Salesforce Agentforce 在 2026 年 5 月公布的年度經常性收入（ARR）達到 12 億美元，年增 205%；三個月前的 2 月，這個數字還只是 8 億美元、年增 169%，單季環比跳增近五成。
Agentforce 的 ARR 曲線長什麼樣？
同一季，Agentforce 加上 Data 360 的合併 ARR 達到 34 億美元，年增逾 200%，單季交付了 38 億次「Agentic Work Units」，這是 Salesforce 用來計量 AI agent 實際完成多少工作量的內部單位。Data 360 單季匯入的資料筆數也來到 52 兆筆，年增 136%。訂單結構同樣值得注意：逾五成的 Agentforce／Data 360 訂單來自既有客戶擴買，符合「先小規模試點、驗證後全面擴張」的採用曲線。
Agentic Work Unit：Salesforce 用來計算 AI agent 完成多少件實際工作（例如一次客服對話、一次流程執行）的內部計量單位，用於揭露 agent 的實際使用規模，而非僅看訂閱席次。
企業級採用的另一個訊號，是大型交易的成長速度快過整體營收。FY2026 全年營收 415 億美元、年增 10%，但百萬美元以上的大型交易年增 26%、千萬美元以上的大型交易年增 33%，其中包含一筆與美國陸軍簽訂的 56 億美元合約。大額訂單的成長率是整體營收的兩到三倍，買單的主力已經是把 agent 當成核心基礎設施押注的大型組織。
企業自己用 AI 員工，省下多少錢？
Salesforce 自己也是 Agentforce 的客戶。根據 Bloomberg 在 2025 年 10 月 Dreamforce 大會的報導，CEO Marc Benioff 揭露公司內部用 Agentforce 處理客服，一年多內累計處理了 300 萬次客服對話，客服案件量年減 8%（減少逾 17 萬件），公司自報年省約 1 億美元；客服團隊人數從約 9,000 人降至 5,000 人，官方說法是轉往更高價值的工作，而非單純裁員。截至該次揭露，已有逾 12,000 個客戶在使用 Agentforce，其中 Reddit 導入後客服解決時間縮短 84%，平均回應時間從 8.9 分鐘降到 1.4 分鐘。
這組數字也提供了一個對照組。同一時期，Klarna 的客服 AI 曾自報年省更高，但在 2025 年 5 月公開承認裁得太快、開始回聘人力。兩家公司同樣做客服自動化，一個穩住人力結構、一個先砍後補，省錢的速度不等於組織能承受的變動速度。
為什麼企業願意為「按結果」的 agent 付費？
Agentforce 的商業模式本身也在示範一種新定價邏輯：Flex Credits，依 agent 實際完成的動作與對話量計費（每動作 0.10 美元、每對話 2 美元，另有每用戶每月 125 美元的方案），企業不必先估算會用滿多少席次，用量隨業務規模自然成長。Intercom 的 Fin 走的是同一條路，按解決結果計費（每次解決 0.99 美元），累計已處理超過 4,000 萬次已解決對話，供應商自報的解決率約 67%；但 Intercom 自家 case study 中，客戶實際回報的解決率落在 42% 到 50% 區間，這個落差說明「陡峭」與「好用」是兩個需要分開驗證的問題。2026 年 6 月，Salesforce 進一步簽約以約 36 億美元收購 Fin（原 Intercom），交易尚未完成，定價模式暫維持不變，按結果計價已經是整個賽道的共同方向。
台灣的數位廣告市場，也在等同一種效率解方
台灣 2024 年數位廣告市場規模來到 636.83 億元，年增只剩 4.32%，DMA（台灣數位媒體應用暨行銷協會）官方統計顯示紅利期已經結束。整體大盤成長趨緩時，企業要找的是更高的單位產出，這正是 Agentforce、Fin 這類「AI 員工」試圖回答的問題：把過去需要固定人力才能完成的工作，變成可以隨業務量彈性擴縮的成本結構。台灣市場尚未出現同等規模的公開採用數字，但全球案例已經先畫出一條曲線：企業級 agent 的採用是單季就能翻倍的基礎設施更替，不只是漸進式的工具升級。
潮網在同一條位移上的做法，見官網 Wavenet Agent Hub 與 Partner Sales 相關介紹。
常見問題
Agentforce 和一般的客服聊天機器人有什麼不同？ Agentforce 定位為能自主完成多步驟任務的「AI 員工」，不只是回答問題，而是能執行動作、調用資料並完成流程，這也是 Salesforce 用「Agentic Work Unit」而非單純對話次數來計量使用規模的原因。
Flex Credits 這種按結果計價，跟傳統訂閱制差在哪？ 傳統訂閱制是先買席次、不論用量固定收費；Flex Credits 依 agent 實際完成的動作或對話數計費，企業不需要預先估算用量規模，成本會隨業務量自然浮動，這也是 Intercom Fin、Zendesk 等同業採用類似邏輯的原因。
企業導入 AI 客服會不會像 Klarna 一樣裁太快？ 不必然。Salesforce 自己的案例是把客服人力從 9,000 人精簡到 5,000 人、同時維持人力轉任而非單純裁員；Klarna 則是先大幅縮編後又在 2025 年回聘，兩者的差異在於裁減速度是否超過組織與客戶體驗能承受的範圍，這是導入前需要另外評估的變數，而非 AI 客服本身必然的結果。