AI+企业级应用的真正落地,离不开底层数据体系的强力支持——脱离业务数据的智能体,就像没有汽油的跑车,空有算法模型却无法运转。近日,销售易推出中国首款AI CRM——NeoAgent,就是搭载在销售易强大的NeoAgent开发平台上构建,并以Customer Data Cloud(统一客户数据平台)为数据底座,为智能营销服提供实时、安全的数据保障。

销售易产品副总裁罗义,在腾讯云城市峰会上海站的“AI+CRM销售易专场”上,针对NeoAgent开发平台及Customer Data Cloud如何让NeoAgent快速、准确、安全的响应业务需求,进行了详细分享,以下为演讲整理。

销售易产品副总裁罗义

Customer Data Cloud:全域数据整合,打造AI/BI的统一数据底座

在智能时代,企业积累的非结构化、多模态数据已成为驱动业务增长的核心资产。面对AI应用与BI分析的迫切需求,如何高效利用这些数据成为关键挑战:

▶ 销售场景需融合客户业务数据、历史沟通及跟进记录、及企业多维情报数据生成精准拜访策略;

▶ 知识问答及文档检索依赖企业知识库,并基于 RAG 和大模型返回智能匹配的结果;

 Agent的自主任务执行能力依赖于实时交互CRM业务数据;

▶ 数据分析与洞察需要基于实时、准确、一致的多维数据实现深度分析,支撑管理层决策;

▶ 客户标签画像体系需要通过360°数据提取特征,赋能分层运营与精准营销。

企业的智能化转型离不开高质量的数据支撑,为应对类似这些复杂场景,Customer Data Cloud应运而生。

作为“Data For AI”理念的实践者,Customer Data Cloud首先打破了传统CRM的数据边界,构建起全域数据接入网络:

  • CRM系统内沉淀的客户主数据、跟进记录、交易订单等核心业务数据,通过开箱即用的数据管道自动流入基于云原生技术构建的Lakehouse确保数据的新鲜度和一致性
  • ERP、MES等企业系统数据源则通过统一的流批一体数据同步引擎进入 Lakehouse,消除数据孤岛
  • 而合同文档、产品手册、企业知识库、会话记录等非结构化数据,经过向量化引擎转化为语义向量,存储在统一的Lakehouse中

Customer Data Cloud也提供了统一的元数据管理,让数据可识别、可管理、可消费,数据的统一存储和管理为 AI 时代的数据消费提供了最坚实的基础

数据的价值不仅在于聚合,更在于高效利用。传统数仓时代,企业常因海量数据的复杂计算陷入系统无法灵活扩展的困境,而Customer Data Cloud采用的云原生湖仓一体架构,以“存储与计算分离”的设计彻底解决了这一痛点。弹性伸缩的计算资源可轻松应对亿级数据表的实时查询,即便是面对百万级、千万级跨表上百个表连接的实时查询需求,平台也能通过离线计算技术从容响应,而增量计算引擎也极大的提升了计算效率,在保障业务连续性的同时完成深度分析,让企业兼顾数据规模与系统稳定性。

AI有各种数据检索的场景,特别是RAG应用中,数据检索的效率和效果直接影响用户体验,Customer Data Cloud通过混合检索技术,将向量检索与标量索引结合,为不同场景提供最佳数据支撑。在一些特殊场景下可灵活的结合基于向量数据的语义检索和基于倒排索引的标量检索,才能达到更好的效果。比如在分析师Agent的场景中,不仅需要关键词的标量检索,还需要结合基于语义的向量检索。销售易把数据计算和数据检索的这些能力,通过统一的数据服务开放给AI和BI的应用场景,为销售策略生成、智能邮件撰写等RAG应用提供了精准的数据支撑,真正让多模态数据“活”了起来。

NeoAgent平台:从数据到智能决策的闭环

在夯实数据底座的基础上,销售易通过四大维度持续构建企业级、安全、可信的AI Agents。

低门槛构建,让企业成为AI应用的主人

销售易始终坚持“客户为中心”,在服务众多客户过程中,销售易意识到即使是Agent技术,客户和伙伴同样需要定制化的智能体解决方案。从构建 Agent 体系伊始,销售易便同步打造了NeoAgent平台,为客户及生态伙伴提供Agent逻辑编排、提示词管理与配置、知识库构建与管理、可视化调试的一站式工具支持,既延续了销售易的开放基因,又为企业级 AI 创新提供了标准化开发与调试框架,企业通过自然语言交互,即可快速构建定制化Agent落地AI场景:

Agent Builder:企业只需通过自然语言定义Agent的主题目标、行为指令和执行任务,即可快速构建定制化Agent,并通过可视化调试工具验证其执行效果。

Prompt Builder:针对需要深度调用大模型的场景,Prompt Builder允许开发者灵活配置提示词模板,嵌入动态业务参数,同时通过数据脱敏规则确保敏感信息的安全传输。

实时无缝访问数据,基于多模态数据推理自主执行 CRM 任务

在构建并运行Agent的过程中,销售易赋予了其在运行时实时读取Customer Data Cloud上数据的能力,从而让Agent具备丰富的知识储备。同时,推理引擎会根据Agent的主题和指令进行意图识别,进而完成流程编排,触发相action的执行。值得一提的是,销售易的Agent与CRM平台实现了无缝对接,能够调用业务API,触发工作流节点,直接调用自定义代码、触发器脚本,或者读取业务数据,形成“数据输入-智能决策-业务执行”的完整闭环,从而实现更高效、更智能的业务流程自动化。

NeoAgent平台架构

六大安全机制,构建企业级安全护城河

AI应用要跟大模型交互,企业里面最敏感的数据资产如何确保是安全的?销售易将企业的安全和合规摆在第一位,通过六大机制构建企业级安全护城河:

▶ 租户数据隔离:通过租户级隔离设计,在销售易平台确保租户数据的严格隔离基础上,同时规避大模型缓存导致的跨客户数据泄漏;

▶ 敏感数据脱敏:支持灵活配置脱敏规则,对企业敏感数据进行脱敏;
▶ 大模型请求数据零留存:与第三方模型厂商签订协议,确保其不得留存客户数据或用于二次训练。
▶ 毒性内容拦截:对模型返回内容进行合规性过滤,并记录从指令输入、数据检索到动作执行的全链路日志,确保问题可追溯、安全合规信息再返回。
▶ 确保Action可控:在Agent创建阶段预设可执行操作边界,如禁止删除订单记录,拦截越权指令。当检测到“删除全年交易数据”等高危动作时,系统自动冻结执行并触发人工审核。
▶ 全链路审计:从用户的输入到推理,到RAG,再到大模型交互的过程,返回的模式,全链路可审计,确保整个过程有任何的问题,可以做相应的审计。

智能模型的场景化适配

销售易NeoAgent希望帮助企业构建一个开放、智能、安全的平台。面对企业多样化的大模型应用需求,基于销售易在5000+企业服务中积累的场景认知和实际测试验证,NeoAgent会智能匹配最优模型组合并路由到最合适的大模型响应当前的请求。例如在客服的场景,会选择基础大模型,因为它在保证令人满意的效果的同时,比推理大模型的性能表现更优秀,更短的响应时间给客户带来更好的体验,而在智能客户情报洞察、智能生成拜访策略等场景,会用到推理大模型。这种策略既保证了核心场景的效能最优解,又为特殊需求预留了扩展空间。

对于数据主权要求严苛的客户,平台支持无缝接入私有化部署的DeepSeek、千问、智谱、Llama等各种专属模型,通过标准化接口实现从数据调用到结果反馈的全流程闭环,让企业在享受AI红利的同时,完全掌控自身数据资产的流动边界。