跳至内容
作者｜张申宇
编辑｜盖虹达
“当AI步入Agent时代，企业不需要盲目的追求技术的迭代，而是要尽快的将Agent与业务场景结合，创造出价值。”瓴羊副总裁林永钦（千绝）在与笔者的交流中曾明确指出。
从目前AI Agent的应用落地情况上看，很多业内专家都认为智能客服领域是AI Agent落地比较快的场景之一。零一万物创始人兼CEO李开复曾表示，目前做客服工作是大模型To B应用中最低垂的果实。
新一轮的AI浪潮正在颠覆各行各业，对于客服领域来说，生成式AI这波浪潮让智能客服更智能，从人人嫌弃的“智障”走向真的智能。
早在AI大模型问世以前，自动化、AI技术就已经在客服领域崭露头角。从业务领域角度出发，智能客服的发展可以分为三个阶段。
第一个阶段，流量拦截，这个阶段，用户的需求主要是智能客服能否回答问题，并不会过多的关心服务水平如何。业务模式也相对简单，主要通过搭建问答系统完成，“这个阶段，智能客服的主要目的是理解用户问题，并做出回答，拦截部分咨询流量。”曾有业内相关负责人告诉笔者。
第二阶段，在达到流量拦截之后，通过AI技术的提升，提升服务水平，让智能客服达到业务专家的水平。这个阶段，只要是通过更智能化的升级，让用户通过与智能客服的沟通，就能解决一些原先解决不了的问题。
第三阶段，在智能客服达到业务专家水平后，进一步的演进方向就是，让智能客服脱离业务专业本身，变为用户购物服务体验全链路的“伴侣”（助手类型），让每个人都拥有专属的陪伴式专业购物“顾问”。
但目前来看，在第二、三阶段，大模型对这两个阶段的颠覆性并没有很强，只是提升了部署效率和回答问题的效果。
京东云智能客服负责人曾对笔者指出，生成式AI问世之后，大幅降低了智能客服第一阶段部署的门槛，提升了部署速度，“原先需要一周左右时间搭建的客服体系，现在几小时就能搞定，即便是大KA用户，交付周期也能控制在3天内，”该名负责人进一步指出，“目前，京东自营的客服有九成已经采用了AI大模型的智能客服，只保留了近1成的人工坐席。”
从整体客服领域来看，大模型对于智能客服的改变并不是颠覆式的，而是有效的让智能客服的落地实现降本增效，大模型+智能客服的应用落地速度快的原因，具体可以从三个维度来看。
首先是用户与场景。智能客服领域能够产生海量用户应用的场景，能够实现规模化应用，进而产生比较大的价值。
其次是数据，因为智能客服面向群体广，咨询交互的数据量大，且结构化的只是丰富，具备充足的数据集和行业Know How，为整体的垂类大模型训练提供了高质量的数据体系，从而能让客服垂类大模型展现出更强的能力。
第三是收益模型。客服领域应用大模型后的评估模型比较好评估，代替了不少人工成本，从而让企业看到了更为直观的ROI。
从场景上出发，目前智能客服已经能在多个场景让企业感受到降本增效的效果了。对此，瓴羊Quick Service产品总监张双颖（乔直）与笔者分享了已经在海信部分退款、补发等部分场景中应用了智能体的智能客服的能力。“目前，瓴羊打造的智能客服Agent已经具备了涵盖商品导购、退换货、售后补发、催派/催发等多个细分场景的Agent能力。”乔直指出。
以退款场景为例，原先的电商退款流程需要经过对商品发起拦截、拦截结果跟进、风险控制，以及最终退款处理等多个环节。传统的退款流程对于电商而言，人力成本高、退款时效差、资损风险高，“人力方面，存在大量重复性工作，十几个环节都需要人工操作；时效方面，传统模式下，平均需要4~6小时才能完成仅退款；资损风险方面，通过客服确认认是否拒收、是否有赔付/补发历史，出错资损风险可能高达数十万，”乔直进一步指出，“对于商家和消费者来说，体验都很差。”
针对此，瓴羊基于Agent围绕退款场景落地了一个智能体应用，“当消费者提交退款申请的时候，这个Agent就开始运行了，符合条件的退款会自动发起退款指令，不再需要商家再与物流服务商、消费者进行不断的对接，这些工单的发起与对话都可以由智能体完成。”乔直介绍到。
具体来看，在拦截环节，原先第一步需要客服人员定期确认是否有需要拦截的退款单，如有需要拦截的单据，需在系统内发起拦截请求，并需要客服人员定期跟进拦截结果，若拦截失败（一些已发出的商品），则还需要外呼消费者进行拒收处理。
而在风控环节，客服员工还需要跟进拦截失败订单的拒收状态，确认是否有赔付或补发的订单，并时刻关注退款是否超时，“原先这些错综复杂的环节都需要客服人员逐一核对，经过瓴羊的核算，整个处理补发货、催物流等售中售后场景下，消耗的人工成本占商家整体成本的3%左右。以女装类为例，在大促期间退货率会达到70%左右，平均需要商家投入40%的人力进行售后的处理。”乔直指出，“但如果通过智能体，7x24h自动发起拦截，退款处理时长能够缩短 60%，同时通过标准拦截退款流程自动化，人工客服工作量能过有效下降 60%。”
据统计，应用了瓴羊智能客服Agent之后，退款处理时长缩短 60%，人工客服工作量下降 60%，而资损率也下降了，消费者在获得更好的购物体验的同时，还能让商家将成本与资损率下降，实现降本增效。
智能客服在电商中的应用仅是“沧海一粟”，在一些城市管理的职能部门中，大模型/智能体也起到了帮助管理部门降本增效的作用。以12345热线为例，为解决12345热线运营中存在的人工坐席数量有限，以及群众等待反馈长等问题，浪潮云依托海若大模型，打造12345政务服务智能体，提供智能客服、智能坐席、智能处置、智能分析等场景功能，获得了较为成功的探索实践效果和突破。
12345政务服务智能体的智能客服助理依托大模型多轮对话与情感分析能力，精准解析市民咨询的深层诉求，为市民、企业提供7×24小时全天候在线问答服务，将高频事项响应速度提升至秒级；智能坐席助理面向坐席人员提供全方位工作助手，提供话前、话中、话后智能辅助能力。话前打造多维度精准画像，结合联系人历史工单信息，智能预判联系人服务需求；话中提供语音转写、情绪识别、知识推荐、话术推荐等能力实时辅助坐席人员；话后根据对话内容实时提取工单要素、智能分类、工单总结、一键填单等功能，提高工单处置效率。面向运营管理人员提供的智能分析助理，原来需要2-10天的周/月/专题报告，现在仅需3分钟即可生成维度、逻辑基本符合要求的数据分析初稿。
与此同时，通过大模型的能力后，让原本每天只能接80通电话（平均值）的接线员，每天可以接160通电话（平均值），效率提升一倍。
虽然Agent在智能客服领域已经展现出了不错的应用效果，但扔存在一些问题，在某些特定的场景下，智能客服在服务用户的过程中，依旧有些“智障”，对此，千绝表示，目前Agent在智能客服中的应用刚进入深水区，处于深挖垂类场景，以及推进业务场景广泛落地的阶段，“从应用上看，目前Agent在客服领域的应用就像是自动驾驶的L2+阶段——只是在某些时候可以实现辅助驾驶的功能，仍需要人工介入（监督）才能确保整体流程的顺畅。”千绝强调道。
从应用角度出发，现阶段的智能客服在判断用户情绪方面仍有很大的提升空间。据统计，现有情感分析技术对焦虑、讽刺等复杂情绪识别率低于50%，“仍有很多智能客服处于机械式回答的阶段，并不能解读用户的情感。”某业内相关负责人告诉笔者。
另一方面，因为现阶段Agent在智能客服的应用仍处于L2+阶段，据不完全统计，约15%-20%复杂问题仍需人工兜底，这就导致了“智能降本”与“人工增员”并存的现状。
不过，未来Agent在智能客服应用前景十分广阔，智能客服Agent的终极目标并非取代人类，而是打造“数字员工+人类专家”的服务共生体，对此，千绝指出，未来的智能客服产品/服务形态也将是SaaS+Agent的形式进行交付，“下一步，智能客服领域的SaaS产品将完全结合Agent，变成数字员工的形态，”千绝进一步指出，“在此过程中，瓴羊并不会盲目地追求技术，而是要真正走进业务场景中，深挖Agent在场景中的价值，为用户创造更大的价值。”
（文：钛媒体AGI）
