以客户旅程为导向的人工智能从端到端的客户服务旅程出发，而非从工具入手。以下将介绍在您购买或构建系统之前，服务蓝图如何影响联络中心的人工智能决策。
作者：宝拉·费特
在最近的联络中心评估中，COPC Inc.经常发现，单个升级路径中涉及五到九个独立系统，这一模式已在COPC的《AI与 顾客体验 》报告中有所记载（ 调研 ）。如果在缺乏结构化设计的情况下将AI引入该环境，结果可想而知：数据丢失、上下文信息丢失，客户不得不从头开始。这项技术在其自身边界内确实能如宣传般运作，但它所处的整体服务流程却无法正常运行。
这一运营现实为“以客户旅程为导向”的方法提供了依据。以客户旅程为导向的人工智能是一种呼叫中心人工智能方法，它从端到端的客户服务旅程出发——即呼叫中心如何通过各个客户触点提供价值——进而探讨人工智能可在何处支持这一价值交付。这种方法颠覆了通常的顺序：即先选择工具，再将其嵌入现有渠道。 服务蓝图设计是一门使这一方法付诸实践的学科，它通过语音、聊天、电子邮件、网页、移动端及面对面体验等渠道，对前台交互、后台流程以及连接它们的系统进行映射。
仅针对单一渠道进行孤立优化是本末倒置的。我们的目标是打造一条无论客户选择哪个渠道，都能得到人工智能持续支持的服务旅程。
要点：
- 以客户旅程为导向的人工智能首先从服务旅程入手，然后选择相应的能力。从工具入手是最常见且代价最高的顺序错误。
- 服务蓝图将前台互动与支撑这些互动的后台系统和流程联系起来，而这正是大多数联络中心人工智能部署实际上出现问题的症结所在。
- 在联络中心中，导致人工智能失败的主要原因是系统集成问题，而非算法质量。COPC（调研 ）的研究发现，系统集成问题占失败原因的48%。
- 应要求人工智能达到与员工相同的绩效标准，并定期审查人工智能战略，而不是将技术路线图固定为多年不变。
联络中心人工智能是一套能力，而非单一解决方案
将人工智能视为一个整体，会导致采购决策在实际运营中难以奏效。机器学习、自然语言处理和计算机视觉是三种不同的能力，应用场景各不相同，选择时应取决于需要解决的具体问题，而非销售的平台。
我们在呼叫中心所见到的最有效的应用，很少涉及完全自动化。这些应用通常是通过人工智能来辅助员工，具体表现为：减少重复性任务、在恰当的时机提供正确的信息，以及在互动过程中提升决策质量。这种定位至关重要，因为它改变了设计方向：人工智能应被视为一种增强人类能力的工具，而非旨在削减人手的替代品。
设计人工智能架构时，应着眼于适应性，而非追求完美
采用人工智能面临的最大风险在于，会陷入无法演进的解决方案中。技术发展日新月异，这种做法绝非稳妥之选。今天还属尖端的技术，一年后便会成为标准配置，随后很快就会过时。紧密耦合或高度定制化的系统会使渐进式变更成本高昂，将本应快速迭代的过程变成了资源密集型项目。
集成是这一问题最常出现的领域。在COPC Inc.发布的《2026年AI投资回报率报告》（调研 ）中，48%的联络中心受访者将集成挑战视为其AI实施中运营失败的主要原因。同一份《2026年AI投资回报率报告》（调研 ）还发现，56%的联络中心未能从AI中获得预期的回报。 知识分散在SharePoint、老旧的CRM系统、维基和各种分散的数据库中。如果将AI直接引入这种碎片化的环境，却缺乏以客户旅程为导向的设计，它不仅无法解决碎片化问题，反而会延续这种碎片化状态。
人工智能无法修复已经出现问题的事物。将其引入一个支离破碎的
运作体系中，只会让你得到一个支离破碎的AI。
其代价不仅体现在技术层面。僵化的系统会降低整个企业的响应能力，使流程受限于平台的功能，而非客户的需求。随着时间的推移，联络中心希望提供的服务与实际能够提供的服务之间逐渐产生了差距。
模块化架构、更简便的定制化以及在能力成熟后愿意更换组件的做法，都能缓解这一问题。与此相伴的文化转变同样起到缓解作用：将变化视为运营模式的一部分，而非需要规避的事物。以客户旅程为导向的方法自然支持迭代。从当前的客户旅程入手，可以以小范围、可控的方式引入人工智能，在真实环境中进行测试，并不断优化。
在当今呼叫中心高效运营的基础上更进一步
人工智能不应破坏现有的行之有效的方法。品牌价值、既定流程和组织文化如同护栏，确保人工智能的部署方式与组织期望的运营方式及其希望呈现的形象保持一致。
一个以高互动性、个性化服务著称的品牌，不应引入会削弱这种体验的人工智能。正确的做法通常是让人工智能在幕后发挥作用，为客服人员提供更深入的洞察和建议，而不是取代品牌赖以生存的人际互动。同样，应尊重并优化现有流程，而非绕过它们。人工智能应融入当今的工作方式，或有针对性地推动其演进。
文化是最常被低估的因素。如果员工将人工智能视为威胁，其应用就会停滞不前；如果他们将其视为一种辅助工具，员工参与度自然会随之提高。这需要清晰的沟通、培训，以及让员工参与设计和实施过程，而不仅仅是部署。
如何衡量联络中心中人工智能的性能
一项有用的准则：将人工智能与人类客服人员适用相同的绩效标准。 如果对服务人员的评估标准包括响应时间、服务质量和客户满意度，那么履行类似职责的人工智能系统也应依据相同的指标进行评估。这一原则现已正式纳入《COPC客户体验管理标准》（顾客体验 ）第8.0版（2026年2月发布），该标准强调以服务旅程为中心，要求优化和管理端到端的客户旅程，而非孤立的单次交易；同时，标准中还内置了人工智能治理机制，确保自动化系统遵循与人类员工相同的规范。
这种衡量方式还能厘清整个客户旅程中的影响。将人工智能的性能与客户成果及运营效率挂钩，既能表明投资是否带来了收益，也能进一步阐明为何将服务蓝图作为起点至关重要。如果缺乏这种客户旅程视角，人工智能虽然在自身指标上表现优异，但其周边的客户体验却可能在不断恶化。
呼叫中心人工智能的“自建”与“采购”之争，以及从小处着手的重要性
购买人工智能能力能带来速度优势。供应商提供的工具可立即部署，并有更新和改进作为后盾。其代价是产生依赖性：企业的演进能力将与供应商的产品路线图绑定，且针对具体需求的定制空间可能受到限制。自主开发则能带来更大的控制权、更深入的定制化，并能与专有流程和数据保持一致。其代价是拥有成本，包括持续维护、治理、扩展和持续改进。
实际上，最有效的方法通常是两者结合：在合适的情况下使用外部工具，而在具有战略重要性时则依托内部能力。应根据具体实施路径有意识地做出决策，而不是默认采用某一种方法。无论选择哪种方向，执行过程中都应保持务实态度：从能够快速实施的小型、可控用例入手，基于现有能力和数据开展工作，并让每一步都为更宏大的愿景做出贡献，从而使渐进式成果产生累积效应，而非各自为政。
在近期与 一家中东银行开展的COPC项目中，我们首先对所有渠道中最重要的服务旅程进行了端到端的梳理，而不是直接评估AI工具。这份蓝图揭示了各渠道之间存在的不一致之处、人员、流程和技术方面的缺口，以及未能真实反映客户实际体验的指标。 正因如此，随后关于人工智能的讨论更加聚焦：问题不再是“购买哪款工具”，而是“哪些服务旅程节点需要支持”，以及“通过购买或自主开发哪些能力才能弥补这些差距”。最终做出的采购决策与最初的计划有所不同。
制定一套能够与技术发展速度同步调整的联络中心人工智能战略
人工智能领域将持续变化，这正是为何不应像制定五年技术路线图那样来构建战略。更有效的方式是建立一套固定问题，并按固定节奏定期回顾：我们正在优化哪些用户旅程，针对每个旅程使用了哪些能力，自上次审查以来我们学到了什么，以及市场发生了哪些变化导致答案随之改变。 人工智能实施中最常见的错误是从技术出发并倒推，而这种错误并非仅在项目启动时发生一次。每当新功能进入市场时，这种错误就会再次出现，人们的本能往往是先考虑是否采用该功能，而不是先思考它是否能真正改善顾客体验 。
整合人工智能不仅是一项技术挑战，更是一项战略和文化挑战，而目前在这方面面临最大困难的组织，很少是那些行动过于迟缓的组织。它们恰恰是那些围绕当前工具制定计划，并假设该计划明年依然适用组织。基于其所服务的客户旅程、并按固定周期进行审查的联络中心人工智能战略，才是更持久的选择，也是随着技术不断发展仍能经得起时间考验的选择。
购买呼叫中心人工智能前需考虑的五个问题
在做出任何人工智能采购决策之前，有五个问题需要明确回答。这些问题的回答质量，比任何供应商的演示更能说明该部署能否成功。
1. 我们试图优化的是哪段客户旅程？目前客户或客服人员在哪些环节遇到障碍？
如果团队无法明确这段旅程的目标，人工智能就会偏离正轨。
2. 从客户提出问题到得到答案，中间需要经过多少个系统？
这个数字中隐藏着集成成本。
3. 对客户而言，成功是什么样的？而不仅仅是运营层面的成功。
“控制时间”和“处理时间”是运营指标。“解决时间”和“工作量”是服务流程指标。这两者都应包含在您的回答中。
4. 如果这台设备在18个月后无法正常工作，我们更换它有多容易？
如果答案是“非常困难”，那么你的架构就不是以用户旅程为导向的，而是以供应商为导向的。
5. 当人工智能将任务移交给人类时，交接责任由谁承担？
在任何关于人工智能采购的讨论中，这几乎总是最薄弱的论点，也是“顾客体验 ”最常被忽略的地方。
能够针对这五个问题给出具体答案的团队，已经准备好评估工具了。无法做到这一点的团队，应首先专注于基础工作。
如果您正在评估人工智能在您的联络中心中的应用场景，并且希望从转型历程入手而非直接选用工具，COPC将与运营负责人合作，梳理当前的服务交付流程，并确定人工智能能在哪些环节提供最有效的支持。 欢迎联系我们，开启对话。
常见问题解答
什么是“以旅程为导向的人工智能”？
“以客户旅程为导向的人工智能”是一种在联络中心部署人工智能的方法，其出发点是端到端的客户服务旅程，而非某种工具。首先通过服务蓝图绘制来绘制客户旅程图，随后针对旅程图中揭示的具体摩擦点，选择相应的人工智能能力加以解决。相比之下，若从供应商演示入手，往往会在各方尚未就需要解决的问题达成共识之前，就对架构造成限制。
为什么大多数呼叫中心人工智能项目都未能实现预期的投资回报率？
集成问题是最常见的原因。2026年发布的《COPC客户体验报告》（调研 ）显示，48%的受访者将集成挑战视为运营失败的主要原因，且56%的联络中心未能从人工智能中获得预期的回报。人工智能被引入到由CRM系统、知识库和遗留系统构成的碎片化环境中，从而继承了这种碎片化问题。基于客户旅程的设计能在采购工具之前就揭示这些依赖关系。
什么是服务蓝图，它与客户旅程图有什么区别？
旅程映射从客户的视角捕捉其体验，梳理他们经历的各个步骤以及影响其认知的关键时刻。服务蓝图则更进一步，将这些前台互动与支撑它们的后台流程、系统及人员联系起来。 由此形成了一个关于联络中心如何提供客户体验的统一视图，其中包含那些在高负荷下常会中断的依赖关系和交接环节。对于人工智能决策而言，这种更全面的视图至关重要，因为大多数人工智能故障发生在后台层，而非可见的交互环节。COPC的服务旅程蓝图方法，正是针对最重要的客户旅程构建了这种综合视图。
我们是否应该等到服务蓝图完成后再部署人工智能？
不。若一味等待每条客户旅程的完美图谱，反而会延误当前即可实施的改进措施。从服务蓝图设计入手的意义在于有针对性地选择人工智能部署方案，而非无限期推迟部署。不妨先从一两条最重要的客户旅程入手，例如高流量的客服流程或关键的入职流程，为其绘制蓝图，并根据这些蓝图所揭示的内容来指导人工智能决策。随着工作的深入，其他客户旅程的图谱绘制工作可随后展开。
“自建还是外购”是否仍是制定决策的正确思路？
对于大多数联络中心而言，这种思维定式过于二元化。现实的选择在于：哪些能力应通过采购获得，哪些应自主构建，以及如何将二者整合。路由和核心平台功能通常最适合通过采购获得。而用于分析或质量管理的专用工具则可能需要分层集成。 专有流程、数据和客户背景通常是内部能力发挥价值的关键所在。“客户旅程视图”能帮助您区分哪些属于哪一类。进行不依赖特定供应商的技术评估，通常是做出这一决策的最快途径。
这与COPC《顾客体验 》标准有何关联？
2026年2月发布的COPC《客户体验管理标准》（顾客体验 ）第8.0版正式要求对端到端服务旅程进行优化和管理，而非仅关注单个交易。该标准还引入了内置的人工智能治理机制，将长期以来适用于人工操作的规范同样应用于自动化系统。以服务旅程为导向的人工智能方法正是这些要求的具体体现。
领导者在启动人工智能项目时，最常犯的错误是什么？
如果从工具入手，其模式总是千篇一律：先是供应商演示，接着是预算制定，然后是部署，最后才认真考虑人工智能如何融入更广泛的转型历程。到那时，架构早已受到工具的限制，集成成本也已产生。如果从转型历程入手——哪怕只是简要地考虑一下——也会改变最终选用的工具及其在架构中的位置。这是目前可行的、影响最为深远的改进措施，却几乎总是被忽略。
