波士顿咨询: 代理型AI是客户服务转型的新前沿

客户世界 | 2025年12月15日 | 场景研究 | 评论已关闭 | 383

波士顿咨询(BCG)于 2025年12月3日发布文章（作者：Marcus Wittig等）——客户服务的未来不是人与机器的单独行动，而是两者的智能协作。现在投资于围绕生成式AI和代理型AI的公司整合了人员、流程和技术，不仅能够提升服务水平，还将重塑客户服务的商业价值——使其成为增长、忠诚度与长期影响的核心驱动力。

关键要点

先进的 AI 能将客户服务从被动的成本中心，转变为主动的价值创造者——但成功取决于是否建立了正确的运营模型。

具备代理型AI（Agentic AI）的系统能够进行实时决策、编排端到端客户旅程，并随着时间推移不断优化方法，这得益于其先进的观察、规划与行动能力。
阻碍企业从生成式AI（GenAI）和代理型AI（Agentic AI） 中获取最大价值的因素包括：庞大的变革管理需求、当前碎片化的技术生态系统，以及在平台、系统与供应商之间缺乏强有力的编排能力。
成功的AI 客服战略蓝图需要结合多个要素：以业务目标驱动议程、聚焦价值潜力、建立正确的技术栈，并对适合的流程进行从零重塑。

客户服务运营正处于关键时刻。任何多次拨打客服热线的人都知道，传统模式令人沮丧且已经崩坏：长时间排队、多次未能解决问题、未兑现的回拨承诺……这些只是客户常受的折磨之一。几十年来，公司一直试图在提升客户体验与降低运营成本之间维持平衡。但 AI 的兴起为企业提供了重写范式的机会：提供无限制、主动式、即时可用、并高度个性化的服务，真正围绕客户的独特情况展开。许多企业敏锐地看到了虚拟助手、AI 协作工具（co-pilot）、以及其他 AI 功能在效率提升与改善客户/人工坐席体验方面的巨大潜力。

商业价值同样非常诱人：行业先锋正致力于释放巨大的价值空间，目标包括：长期生产力提升 60% 以上；短期利润表（P&L）改善 10%–20%；客户终身价值（CLV）提升至多 30%。然而，多数客户服务转型依然局限在较简单的应用场景。原因在于：大多数客户需求需要实际解决问题，而不仅仅是对话能力。根据我们对全球180位客户服务领导者的最新调查，只有28%的公司从生成式AI （GenAI）在客户服务领域的应用中获得了可衡量的商业价值。要在这个领域取得成功，企业需要采取一种全面、以价值为导向的方法。而这正是代理型AI（Agentic AI）的用武之地。

从支持工具到自主行动者

具备记忆、推理和自主能力的代理型 AI 系统能够执行实时决策、编排端到端客户旅程，并在时间推移中不断进化其方法。其区别于传统系统的关键特征体现在三个核心能力：

观察（Observe）：通过应用程序编程接口（API）从过去的互动与实时用户输入中收集数据，利用记忆和系统级信号构建全面的上下文语境。
规划（Plan）：基于既定角色、既有知识与语境分析数据，评估可能的行动；借助大型语言模型执行推理；设定目标。
行动（Act）：在工具和平台上直接执行计划任务，与其他AI 代理协调；并仅在必要时才让人类参与。

这三个能力，将 AI 从被动助手转变为能够学习、决策、并在规模化场景中执行的主动运营者。然而，这类系统的有效性高度依赖组织向 AI 代理开放数据与信息的方式。除了结构化数据和 API，组织必须以 AI 可理解、可执行的方式，公开隐性知识——即蕴含在人类专业知识、一线经验和客户互动中的洞察力和启发式方法。组织可以通过让AI代理观察人类专家并从直接的客户讨论中提取隐性知识来提供这种支持，并将这些知识融入到整体知识库和AI 支持的非结构化数据挖掘中。构建这种富含反馈的知识层是实现可持续自主性的先决条件，使AI 代理不仅能够执行任务，还能持续学习、完善推理并适应新的环境。

重新思考服务价值链

客户服务优化可分为四个阶段：预防（pre-empt）、自愈（self-heal）、自助（self-help）、支持响应（support response）。（见下图）

大多数 AI 部署都始于支持响应环节，例如缩短平均处理时间、为坐席提供下一步最佳行动建议、或自动生成通话摘要。尽管代理型 AI（agentic AI）能在四个阶段都带来价值，其最高价值通常体现在预先防范（pre-empt）和自愈系统（self-heal）的能力上。

AI 代理能够相互通信、在问题出现之前进行预防、自动修复后台错误，并在整个服务价值链中协调和执行流程。其收益包括：更少的客户来电、更高的客户满意度以及提高长期生产力。

例如，代理型 AI 可以在客户发现账单错误之前检测到错误，自动调查差异，协调财务和客服系统进行修复，并确认问题已解决——所有这些都无需创建客户工单。这并非遥不可及的未来技术：这项技术已经存在。

案例分析：实际影响

在生成式AI（GenAI）和代理型AI（Agentic AI）实施前沿的组织已经开始获得显著成效。例如：一家全球科技公司将服务请求的解决时间缩短了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联络中心的生产力提高了 50% 以上；一家欧洲能源供应商将客户满意度提高了 18%。这些成功案例表明，只要策略得当，GenAI 和Agentic AI 不仅可以降低成本，还能持续提升客户体验、客户忠诚度和运营效率。

为何多数企业仍然举步维艰

尽管生成式AI（GenAI）和代理型AI（Agentic AI）潜力巨大，许多公司仍难以释放其全部价值。障碍不仅是技术性的，还涉及组织与战略层面。

其中一个障碍是所需的变革管理规模巨大。不出所料，98% 的高管承认，强有力的变革管理对于 GenAI 和Agentic AI项目的成功至关重要，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一致，GenAI 和Agentic AI的成功不仅取决于部署新工具，还取决于流程再设计、团队再培训、关键绩效指标（KPI）的重新思考以及激励机制的重塑——尤其是在我们迈向能够独立交互的智能代理的阶段。

另一个障碍是当前技术生态系统的碎片化。大约十分之九的客户服务负责人表示，他们在选择供应商和系统集成商方面遇到了困难。此外，GenAI 和Agentic AI解决方案需要在平台、系统和供应商之间进行强大的协调，并且需要对功能和用例进行定制，而这些都难以实现。

尽管面临挑战，但企业仍有机会从挫折中恢复过来。在接受调查的客户服务负责人中，95% 的人认为 GenAI 将改变他们的业务，78% 的人预计它将在未来 24 个月内实现规模化应用。为了纠正方向，成功的组织会承认现有差距，并重新制定其AI转型战略和目标，逐步推进以AI为中心的流程和组织再设计，并专注于人员赋能。

GenAI 与 Agentic AI 的战略蓝图

要真正释放 GenAI 与 Agentic AI 的价值，需要进行有条不紊、以业务为导向的转型。我们与客户合作的经验以及来自全球180多位专家和客户服务领导者的见解，总结出以下五项关键经验：

1.让业务主导，而非技术主导。AI 采用是战略转型，而不是技术部署。真正的影响来自业务目标驱动，而非算法驱动。

2.聚焦价值，而非炫技。以价值潜力和商业案例来优先排序项目。每个使用场景都必须有可衡量的成果。

3.构建正确的技术栈。强大的数据与智能层是跨系统、跨供应商协调的基础。没有这一点，再好的模型也无法落地。

4.构建智能、可扩展的解决方案。领先企业在购买与自建、模块化工具、定制集成及可复用组件之间找到正确的平衡。

5.从零开始重塑流程。不要试图自动化有缺陷的人类流程，而是要为“AI 主导结果的世界”重新设计流程。

关键是，企业必须调整其运营模式，体现从“AI 作为工具”向“AI 作为协作者”的根本转变。随着 AI 代理在更多流程中承担职责，组织必须重新设计工作方式，重新思考团队结构、决策权和监督机制。将AI 代理与人类团队协同管理成为常态，这要求客户服务组织的领导者平衡AI 和人工坐席的使用，并创建敏捷、注重成果的团队。在这种新的模式下，员工可能会成为AI 的管理者，指导并扩大其影响力。为了支持这种模式，将会出现一些新的职位，例如对话式AI 和代理设计师、AI 性能专家和AI流程工程师，以确保人机协作高效且以价值为导向。

赢在代理型AI (Agentic AI)

Agentic AI 不只是工具，而是一项战略能力，能够使客户服务从被动的成本中心转变为主动的价值创造者。要实现这一潜力，需要的不仅仅是部署新技术，还需要企业运营方式的转变——提升人工客服人员和管理者的技能，改造一线工作流程，端到端地协调数据和系统，并将AI 嵌入到整个客户服务价值链中。

实现这一转型意味着重新设计流程、重新培训团队、重新定义关键绩效指标（KPI），并引入新的角色来构建、塑造和管理AI。领导者必须通过构建干净的数据基础、嵌入动态协调层，并重新思考需求管理，从而在客户发起联系之前就预测并解决问题，从而应对结构性变革。

客户服务的未来不是人与机器的单独行动，而是两者的智能协作。现在投资于围绕生成式AI和代理型AI的公司整合了人员、流程和技术，不仅能够提升服务水平，还将重塑客户服务的商业价值——使其成为增长、忠诚度与长期影响的核心驱动力。

原文链接：https://www.bcg.com/publications/2025/new-frontier-customer-service-transformation