> For the complete documentation index, see [llms.txt](https://doc.duaer.com/zh/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://doc.duaer.com/zh/guides/ai-audit-trail-salesforce.md).

# Salesforce AI 审计追踪 2027：为什么智能体操作会逃出标准日志

本文整理自 Duaer 文档站，说明在 Salesforce 中，AI 辅助操作为何难以被标准日志完整还原，并给出审计记录的必备字段、落地顺序与验证方法。

## 真正的问题：Salesforce 日志并非为 AI 操作设计

大多数 Salesforce 团队都以为自己已经有审计追踪。他们能看到谁修改了某个字段、记录何时被编辑、哪位管理员改动了权限集。问题在于 AI 进入工作流之后。生成式助手起草客服回复，智能体更新商机阶段，或摘要功能把客户账户备注拉进提示词。当审计人员、客户或内部风控团队追问系统为什么这样做时，标准日志往往只能给出部分答案：记录确实变了，但没人能说清是哪条提示词、检索了哪些数据、调用的是哪个模型版本，或者哪一次工具调用产生了这次修改。

搜索词「ai audit trail salesforce」背后正是这个缺口。团队真正需要的并不是一个产品勾选项，而是要回答一个更难的问题：事后能否还原 AI 组件在 CRM 中做了什么，并证明它当时有权这样做？如果答案是否定的，试点项目可能看起来仍然有用，但一旦法务、安全或财务要求提供证据，项目就会停滞。

## 为什么它比打开一个日志开关更难

Salesforce 原生的历史记录功能很有价值，但它的设计目标是记录数据变更和管理员变更。它擅长回答「某个字段从 A 变成了 B」，却很难回答「自动化流程为什么决定做出这次修改」。AI 驱动的更新通常会经过多个层次：用户或系统触发、提示词模板、从知识文章或其他对象中检索内容、模型调用、输出解析，最后才写回记录。每一层都可能独立地失败或产生偏差。

还有数据量的问题。一个面向客户的助手，每次交互都可能产生大量中间事件。如果不制定保留计划就全量记录，存储和审核成本会迅速上升；如果记录太少，又会失去调查能力。跳过这一设计步骤的团队，通常要等到事故发生后才意识到这种取舍。

最后是责任分散。Salesforce 管理员负责元数据和权限，数据团队负责知识来源，AI 或集成团队负责提示词和模型调用。没有人对端到端的完整链路负责。缺少统一的负责人，审计追踪最终就会变成分散在不同系统里的一堆零散日志。

## 制造虚假安全感的常见误解

第一种误解是「字段历史跟踪已经覆盖了」。事实并非如此。字段历史只告诉你某个值变了，并不说明推理路径、输入上下文，或者输出是否经过人工审核。应把它视为若干来源之一，而不是审计追踪本身。

第二种误解是「供应商的 AI 功能默认合规，所以我们已经覆盖」。平台层面的保护措施可以降低某些风险，但企业仍然有责任记录自己的配置允许了什么。默认设置不能证明你的具体使用场景已经过审查和批准。

第三种误解是「上线之后再补日志」。实际上，事后补救成本很高，因为还原所需的上下文，例如确切的提示词版本和检索片段，如果不在运行时捕获，就会永久消失。应在第一次生产写入之前就规划好审计结构。

第四种误解是「日志越多，治理越好」。一堆没人审阅的原始事件并不构成控制。真正重要的是：正确的事件是否被关联、可被检索，并且对应到一个负责任的所有者。

## 可用的 AI 审计记录应包含什么

对于一次 AI 辅助的 Salesforce 操作，一条实用的记录应回答六个问题：由谁或什么触发；影响了哪个对象和哪些字段；调用了哪个模型及其版本；使用了哪个提示词模板及其版本；检索了哪些数据源；以及人工或策略审批的状态。每个操作都应带有唯一的关联 ID，以便从触发到写入全程追踪。

记录应分为两个层级。业务层面是审核人员需要的内容：记录 ID、变更前后的值、原因分类和审批人。技术层面是工程师需要的内容：请求与响应载荷、延迟、错误码和工具调用序列。两层都要保留，但不要强迫业务审核人员去阅读原始载荷。

对敏感数据要有明确的决策。提示词和检索片段可能包含个人信息或合同信息。需要决定哪些完整存储、哪些脱敏、哪些只保存指针引用。保留期限应依据法律和合同义务来确定，而不是沿用存储系统的默认设置。

这正是治理框架发挥作用的地方。我们关于 [AI 治理框架 2027 指南](https://doc.duaer.com/zh/guides/ai-governance-framework-2027/) 的说明解释了：除非政策被转化为具体的字段、负责人和审查步骤，否则很少能真正落地到生产环境。这里也应采用同样的严谨方法：审计记录中的每个字段，都应对应到某个人迟早会问的问题。

## 落地顺序与效果衡量

先从一个工作流开始，而不是整个组织。选择一个业务价值明确、风险可控的 AI 辅助操作，例如起草客服回复，由人工审核后再发送。梳理从触发到写入的每一步，并标记证据目前在哪里丢失。大多数情况下，丢失发生在 Salesforce 与外部模型调用的边界，或者检索内容未被记录的环节。

接下来，定义关联 ID 并确保它在链路中传递。在 AI 操作开始时生成，将其存储在 Salesforce 记录或关联的事件对象上，并包含在每一次下游调用中。然后确定审计事件的落点。有些团队把面向业务审核的内容写入自定义对象，把技术载荷发送到权限受限的独立日志存储。两种模式都可行，前提是两者之间的关联可靠。

第三，在上线前测试还原能力。抽取十个过往操作，其中包括两个被审核人员驳回的操作，尝试仅依靠审计追踪解释每一个。如果不能有把握地还原至少八个，说明设计尚未就绪。这个测试简单、成本低，而且比任何供应商演示都更能说明问题。

衡量成功不应看日志事件的数量，而应看还原率，即抽样的 AI 操作中，仅凭审计追踪就能完整解释的比例。还要跟踪回答一次审计问题的平均耗时，这能反映非工程人员能否使用这些数据。另外关注异常审核覆盖率，即被标记的操作中，有记录的人工决策所占的比例。

还要留意悄无声息的缺口。一个常见的故障是提示词模板在某个环境中被修改，却没有更新版本号，于是日志显示的模板 ID 相同，行为却不同。另一个是检索索引悄悄与数据源不同步。应增加检查，将每次运行实际使用的模板版本和索引时间戳与预期进行比对。

每月与跨职能小组一起复盘这些指标：Salesforce 管理员、数据负责人、安全或合规代表，以及业务流程负责人。目的不是做出一个仪表盘，而是基于证据判断这项 AI 功能是否可以扩大范围。

## 本周可以采取的一步与总结

选择一个已经在生产环境或试点中运行的 AI 辅助 Salesforce 操作。用一页纸写下上文记录部分的六个问题，并检查目前能从现有日志中回答其中的几个。统计缺口数量，然后挑出阻碍最多问题的那一个缺口，指定一名明确的负责人，在两周内补齐。不要试图一次修复所有问题。

如果你希望获得这一场景的书面落地路线，包括如何安排审计结构、审批步骤和复盘节奏，请告诉我们你的具体场景，我们会回复一份针对该场景的书面落地路线。

https://api.duaer.com/form/c59a907a-3697-4edf-a04d-3ea0fb72fdc8

如果你希望把这类工作流从事件捕获到异常审核都交给系统处理，而不是手动拼装每个环节，可以了解 [Duaer](https://www.duaer.com)。这是我们自己开发的产品，请结合你自己的需求和现有 Salesforce 架构来评估，而不要把它当作中立的基准。你也可以注册并试用体验环境 https://www.duaer.com ，在扩大范围之前先看看单个工作流的端到端审计追踪是什么样子。

总结：Salesforce 中的 AI 审计追踪不是某一个日志设置，而是一条从触发到写入、由证据环环相扣组成的链路。它应在上线前设计，由明确的团队负责，并通过还原真实操作来验证。从一个工作流开始，在扩大规模之前，先证明你能解释它。

## 常见问题

### Salesforce 的字段历史跟踪能否满足 AI 审计要求？

通常不能单独满足。字段历史只能说明某个值从什么变成了什么，无法说明触发原因、输入上下文、所用模型与提示词版本，也无法证明是否经过人工审核。它应作为多个证据来源之一，与提示词版本记录、检索记录、工具调用日志和审批记录结合使用。

### AI 在 Salesforce 中的操作审计记录应包含哪些关键字段？

至少应包括：触发者或触发系统、受影响的对象和字段、变更前后的值、模型及版本、提示词模板及版本、检索的数据源、人工或策略审批状态，以及贯穿全程的关联 ID。业务层记录供审核人员使用，技术层记录（请求响应载荷、延迟、错误码）供工程人员排查。

### AI 功能上线后再补充审计日志是否可行？

很难做到完整还原。提示词的确切版本、检索到的片段等运行时上下文如果没有在执行时捕获，事后通常无法恢复。因此建议在第一次生产写入之前就规划好审计结构，并通过抽样还原测试确认其可用性。

