在让人工智能处理您的下一位客户之前，应检查哪些事项

作者：杰夫·特罗佩亚诺

顾客体验 顾客体验）的自动化，在确保运营安全之前，就能为业务带来强有力的支持。

大多数顾客体验 都在追求正确的目标：更快地回应、降低成本、更好地控制问题，以及提供更一致的服务。 

当这些目标转化为运营决策时，工作难度就会增加。你必须决定哪些事项可以由系统自动处理，哪些需要人工审核或批准；必须决定哪些内容应被记录和审计；如何向客户说明涉及自动化处理；以及团队如何判断客户体验是否真正得到了改善。

这就是顾客体验 ”背后的工作。

随着《欧盟人工智能法案》中关于人工智能素养、通用人工智能、透明度以及高风险系统等义务的逐步实施，这一问题变得更加紧迫。对于顾客体验 ，关键在于实际操作层面。治理机制必须体现在顾客体验 、工作流设计、问题上报路径、供应商设置以及绩效考核指标之中。

我们建议客户在自动化流程触达客户之前就做出这些决策。如果治理得当，就能为运营提供一条明确的途径，在控制、审查和问责机制的保障下，有条不紊地扩展人工智能的应用。

从人工智能将影响的旅程开始 

在决定人工智能应承担什么任务之前，领导者需要了解它将走什么样的道路。

顾客体验 改变顾客体验 旅程中的关键时刻。它可以解答账单问题、转接工单、为客服人员提供回复建议、总结互动内容、触发后续跟进，或将客户转交至其他团队。

每个用例都涉及用户体验中的不同环节。但关于准备就绪的问题却是一样的：该环节是否足够清晰，以支持自动化处理？

我们首先绘制高价值的顾客体验 及其背后的客服人员工作流程。我们着重排查流程中的断点、政策不明确之处、工具之间脱节、知识盲区，以及客户或客服人员已经遇到瓶颈的环节。

该评估显示了自动化可在哪些方面提高速度、一致性或解决问题的效果。它还指出了在人工智能纳入工作流程之前，流程中哪些环节需要改进。

将顾客体验 ”与投资回报率（ROI）和风险联系起来 

一项推广活动看似成功，但领导层却可能仍无法明确说明其投资回报率。

诸如启动次数、登录次数和模型测试等“AI客服指标”可以表明自动化系统正在运行，但无法反映具体发生了哪些变化。客户是否更快地得到了问题解决？客服人员的操作是否更加顺畅？企业是否在不增加风险的情况下降低了成本？

我们建议在部署前先定义一套简明的业务指标和风险指标。业务指标应反映自动化是否在解决效率、风险控制、成本、客户投入或客服人员专业能力等方面有所提升；风险指标则应反映自动化是否因升级处理失败、例外情况、投诉或合规问题等原因而带来了新的风险。

这使顾客体验 负责人能够更清晰地了解，顾客体验 究竟是在提升绩效、增加曝光度，还是两者兼而有之。 

让“人机协同”成为现实

必须在运营模式中设计纳入人工监督机制。

麦肯锡的观点与我们在顾客体验 方面的经验相一致。随着人工智能承担越来越多的简单工作，人类在验证人工智能以及处理复杂且涉及情感细微差别的互动方面仍然不可或缺。麦肯锡还指出，复杂的请求往往需要只有人类才能提供的同理心和判断力。

对于顾客体验 ，“人机协作”必须具体明确。人工智能可以负责起草、总结、分流、评分或推荐等工作。但人类仍需审核敏感的输出结果、处理例外情况、调整知识库、应对边界案例，并在交互涉及情感、财务、医疗或合规风险时介入。

自动评分现可覆盖每一项交互，而不再仅限于抽样中的少数几项，这意味着您不再需要安排一整间屋子的人戴着耳机对通话进行评分。您仍然需要对评分标准进行校准，并由人工对评分结果进行复核。覆盖范围与判断标准并不相同。

顾客体验 应在自动化流程触达客户之前，明确界定这些交接环节。

以标准为基础的顾客体验

只有明确的定义、规范的管理实践以及对“优秀”的共同标准，工具才能发挥更稳定的作用。

对于 联络中心而言，这意味着需要制定数据访问规则、数据使用规则、升级处理逻辑、人工干预点、系统功能说明文档、测试规程、信息披露政策，并随着法律和监管要求的变化定期进行审查。 

这一基础至关重要，因为治理必须在运营内部有效运作。它必须指导客服代表、主管、质量团队、供应商和人工智能系统实际开展的工作。

如果没有这一基础，顾客体验 就会沦为被动应对，而“人机协同”也将沦为空洞的口号，而非实际的运营实践。

如需深入了解，请下载 COPC 的完整执行指南， 《2026年人工智能顾客体验：如何在不失控的情况下实现联络中心技术栈现代化》，其中提供了评估AI部署、治理、架构、角色及路线图决策的实用框架。