AI辅助整理：本文基于下方列出的公开原始来源改写，不代替原文。
核心摘要： Uber企业版（Uber for Business）每月有数万条线索在自助注册中途流失，仅30人的 onboarding 团队无法逐一跟进。Uber 在 Agentforce Sales 内装了“注册引导智能体”：自动识别用户卡在支付或激活哪个环节，24小时内发个性化邮件答疑、约会议，复杂问题再带全上下文转人工。整个系统六周上线，上线两周内智能体邮件转化率比自然基线高约60%，并预计带来低七位数美元量级的增量营收。
业务背景
Uber for Business 是 Uber 面向企业客户的出行、餐饮、配送管理平台，全球超过30万家组织在用。注册流程设计为自助完成，但部分企业对流程不熟，导致线索在填表后放弃，辍单率居高不下。
业务问题
每月数万条线索未能完成注册，流失明显；负责引导的仅约30名人工 onboarding 专家，没有足够人力逐条跟进；即便人工介入，对客户反应缺乏可见性，后续跟进效率低。
AI怎么落地
Uber 在 Agentforce Sales 内部署了一个“注册引导智能体”，把它当成每位线索的私人向导：智能体先定位用户卡在注册流的哪一步（如支付设置、激活），再发个性化邮件给予帮助，解答常见问题、主动约会议，24小时内未回复则再次跟进；支持英西法德葡日等多语言，无需扩销售团队即可做全球覆盖。
当遇到复杂定价等需要人工的问题时，智能体带完整对话摘要与推荐动作转接销售代表。
实施步骤
通过 MuleSoft 把 Uber 的 Oracle 数据库、Hive 数据湖及外部市场数据接入 Agentforce Sales，让智能体拥有实时客户视图；用约300个来源（PDF、网页、销售资料）构建知识库并结合 RAG 做检索增强生成，确保回答有据。
设定严格护栏：只依据知识库生成内容、不暴露来源、不发送未经验证的链接、用户退订立即停止。项目由 Uber 与 Accenture、Salesforce 专业服务三方协作，从概念到上线共约六周。
结果证据与边界
上线两周内，智能体邮件转化率比自然基线高约60%；几乎100%开始注册的企业都会收到个性化支持与跟进；人工销售从被动跟单转向专注于高价值成交。
Salesforce 客户故事还称其有望带来低七位数美元量级的增量营收——此表述为“预期/预计”口径。来源未披露：以上数字未经第三方独立审计，均为 Uber 与 Salesforce 联合披露。
可复制动作
先画出自助注册/下单的流失节点，把“卡点”作为智能体的触发条件；落地前把企业知识库和 CRM 实时数据接好并做 grounding，保证回答可控。
明确“何时转人工、带什么上下文”的边界，并设内容来源与退订护栏；用小团队加多语言能力验证规模化，不要一开始就追求大模型万能。
证据与边界
- 上线两周内智能体邮件转化率比自然基线高约60%（Uber 与 Salesforce 联合披露）
- 预计带来低七位数美元量级的增量营收，此为预期口径
- 来源未披露：以上数字未经第三方独立审计
企业今天可以做什么
可复制的做法：①先画出自助注册/下单的流失节点，把“卡点”作为智能体的触发条件；②落地前把企业知识库和 CRM 实时数据接好并做 grounding，保证回答可控；③明确“何时转人工、带什么上下文”的边界，并设内容来源与退订护栏；④用小团队加多语言能力验证规模化，不要一开始就追求大模型万能。