人工智能与顾客体验的成熟度模型

作者：杰夫·特罗佩亚诺

如今，说你的联络中心“在使用人工智能”，就像说你在“使用电力”一样。 问题不在于你是否拥有它，而在于你如何运用它，以及它是否真正改善了客户的生活。经过多年与各行业服务机构的合作，我发现了一个规律：那些陷入困境的公司并非缺乏工具，而是缺乏一套框架来厘清自身所处的位置，以及“更好”究竟意味着什么。

在 COPC Inc.，我们认为成熟度的衡量标准不在于您购买了哪些工具，而在于您所构建的服务旅程。要实现进步，您需要一个能够反映服务型组织从简单分拣向复杂、自主协调转型这一现实的框架。

人工智能成熟度的五个阶段

这里所说的成熟度，指的是您为客户打造的服务旅程。每个阶段都建立在前一个阶段的基础上，若在基础尚未打牢的情况下就急于跳过，最终只会导致您花费大量资金，却更快地让客户感到困惑。

1. 判别性人工智能：基础这属于基本功。它涵盖了基础分类、路由和意图评分。如果你没有做到这一点，那就相当于在数字时代还在手动分拣邮件。 在COPC，我们将此称为基础需求管理。如果无法将工单分发到正确的处理岗位，就无法构建出复杂的系统。此处的审核标准很简单：您的数据是否足够干净，能够正确路由95%的联系请求？如果您仍然依赖客户从十几个IVR选项中自行选择，那么您还未做好迈向更高层次的准备。

2. 大型语言模型（LLMs）：摘要生成器这一阶段涉及语言生成、总结笔记和转录。目前，大多数组织都卡在这个阶段。 他们部署了相关工具，但这些工具往往记忆力短暂。由于无法跨渠道或跨会话保留上下文，其投资回报率（ROI）仅体现在生产力提升上，而这种提升在损益表中向来难以量化。除非将这一阶段整合到人工智能实际为知识库提供数据的战略中，否则它只不过是生成低质量笔记的更快途径。顺便提一句，大多数组织目前正处于这一阶段。（稍后将对此进行详细探讨。）

3. 生成式人工智能：创造者在这一阶段，我们将进入多轮对话和基于模拟的辅导领域。虽然这听起来很有趣，但在缺乏干净数据的情况下却存在风险。如果知识库过时，你的生成式聊天机器人只会自信满满地向客户编造谎言。在这个阶段，“人机模拟”的陷阱最具诱惑力。企业往往花费数月时间试图让聊天机器人听起来更具同理心，而他们本应专注于提高其准确性。

4. 主动型人工智能：工作伙伴这是突破性的时刻。这些工具能够自主学习、记忆并采取行动。该系统不仅能回答问题，更能解决问题。它能从反馈中学习，并适应特殊情况。其运作方式更像一名团队成员，而非单纯的软件许可。要达到这一阶段，需要从传统质量保证转向人工智能治理。您不再只是检查代码，而是像审核人类员工一样审核结果。

5. MCP：管弦乐队模型上下文协议（OrchestraModelContext Protocol）代表了跨系统协调的互操作代理的未来形态。这是一种协议变革，代理之间通过协商来优化整个技术栈的运行效果。这是终极的服务蓝图：客户在服务旅程中顺畅通行，各部门之间的割裂感终将消失。您的计费代理与发货代理直接沟通，客户无需重复说明情况。

阶段之间的“死亡谷”

大多数公司都停滞在第二阶段和第三阶段之间。它们虽然部署了辅助工具，却未能将其融入实际的工作流程；虽然推出了聊天机器人，却未衡量客户是否真正从中获得了帮助。这导致了价值缺口：技术成本显而易见，但收益却仅停留在轶闻层面。

向代理式人工智能的转型更为艰难，因为这要求你放弃部分控制权以换取速度。在传统环境中，我们会为每种可能的交互编写脚本。而在代理式环境中，我们只需设定边界和目标，然后让系统自行寻找最佳路径。这需要一种信任程度，而大多数组织尚未建立起这种信任。 你需要建立一套将AI纳入团队的流程，就像对待一名新员工一样，建立持续的反馈循环，而不是一次性的安装。

那些做得好的公司将人工智能的入职培训视为员工入职培训：建立持续的反馈机制、明确的上报流程以及绩效评估。绝非仅仅是安装一次，然后寄希望于它自行运转。

两个问题，揭示你的真实成熟度

有一种简单的方法可以判断你在这一发展阶段处于何种位置。首先，看看“背景”因素。你的AI知道昨天那位客户是谁吗？如果每次交互都从零开始，那么无论这个聊天机器人听起来多么“聪明”，你都仍停留在初级阶段。

其次，看看“学习”这一方面。系统是否能随着时间的推移而不断改进，而无需您重写代码？真正的成熟意味着系统能够识别自身的瓶颈，并将其呈现出来供团队解决。

我们正从静态应用的世界迈向动态智能代理的世界。 那些成功驾驭这一变革的企业，不仅拥有更智能的工具，更将培育出比竞争对手学习能力更强的企业文化。