知名IT企业AI应用案例-- Salesforce:项目管理将从跟踪任务转向构建决策框架

观点概览：

通过融入AI，Salesforce公司在以下方面，改变了传统的项目管理和模式：

1.跨部门协同：布莱恩·加拉多强调，团队通力协作是保障项目顺利交付、提升运营效率的关键。

2.AI融合应用：人工智能可自动化处理常规工作，辅助优化决策，精简项目管理流程。

3.规范化流程：搭建标准化需求对接机制，减少业务与技术团队的沟通偏差，权责事项更清晰。

4.运营提效：智能工具省去人工台账统计，助力团队实时协作、步调保持一致。

随着这些变化中，项目经理的工作重心从单纯任务跟进，转向统筹决策规划。

Salesforce（赛富时）是全球CRM（客户关系管理）与企业SaaS 云服务的绝对龙头，1999 年创立于美国旧金山，2004 年纽交所上市（股票代码：CRM），现任 CEO 为创始人马克・贝尼奥夫（Marc Benioff）。

Brian Galardo 是 Salesforce 收入运营部的项目群兼项目经理，负责牵头跨职能项目，涵盖计费、收款和客户自助服务等领域。他设计了用于评估 AI 及智能体用例的治理框架，与管理层合作，将创新举措与战略重点对齐，并主导了多个提升企业系统和业务团队运营效率的项目。

Brian Galardo近期在DPM网站发文分享如何利用AI重构项目交付。这个话题是目前很多企业管理者和项目经理们时刻在思考的话题。各类AI项目管理工具层出不穷，公司老板在“AI焦虑”下主动或被动的也批了很多预算，但对项目经理来说，用哪些工具？用在哪些工作上？实现目标是什么？用好的标准是什么？等等问题，让人产生严重的“落地焦虑”。

Brian分享了Salesforce公司项目交付正在发生的变化，以及他如何借助AI率先推动这一进程：

如何提升跨部门项目经理的效率？

我是 Salesforce 收入运营部的一名项目群兼项目经理。我的工作处在业务策略和系统落地之间，帮团队把问题定义清楚，并达成一个大家都理解、都支持的决策。我专注于推动组织从“试试 AI”走向“规模化地用好 AI”。在 Salesforce，我牵头跨职能项目，在收入运营和财务运营中探索并落地 AI 驱动的解决方案。

我的工作涉及 AI 战略、治理和运营转型的交汇点，帮团队找到那些能显著提升效率、实现工作流自动化和优化决策的机会。

我过去做过供应链、运营和企业级项目负责人，这些经历让我对技术和 AI 如何真正改变现实流程有了更务实的理解。我始终认为，成功的 AI 项目离不开扎实的治理、可衡量的业务价值，以及用心的变更管理——这样才能让组织真正把 AI 用起来。

1.用AI辅助日常文字性工作

AI 帮我大幅缩减撰写工作汇报、总结初稿与方案草案的耗时。如今我能把更多精力放在验证设想、筹备决策事项，以及提前协调各方相关人员上。工作重心也从进度跟进，转向方向把控。

但凡容易拖慢效率的基础性工作，我都会交由 AI 先行处理。会议结束后，只需上传零散笔记或会议录音文本，AI 就能整理出条理清晰的总结，同步梳理决议、潜在风险与后续行动安排。我还借助 AI 推演方案漏洞，在正式对接相关方前，排查设想中的不合理之处，预判各类特殊突发状况。

整个使用方式并不复杂。我结合自身项目管理模式，定制了几套可复用的提示词模板，日常反复套用。核心不在于工具本身，而是搭建规整的信息输出框架，兼顾效率与工作质量。

2.AI辅助开发需求管理

对于销售部门提交的开发需求，我们引入了一套结构化提报与优先级排序流程。在评审前，先对需求进行分类、提炼和整理，让会议聚焦于决策，而非反复澄清细节。评审时长显著缩短，返工量也随之下降，因为需求在一开始就更加清晰。

真正的价值在于：业务团队与技术团队之间的误解大幅减少。

这套流程依托 Slack 工作流、共享跟踪表及 AI 工具搭建，统一了需求的提报格式。所有需求必须通过结构化表单提交，包含问题描述、受影响用户、紧急程度等必填项。提交后，AI 自动提炼需求摘要、识别信息缺失项，并在评审会前标注潜在风险。

具体流程如下：

需求在 Slack 提交后，自动进入集中跟踪表；
AI 生成精简摘要，提示信息缺口；
业务负责人与技术负责人在会前异步评审；
正式会议只需确定执行方案，不再花时间理解需求本身。

最终效果：

评审会议时长缩短近一半；
决策后的反复沟通明显减少；
返工量至少下降 30%–40%（需求前置更清晰）；
后续跟进会议减少，团队工作体验显著提升。

3.部署AI后，仍需要人工优化的地方

AI无法修复混乱流程，只会放大混乱。当目标明确、权责清晰时，它能发挥巨大价值；反之，只会加速混乱扩散。项目经理在引入 AI 前，必须先夯实基础：明确责任归属、界定问题边界、对齐合格交付标准。基础不牢，AI 只会徒增无效内耗。

实际落地中，我会确保每一项工作都做到三点：

责任到人
成功标准简洁清晰
输入信息结构化

之后再推进自动化。打好这套基础，AI 才能创造价值，而非制造更多混乱。

适合自动化的工作：会议纪要、文档撰写、需求分类（流程固定、模式化强）。

仍需人工判断的工作：优先级排序、冲突协调、变更落地（依赖人的共识与决策）。核心原则：人要与人对齐，而非只对齐产出结果。

4.以AI工具为核心的项目管理工具集

我们的核心工具包括 Slack、Salesforce 平台工具、协作白板（LucidSpark）、结构化需求提报表单，以及用于内容起草与数据分析的 AI 智能体。AI 可提供信息摘要、沟通辅助、早期风险识别等能力。过去一年，我们减少了静态跟踪表，转向实时共享协作环境，减少人工交接环节是效率提升的关键。

我主要使用 Gemini、Slack 原生工作流，以及 Salesforce 的 Agentforce 工具，处理结构化场景。我不会从零搭建复杂智能体，而是以提示词配置+轻量工作流为主，依托现有输入数据，自动完成摘要生成、沟通文案起草、早期风险预警等任务。

例如，会议结束后，我会用 Gemini 将会议纪要或录音转写内容，整理成结构化的纪要，包含决策事项和下一步行动。在 Slack 里，工作流负责需求接收，并自动分发到共享跟踪表，AI 会统一每个需求的呈现格式。当我们需要大规模整合数据和工作流时，Salesforce更多使用 Agentforce。

我们不再依赖每周更新的静态状态汇报 PPT 和电子表格，而是把所有内容都放在 Slack看板、共享跟踪表、待办视图中，持续实时更新。这样一来，任何人都能随时查看工作进展、已做决策和潜在风险，无需等待会议或报告。这减少了例行进度会，让团队对齐从“周期的”变成“持续的”。

任何人都能随时查看工作进展、已做决策和潜在风险，无需等待会议或报告。

我们用共享待办、协作看板、决策日志替代了冗长的项目计划。团队成员直接参与工作，不再被动等待进度同步。我们通过逐步淘汰无人查阅的旧文档完成过渡，新流程因为更简单易用，很快被团队接受。

5.用AI重新定义一部分核心工作

我们现在会先从多种角度解读问题，提前验证假设。会前提前准备好背景信息，会议只聚焦决策；风险更早暴露，验证更前置；减少对执行过程的监控，加强对理解一致性的确认。

我们减少对执行过程的监控，加强对理解一致性的确认。

我们借助 AI，把初始问题描述从多个视角拆解解读。例如，让 AI 分别从业务、技术、客户三个角度，分别重构需求，或预判理解偏差可能导致的风险。这并非盲目相信 AI 输出，而是快速挖掘自身容易忽略的潜在假设。

随后，我们将这些假设提前与相关方沟通，在正式立项前确认范围。沟通方式从“这样对吗？”转变为“哪一种最接近真实需求？我们还遗漏了什么？”，讨论重心从达成共识转向提高共识。这样能更早发现信息缺口，减少返工，让正式执行阶段目标更聚焦。

6.用AI驱动的工作流精简项目流程

我们正在尝试自动化需求分类与沟通分发。重点解决因权责不清而非技术难度导致的流程延误。初步成效：问题升级减少，异步决策增多。

我们优先从需求分类入手——这里是混乱最集中的环节。过去需求来源分散、责任归属模糊，团队大量时间浪费在确认需求“归谁管”上。我们搭建了基于 Slack 的提报流程，统一所有需求格式；再用 AI 做摘要提炼、信息缺失提醒、流转路径推荐。

随后，系统自动将需求推入共享跟踪表，按类型和影响范围分配给对应团队。沟通分发也同步优化：所有更新集中在统一会话 / 频道，不再零散分布。流程仍在迭代，但已明显减少“这事归谁管”的扯皮，更多决策在会前异步完成。

结构化决策是项目管理的趋势

项目管理将从跟踪任务转向构建决策框架。协作内耗会降低，共识对齐能力变得更重要；项目管理角色将更偏向战略层面，而非事务执行。

给项目经理的建议：先优化流程，再引入自动化。清晰的权责与预期，比速度更关键。一旦认知统一，效率自然提升。不要为了“留痕”而写无用文档，搭建能直观呈现进展、无需额外解释的工作流。