AI赋能服务部门
一家美国大型制造企业最近对其全球 IT 服务台进行了一次全面审视,结果并不理想:工程师无法在工时系统中登记工时,或分析师被锁定在关键应用之外时,几乎只能打电话说明问题,然后等待处理。大多数请求仍由人工通过电话处理,服务质量很大程度上取决于接听电话的人。更令人担忧的是,负责运营服务台的外包服务商,在运用人工智能改善服务台运营方面几乎没有进展。
这家公司的经历并非个例。从内部 IT 和人力资源服务台,到面向客户的联络中心与支持团队,各类服务组织都在应对相同的变化。
在用户端,服务期待已经被重新定义。受亚马逊等服务领先者大幅进步的影响,客户和员工如今都期待获得即时、全天候、并能结合自身历史情况的帮助。但在多数企业中,现行模式难以满足客户和用户的这些需求。排队等待、回电处理、不同互动渠道之间体验割裂,以及漫长的解决等待时间,在许多传统服务组织中仍十分常见,令人沮丧。
在运营端,经济压力要求服务模式更加精简,但沿用多年的老办法已不再奏效。面对通胀和持续的降本压力,服务负责人需要精简团队、优化运营。过去二十年,把工作转移到海外曾是标准做法;如今,仅靠这一招已远远不够。
密码重置、订单状态查询等重复性高、数量大的请求,十分适合自动化。竞争优势正转向能够规模化部署 AI 的组织。然而,许多企业仍难以有效落地 AI,也未能充分准备好剩余员工,使他们能够与 AI 协同工作,并以新的方式开展工作。
与以往不同的是,如今应对这些挑战所需的技术终于成熟了。十年前,服务自动化意味着脚本式聊天机器人和僵化的电话菜单。如今,ServiceNow 等平台已提供成套的 AI 智能体,语音智能体也能进行自然对话,体验接近与真人交谈。
重要的是,领先组织已经意识到,这并非一次简单的技术升级,而是从端到端重新设计服务方式的机会。这种重塑以雄心勃勃的目标为牵引,以客户旅程为核心,并将 AI 融入其中。由于大量服务工作早已外包,这些组织也在改写合作伙伴合同,让合同推动变革,而不是拖慢变革。与把 AI 当作一系列单点解决方案的组织相比,它们取得的成效要大得多。
正确转型带来的回报相当可观。根据我们的经验,成功完成转型的组织通常可将成本降低约30%,将坐席生产率提升20%至40%,并将问题解决时间缩短约25%。对于面向客户的运营,收入端也有增长空间:随着服务互动成为以有意义、贴合需求的方式与客户沟通的机会,交叉销售和向上销售通常可提升5%至10%。
同一个问题,为什么总要解释三遍
AI 正在从根本上改变典型服务体验的运行方式(见图表1)。
任何与传统服务台打过交道的人,都熟悉这种“循环”:你打电话报告问题,先向电话菜单解释一遍,再向人工坐席解释一遍,而坐席还要手动搜索知识库。如果坐席无法解决,工单就会转给专家。两天过去仍没有进展,你再次来电,接听的人却查不到此前沟通记录,于是你只能从头再来。即使问题最终解决,过程中积累的经验也很少被记录下来,更谈不上用于改进下一次互动。
在 AI 赋能的组织中,同一个请求会有完全不同的处理过程。客户无论选择哪个渠道,首先接触到的都是 AI 智能体。如果它无法解决问题,就会将请求交接给人工人员,同时保留完整上下文,并依据知识文章和过往案例推荐下一步最佳行动。问题解决后,工单自动关闭,客户也会收到通知。知识文章会自动更新,因此下一个类似请求能够更快、更准确地得到解决。
达美航空展示了这一模式在客户服务领域的发展程度。当天气或运营问题打乱旅行计划时,达美会向客户发送提醒,并尝试自动为其改签。其 AI 助手 Delta Concierge 于2026年8月向所有 SkyMiles 会员开放,距测试版上线还不到一年。
在应用程序中通过一次对话,它就能处理航班中断后的改签、符合条件的取消和退款,并结合每位旅客的行程与账户历史提供服务。需要人工介入的情况,达美员工仍会提供支持。借助这一能力,旅客往往只需轻点几下,就能搭乘新的航班,无须加入电话队列等待。
这对劳动力队伍的影响十分显著。传统的金字塔式结构——庞大的一级(L1)一线团队支撑着规模较小的二级(L2,专员)和三级(L3,专家)团队——将逐渐收缩。处理常规请求所需的人手会减少,更多员工将专注于复杂、需要高度判断力的案例。领导者需要为受影响员工制定计划:可以将表现优秀的 L1 坐席转为专员,重新培训他们担任 AI 训练师等新岗位,也可以通过自然减员逐步调整人员规模。
最好的工单,是从未被提交的那一张
只有当 AI 覆盖完整的服务生命周期,而不仅仅应用于服务入口时,组织才能获得最大收益。我们将这一生命周期划分为五个阶段:预判、受理、解决、结案和持续改进。受理和解决环节最受关注,常见应用包括 AI 聊天与语音智能体、情绪识别、智能路由,以及为人工坐席提供实时辅导。但生命周期的两端才是模式变化最大、实施难度也最高的环节。
预判意味着在问题被报告之前就发现它。微软的内部 IT 组织 Microsoft Digital 正在为公司超过75万台设备构建这样的能力。其系统会挖掘设备和基础设施数据,预测可能出现的问题,并在影响员工工作效率之前自动修复其中许多问题。每个以这种方式解决的问题,都意味着员工不必再专门报告一次。
持续改进则位于生命周期的另一端。每个已解决的请求都会产生数据,记录问题所在、解决方式以及所需时间。AI 可以挖掘这些数据,更新知识文章、在事后辅导坐席、发现新兴趋势,并将修复措施前移,从而避免相同问题反复发生。随着时间推移,系统本身也会持续改进。
光买AI不够:流程、岗位、治理、数据得一起动
尽管前景可期,许多组织已经在服务领域的 AI 应用上吃过亏。聊天机器人让客户兜圈子、智能体自信地给出错误答案、机器人让用户难以联系到人工人员——这些问题都让不少服务台用户心存疑虑。这些问题往往有一个共同的原因:组织在运营模式没有改变的情况下叠加了新技术,却没有明确规定 AI 应在何时让位于人工。
要避免这种结果,光购买软件远远不够。要实现价值并降低风险,就必须从四个方面重新设计运营模式。
工作流程需要围绕客户和员工旅程重建,以 AI 为核心,由人工处理例外情况。组织架构和岗位也需要随之调整:团队规模更小、分工更专业;坐席接受培训,与 AI 协同工作;同时新增 AI 训练师、机器人监督员等岗位。对许多领导者而言,最难回答的问题是:当 AI 智能体处理了大部分业务量之后,服务专员的工作将变成什么?
治理机制也必须跟上,包括制定有关准确性、升级处理和风险的明确规则,并建立用于训练、监控和优化的反馈闭环。对于处理受监管或敏感数据的组织,治理还需要明确 AI 智能体可以查看哪些信息、能够执行哪些操作。
第四个方面是技术与数据,这是其他环节赖以运作的基础。我们将其划分为四个层级(见图表2)。最上层是互动渠道,例如语音、聊天和自助服务门户;AI 应内嵌于这些渠道,而不是作为独立工具另行提供。不同渠道之间的体验也必须一致:如果聊天智能体了解你的历史记录,而电话服务却一无所知,用户的挫败感只是转移到了别处。渠道之下是编排层,也就是运营的大脑。AI 智能体在这一层识别用户需求、分配请求、运行工作流程,并将上下文从一个步骤传递到下一个步骤,同时遵循规定人工介入时机的边界规则。编排层依托 CRM、ERP 和 HR 等核心记录系统;AI 需要获得这些系统的实时读写权限,才能真正采取行动,而不只是提供建议。最底层是数据与基础设施。如果数据不可信、缺乏治理或无法实时获取,建立在其上的 AI 也无法做到可信、受控或实时响应。
一家美国制造企业,如何把全球服务台重做一遍
实践中应该是什么样子?让我们回到这家制造企业。它的转型路径遵循了成功组织常见的三步法:明确目标并建立当前状态基线,设计目标状态,然后开展试点并逐步扩大规模。
首先设定目标至关重要,而且这确实是一个颇具挑战性的目标。企业没有满足于渐进式改进(因为渐进式改进只能带来渐进式成果),而是提出了更高的要求:成本与效率整体改善约50%以上,实现90%的智能体服务交付,并为员工通过任何渠道提交的所有请求建立一个统一的全球服务入口。
但要实现这一目标,企业首先需要了解自身现状。通过与全公司员工开展客户之声访谈,企业看清了服务实际如何运行、问题又出现在哪里。在此基础上,企业明确了服务需求,并制定支撑目标的 AI 战略。从目标状态反向推演,可以推动工作流程、岗位、技术和供应商合同彼此协同。
企业采取的一项关键举措,是把采购策略作为变革杠杆。它没有等待现有服务商主动响应,而是围绕 AI 能力设计竞争性招标书,将相关工作推向市场。随后,企业通过一系列研讨会检验供应商的承诺,最终选定后续合作伙伴。由此,企业重构了商务条款和运营模式,奖励服务商推进 AI 目标、同时满足安全与合规要求,而不是奖励其处理更多电话。
以这种方式运用采购,是最常被低估的杠杆之一。许多服务工作早已外包,而以劳动力成本套利为基础编写的合同,往往奖励业务量。重新设计合同后,它们就能转而加速变革。对于 IT 和 HR 服务台等不会成为企业竞争差异化来源的内部职能,借助已经掌握相关能力的合作伙伴,往往是最快的路径。技术发展太快,企业很难把所有能力都自行构建。面向客户的运营则有所不同。零售商或移动运营商的联络中心与品牌联系更紧密,企业会希望掌握更多价值链环节,并更有选择地与合作伙伴协作。
别从最难的场景开始:先动受理、解决与结案
设定大胆愿景固然重要,但多数组织不应从最具雄心的应用场景开始实施。收入提升和全面主动式问题解决,是转型要抵达的目的地,而不是起点。根据我们的经验,最适合优先着手的是受理、解决和结案环节,因为这些环节的痛点最突出、也最容易被看见。
一个切实可行的第一步是“坐席辅助”(agent assist):AI 智能体与人工坐席并肩工作,概述工单和客户历史记录,并基于知识文章和过往案例推荐下一步行动。自动创建工单并生成摘要,也是值得较早推进的举措。这些步骤有助于建立信心、积累数据,并释放资源,为下一阶段做好准备;不过,具体推进顺序仍应由组织自身最迫切的问题决定。
服务组织当前面临的挑战不会自行消失,因此摆脱传统模式的压力仍将持续。好消息是,打造无缝且大部分环节无需人工介入的运营模式所需的技术,今天已经具备。领先者与落后者的区别,在于前者是否愿意设定大胆目标、围绕目标重塑组织,并让合作伙伴成为解决方案的一部分,而不是问题的一部分。最终,这些企业有望实现这样的服务模式:在大多数问题被人察觉之前,系统就已预判并解决它们。这才是真正转型的定义。
联系我们:
索取报告全文或咨询需求,请联系
ChinaInsights@kearney.com
延伸阅读
+
消费品与零售业行业物流现状:AI如何驱动盈利性增长
+
AI的下一道难题:释放组织价值

