“必须利用人工智能做点什么”的压力已渗透到顾客体验 每个角落。在顾客体验，这往往导致项目仓促上马、期望不切实际，以及工具上线时却与业务影响毫无关联。这绝非正确的构建方式。
在COPC公司与对话设计研究院（CDI）的近期合作中，行业领袖们勾勒出一套实用的框架，旨在以兼具实用性与前瞻性的方式实现人工智能的规模化应用。其核心要义在于：成功并非仅凭热情驱动，而是源于以优质设计、协同一致和周密规划为先导的系统化方法。
CDI 与 COPC 在一场联合网络研讨会上揭示了“6 大支柱”框架，该框架旨在推动人工智能的有针对性实施。本次网络研讨会是四部分课程《从顾客体验 扩展人工智能代理》的预览，该课程现已上线。
“激情是成功的必要条件，但仅凭激情远远不够。要实现规模扩张，必须做好周密规划，避免项目启动后的手忙脚乱。”
——杰夫·特罗佩亚诺，COPC公司执行副总裁
以下是将人工智能规模化发展的六个基础支柱应用于实践的方法，以确保您的顾客体验 具有实质意义且可量化。
1. 愿景：将人工智能战略锚定于顾客 品牌成果
人工智能实施中最常见的错误是从技术出发倒推。最有效的项目应首先明确阐述成功标准，并阐明组织推行人工智能的根本原因。
一套有针对性的顾客体验 战略并非偶然形成。成功的组织都采用以客户旅程为先的设计方法。
无论目标是提升可用性、降低操作成本还是实现体验个性化，您的AI都应强化品牌价值与顾客 。
我们从以下问题开始思考：我们试图改进什么？是减少工作量？增强隔离能力？还是优化用户体验？所有其他决策——包括技术、治理和数据——都必须支持这一目标。
“不要为自动化而自动化。自动化是为了提升体验，而这种体验本就体现着你的品牌价值。”
——杰夫·特罗佩亚诺，COPC
若贵公司以温暖体贴著称，客服机器人应体现这种调性——或及时转接人工服务。若追求高效快捷，则应着力减少顾客 中的摩擦点。愿景不仅是锦上添花，更是指引每个决策的透镜。
2. 人员：尽早让团队参与进来
人工智能或许是一项技术计划，但其成败关键始终在于你的团队。
客服专员、主管、质量保证负责人和培训师往往会受到对话式人工智能引入的深远影响。然而，这些角色常常被过晚引入，甚至完全被忽视。
将技术团队置于核心位置。理解他们的担忧，给予他们学习的时间，并赋予他们主导风险管控的权力。
—瑞秋·怀特 霍恩，CDI 对话式人工智能实践负责人
从共情开始。通过邀请团队共同规划人工智能的实施方式，主动化解恐惧。客服代表可转型为机器人训练师，质量保证专家可能进化为提示工程师，主管则可开始同时管理人类与数字客服代表。
当今大多数人工智能体验仍只是“人类模拟”。不要围绕团队进行设计——要与团队共同设计。
——杰夫·特罗佩亚诺，COPC
3. 风险：为可能发生——且必然会发生——的状况做好准备
人们担忧幻觉和非标准输出，这种担忧是合理的。但还存在其他风险：泄露个人身份信息、训练数据偏差，或是向未经许可就窃取知识产权的供应商采购。人工智能确实带来了法律和道德层面的风险敞口。
正因如此，风险规划必须超越合规检查清单的范畴，其内容应包括：
- 机器人可说与不可说的边界
- 明确升级至人工客服的途径
- 人工智能性能监控的所有权
别忘了道德风险——比如模型偏见、可持续性或数据滥用。道德责任不能外包给供应商，你必须明确组织在这些问题上的立场。
即使你的国家没有强制规定，也要遵循一套你引以为豪的标准。不必等待指令——主动决定公司的立场。
——瑞秋·怀特霍恩，CDI
4. 用例：为顾客选择，而非仅为企业
选择合适的应用场景是人工智能发展过程中最具战略意义的决策之一。许多企业从内部痛点切入——即希望自动化的低价值任务。但真正的价值在于客户最关心的领域。
切勿将组织的棘手问题转嫁给顾客。组织应当赋能 顾客。顾客 内部低效的垃圾场。若迫使他们重复说明、在割裂的渠道间周旋，或为你们残缺的流程买单——这并非创新，而是推卸责任。
理想的应用场景包括：
- 高频
- 相对简单
- 从顾客体验 运营角度来看，实现自动化都具有重要价值
“设计不仅关乎预设的流程，更要为突发状况做好准备——以及顾客 。”
——瑞秋·怀特霍恩，CDI
超越常见问题解答。聚焦实际行动。客户不需要只会解释问题的机器人，他们需要的是能解决问题的机器人。
客户不需要一个能理解问题的机器人，他们想要的是能解决问题的机器人。
——杰夫·特罗佩亚诺，COPC
5. 指标：预测影响——而非事后测量
若你只在项目上线时才考虑指标，那你已经落后了。
在实施前设定明确的假设。确定最重要的关键绩效指标——控制率、解决时间、客户满意度、错误率——并预测这些指标的变化趋势。
“不要先射出箭矢，再在它落点周围画靶心。反其道而行之——先明确目标，再朝着目标射出箭矢。”
——杰夫·特罗佩亚诺，COPC
请记住：重点不仅在于机器人是否完成了交易。关键在于：它是否优化了用户旅程？解决方案在交互结束后是否持续有效？顾客 是否真正感到满意？
6. 技术：构建支持规模化而非仅追求速度的基础架构
选择合适的技术栈至关重要——但关键不在于最炫酷的人工智能或最大型的供应商，而在于挑选符合您的具体应用场景、数据生态系统及长期发展规划的工具。
技术采购方式即将发生变革。传统招标流程的周期过长，难以适应创新的步伐。
——杰夫·特罗佩亚诺，COPC
请确保您的平台支持：
- 与核心系统的集成
- 访问结构化与非结构化数据
- 治理与可观测性
- 兼容确定性模型与生成式模型的灵活性
最重要的是，清理你的数据。无论多么先进的平台，都无法挽救“垃圾输入，垃圾输出”的局面。
最终思考：规模始于战略
人工智能代理不仅是又一个渠道。若运用得当，它们将重塑企业与客户的互动方式、问题解决模式以及服务扩展能力。
但要突破小规模试点的局限，实现持久影响，不能仅凭炒作开始。你需要远见、共识、防护措施以及能够扩展的基础设施。
人们总在最后才考虑规模——当试点项目成功后。但规模化其实始于最初，它源于你的思维方式。
——瑞秋·怀特霍恩，CDI
这套六大支柱框架是你的蓝图。不仅要用它来规划——更要用它来引领。
为深入探索，COPC与CDI联合打造了四部分课程，将于2025年8月13日开课，您可通过CDI学院学习平台进行访问。订阅年度会员后，您将获得全部四个模块的学习权限，并可获取CDI所有课程资料。
- 扩展人工智能并规避常见陷阱
- 人工智能规划的六大支柱：愿景、风险与应用场景
- 以用户为中心的人工智能设计与人机协作
- 可扩展人工智能的持续改进与标准
COPC 还提供了一项实时在线认证课程：人工智能在顾客体验基础应用。该课程由 COPC 与 Execs In The Know 联合开发，为将人工智能的潜力转化为切实可行的解决方案提供了明确的路线图。
- 选择并管理技术供应商。
- 将人工智能战略与顾客 和业务目标保持一致。
- 驾驭人工智能治理与伦理。
- 准备和管理知识库。
- 通过指标管理和提升绩效，避免代价高昂的失误。