客户服务运营正处于关键时刻。任何尝试过致电客户服务几次的人都知道，传统模式令人沮丧且被破坏。漫长的排队时间、多次不成功的服务尝试以及未兑现的回电承诺只是客户可能忍受的一些不愉快的烦恼。就公司而言，几十年来，公司一直在努力平衡改善客户体验和降低运营成本的双重压力。但是AI的兴起为公司提供了重写范例的机会，通过提供主动、即时可用且针对每个客户情况高度个性化的不受约束的服务。许多企业正确地看到了虚拟助理、副驾驶工具和其他人工智能功能在提高效率和增强客户和人工座席体验方面的潜力。
客户服务运营正处于关键时刻。任何尝试过致电客户服务几次的人都知道，传统模式令人沮丧且被破坏。漫长的排队时间、多次不成功的服务尝试以及未兑现的回电承诺只是客户可能忍受的一些不愉快的烦恼。就公司而言，几十年来，公司一直在努力平衡改善客户体验和降低运营成本的双重压力。但是AI的兴起为公司提供了重写范例的机会，通过提供主动、即时可用且针对每个客户情况高度个性化的不受约束的服务。许多企业正确地看到了虚拟助理、副驾驶工具和其他人工智能功能在提高效率和增强客户和人工座席体验方面的潜力。
商业案例非常引人注目。先驱者正在努力释放巨大的价值池，目标是实现 60% 或以上的长期生产力提升、10% 至 20% 的短期损益效应以及高达 30% 的客户终身价值增长。尽管如此，许多客户服务转型仍然局限于更简单的客户服务用例。原因是：大多数客户需求需要解决实际问题，而不仅仅是对话。根据我们对全球 180 名客户服务领导者的最新调查，只有 28% 的公司在客户服务中从生成式 人工智能(GenAI) 中释放了可衡量的商业价值。为了在这一领域取得成功，公司需要采取全面、以价值为中心的方法。这就是智能体的用武之地。
从支持工具到自主参与者
配备记忆、推理和自主性的智能体系统可以执行实时决策并编排端到端旅程，并随着时间的推移不断改进其方法。它们的显着特征包括三个关键功能：
观察。通过应用程序编程接口 (API) 从过去的交互和实时用户输入中收集数据，以通过访问内存和系统范围信号来构建整体上下文。
计划。分析数据，根据定义的角色、先验知识和背景评估可能采取的行动；通过大型语言模型锻炼推理能力；并设定目标。
行动直接跨工具和平台执行计划任务，与其他代理协调，并仅在必要时与人类互动。
这个三元组将AI代理从被动助手转变为可以学习、决定并大规模交付。然而，最终系统的有效性主要取决于组织如何向人工智能代理提供数据和信息。除了结构化数据和 API 之外，组织还必须以人工智能代理可以解释和采取行动的方式公开隐性知识，即嵌入人类专业知识、一线经验和客户交互中的见解和启发。组织可以通过让人工智能代理跟踪人类专家并从直接客户讨论中提取隐性知识，将其纳入整体知识库和人工智能支持的非结构化数据挖掘来提供这种支持。构建这个反馈丰富的知识层是实现可持续自主的先决条件，使人工智能代理不仅能够执行，而且能够不断学习、完善推理并适应新的环境。
重新思考服务价值链
客户服务优化由四个阶段组成：先发制人、自我修复、自助和支持响应。 （参见图示。）
大多数人工智能部署从支持响应端开始，减少平均处理时间，指导代理提供下一个最佳操作建议，或总结呼叫。尽管智能体在所有四个阶段都增加了价值，但其最高价值通常表现为抢占问题并使公司能够自我修复问题。
人工智能代理可以相互通信，在问题出现之前预防问题，自动解决后端错误，并在整个服务价值链中编排和履行流程。其好处包括减少客户联系、提高客户满意度和提高长期生产力。
例如，智能体可以在客户注意到计费错误之前检测到计费错误，自主调查差异，跨财务和支持系统协调修复，并确认解决方案，所有这些都无需向客户提出请求。这并不是未来主义：这项技术已经存在。
案例示例：实际影响
处于 生成式人工智能（GenAI ）和智能体实施前沿的组织开始报告显着的收益。例如，一家全球科技公司将解决服务请求的时间缩短了 50%，一家欧洲金融机构实现了 90% 的消费贷款自动化，一家中国保险公司将其联络中心生产力提高了 50% 以上，一家欧洲能源提供商将客户满意度提高了 18%。这些成功案例表明，通过正确的策略，生成式人工智能（GenAI ）和智能体除了降低成本之外，还可以持续改善客户体验、忠诚度和卓越运营。
为什么大多数公司仍在苦苦挣扎
尽管 生成式人工智能（GenAI ）和智能体具有潜力，但许多公司仍在苦苦挣扎释放他们的全部价值。这些障碍不仅是技术上的，而且是组织和战略上的。
一个障碍是变更管理的规模必需的。毫不奇怪，98% 的高管承认强大的变革管理对于 生成式人工智能（GenAI ）和智能体计划的成功至关重要，但 50% 的高管认为这是获得全部价值的主要障碍。这与我们的项目经验相一致，生成式人工智能（GenAI ）和智能体的成功不仅取决于部署新工具，还取决于重新设计流程、重新培训团队、重新思考 KPI 和重塑激励措施，尤其是当我们转向独立交互的代理时。
另一个障碍是当前分散的技术生态系统。大约十分之九的客户服务领导者表示在引导供应商和系统集成商方面存在困难。此外，生成式人工智能（GenAI ）和智能体解决方案需要跨平台、系统和供应商的强大编排，以及难以实现的功能和用例的定制。
尽管面临挑战，企业仍有机会从挫折中恢复过来。在接受调查的客户服务领导者中，95% 的人认为 生成式人工智能（GenAI ）将改变他们的业务，78% 的人预计 生成式人工智能（GenAI ）将在未来 24 个月内扩大规模。为了纠正路线，成功的组织承认现有差距并重新设定人工智能转型战略和目标，朝着以人工智能为中心的流程和组织重新设计前进，并专注于人员赋能。
生成式人工智能 和 智能体的战略蓝图
释放 生成式人工智能（GenAI ）和智能体的价值需要有纪律的、业务主导的转型。我们与客户合作的经验以及全球 180 多名专家和客户服务领导者提供的见解得出了五个重要教训：
以业务为主导。将 AI 采用视为一种战略转型，而不仅仅是技术部署。当业务目标（而不是算法）推动议程时，真正的影响就开始了。
关注价值。根据业务案例和价值潜力而不是技术新颖性来优先考虑计划。每个用例都应包括可衡量的结果。
正确使用技术堆栈。强大的数据和情报层对于跨系统和供应商的编排至关重要。如果没有这个基础，即使是最好的模型也会达不到要求。
构建智能、可扩展的解决方案。获胜的组织在购买和构建模块化工具、定制集成和可重用组件之间取得适当的平衡。
从头开始重新发明流程。避免将有缺陷的人类自动化的诱惑工作流程。相反，为人工智能积极推动结果的世界重新设计流程。
至关重要的是，公司必须发展其运营模式，以反映从人工智能作为工具到人工智能作为协作者的根本转变。随着人工智能代理在工作流程中承担更多责任，组织必须重新设计工作完成方式，重新考虑团队结构、决策权和监督。与单独的人类团队一起管理人工智能代理将成为标准做法，要求客户服务组织的领导者平衡人工智能和人类代理的组合，并创建敏捷、注重结果的团队。在这个新设置中，员工可能成为人工智能的监督者，指导和扩大其影响。为了支持这个模型，新的角色，如对话式 AI 和代理设计师、AI 性能专家和 AI 流程工程师将会出现，确保人类与人工智能的协作高效且以价值为导向。
通过智能体取胜
智能体不仅仅是一个工具。这是一种战略能力，使客户服务能够从被动的成本中心转变为主动的价值创造者。实现这一潜力需要的不仅仅是部署新技术。它要求公司的运营方式发生转变——提高人工代理和领导者的技能，转变一线工作流程，端到端编排数据和系统，并将人工智能嵌入整个客户服务价值链。
实现这一转变意味着重新设计流程、重新培训团队、重新定义 KPI 以及引入新角色来构建、塑造和管理人工智能。领导者必须通过构建干净的数据基础、嵌入动态编排层以及重新思考需求管理来应对结构性变化，以防止客户主动联系的需要。
客户服务的未来不在于人或机器的单独行动，而在于两者之间的智能合作。现在投资于围绕 生成式人工智能（GenAI ）和智能体调整人员、流程和技术的公司不仅会改善服务，还将重新定义客户服务可以为业务做出哪些贡献，充分释放其作为增长、忠诚度和长期影响力的潜力。
原文链接：https://www.bcg.com/publications/2025/new-frontier-customer-service-transformation
人工智能正在拓展生产力的边界。要充分发挥其优势，需要掌握新的技能，并重新思考人与智能机器的协作方式。...
BCG最新研究以实证数据表明，只有少数企业真正通过AI在营收、现金流、流程与工作效率方面实现了显著的价值增长。...
波士顿咨询集团和麻省理工学院斯隆管理评论联合发布最新调查报告，详细阐述领导者如何利用人力资源方法和资产管理技术，最大限度地发挥智能体人工智能的双重特性。...