和动作照样需要有人维护。

AI 没有把记录系统变得多余。AI 让机器可以直接使用记录，记录系统因此更接近企业的执行层。

Docusign Iris 已经从合同检索走向按法务手册审核和修改条款

04 记录不是工作

老牌软件的优势也有一条很清楚的边界。它看见的，通常只是自己保存的那一段。

一份合同不等于一桩法律事务。签字页只留下各方最后同意的结果，没有保存每一种被放弃的方案，也没有解释某个例外为什么获批。一张工单不等于客户的问题已经解决。关闭状态告诉你结果，却未必留下客服排查过的每条假设。一条销售机会也不等于一笔交易，客户内部的预算争论、竞争对手的动作和采购部门的顾虑，常常散落在别处。

这就是记录和工作的区别。

记录像医院里的检查报告，能告诉医生某个数值是多少。真正的诊疗还要结合病人的症状、过去用药、生活习惯和风险承受能力。报告是关键材料，却装不下整次看病。

企业工作也是一样。人、文件、决定、修改和结果会跨过好几个软件，也会跨过团队和公司。供应商掌握一部分信息，买方掌握另一部分，双方甚至追求不同结果。单个老牌软件可以围绕自己的记录向外扩张，却很难天然拥有整项工作。

这给垂直 AI 公司留下了位置。它不需要打败每一个记录系统。它要跟着一项工作走完全程，把分散在不同地方的信息、判断和反馈接起来。

老牌软件拥有记录，大模型争夺入口，垂直 AI 公司仍有机会拥有整项工作

05 入口也不够

通用智能体看起来更接近赢家。Claude 或 Codex 可以同时连接 Salesforce、Slack、邮箱、文档和代码库，站在所有软件上面协调工作。既然它能跨系统，为什么还需要一家公司专门做合同审查、税务申报或工厂质量调查？

因为能进门和会干活是两回事。

连接多个应用会产生等待时间。同一个客户、合同或交易，在不同系统里可能有不同名字。公司内部的连接也解决不了公司外部的信息，采购方的资料不会因为你接入了自己的 CRM 就自动出现。

更大的难题是判断。一名经验丰富的律师改掉一句话，原因可能来自法院先例、客户风险偏好、对方在上一轮谈判里的让步和这笔交易的商业价值。通用智能体可以读到文件，却未必知道什么样的结果在这个行业、这家公司和这一次交易里算“做得好”。

Atlassian 自己也经历过类似变化。第一代 Rovo Chat 把任务交给多个专门智能体，一个管 Jira，一个管 Confluence，一个管 Slack。2026 年 7 月推出的新版本改成单一推理循环，让同一个模型保留完整上下文，自己规划、调用工具、反思和继续执行。

这次重做说明，跨系统访问只是起点。智能体还要在很长的任务里保住上下文，知道上一步为什么失败，也知道下一步该检查什么。

Atlassian 为跨系统长任务重建了 Rovo 的智能体执行架构

06 记住不等于学会

大模型公司正在给通用智能体增加记忆。Claude 可以记住客户偏好，也能记住上周作过的决定。记忆会削弱“我们比别人更了解你”这种简单卖点。

垂直 AI 公司若只会保存更多资料，护城河不会太深。真正有价值的东西，是一次工作怎样从初稿变成合格结果。

专家改了哪一句，为什么改；哪个风险需要升级，哪个可以接受；第一次调查漏了什么，后来补了哪份材料；最终结果好不好，客户有没有照做。这些中间决定和纠正构成学习材料。

一份签完的合同只告诉模型终点。一连串红线修改、法务意见和最后取舍，才把路画出来。前者适合检索，后者能教系统下一次怎样走。

Seema 把这种积累分成两类。一类是专业经验，教系统一名好律师、会计师或质量工程师怎样工作。另一类是机构经验，教系统某一家公司的模板、先例、风险门槛和升级规则。

专业经验可以改善所有客户的产品。机构经验通常只改善这一家客户。垂直 AI 公司要同时学会两件事，才会从工具变成一名越来越懂行的同事。

记忆回答“以前发生过什么”，学习回答“下一次怎样做得更好”。

三类公司分别掌握记录、入口和完整工作的学习过程

07 Harvey 造课本

这套说法最具体的例子来自法律 AI 公司 Harvey。

Harvey 在 8 月 20 日公布 Tenet。这是一个以 Kimi K3 为基础、针对长时间法律工作继续训练的开放权重模型。公司没有先等几年，让客户案件慢慢堆出训练集，也没有使用客户数据。它和法律专家一起造了一套“课本”。

训练集包含约 1750 个法律任务环境。每个环境都像合伙人给律师布置的一次真实工作，里面有简短要求、客户资料、可用工具和专家评分标准。平均每个任务有约 50 条评分标准，最大的任务有数百条。一次执行可以超过 1000 轮，消耗数十万 token。

模型写完材料后，系统逐条检查事实、结论、引用、风险等级、建议和格式。每一条都要通过，整个任务才算完成。

Harvey 称，Tenet 在保留测试任务上的完整通过数接近基础模型的两倍，在 LAB 总体测试上提高 9 个百分点，在合同测试上提高 2 个百分点。训练使用约 150 块英伟达 B300 GPU，持续两个月。每个训练周期包含超过 1 万次独立执行。

这些结果来自 Harvey 自己的研究预览，仍需外部复现。另一个数字更能说明问题。Harvey 今年 5 月测试多款前沿模型时，在最严格的“全部条件通过”口径下，所有模型完成的复杂法律任务合计不到 10%。当时表现最好的 Claude Opus 4.7 也只有 7.1%。

法律 AI 还有很长的路要走。Harvey 的做法却已经给出一条路线。新公司不必先拥有最多历史文件，可以先请专家把工作拆开，制造可训练、可检查的任务，再从真实使用中的修改和结果继续学习。

Harvey Tenet 用专家任务、评分标准和长时间执行训练法律工作能力

08 哪类公司能赢

这套路径不会让所有垂直 AI 公司都安全。它对市场有四个要求。

第一，专家能比较快地判断结果对不对，也能说明该怎么改。没有清楚反馈，学习循环就转不起来。

第二，工作要难到需要判断。纯粹按照固定规则搬运数据，老牌软件或通用智能体很容易覆盖。

第三，工作要经常发生。公司一年只做一次，样本积累太慢，产品也很难进入日常流程。

第四，新公司能从一个任务慢慢扩大到整项工作。只生成一份文档，很容易变成某个大平台里的功能。能够继续接住审查、协作、修改、批准和结果，才有机会拥有完整过程。

法律、税务和会计很符合这四条。工业质量调查也很典型。质量工程师发现缺陷以后，要收集测试结果、供应商文件、设备日志和工厂规则，再判断哪些可以接受，哪些必须改。缺陷报告可能存进老系统，完整调查却跨越工厂、供应商和审计人员。

新公司可以先帮工程师起草调查报告。它若能接住后面的证据补充、供应商沟通、整改和复核，就有机会从一个功能长成整项工作的负责人。

好的垂直 AI 市场需要高频工作、专家判断、清楚反馈和扩张空间

09 三份资产

企业 AI 的竞争正在形成三种不同资产。

老牌软件的资产是记录、权限和确定性动作。它们知道数据放在哪里，也知道谁能改。

大模型公司的资产是入口、通用推理和跨系统协调。用户愿意先对 Claude 说话，再让它决定应该调用哪一个软件。

垂直 AI 公司的资产是某项工作的完整历史。它看见输入怎样变成初稿，专家怎样纠正，中间出现过哪些岔路，最后结果是否合格。

三方都会向彼此的地盘扩张。Salesforce 会继续做更聪明的销售智能体，Anthropic 会继续深入企业应用，Harvey 也会建立自己的模型、记忆和工作平台。边界不会永远整齐。

创业公司判断自己站不站得住，可以少讲一点“专有数据”，先回答三个问题。我们能否看到工作中间的决定，能否得到专家纠正，能否对最后结果负责。

只有文件，没有过程，老牌软件更强。只有入口，没有判断，通用智能体更便宜。能看见整项工作怎样完成，并且每做一次都更会做，垂直 AI 才有继续存在的理由。

记录、入口与工作过程构成企业 AI 的三类核心资产

10 工作还没定

Claudeforce 没有宣判垂直 AI 公司出局。它只是把过去两年最轻松的机会关上了一部分。

给老软件加一个更好看的聊天框，越来越难成为一家公司。把 Salesforce、Docusign 或 Jira 的数据搬进另一个界面，也很容易被 MCP 和官方插件覆盖。老牌厂商已经开始行动，通用模型也正在成为统一入口。

留下来的机会更难，也更厚。它要求创业公司深入一项真实工作，理解专业判断，接住跨系统协作，保留修改和结果，再把这些反馈变成下一次更好的表现。

这条路看起来没有“接一个模型、套一个界面”那么轻。它需要专家、数据权利、评测、权限、部署和责任。可一旦走通，公司掌握的也不再是一个功能。

Salesforce 可以保存机会，Claude 可以打开机会，真正把机会变成订单的整项工作，仍然没有自动归给任何人。

记录已经有人拥有，入口正在被争夺，工作本身还没有定。

资料来源：

Seema Amble 原文《The Incumbents Are Coming》原文 https://a16z.com/the-incumbents-are-coming/

Salesforce 与 Anthropic 公布 Claudeforce原文 https://www.salesforce.com/in/news/press-releases/2026/08/27/salesforce-and-anthropic-announce-claudeforce/

Salesforce in Claude 产品页面与 37 项销售技能原文 https://www.salesforce.com/claudeforce/

Docusign 推出 Iris 合同审核助手原文 https://investor.docusign.com/news-and-events/press-releases/news-details/2026/Docusign-Introduces-AI-Contract-Review-Assistant-to-Streamline-Agreements-Workflows/default.aspx

Klaviyo 推出 Composer 营销智能体原文 https://www.klaviyo.com/newsroom/composer

Klaviyo 将 Composer 推向公开测试原文 https://www.klaviyo.com/newsroom/CRM-agents

Atlassian 公布 Rovo MCP 的实际使用数据原文 https://www.atlassian.com/blog/company-news/inside-rovo-mcp-usage

Atlassian 重建 Rovo 长任务推理架构原文 https://www.atlassian.com/blog/rovo/long-horizon-whats-changed

Atlassian 公开 Rovo 智能体执行架构原文 https://www.atlassian.com/blog/rovo/agent-autonomy

Harvey Tenet 研究预览原文 https://www.harvey.ai/blog/post-training-update-harvey-tenet

Harvey 法律智能体基准初步结果原文 https://www.harvey.ai/blog/legal-agent-benchmark-initial-results