CX领导者应如何分配人类和AI的工作
CMSWire（全球领先的CX专业人士社区，拥有超过 500 万位极具影响力的客户体验、客户服务和数字体验领域的领导者）网站于2026年8月12日载文（作者： Scott Clark）——一个用于决定哪些事情由AI独立处理、哪些事情需要审批、哪些事情完全由人类处理的框架。
要点 <!--[if !supportLists]-->· <!--[endif]-->AI会取代CX工作吗？不会——它只是重新分配了工作。AI负责处理规则明确、风险较低的任务，而员工则负责处理AI无法解决的例外情况、需要判断的问题以及需要升级处理的问题。 <!--[if !supportLists]-->· <!--[endif]-->人机交接中最常见的问题是什么？上下文丢失。Zendesk 的数据显示，74% 的客户觉得向新的客服人员重复描述问题令人沮丧，而糟糕的状态处理会导致转接过程中出现“上下文缺失”。 <!--[if !supportLists]-->· <!--[endif]-->AI的高处理率是否意味着CX正在改善？未必如此。ServiceNow 的调查发现，50% 的客户认为缺乏同理心是他们最不满的地方，而只有 23% 的高管认为这是最大的挑战。 |
AI正在改变CX 团队，与其说是直接取消某些角色，不如说是重新分配客户工作。AI系统可以对请求进行分类、检索知识、总结互动内容并完成明确定义的任务，而员工则越来越多地负责处理异常情况、敏感问题、政策判断以及自动化无法解决的故障。
但是，将AI引入服务运营并不会自动打造一支更强大的团队。企业必须明确AI可以独立完成哪些工作，何时必须将案例转交给人工处理，哪些上下文信息必须跟随客户，以及当自动化操作出错时由谁负责。
本文探讨了CX领导者如何围绕清晰的角色界限、有效的交接流程以及对客户结果的共同责任来设计人机协作团队。
CX领导者如何决定AI可以独立处理哪些任务？
高呼叫量本身并非将客户服务任务自动化的理由。更恰当的问题是，该任务是否具有明确的界限、规则和可识别的终点。AI可以识别意图、检索已获批准的知识、总结对话、提供订单更新或引导客户完成标准流程，而无需做出任何实质性决策。CX团队应根据客户和业务风险（而不仅仅是请求量）来分配AI的权限。
工作类型 | 适用AI的角色 | 人类的角色 | 示例 |
常规、低风险请求 | 使用已批准的信息和既定规则独立处理 | 监控质量并在需要时更新知识 | 提供订单状态更新 |
具有财务或账户影响的标准任务 | 收集信息并提出行动建议 | 当行动超出既定阈值时，批准或拒绝该行动 | 发放信用额度或更改账户详情 |
例外情况、信息冲突或敏感案例 | 识别问题，保留上下文并处理案例 | 解读政策，酌情处理并解决例外情况 | 争议费用或特殊住宿请求 |
高影响、受监管或涉及信任的决策 | 仅支持研究和文档工作 | 保留决策权和责任 | 可能存在欺诈、催收活动或严重服务故障 |
有些客户服务任务遵循明确的规则，可以由AI稳定处理。而另一些任务则需要人工判断才能得出不同的结果，例如捕捉到客户未直接提及的细节。
Insite Managed Solutions 的创始人 Chris Rozum 告诉 CMSWire：“如果人工判断能够改变结果，即使任务乍看之下很常规，也应该保留人工操作。”
Rozum 表示，CX领导者在决定哪些工作需要自动化之前，应该先仔细审视实际的工作流程。一项任务在流程图中可能看起来很常规，但仍然需要员工注意到客户未明确表达的顾虑、解决信息冲突或运用判断力，而这些都会对CX产生实质性影响。
当请求涉及例外情况、信息冲突、财务后果，或者客户需要的是特殊处理而非标准答案时，情况就有所不同了。例如，有争议的费用、特殊的住宿要求、疑似欺诈案件或客户面临严重的服务失误，都可能需要员工解读政策、权衡各种情况并做出公平的判断。这些不仅仅是更复杂的任务。在这些情况下，错误或僵化的应对措施可能会造成经济损失、合规风险或对信任的持久损害。
客户偏好强化了谨慎区分这些情况的必要性。Qualtrics 的一项调查发现，74% 的消费者更倾向于通过人工渠道解决问题或获得技术支持。AI可能非常适合输入明确、结果可预测的请求，但这项发现表明，企业不应仅仅因为请求量大就放弃人工干预。
CX负责人应在部署前为每个用例定义自主级别。AI系统可以起草回复、收集信息或推荐下一步行动，但退款、账户变更或政策例外情况仍需人工审批。这体现了将自动化视为一个可控的过程，而非非此即彼的决定。
为什么 Qualtrics 数据显示 74% 的消费者仍然需要人工支持？
Qualtrics 的研究发现，74% 的消费者更倾向于通过人工渠道解决问题和获得技术支持，这表明不应仅凭任务量来决定哪些工作可以自动化——风险和所需的判断才是决定因素。
为什么AI与人工之间的转接决定了升级是否有效
将客户转接给人工客服并不意味着AI系统失败。当请求超出系统权限或需要人工判断时，这通常是正确的结果。然而，客户对此次转接的体验决定了升级是能恢复信任还是会造成新的挫败感。客户不应该被迫重复描述问题、提供身份信息或解释自动回复为何不充分。
如果转接过程需要客户重新开始，就会抵消自动化原本旨在提供的便利。Zendesk 的《2026 年CX趋势》研究发现，74% 的消费者认为向不同的客服人员重复讲述自己的经历令人沮丧。因此，团队应该衡量客户历史记录、先前操作以及升级原因是否在交互过程中传递给了客服人员。
保留对话只是有效升级的一部分。客服人员还需要充分了解AI的操作，以便在介入之前了解发生了什么，并判断系统转接案件的决定是否正确。 GoGloby 联合创始人 Sergey Matikaynen 告诉 CMSWire：“升级失败通常是由于‘上下文缺失’造成的，即系统状态和内存管理薄弱，导致系统在工作流程中丢失客户上下文，迫使用户重复提问。成功的交接可以保留完整的对话历史记录和推理过程，使人工客服能够逐步了解 AI 的操作以及升级的原因。我们的目标是构建能够清晰展现决策路径的界面，以便人工客服人员能够在掌握完整上下文的情况下进行干预。”
人工客服需要拥有纠正或推翻自动化结果的权限。如果升级流程将客户转接给无法撤销错误决策、无法应用例外情况或无法解决根本问题的人员，那么只会延长CX，而无法真正解决问题。CX领导者应该将交接流程作为一个完整的流程进行测试，包括联系到人工客服所需的时间、客户后续的上下文信息以及员工采取有效行动的权限。
是什么导致呼叫中心中 AI 与人工交接失败？
升级流程失败最常见的原因是“上下文信息匮乏”——薄弱的状态和内存管理机制导致客户历史记录在工作流程中途丢失，迫使用户重复解释。Zendesk 发布的《2026 年CX趋势》数据显示，74% 的消费者对此感到沮丧。
员工对AI操作应拥有多大的权限？
客户的选择应始终是设计的一部分。SurveyMonkey 2025 年的消费者调查发现，89% 的受访者认为公司应始终提供与人工客服沟通的选项。当自动化无法解决问题、客户对结果有异议或互动涉及敏感问题时，提供清晰可见的员工联系方式尤为重要。
审计追踪有助于问责和改进。企业应能够查看AI使用了哪些信息、采取了哪些操作、员工是否批准或更改了该操作以及后续情况。目标并非要求每次互动都需要人工批准，而是确保自动化权限与客户和业务风险相匹配。
有多少比例的消费者希望可以选择联系人工客服？
SurveyMonkey 2025 年的调查发现，89% 的受访者认为公司应始终提供联系人工客服的途径，尤其是在自动化失败或涉及敏感情况时。
为什么仅凭AI拦截率不足以衡量CX的成功
拦截率和自动解决率显示了AI在不将交互转交给员工的情况下处理交互的频率，但这并不能证明客户的问题已得到解决。拦截率的上升可能伴随着重复联系、投诉以及处理升级问题的员工工作量增加。拦截率指标反映的是AI的活动，而团队协作指标则能体现客户是否真正获得了更好的服务。
衡量的指标 | 所揭示内容 | 重要性 |
问题解决率 | 处理交互而无需转接给员工的频率 | 无法显示客户问题是否已解决 |
首次联系解决率 | 户是否无需进一步努力即可获得有效解答 | 显示团队是否解决了根本问题 |
重复联系率 | 客户就同一问题再次联系的频率 | 揭示答案不完整、自动化失败或交接不畅等问题 |
升级质量 | 合适的员工是否获得了足够的背景信息和权限 | 显示转接是延续了问题解决流程还是重新启动了流程 |
错误恢复 | 识别、纠正和解释 AI 错误操作的速度 | 衡量企业在自动化失败时维护客户信任的能力 |
员工工作量和客户付出 | AI 是否在减少日常工作的同时，避免给员工和客户留下难以解决的案例 | 将自动化与服务交互双方的体验联系起来 |
CX领导者应衡量整个团队的解决方案质量。首次联系解决率和重复联系率表明，究竟是AI还是人工员工解决了根本问题。客户付出指标则显示流程是变得更简单还是仅仅缩短了时间。升级指标可以揭示案例是否已转交给合适的人员并提供充分的背景信息，以及该员工是否能够在无需再次转接的情况下解决问题。
反之，指标也可能掩盖高管认为正在改进的体验与客户最重视的体验之间的差距。ServiceNow 负责CRM和行业工作流程的产品管理副总裁 Sarup Paul 告诉 CMSWire：“高管们正在根据现有指标做出决策：净推荐值 (NPS)、客户满意度 (CSAT)、解决率、呼叫转移率。但这些指标无法反映的是，客户是否感到被倾听，以及互动是否体现了同理心。”
当AI处理事务性工作，而员工则负责处理客户需要安抚、灵活应对或从先前故障中恢复的情况时，这种区别就显得尤为重要。 ServiceNow 对 34,000 名客户、服务代表和高管进行的一项全球调查发现，50% 的客户表示缺乏同理心和理解是他们最大的不满，而只有 23% 的高管认为这是最大的挑战。
员工的工作量也至关重要。AI或许能减少日常请求的数量，但同时也会让员工处理更多棘手、耗时或情绪压力更大的案例。如果团队拥有合适的工具、权限和人员配备，这或许会带来积极的变化，但这不应被视为简单的生产力提升。如果AI系统处理更多请求，却又在后续阶段给客户带来更多麻烦，那么它并不能改善CX。
为什么高AI处理率并不能证明问题已得到解决？
处理率只能衡量AI是否避免了案例的转交。ServiceNow 对 34,000 名用户进行的研究发现，50% 的客户表示缺乏同理心是他们最不满的地方，而高管的这一比例仅为 23%——处理率无法反映出这种差距。
人机协作团队中，CX员工需要哪些技能？
随着AI承担日常客户服务工作，员工的角色越来越依赖于判断力、调查能力以及从困境中恢复的能力。员工需要识别自动回复何时不完整或不准确，在信息影响其他客户之前纠正错误，并了解何时需要针对特殊情况采取不同的处理方式。
当 AI 系统遇到超出预期路径的情况时，人类判断的重要性就显得尤为突出。General Assembly 的首席商务官 Jourdan Hathaway 告诉 CMSWire：“当我们在呼叫中心部署 AI 时，我们很快意识到该系统无法适应未经训练的场景。任何偏离典型脚本的情况都会破坏用户体验。”
Hathaway 表示，模糊不清的情况会被错误地路由，导致问题解决率和客户满意度下降，并最终损害客户的整体体验。这一经验表明，企业应该将升级流程设计和员工培训纳入部署流程，而不是想当然地认为 AI 可以可靠地处理所有常见的服务需求。
随着AI承担日常工作，一线员工的技能将如何转变？
随着更多简单的请求被移交给AI系统，一线员工将花费更多时间来解读异常情况，并在自动化达到极限后重建客户信任。
TTEC Digital 全球微软战略与市场推广副总裁 Karl Phenix 告诉 CMSWire：“客户服务代表正在经历最大的转变。他们不再将大部分时间用于回答常规问题，而是越来越多地处理复杂的案例、异常情况、升级问题以及建立客户关系。主管的角色也在从单纯的人员管理转变为同时管理人员和AI绩效。随着AI融入运营，批判性思维、决策、质量保证、AI监督和指导等技能变得比执行事务性任务更为重要。未来的客服人员不再仅仅是信息提供者，而是问题解决者和客户拥护者。”
因此，培训内容不应仅限于如何使用AI助手。团队需要练习审核AI生成的摘要和建议，处理上下文不完整或相互矛盾的升级事件，在系统无法执行时应用策略，并以有助于团队识别模式的方式记录错误。主管和质量团队也需要进行类似的准备，以便区分员工个人失误和AI系统造成的知识、流程或权限问题。
人员配备和绩效管理必须随着工作组合的变化而改变。日常联系量的减少可能导致员工处理更复杂、更敏感、更耗时的案例。企业应在工作量预测、辅导和绩效考核中考虑这一点，而不是主要根据处理时间或案例数量来评估员工。
AI如何改变一线CX员工所需的技能？
根据 General Assembly 和 TTEC Digital 的说法，随着日常请求转移到AI，员工需要更强的批判性思维、异常处理、AI监督和辅导技能——角色从信息提供者转变为问题解决者。
打造客户信赖的团队
未来，企业能否成功，不再取决于AI处理的工作量，而是取决于当自动化达到极限时，客户是否还能获得称职的人工帮助。CX领导者若能明确权限、在升级过程中保留上下文信息，并以解决问题而非遏制问题来衡量人机协作团队，就能更好地减少日常工作量，同时又不增加赢得客户信任的难度。
