随着AI处理基础事务，品牌评判标准在于其处理复杂事务和共情的能力。

要点概述：

• AI使速度成为基本要求，而非差异化因素。由于自动化已能大规模实现快速响应，因此客户服务不能再仅凭处理时长和响应速度来评判。

• 随着复杂性和情感需求的增加，人的价值也随之提升。AI擅长处理重复性、结构化的交互，但在敏感、模糊且需要建立信任的时刻，人的作用仍然最为关键。

• 交接环节现在成为体验的关键。最大的服务失败往往不在于机器人本身，而在于当上下文信息无法从AI顺畅地转移到人工客服时，所导致的交接中断。

长久以来，客户服务一直以速度、成本和解决时间来衡量，但随着AI承担了更多的交易性工作量，这些指标已不足以定义良好的客户体验。自动化正以越来越高的准确度处理常规咨询，使人工客服的角色转向处理更复杂、情感更微妙的交互，这一转变迫使企业重新思考在数字背景下共情的真正含义，以及如何使其与大规模效率共存。

本文探讨了AI如何重塑客户服务运营，人类交互在哪些方面仍能创造最大价值，以及企业如何平衡自动化与真实的客户互动。

效率已成为基本要求

多年来，客户服务的表现一直以速度来衡量。平均处理时长(AHT)、响应时间和解决时间等指标成为成功的主要标志。企业投入大量资源优化这些指标，往往将更快速的服务等同于更优质的服务。

AI从根本上改变了这一局面。如今，自动化能够处理大量常规咨询，提供即时响应，并保持跨渠道的一致可用性。曾经需要人工干预的任务，如回答常见问题、查询订单状态或转接请求，现在都能在几秒内完成。

速度不再定义服务质量

因此，速度已不再是竞争优势，而是一种期望。客户认为基本交互应该快速且无阻碍地进行。延迟响应不再是不便，而是未能达到基本标准的失败。

这一转变揭示了效率作为服务质量主要衡量标准的局限性。当每家企业都能快速响应时，差异化因素就不再是问题解决的速度，而是交互与客户需求匹配的程度。效率仍然重要，但仅凭效率已远远不够。

随着AI变得越来越适应性强，企业开始重新思考什么定义了高质量的服务交互。

TTEC Digital客户体验转型执行董事Cliff Martin告诉记者：“即时工程正在兴起，使我们能够构建出能够在客户经历特定时刻时展现出恰当共情的智能机器人，这将‘优质’服务的定义从关注脚本和速度转变为关注情感校准。”Martin将服务质量重新定义为情境性的，即成功取决于交互如何适应客户情境，而非它们如何高效地遵循预定义的工作流程。

一旦速度成为标准，它就不再定义良好的体验，相反，客户从一开始就在评估交互是否相关、个性化且被理解。

ICUC.Social客户成功总监Grace Putney告诉记者：“如今，良好的客户服务不再取决于解决时间，而更多地取决于认可——客户是否在那一刻感到被理解和倾听，以及品牌是否首先预料到了他们的需求。”Putney强调，在交互初期预料到客户需求变得比单纯快速解决问题更为重要。

为何传统指标不再能说明全部问题

随着企业超越基于速度的指标，挑战不仅在于衡量绩效，更在于衡量正确的结果。特别是对于AI驱动的环境而言，解决时间和工单关闭率等传统指标可能会给出误导性的成功图景。

SalesforceAI首席产品经理April Zheng告诉记者：“速度和解决时间不再能给出全面的图景，真正重要的是客户是否认为他们的问题得到了解决，而不是系统是否关闭了工单。”

Zheng指出了系统级指标与客户感知之间日益扩大的脱节，表明AI驱动的服务体验在仪表板上看似成功，却往往未能完全满足客户期望，这一转变正推动企业重新思考如何定义和衡量服务质量。

重点开始从问题解决的速度转移到体验交付的有效性上，这包括理解情境、预料意图，并确保每次交互都能为客户带来连贯且有意义的旅程。

AI真正改善服务的领域

AI已经在客户服务的特定领域带来了可衡量的改进，特别是在交互可预测、可重复且对时间敏感的情况下，这些并非边缘情况，而是日常服务量中的很大一部分。

AI擅长处理大量重复性工作

在高容量交互中，AI的优势最为明显，因为这些交互中一致性和速度至关重要。Putney解释说：“AI在大量、可重复且频繁的交互中，如订单状态更新、常见问题解答和入站咨询分类中，能够创造最大的价值，它实现了大规模的效率和一致性，使事情更快、更容易。”这种自动化减少了常规服务场景中的变异性，使企业能够在不增加运营复杂性的情况下处理规模问题。

最直接的好处之一是初始响应时间。AI系统可以立即确认客户咨询，收集初始情境信息，并开始引导交互，无需延迟，这减少了客户的感知等待时间，并确保客户不会怀疑他们的请求是否已被接收，这一转变在社交聆听和客户服务平台上已经显而易见，这些平台的重点已经从响应时间扩展到品牌如何快速意识到客户需求或问题。

AI在简单问题解决方面也表现出色，订单状态查询、账户更新、预约安排和常见问题解答(FAQs)等常规请求可以快速准确地处理，这些交互通常遵循定义的模式，非常适合自动化，且不会牺牲质量。

在某些情况下，AI甚至可以在结构化、任务驱动的交互中超越人工客服。Martin指出：“AI没有状态不佳或偏见的时候，它提供无限的耐心和即时校准，我们在直接行动意图中看到了最大的价值，如航班取消或医疗预约安排。在这些时刻，AI实际上可以比压力重重的人工客服提供更多信息和吸引力，因为它总是在倾听以理解，而不仅仅是为了回应。”Martin强调了AI在需要准确性和响应性而非解释的场景中的一致性和专注性优势。

可用性和一致性是AI的真正优势

可用性是AI的另一个明显优势，与人工团队不同，AI可以跨渠道连续运行，无需增加人员配置即可随时提供支持，这对于拥有全球客户或需求模式不均衡的企业来说特别有价值。

一致性同样重要，AI系统根据定义的逻辑和访问相同的基础数据来提供响应，减少了交互之间的变异性。虽然人工客服的经验或方法可能有所不同，但AI确保类似请求以一致的方式处理。

这些能力共同使企业能够更高效地处理业务量，同时保持基本的服务质量水平。通过将常规工作量从人工客服身上移除，AI为处理更复杂和有意义的交互创造了空间，使这些交互能够得到更细致的关注。

AI在客户服务中的不足

尽管具有优势，但在情境模糊、涉及情感或情况超出定义模式时，AI仍然力不从心，这些不足在客户服务中并非边缘情况，而是往往最为关键的时刻。

细微差别和情感仍难以自动化

细微差别仍然是一个挑战，客户并不总是清晰或一致地沟通，且意义往往由语气、时机和先前交互所塑造。虽然AI在许多场景中能够解读意图，但它仍可能误读微妙线索或未能识别出需要不同方法的情况。

情感是另一个限制，客户带着沮丧、困惑或紧迫感联系企业时，并不仅仅是在寻找答案，他们希望被理解。AI可以模拟共情语言，但它无法像人类一样真正把握情感情境，因此，响应可能感觉正确，但并不适合当前情况。

这些限制在风险更高、容错率更低的情况下最为明显。

Content Guru联合创始人兼副首席执行官Martin Taylor告诉记者：“各行业(如金融、保险和医疗)的联络中心处理大量敏感交互。对于其中许多交互而言，引导客户使用自助服务或聊天机器人是不合适的。”Taylor说：“客户联系客服讨论财务问题、在遭遇不幸后提出保险索赔或接收健康诊断时，最好由能够同时提供共情和信息的熟练人工客服来服务。”

边缘情况进一步暴露了这些限制，当请求超出标准工作流程时，AI系统可能难以适应。这些交互通常需要判断力、创造力或调和冲突信息的能力，而这些仍然是人工客服更为有效的领域。

信任是连接这些挑战的潜在因素，当风险较低且结果可预测时，客户更可能接受自动化交互。随着复杂性或敏感性的增加，对人类参与的期望也随之增加。如果客户觉得他们的情况正由一个不完全理解他们的系统处理，那么对体验的信心就会迅速丧失。

这就是共情变得至关重要的地方，不是作为脚本化的响应，而是作为解读情境、适当响应和实时适应的能力。AI可以支持这些交互，但它无法完全替代人类理解复杂性、情感和不确定性的细微差别的能力。

人工客服的新角色

随着AI承担了更多常规交互，人工客服的角色开始转变，他们不再专注于业务量和速度，而是越来越多地负责处理需要情境、判断力和适应性的时刻。

升级处理现在定义了人工客服的角色

升级处理成为主要功能，当问题无法通过自动化解决时，向人工客服的过渡不仅仅是同一过程的延续，它是交互类型的转变。客服必须迅速评估情况，理解已经发生了什么，并确定如何推进交互，而无需客户重复信息或重新建立情境。

复杂问题解决也变得更加核心，这些交互通常涉及多个系统、标准流程的例外情况或冲突信息。与常规咨询不同，它们无法通过预定义的工作流程解决。客服必须解读情况，实时做出决策，并根据客户需求调整方法。

情商成为差异化因素

情商在这些时刻也发挥着关键作用，联系人工客服的客户往往感到沮丧、困惑或紧迫，识别并适当响应这些情绪的能力可以决定交互是解决问题还是进一步升级问题，这不是关于脚本化的共情，而是关于以建立信心的方式理解语气、情境和意图。

情感的出现往往标志着自动化变得不足的时刻，Putney告诉记者：“投诉、升级、敏感问题或重要客户反馈需要判断力、共情和适应性。虽然AI可以支持并帮助识别关键时刻，但它无法替代人类元素。”Putney指出，情感化交互需要灵活性，且解读超出预定义或结构化响应的范围。

随着时间的推移，这一转变更加重视关系建立。客服不再将每次交互视为离散事件，而是为持续的客户关系做出贡献，这包括增强信任、在交互之间提供连续性，并确保客户感到被理解，而不仅仅是在单个问题上。

这些变化共同反映了向人机混合服务模式的更广泛转变，AI处理服务的可预测和可重复方面，而人工客服则专注于复杂性、判断力和连接。目标不是取代人类参与，而是提升其价值，确保当人类交互发生时，它为客户带来有意义的价值。

设计交接环节

AI与人工支持之间的交接是许多客户服务策略失败的地方，虽然企业在自动化和客服工具上投入大量资源，但两者之间的连接往往被视为事后考虑。结果是碎片化的体验，破坏了效率和客户信任。

情境中断是最大的摩擦点

情境转移不畅是最常见的问题之一，客户可能与一个AI系统交互，该系统收集信息、识别意图并尝试解决问题，但当交互升级到人工客服时，该情境往往不完整、无法访问或无法以可用方式呈现。

Martin强调：“客户服务中最大的摩擦点之一是客户在联系到人工客服时必须重复自己或进行冗余的身份验证，我们必须不惜一切代价避免‘你又是谁?’的时刻。为了解决交接问题，我们可以使用AI作为插槽填充器来处理不需要人工的事情，如身份验证、数据收集和初始意图发现。”Martin说，当交互到达人工客服时，应该通过一条简短的线路进行。“客服不应该问‘你又是谁?’，因为AI已经提供了无缝的总结，使人工能够介入并提供关闭循环所需的高接触、情感共情。”

这种连续性的中断不仅仅是技术问题，它们直接影响客户对交互的感知。即使AI成功收集了信息，如果情境没有传递下去，体验也会迅速恶化。Zheng强调：“客户讨厌重复自己，如果AI不能轻松地将情境传递给人工客服，你就让体验变得更糟。”

在系统层面，这些中断往往是平台脱节的结果。AI工具、CRM系统、支持平台和知识库可能独立运行，各自拥有自己的数据和工作流程。如果没有集成和共享情境，自动化与人工支持之间的交接就成为重置点，而非延续。

交接必须作为体验的一部分进行设计

设计交接需要将其视为体验的核心部分，而非例外，这意味着确保情境被捕获、结构化并在系统之间无客户摩擦地传递，确保客服能够立即了解先前的交互，并确保工作流程对齐以支持连续性。

如果设计得当，交接对客户来说是看不见的。交互自然进展，每一步都建立在上一步的基础上。如果设计不当，它会暴露系统的潜在碎片化，这往往是客户体验失败的地方，不是因为缺乏能力，而是因为组件从未被设计为协同工作。

在AI背景下重新定义共情

随着AI越来越多地嵌入客户服务中，共情往往被框定为语气问题。系统被设计为听起来具有对话性、礼貌性和理解性。虽然这可以改善表面层次的体验，但它并未完全捕捉共情在实际中的要求。

共情不仅仅是语气

共情不仅仅在于如何表达，还在于交互发生的时间和方式，时机起着至关重要的作用。快速响应是有价值的，但适当响应更为重要。在某些情况下，即时自动化是有帮助的。在其他情况下，如果客户正在处理复杂或情感化的问题，它可能会显得轻视。

情境意识同样重要，共情取决于理解客户情况的完整图景，包括先前交互、意图和情感状态。没有这种情境，即使措辞得当的响应也可能偏离目标，这就是数据、系统和人类判断相结合变得至关重要的地方。

知道何时不自动化

或许最重要的是，共情涉及知道何时不自动化，并非每次交互都能从效率中受益。在需要安慰、解释或建立信任的时刻，人类参与往往是更有效的方法。识别这些时刻并设计能够相应适应的系统是提供有意义服务的关键部分。

随着AI越来越多地嵌入面向客户的交互中，信任越来越依赖于透明度和真实人类输入的存在。

Bazaarvoice首席营销官Doug Straton告诉记者：“我们的研究一直表明，消费者只有在AI辅助与未经编辑的人类输入相结合时才会接受。购物者可能会与友好的AI界面互动，但转化(以及最终，长期信任)只会在他们能够看到背后真实的人类体验时发生。”

从这个意义上说，共情成为一种设计原则，而非功能，它被构建到交互如何路由、情境如何共享以及关于何时涉及人类的决策如何做出中。AI可以支持这一过程，但它需要周到的实施，以确保效率不会以牺牲理解为代价。

AI与人类服务的融合之处

客户服务不再由企业响应的速度定义，而是由它们如何有效地将自动化与人类判断相结合来定义。AI已经使效率成为基本期望，能够大规模处理业务量、速度和一致性。现在的差异化因素在于企业如何设计系统与人员之间的交互，确保情境得以保留、交接无摩擦，以及人工客服专注于需要细微差别和信任的时刻。

文章来自：51CTO