代理型AI如何成为现代客户服务的核心能力

代理型AI（Agentic AI）正迅速成为现代客户服务企业的决定性能力，这些企业面临着日益增长的压力，需要解决一个已经持续数十年之久的问题：规模庞大、成本高昂且结构效率低下的客户服务运营。

该问题的规模不容小觑。美国政府问责局报告称，联邦机构在五年内为呼叫中心运营拨款近40亿美元，而支持客户互动的更广泛电信基础设施则超过300亿美元。与此同时，实际需求持续对这些系统造成压力：公共部门数据显示，仅在一个项目周期内，就有近1000万个客户服务电话，等待时间往往长达一小时或更久。

采用速度已超过执行能力。斯坦福大学以人为本人工智能研究所报告称，生成式AI在三年内达到约53%的人口采用率，速度快于个人电脑或互联网，但大多数组织仍缺乏大规模运营AI所需的工作流架构。同时，可靠性约束仍未解决。斯坦福研究人员发现，即使是特定领域的AI系统，其幻觉率也可能在17%至33%之间，这凸显了在高风险、受监管的工作流中部署AI的风险。

Emerj最近邀请了Dialpad联合创始人兼CEO Craig Walker、Dialpad AI转型与产品负责人Shezan Kazi以及Comcast AI产品与体验副总裁Shri Nandan，共同探讨决定代理型AI在何处创造实际运营价值的系统级机制——从发现与分类到集成与受监管工作流执行。

本文探讨了三个关键洞察，阐明了为什么代理型AI正成为现代客户服务，尤其是受监管行业中决定业务成果的核心能力。

对话数据作为高价值自动化的来源：对历史互动的大规模分析揭示了可重复、合规敏感的工作流，在这些工作流中，代理型系统可以通过用证据取代猜测来立即提供投资回报。

AI主导的分类作为人类增强的催化剂：将代理型系统置于客户互动的前端，从人类代理中移除日常性任务，从而加快解决速度并提高工作质量，同时保留人类判断力以处理模糊或高风险案例。

集成平台作为碎片化客户体验的解药：统一系统消除了重复验证、反复解释和断裂交接，使代理型AI、分析工具和人类代理能够在同一连续循环中运作，从而提升客户满意度和运营效率。

工作流重新设计作为垂直领域准确性的解锁钥匙：重新设计流程，使AI在实时工作流内部运行，并辅以领域特定模型，从而产生受监管环境大规模采用代理型自动化所需的准确性、同理心和合规性。

实际上，企业经常误判自己的工作流。Craig Walker指出，领导者往往依赖直觉而非证据。六个月的互动数据会揭示出他们从未预料到的模式：意想不到的挫折峰值、比假设更频繁重复的工作流，以及尽管从未出现在领导层“首要问题”列表中却占据大量通话量的问题。Shezan Kazi指出，这一过程经常推翻企业直觉。客户体验领导者通常要求为密码重置、航班变更或潜在客户资格认证自动化，但数据却显示这些并非真正的数量或摩擦驱动因素。

AI主导的分类是将发现转化为行动的机制。Shri Nandan认为，分类始于AI的初次处理：捕获身份、检测意图并立即解决确定性任务。对Craig Walker而言，分类是一种提升人类工作质量的方式：当AI处理验证步骤和重复性问题时，人类代理可以专注于复杂问题解决、同理心和升级管理。Shezan Kazi将分类描述为一种控制系统：Dialpad使用置信度评分来决定AI是否应该继续或升级。

分类只有在底层架构保持上下文连续时才能发挥作用。Shezan Kazi指出，当聊天机器人、IVR、CRM和分析工具作为独立系统运行时，交互变得支离破碎。AI失去基础，代理失去上下文，客户重复自己。Craig Walker认为，统一平台从根本上改变了系统行为。当工作流的每个部分都在单一环境中运行时，AI可以跨轮次跟踪上下文，保持基础，并决定是解决还是升级。人类代理获得完整的交互历史，而不是重建它。

总之，代理型AI在客户服务中的成功取决于三个支柱：基于数据的发现、AI驱动的分类以及统一的平台架构。这些要素共同创造了一个能够大规模提供准确、高效和人性化客户体验的系统。