“當AI步入Agent時代，企業(yè)不需要盲目的追求技術的迭代，而是要盡快的將Agent與業(yè)務場景結合，創(chuàng)造出價值。”瓴羊副總裁林永欽（千絕）在與筆者的交流中曾明確指出。

從目前AI Agent的應用落地情況上看，很多業(yè)內(nèi)專家都認為智能客服領域是AI Agent落地比較快的場景之一。零一萬物創(chuàng)始人兼CEO李開復曾表示，目前做客服工作是大模型To B應用中最低垂的果實。

智能客服的三個階段

新一輪的AI浪潮正在顛覆各行各業(yè)，對于客服領域來說，生成式AI這波浪潮讓智能客服更智能，從人人嫌棄的“智障”走向真的智能。

早在AI大模型問世以前，自動化、AI技術就已經(jīng)在客服領域嶄露頭角。從業(yè)務領域角度出發(fā)，智能客服的發(fā)展可以分為三個階段。

第一個階段，流量攔截，這個階段，用戶的需求主要是智能客服能否回答問題，并不會過多的關心服務水平如何。業(yè)務模式也相對簡單，主要通過搭建問答系統(tǒng)完成，“這個階段，智能客服的主要目的是理解用戶問題，并做出回答，攔截部分咨詢流量。”曾有業(yè)內(nèi)相關負責人告訴筆者。

第二階段，在達到流量攔截之后，通過AI技術的提升，提升服務水平，讓智能客服達到業(yè)務專家的水平。這個階段，只要是通過更智能化的升級，讓用戶通過與智能客服的溝通，就能解決一些原先解決不了的問題。

第三階段，在智能客服達到業(yè)務專家水平后，進一步的演進方向就是，讓智能客服脫離業(yè)務專業(yè)本身，變?yōu)橛脩糍徫锓阵w驗全鏈路的“伴侶”（助手類型），讓每個人都擁有專屬的陪伴式專業(yè)購物“顧問”。

但目前來看，在第二、三階段，大模型對這兩個階段的顛覆性并沒有很強，只是提升了部署效率和回答問題的效果。

京東云智能客服負責人曾對筆者指出，生成式AI問世之后，大幅降低了智能客服第一階段部署的門檻，提升了部署速度，“原先需要一周左右時間搭建的客服體系，現(xiàn)在幾小時就能搞定，即便是大KA用戶，交付周期也能控制在3天內(nèi)，”該名負責人進一步指出，“目前，京東自營的客服有九成已經(jīng)采用了AI大模型的智能客服，只保留了近1成的人工坐席。”

從整體客服領域來看，大模型對于智能客服的改變并不是顛覆式的，而是有效的讓智能客服的落地實現(xiàn)降本增效，大模型+智能客服的應用落地速度快的原因，具體可以從三個維度來看。

首先是用戶與場景。智能客服領域能夠產(chǎn)生海量用戶應用的場景，能夠?qū)崿F(xiàn)規(guī)模化應用，進而產(chǎn)生比較大的價值。

其次是數(shù)據(jù)，因為智能客服面向群體廣，咨詢交互的數(shù)據(jù)量大，且結構化的只是豐富，具備充足的數(shù)據(jù)集和行業(yè)Know How，為整體的垂類大模型訓練提供了高質(zhì)量的數(shù)據(jù)體系，從而能讓客服垂類大模型展現(xiàn)出更強的能力。

第三是收益模型。客服領域應用大模型后的評估模型比較好評估，代替了不少人工成本，從而讓企業(yè)看到了更為直觀的ROI。

退款、補發(fā)，多個細分場景已經(jīng)足夠成熟

從場景上出發(fā)，目前智能客服已經(jīng)能在多個場景讓企業(yè)感受到降本增效的效果了。對此，瓴羊Quick Service產(chǎn)品總監(jiān)張雙穎（喬直）與筆者分享了已經(jīng)在海信部分退款、補發(fā)等部分場景中應用了智能體的智能客服的能力。“目前，瓴羊打造的智能客服Agent已經(jīng)具備了涵蓋商品導購、退換貨、售后補發(fā)、催派/催發(fā)等多個細分場景的Agent能力。”喬直指出。

以退款場景為例，原先的電商退款流程需要經(jīng)過對商品發(fā)起攔截、攔截結果跟進、風險控制，以及最終退款處理等多個環(huán)節(jié)。傳統(tǒng)的退款流程對于電商而言，人力成本高、退款時效差、資損風險高，“人力方面，存在大量重復性工作，十幾個環(huán)節(jié)都需要人工操作；時效方面，傳統(tǒng)模式下，平均需要4~6小時才能完成僅退款；資損風險方面，通過客服確認認是否拒收、是否有賠付/補發(fā)歷史，出錯資損風險可能高達數(shù)十萬，”喬直進一步指出，“對于商家和消費者來說，體驗都很差。”

針對此，瓴羊基于Agent圍繞退款場景落地了一個智能體應用，“當消費者提交退款申請的時候，這個Agent就開始運行了，符合條件的退款會自動發(fā)起退款指令，不再需要商家再與物流服務商、消費者進行不斷的對接，這些工單的發(fā)起與對話都可以由智能體完成。”喬直介紹到。

具體來看，在攔截環(huán)節(jié)，原先第一步需要客服人員定期確認是否有需要攔截的退款單，如有需要攔截的單據(jù)，需在系統(tǒng)內(nèi)發(fā)起攔截請求，并需要客服人員定期跟進攔截結果，若攔截失敗（一些已發(fā)出的商品），則還需要外呼消費者進行拒收處理。

而在風控環(huán)節(jié)，客服員工還需要跟進攔截失敗訂單的拒收狀態(tài)，確認是否有賠付或補發(fā)的訂單，并時刻關注退款是否超時，“原先這些錯綜復雜的環(huán)節(jié)都需要客服人員逐一核對，經(jīng)過瓴羊的核算，整個處理補發(fā)貨、催物流等售中售后場景下，消耗的人工成本占商家整體成本的3%左右。以女裝類為例，在大促期間退貨率會達到70%左右，平均需要商家投入40%的人力進行售后的處理。”喬直指出，“但如果通過智能體，7x24h自動發(fā)起攔截，退款處理時長能夠縮短 60%，同時通過標準攔截退款流程自動化，人工客服工作量能過有效下降 60%。”

據(jù)統(tǒng)計，應用了瓴羊智能客服Agent之后，退款處理時長縮短 60%，人工客服工作量下降 60%，而資損率也下降了，消費者在獲得更好的購物體驗的同時，還能讓商家將成本與資損率下降，實現(xiàn)降本增效。

智能客服在電商中的應用僅是“滄海一粟”，在一些城市管理的職能部門中，大模型/智能體也起到了幫助管理部門降本增效的作用。以12345熱線為例，為解決12345熱線運營中存在的人工坐席數(shù)量有限，以及群眾等待反饋長等問題，浪潮云依托海若大模型，打造12345政務服務智能體，提供智能客服、智能坐席、智能處置、智能分析等場景功能，獲得了較為成功的探索實踐效果和突破。

12345政務服務智能體的智能客服助理依托大模型多輪對話與情感分析能力，精準解析市民咨詢的深層訴求，為市民、企業(yè)提供7×24小時全天候在線問答服務，將高頻事項響應速度提升至秒級；智能坐席助理面向坐席人員提供全方位工作助手，提供話前、話中、話后智能輔助能力。話前打造多維度精準畫像，結合聯(lián)系人歷史工單信息，智能預判聯(lián)系人服務需求；話中提供語音轉(zhuǎn)寫、情緒識別、知識推薦、話術推薦等能力實時輔助坐席人員；話后根據(jù)對話內(nèi)容實時提取工單要素、智能分類、工單總結、一鍵填單等功能，提高工單處置效率。面向運營管理人員提供的智能分析助理，原來需要2-10天的周/月/專題報告，現(xiàn)在僅需3分鐘即可生成維度、邏輯基本符合要求的數(shù)據(jù)分析初稿。

與此同時，通過大模型的能力后，讓原本每天只能接80通電話（平均值）的接線員，每天可以接160通電話（平均值），效率提升一倍。

仍在“L2+”階段，未來空間很大

雖然Agent在智能客服領域已經(jīng)展現(xiàn)出了不錯的應用效果，但扔存在一些問題，在某些特定的場景下，智能客服在服務用戶的過程中，依舊有些“智障”，對此，千絕表示，目前Agent在智能客服中的應用剛進入深水區(qū)，處于深挖垂類場景，以及推進業(yè)務場景廣泛落地的階段，“從應用上看，目前Agent在客服領域的應用就像是自動駕駛的L2+階段——只是在某些時候可以實現(xiàn)輔助駕駛的功能，仍需要人工介入（監(jiān)督）才能確保整體流程的順暢。”千絕強調(diào)道。

從應用角度出發(fā)，現(xiàn)階段的智能客服在判斷用戶情緒方面仍有很大的提升空間。據(jù)統(tǒng)計，現(xiàn)有情感分析技術對焦慮、諷刺等復雜情緒識別率低于50%，“仍有很多智能客服處于機械式回答的階段，并不能解讀用戶的情感。”某業(yè)內(nèi)相關負責人告訴筆者。

另一方面，因為現(xiàn)階段Agent在智能客服的應用仍處于L2+階段，據(jù)不完全統(tǒng)計，約15%-20%復雜問題仍需人工兜底，這就導致了“智能降本”與“人工增員”并存的現(xiàn)狀。

不過，未來Agent在智能客服應用前景十分廣闊，智能客服Agent的終極目標并非取代人類，而是打造“數(shù)字員工+人類專家”的服務共生體，對此，千絕指出，未來的智能客服產(chǎn)品/服務形態(tài)也將是SaaS+Agent的形式進行交付，“下一步，智能客服領域的SaaS產(chǎn)品將完全結合Agent，變成數(shù)字員工的形態(tài)，”千絕進一步指出，“在此過程中，瓴羊并不會盲目地追求技術，而是要真正走進業(yè)務場景中，深挖Agent在場景中的價值，為用戶創(chuàng)造更大的價值。”（本文首發(fā)于鈦媒體APP，作者｜張申宇，編輯丨蓋虹達）