代理型AI如何成為現代客户服務的核心能力

代理型AI（Agentic AI）正迅速成為現代客户服務企業的決定性能力，這些企業面臨着日益增長的壓力，需要解決一個已經持續數十年之久的問題：規模龐大、成本高昂且結構效率低下的客户服務運營。

該問題的規模不容小覷。美國政府問責局報告稱，聯邦機構在五年內為呼叫中心運營撥款近40億美元，而支持客户互動的更廣泛電信基礎設施則超過300億美元。與此同時，實際需求持續對這些系統造成壓力：公共部門數據顯示，僅在一個項目週期內，就有近1000萬個客户服務電話，等待時間往往長達一小時或更久。

採用速度已超過執行能力。斯坦福大學以人為本人工智能研究所報告稱，生成式AI在三年內達到約53%的人口採用率，速度快於個人電腦或互聯網，但大多數組織仍缺乏大規模運營AI所需的工作流架構。同時，可靠性約束仍未解決。斯坦福研究人員發現，即使是特定領域的AI系統，其幻覺率也可能在17%至33%之間，這凸顯了在高風險、受監管的工作流中部署AI的風險。

Emerj最近邀請了Dialpad聯合創始人兼CEO Craig Walker、Dialpad AI轉型與產品負責人Shezan Kazi以及Comcast AI產品與體驗副總裁Shri Nandan，共同探討決定代理型AI在何處創造實際運營價值的系統級機制——從發現與分類到集成與受監管工作流執行。

本文探討了三個關鍵洞察，闡明瞭為什麼代理型AI正成為現代客户服務，尤其是受監管行業中決定業務成果的核心能力。

對話數據作為高價值自動化的來源：對歷史互動的大規模分析揭示了可重複、合規敏感的工作流，在這些工作流中，代理型系統可以通過用證據取代猜測來立即提供投資回報。

AI主導的分類作為人類增強的催化劑：將代理型系統置於客户互動的前端，從人類代理中移除日常性任務，從而加快解決速度並提高工作質量，同時保留人類判斷力以處理模糊或高風險案例。

集成平台作為碎片化客户體驗的解藥：統一系統消除了重複驗證、反覆解釋和斷裂交接，使代理型AI、分析工具和人類代理能夠在同一連續循環中運作，從而提升客户滿意度和運營效率。

工作流重新設計作為垂直領域準確性的解鎖鑰匙：重新設計流程，使AI在實時工作流內部運行，並輔以領域特定模型，從而產生受監管環境大規模採用代理型自動化所需的準確性、同理心和合規性。

實際上，企業經常誤判自己的工作流。Craig Walker指出，領導者往往依賴直覺而非證據。六個月的互動數據會揭示出他們從未預料到的模式：意想不到的挫折峯值、比假設更頻繁重複的工作流，以及儘管從未出現在領導層“首要問題”列表中卻佔據大量通話量的問題。Shezan Kazi指出，這一過程經常推翻企業直覺。客户體驗領導者通常要求為密碼重置、航班變更或潛在客户資格認證自動化，但數據卻顯示這些並非真正的數量或摩擦驅動因素。

AI主導的分類是將發現轉化為行動的機制。Shri Nandan認為，分類始於AI的初次處理：捕獲身份、檢測意圖並立即解決確定性任務。對Craig Walker而言，分類是一種提升人類工作質量的方式：當AI處理驗證步驟和重複性問題時，人類代理可以專注於複雜問題解決、同理心和升級管理。Shezan Kazi將分類描述為一種控制系統：Dialpad使用置信度評分來決定AI是否應該繼續或升級。

分類只有在底層架構保持上下文連續時才能發揮作用。Shezan Kazi指出，當聊天機器人、IVR、CRM和分析工具作為獨立系統運行時，交互變得支離破碎。AI失去基礎，代理失去上下文，客户重複自己。Craig Walker認為，統一平台從根本上改變了系統行為。當工作流的每個部分都在單一環境中運行時，AI可以跨輪次跟蹤上下文，保持基礎，並決定是解決還是升級。人類代理獲得完整的交互歷史，而不是重建它。

總之，代理型AI在客户服務中的成功取決於三個支柱：基於數據的發現、AI驅動的分類以及統一的平台架構。這些要素共同創造了一個能夠大規模提供準確、高效和人性化客户體驗的系統。