收购后数据基础转变

Salesforce 收购 Informatica 后，随着客户方案在实际应用中逐步展开，数据基础从战略层面转向更具结构性的层面。

AI 时代可信上下文的重要性

在企业技术领域，人工智能（AI）备受关注，而数据治理、所有权和质量则在幕后发挥着重要作用。随着企业从 AI 实验阶段迈向实际部署阶段，可信上下文正成为决定 AI 能否创造商业价值或带来运营风险的关键因素。这一转变正在重塑 Salesforce、微软、Snowflake、Databricks、SAP、甲骨文等公司在数据、治理、元数据和集成服务方面的定位。如今的讨论不再局限于模型，而是聚焦于 AI 系统能否基于可信、受治理且与业务相关的信息运行。可信上下文已成为新的关键要素，Salesforce 也为此做出了战略承诺。

代理式 AI 凸显主数据管理问题

过去十年，主数据管理（MDM）一直是重要但常被忽视的基础设施。AI 的出现改变了这一状况。当 AI 开始与企业数据和流程交互时，代理式系统能够立即识别出重复记录、定义不一致、所有权分散和治理不善等问题。据悉，最近撰写的关于 Salesforce 的数据与分析现状研究显示，84%的数据领导者认为，企业在大规模应用 AI 之前，需要对其数据战略进行重大调整。这一发现反映了许多企业目前面临的问题：AI 常常会暴露多年来一直存在的数据和治理问题。Informatica（现属 Salesforce）的 MDM 高级副总裁 Manouj Tahiliani 表示：“可信上下文正成为企业 AI 领域的新关键。”他认为，可信上下文是对客户、产品和供应商的关联且受治理的视图，能让代理像经验丰富的员工一样行事。模型和代理会逐渐趋于同质化，差异化则取决于代理对企业的理解程度，而这又依赖于底层数据。AI 问题的本质不在于模型，而在于数据基础，代理界面只是附加在其上。

Salesforce 拓展数据层定义

2025 年 11 月，Salesforce 完成了对 Informatica 的收购。此次收购巩固了 Salesforce 在数据质量、治理、元数据、数据谱系和 MDM 方面的地位，也反映了市场现实。每个主要的企业平台提供商都在努力创建一个可信层，将运营系统、业务上下文和 AI 连接起来。Salesforce 首席执行官 Marc Benioff 在交易完成时总结了收购的理由：企业在期望从 AI 中获得有意义的成果之前，需要可信、关联且受治理的数据。尽管这一观点看似显而易见，但它反映了企业在将 AI 投入实际应用时面临的最大挑战之一。这一整合战略将用于分析的 Tableau、用于集成和代理架构的 MuleSoft、用于数据统一的 Data 360（前身为 Data Cloud）以及用于治理、质量、管理和 MDM 的 Informatica 结合在一起。目标并非简单的数据整合，而是创建一个可在应用程序、工作流和 AI 系统中通用的一致业务上下文层。并非只有 Salesforce 采取了这样的策略。例如，微软围绕 Fabric、OneLake、Purview 和 Fabric IQ 进行构建；Snowflake 不断扩展其治理、语义和目录功能；Databricks 推进其 Unity Catalog 和更广泛的数据智能平台战略；SAP 和甲骨文则通过业务应用程序和特定行业的数据模型追求类似目标。竞争格局正逐渐从数据存储和分析转向可信上下文、治理和运营执行。早期采用指标表明这一战略正在取得进展，不过长期成功将取决于客户成果、实施时间表和运营价值。Data 360 在 Salesforce 内部不断发展，Agentforce 的采用率持续上升，预计 2026 年 Informatica、Data 360 和 Agent Fabric 将实现更深入的集成。

Informatica 将治理扩展到代理时代

智能数据管理云（IDMC）仍然是 Informatica 数据管理战略的基础。它提供跨应用程序、数据库、文件和流数据源的元数据感知连接、治理、管理、匹配、合并和主数据功能。对大多数企业而言，连接数量的重要性不如系统间治理、所有权、质量和数据谱系的一致性。仅靠连接很少能解决数据问题，运营规范才是关键。如今的变化在于这些功能如何向 AI 系统开放。Salesforce 和 Informatica 将治理和数据管理服务定位为代理可通过模型上下文协议及相关接口直接访问的功能。价值不在于协议本身，而在于让 AI 系统能够与受治理的企业信息交互，同时保持数据谱系、治理、所有权和安全控制。无头数据管理也变得越来越重要。企业希望代理、应用程序和工作流能够访问可信服务，而无需为每个用例进行定制集成。如果执行有效，这种方法可以简化 AI 系统对企业数据的使用，同时保持治理标准。

为何许多数据项目仍面临困境

行业研究一直表明，许多 MDM 项目难以实现其最初的业务目标。治理介入过晚，高层支持不足，所有权不明确，业务部门定义相互冲突，期望技术解决组织问题。经常在企业中看到的一个问题是，技术决策往往快于治理模型的建立。企业常常在确定所有权、管理和问责制之前就部署工具。AI 往往会迅速暴露这些差距。随着企业同时在企业资源规划（ERP）、客户关系管理（CRM）、财务、供应链和运营系统中部署代理，问题变得更加复杂。当 AI 系统超越建议阶段并开始影响业务流程时，可见性、问责制和治理变得越来越重要。这正是 Informatica 的 Agent Fabric 上下文目录发挥作用的地方。其概念不在于对技术进行编目，而在于提供对代理部署、治理、监控和控制方式的可见性。Tahiliani 给出的建议与经常告诉客户的一致：从业务优先级出发，将这些优先级转化为数据战略，然后选择支持该战略所需的架构和技术。许多企业仍然采用相反的方法，难以创造商业价值。

竞争格局超越传统 MDM

MDM 并非单一供应商的市场。Gartner 2026 年魔力象限的领导者包括 Salesforce（Informatica）、Profisee、Reltio、Semarchy 和 Stibo Systems。每个供应商的市场策略各不相同。Profisee 与微软环境紧密结合；Reltio（2026 年 5 月被 SAP 收购）通过面向图的架构和以 API 为先的设计实现差异化；Semarchy 在集成和 MDM 融合方面具有优势；Stibo 在产品信息管理和以零售为重点的环境中保持强势地位。Informatica 的主要优势在于其广泛的功能、成熟的治理以及与 Salesforce 日益紧密的合作。更大的问题在于执行。企业希望看到随着路线图的推进，实施时间表、治理复杂性和价值实现时间得到改善。历史上，Informatica 的实施需要大量投资、严格的治理和组织承诺。Salesforce 需要证明，整合后的战略能够在保持许多客户期望的治理严格性的同时，简化采用过程。

Yum Brands 和 TELUS 展示可信上下文的实际应用

Yum Brands 是肯德基、必胜客、塔可钟和 Habit Burger Grill 的母公司，在全球运营着超过 63,000 家餐厅。据公司管理层称，在将位置数据有效应用于业务之前，需要花费大量精力进行整合和清理。Informatica MDM 成为该公司现代化努力的核心组成部分。TELUS 则代表了另一种用例。这家加拿大电信和健康服务提供商使用 Informatica MDM 云版和 Customer 360 来提高整个组织的客户可见性。将收购数据集成到统一的客户视图中，能够更有效地衡量营销绩效，并为有针对性的交叉销售计划提供更多机会。这两个例子本身并不能证明更广泛的战略，但它们都体现了企业 AI 项目中不断出现的一种模式：数据管理投资只有在改善运营执行、决策制定和业务成果时才能创造价值，而不仅仅是提高数据质量指标。共同的主题是，可信信息正成为企业扩展 AI、分析和运营决策的基本要求。

Salesforce 和企业买家仍需证明的方面

区分成功的数据项目和昂贵的技术项目的问题很简单：每个数据领域是否有明确的所有权？治理是否从一开始就嵌入，而不是后期添加？AI 系统能否直接使用治理和数据管理服务？合规性、安全性和运营控制能否随着 AI 的采用而扩展？这些问题比任何单个 AI 功能的发布都更重要。对 Salesforce 而言，下一阶段需要有可衡量的证据。客户案例令人鼓舞，但企业希望看到经过审计的成果、实施指标和长期运营结果。认为，企业 AI 的成功并非来自拥有最好的模型，而是来自拥有最清晰、治理最好的数据来支持其工作的团队。这反映了 ERP 系统的演变，即强调增强核心数据，而不仅仅是更新技术。Salesforce 已果断承诺将可信上下文作为企业 AI 的关键要素，为其他供应商设定了高标准。证明将不在于主题演讲，而在于 Yum 最终能够报告的门店情况、TELUS 最终能够销售的家庭数量，以及接下来 10 个关于 AI 成功集成的客户故事。

披露：KramerERP 为科技公司提供付费服务，与其他科技研究和分析公司类似。这些服务包括研究、分析、咨询服务、咨询、基准测试、收购匹配、视频赞助、演讲赞助等相关活动。KramerERP 曾与或正在与本文中提到的公司合作。

关键词：数据管理、数据治理、生成式 AI、人工智能