一位客户致电你的支持热线，AI客服接听，却对这位客户刚刚浏览过定价页面、上周刚投诉过、已与你合作三年等背景一无所知。客服在'盲飞'状态中工作。

这种现象正在普遍发生。Qualtrics的研究发现，AI驱动的客户服务失败率几乎是其他AI应用的四倍。问题不在于模型本身，而在于为模型供数据的基础设施。

数年前，行业做出了相同的押注：当监管机构收紧隐私规则、第三方Cookie走向终结时，企业纷纷重金投入一方数据基础设施——客户数据平台（CDP）、数据清洁室、同意管理工具。当时的逻辑是合理的：拥有客户关系，就拥有驱动个性化的数据。

如今，这套基础设施正被要求承担它从未被设计过的任务。

速度难题

88%的组织已在至少一项业务职能中使用AI，近四分之一正在规模化部署智能体AI系统。但无论是AI智能体、销售代表、支持团队还是商务体验，都需要在毫秒级获得客户上下文，而非现有数据架构所容忍的小时级或天级延迟。

多数企业构建的基础设施是为营销战役优化的：批量处理的触达、隔夜刷新的受众细分、每24小时更新的客户画像。当业务以营销邮件、销售序列和展示广告为主时，这种节奏是合理的。

对话遵循的是另一套时钟。当客户处于交互进行时——无论是与AI智能体、支持代表还是结账流程——你无法等待ETL管道跑完。你需要即刻知道：这位客户刚刚访问了定价页面，已与你合作三年，上次互动是一次投诉。

标准已从静态客户数据提升至实时客户上下文。大多数一方数据策略并未为此做好准备。

战役与对话：两种截然不同的数据需求

向同行解释这一问题时，我常使用一个简单框架：一方数据如今承担两项工作，而多数企业只构建了其中一项。

第一项：驱动营销战役。营销自动化、销售触达、培育流程、重定向——这些是计划性的、基于细分的、大体单向的。CDP正是为此设计：从触点收集数据，统一为客户画像，并激活用于对外触达。该工作流中的延迟是可接受的，因为战役本身运行在相似的时间尺度上。

第二项：驱动实时对话。实时支持交互、销售电话、商务时刻、AI智能体——这些是实时的、个体的、双向的。它们需要的不仅是数据，更是上下文：跨渠道的对话历史、预测、情感信号。这位客户是否感到沮丧？是否即将流失？刚刚在网站上做了什么？销售代表或AI智能体必须在当下知晓这些，而非等待夜间批处理作业。

基础设施的鸿沟不在于营销部门与其他部门的对立，而在于计划性与实时性、单向告知与双向对话之间的根本差异。

正在反噬的捷径

在竞相部署AI智能体和现代化客户交互的过程中，许多组织干脆跳过了方数据集成环节。它们快速搭建新体验，因为与数据仓库和CRM的集成实在困难。结果是：对话只知道当前时刻发生了什么，却对客户历史一无所知。

后果迅速显现。超过半数的消费者报告称，AI很少掌握他们过往互动的上下文。仅有15%的消费者认为，在AI转接后，人工客服能获得完整背景。与此同时，82%的企业领导者认为他们深刻了解客户。认知与现实之间的鸿沟正在扩大。

难怪只有约三分之一组织真正在跨职能规模化AI，其余仍困于试点阶段。数据集成挑战是比多数人愿意承认的更关键制约因素。

从客户数据平台到上下文数据平台

回顾CDP的演进：第一代聚焦数据路由——从网站取数，发送至分析工具；第二代聚焦战役激活——统一画像，驱动对外营销和销售。

现在正在浮现的是第三代。业内部分人士称之为从'客户数据平台'到'上下文数据平台'的转变。重点从'知道你的客户是谁'，转向'拥有关于他们此刻正在做什么、感受如何、下一步需要什么的实时上下文'。

这并非要求抛弃已有建设。现有CDP在战役场景中依然有效。但你需要一个并行能力：一个以对话所需速度交付客户上下文的实时数据层。这意味着流式基础设施、与交互发生渠道的原生集成，以及将对话上下文视为一等数据类型而非事后补充的架构。

为两项工作而构建

领先的组织并非拥有最复杂AI模型的那批，而是那些及早识别数据基础设施问题的企业。它们明白：一方数据策略是2022年的正确优先级，而实时上下文基础设施是2026年的优先级。

每个企业现在面临的问题是：你的架构能否同时服务两项工作，还是只能服务最初雇佣它的那项？如果仅为战役而建，你将继续部署那些在演示中令人印象深刻、却在生产环境中令客户失望的对话体验。

好消息是：你无需推倒重来。你需要在现有系统旁构建实时层。做得好的团队将其视为演进而非替代——保留适用于计划性战役的部分，同时增加实时对话所需的能力。

你的客户已经期望你了解他们。很快，他们将期望每一次交互——无论是人工还是AI，销售还是支持——都能实时体现这种了解。你现在构建的基础设施，将决定你是能兑现这一期望，还是继续为无法做到而寻找借口。