拆解 CustomerLake 的 AI 代理驅動架構

傳統的行銷活動工作流程往往需要大量人工操作，而 CustomerLake 則以兩種能持續自主運作的 AI 代理來取而代之 ：

資料剖析代理（Profile Agents） 能夠自動將來自客戶關係管理（CRM）、交易紀錄、網站行為等管道的零散原始數據，整合成可直接用於商業決策的「客戶 360 全方位輪廓」。它們能自主處理身份識別與數據統整，無需人工介入，為行銷人員提供單一、且受完整治理的客戶視圖 。

行銷活動代理（Campaign Agents） 則負責執行 Databricks 所謂的 「無限行銷活動」（Infinity Campaigns）—— 這是一種全天候運作、自主管理的行銷計畫，而非傳統有固定檔期的靜態活動。這些代理會自行建立目標受眾、推薦下一步最佳行動、跨渠道啟用，並根據即時的成效表現持續進行最佳化 。它們會運用資料湖中的數據與 AI 模型，自行決定要發送什麼內容、何時發送、以及發送給哪些受眾，將客戶數據與執行之間形成一個完整的閉環 。

這種「代理勞動力」概念，代表的是一個根本性的轉變，也就是從單純「提供建議」的平台，進化到能在一定規範內自主「執行與最佳化」的系統 。

首發合作夥伴與早期採用者

Databricks 為 CustomerLake 引入了一個廣泛的生態系統，由多家首發合作夥伴提供平台之上的關鍵能力：

• Adstra 提供其 Conexa 身份識別平台，作為 CustomerLake 內的身份解析層，讓品牌能在不搬移數據出受治理環境的前提下，建立可信賴的客戶輪廓 。
• Bloomreach 則透過原生整合，將其 Loomi AI 代理驅動的個人化平台能力擴展到電子郵件、網站等渠道，打造一條從統一數據到即時個人化執行的直接路徑 。
• Iterable 不僅取得了 Databricks 的「驗證合作夥伴」（Validated Partner）資格，更作為首發夥伴加入，提供能將 CustomerLake 的代理智慧化為精準個人化訊息的核心協調層 。
• Acxiom 透過其 Real ID 服務，為平台上的 AI 就緒行銷提供強大的身份解析能力 。
• Slalom 則擔任服務類別的首發合作夥伴，協助客戶在可信賴的基礎上，整合客戶數據、AI 與行銷啟動 。

在本次峰會上現身說法的早期採用客戶包括了 HP（惠普），該公司正致力於為 B2B 市場進入策略打造 AI 就緒的數據基礎架構，以及全球知名連鎖便利店 Circle K，其正利用龐大的客戶數據來強化個人化忠誠度計畫 。其他被提及的企業客戶還包括 AB InBev（百威英博） 和 Getnet by Santander 。

更廣泛的合作夥伴生態系則涵蓋了用於數據擷取與啟動的 Adobe、Meta（受眾與轉換 API）、Epsilon、LiveRamp 及 The Trade Desk 等業界巨擘 。

為何 CustomerLake 反映了「AI 代理驅動企業」的重大轉向

CustomerLake 的架構與推出時機，正好與重塑企業軟體採購與使用方式的三大市場趨勢相互呼應：

1. 從 AI 助理走向自主執行

行銷科技堆疊正迅速從單純「提供建議或輔助」的工具，轉向能跨渠道自主規劃、行動與最佳化，且僅需最少人為干預的系統 。根據市場研究機構 Gartner 的預測，到 2026 年底，將有 40% 的企業應用程式會內建特定任務的 AI 代理，遠高於 2025 年的不到 5% 。另一項預測則指出，在 2026 年第四季，將有 25% 的企業軟體採購案會包含內建的 AI 代理組件；這意味著，企業採購者將期望在既有的 CRM（客戶關係管理）、ERP（企業資源規劃）及行銷套裝軟體中看到代理功能，而非單獨購買代理工具 。

2. CDP 類別正在圍繞 AI 代理重新設計架構

傳統的 CDP 是將靜態的受眾名單匯出到獨立的執行工具，這會造成數據延遲和重複。而 CustomerLake 則是將代理能力直接嵌入資料湖倉之中，代表客戶數據完全不需搬移或複製，就能直接進行啟動 。此作法呼應了一個更廣闊的產業觀點：靜態受眾區隔的時代正在過去，取而代之的是能即時治理、餵養並協調 AI 代理的平台 。產業觀察家指出，當企業在評估 CDP 時，該問的問題已經改變了：光問「它能否統整我的數據？」已不足夠，真正的關鍵問題在於：「它是否準備好餵養我的 AI 代理？」。

3. 「數據治理」成了全新的競爭護城河

藉由將行銷代理留在受治理的 Lakehouse 內，Databricks 解決了一個長期限制企業在行銷領域採用 AI 的痛點：也就是數據重複、安全措施破碎化，以及從分析到啟動之間的延遲。Databricks 大膽押注，企業會更偏好讓 AI 代理在它們存放敏感客戶數據的地方、在既有的治理管控下直接進行作業，而不是把數據搬到另一個獨立的外部行銷雲 。這使得平台本身的「治理層」——而非任何單一 AI 模型——成為真正的競爭護城河。

CustomerLake 的問世，標誌著 Databricks 不僅僅將代理式行銷視為一項「功能」，而是將它看作是平台的「轉折點」。企業軟體界的下一場競賽，將日益聚焦於誰能成為自主商業代理的預設執行環境，而 CustomerLake 正是 Databricks 在這場賽局中的開路先鋒 。

拆解 CustomerLake 的 AI 代理驅動架構

傳統的行銷活動工作流程往往需要大量人工操作，而 CustomerLake 則以兩種能持續自主運作的 AI 代理來取而代之 ：

資料剖析代理（Profile Agents） 能夠自動將來自客戶關係管理（CRM）、交易紀錄、網站行為等管道的零散原始數據，整合成可直接用於商業決策的「客戶 360 全方位輪廓」。它們能自主處理身份識別與數據統整，無需人工介入，為行銷人員提供單一、且受完整治理的客戶視圖 。

行銷活動代理（Campaign Agents） 則負責執行 Databricks 所謂的 「無限行銷活動」（Infinity Campaigns）—— 這是一種全天候運作、自主管理的行銷計畫，而非傳統有固定檔期的靜態活動。這些代理會自行建立目標受眾、推薦下一步最佳行動、跨渠道啟用，並根據即時的成效表現持續進行最佳化 。它們會運用資料湖中的數據與 AI 模型，自行決定要發送什麼內容、何時發送、以及發送給哪些受眾，將客戶數據與執行之間形成一個完整的閉環 。

這種「代理勞動力」概念，代表的是一個根本性的轉變，也就是從單純「提供建議」的平台，進化到能在一定規範內自主「執行與最佳化」的系統 。

首發合作夥伴與早期採用者

Databricks 為 CustomerLake 引入了一個廣泛的生態系統，由多家首發合作夥伴提供平台之上的關鍵能力：

• Adstra 提供其 Conexa 身份識別平台，作為 CustomerLake 內的身份解析層，讓品牌能在不搬移數據出受治理環境的前提下，建立可信賴的客戶輪廓 。
• Bloomreach 則透過原生整合，將其 Loomi AI 代理驅動的個人化平台能力擴展到電子郵件、網站等渠道，打造一條從統一數據到即時個人化執行的直接路徑 。
• Iterable 不僅取得了 Databricks 的「驗證合作夥伴」（Validated Partner）資格，更作為首發夥伴加入，提供能將 CustomerLake 的代理智慧化為精準個人化訊息的核心協調層 。
• Acxiom 透過其 Real ID 服務，為平台上的 AI 就緒行銷提供強大的身份解析能力 。
• Slalom 則擔任服務類別的首發合作夥伴，協助客戶在可信賴的基礎上，整合客戶數據、AI 與行銷啟動 。

在本次峰會上現身說法的早期採用客戶包括了 HP（惠普），該公司正致力於為 B2B 市場進入策略打造 AI 就緒的數據基礎架構，以及全球知名連鎖便利店 Circle K，其正利用龐大的客戶數據來強化個人化忠誠度計畫 。其他被提及的企業客戶還包括 AB InBev（百威英博） 和 Getnet by Santander 。

更廣泛的合作夥伴生態系則涵蓋了用於數據擷取與啟動的 Adobe、Meta（受眾與轉換 API）、Epsilon、LiveRamp 及 The Trade Desk 等業界巨擘 。

為何 CustomerLake 反映了「AI 代理驅動企業」的重大轉向

CustomerLake 的架構與推出時機，正好與重塑企業軟體採購與使用方式的三大市場趨勢相互呼應：

1. 從 AI 助理走向自主執行

行銷科技堆疊正迅速從單純「提供建議或輔助」的工具，轉向能跨渠道自主規劃、行動與最佳化，且僅需最少人為干預的系統 。根據市場研究機構 Gartner 的預測，到 2026 年底，將有 40% 的企業應用程式會內建特定任務的 AI 代理，遠高於 2025 年的不到 5% 。另一項預測則指出，在 2026 年第四季，將有 25% 的企業軟體採購案會包含內建的 AI 代理組件；這意味著，企業採購者將期望在既有的 CRM（客戶關係管理）、ERP（企業資源規劃）及行銷套裝軟體中看到代理功能，而非單獨購買代理工具 。

2. CDP 類別正在圍繞 AI 代理重新設計架構

傳統的 CDP 是將靜態的受眾名單匯出到獨立的執行工具，這會造成數據延遲和重複。而 CustomerLake 則是將代理能力直接嵌入資料湖倉之中，代表客戶數據完全不需搬移或複製，就能直接進行啟動 。此作法呼應了一個更廣闊的產業觀點：靜態受眾區隔的時代正在過去，取而代之的是能即時治理、餵養並協調 AI 代理的平台 。產業觀察家指出，當企業在評估 CDP 時，該問的問題已經改變了：光問「它能否統整我的數據？」已不足夠，真正的關鍵問題在於：「它是否準備好餵養我的 AI 代理？」。

3. 「數據治理」成了全新的競爭護城河

藉由將行銷代理留在受治理的 Lakehouse 內，Databricks 解決了一個長期限制企業在行銷領域採用 AI 的痛點：也就是數據重複、安全措施破碎化，以及從分析到啟動之間的延遲。Databricks 大膽押注，企業會更偏好讓 AI 代理在它們存放敏感客戶數據的地方、在既有的治理管控下直接進行作業，而不是把數據搬到另一個獨立的外部行銷雲 。這使得平台本身的「治理層」——而非任何單一 AI 模型——成為真正的競爭護城河。

CustomerLake 的問世，標誌著 Databricks 不僅僅將代理式行銷視為一項「功能」，而是將它看作是平台的「轉折點」。企業軟體界的下一場競賽，將日益聚焦於誰能成為自主商業代理的預設執行環境，而 CustomerLake 正是 Databricks 在這場賽局中的開路先鋒 。