作者 |豹變 詹方歌

很多人對智能客服的第一印象不太好。

快遞明明沒收到，打電話過去，智能客服翻來覆去只有一句「已簽收」；問題還沒講完，系統就自顧自地跳轉、答非所問；好不容易磨到人工，又得把來龍去脈從頭再說一遍。這樣的場景幾乎人人都經歷過，智能客服在一次次「雞同鴨講」中，不斷消耗用戶的耐心和信任。

可企業偏偏不能放棄它。

客服是企業和C端用戶之間最直接的橋樑。售前、售後、投訴，用戶與企業的絕大部分溝通要經由它。但這份工作重複、瑣碎、門檻不高，純靠人力去堆對企業很不划算，而智能客服足夠便宜。

直到大模型被廣泛應用，這場體驗和成本的拉鋸戰，纔開始有了新解法。

圍繞個體和行業本身，我們想弄清楚幾個問題：現在的AI客服，到底還是不是只能添堵？它究竟能做什麼，不能做什麼？AI究竟給行業帶來了怎樣的進步？

這些問題有些已經有答案，有些還沒有。在尋找答案的過程中，其實還藏着一個更大的命題：AI從來不是為了替代人而出現的，但它確實正在改變人的工作方式。

1、吐槽背後是市場

說起被AI衝擊的崗位，客服總是第一個被提起。

原因不難理解：客服的工作裏有大量高頻、重複的事項，怎麼退換貨、能不能改地址……這些問題天然就適合被拆解成標準化的話術和流程。

現實中，智能客服也的確很早就進入了企業、機構等服務系統，但是效果一言難盡。

市場監管總局曾披露，2024年全國消費者投訴中，電商售後服務領域關於「智能客服」的相關投訴6969件，按年增長56.3%。消費者普遍反映的問題包括：智能客服答非所問、人工客服難聯繫、溝通效率低下等。

也就是說，智能客服一邊被企業大量使用，一邊又不斷被用戶吐槽。

這背後有技術不夠成熟的原因。

早期，工程師把用戶可能問到的問題拆成關鍵詞，配上固定話術，一條條把規則餵給系統。可只要用戶的表達稍微偏離預設，它立刻就答非所問。這也是智能客服被吐槽為「人工智障」的階段。

隨後，智能系統開始依賴語義識別、意圖分類和歷史對話訓練，回覆起來沒那麼死板，但重新訓練的拓展成本高，遇到訓練時沒見過的表達方式，智能客服仍然會卡住。

如今，隨着大模型時代來臨，工程師不再需要為每種意圖單獨訓練模型，而是靠知識庫、檢索邏輯（RAG）和提示詞設計，讓模型「現學現答」。這時，AI客服才第一次具備了處理陌生表達的能力。

行業也因此重新升溫。

國內市場中，大廠和垂直廠商正在同時推進這一輪升級。IDC數據顯示，2024年智能客服五大主要廠商的市場份額達到35%，主要集中在阿里雲、百度智能雲、容聯七陌、中關村科金和智齒科技。其中，阿里雲市場份額為11.4%，百度智能雲為10.4%。

大廠的優勢在於模型、算力、雲服務和企業客戶資源。對阿里雲、百度智能雲、騰訊雲等公司來說，AI客服可以被納入雲計算、大模型和智能體平台整體方案中，不需要單獨講一個獨立故事。

但這個賽道並沒有完全被大廠控制。客服是一個很細碎的行業，不同行業、不同客戶的業務規則、知識庫、轉人工標準和質檢方式都不一樣。大廠有資源和渠道，未必願意在每一個垂直場景裏做重交付。於是，容聯七陌、中關村科金、智齒科技等傳統客服廠商，以及更多AI語音和智能體創業公司，仍然有切入空間。

而最近一年，AI客服在落地過程中，正逐漸Agent化。

國外，OpenAI在7月開始推出面向企業語音支持的Presence，從模型能力向企業服務流程前移。硅谷資本寵兒、AI客服賽道最標誌性的創業公司Sierra，5月完成9.5億美元孖展、估值超過150億美元；不久前Sierra收購了一家專注於長周期Agent的公司，意在讓AI客服能夠處理更長線程、複雜的任務。

這說明，AI客服已經不再是傳統意義上的「問答機器人」。它正在變成企業連接用戶、訂單、工單、知識庫和人工座席的前端智能體。行業競爭的核心，也從「能不能回答問題」，轉向「能不能解決問題」。

但這條路並不輕鬆。

2、還需持續進化

智能客服時代留下的刻板印象，讓AI客服需要花上更大的力氣取得人們的信任。一個佐證是，面對AI客服的時候，很多人並不願嘗試溝通，第一反應就是「轉人工」。

但實際上，AI客服正在變得更有用。大模型之後，AI客服不只是話術更自然，也開始具備理解上下文、追問信息、調用工具和生成工單的能力。

它們正在從「回答問題」，走向「處理任務」。

在標準化場景裏，這種變化已經比較明顯。比如訂單查詢、物流進度、賬戶信息、預約改期、費用說明、政策解釋等問題，通常邊界清楚，答案可以從企業系統和知識庫中提取。AI客服只要識別出用戶意圖，再調用對應數據，就能完成大部分處理。

AI客服領域熱門創業公司Sierra是最典型的代表，其官網顯示合作的公司覆蓋媒體訂閱、智能硬件、消費電商、安防、金融、醫療、房貸、電信和公用事業領域。它為美國安防公司ADT部署的AI客服，不只是回答用戶問題，還逐步擴展到付款、改約服務時間、訂購庭院標識和電池等操作。

此外，據《豹變》了解，目前國內比較頂尖的AI客服，已經實現毫秒級的實時語音交互的速度，能夠滿足日常溝通的需要。

2026年1月，中國電信人工智能研究院（TeleAI）方面表示，其推出的超擬人對話大模型——GOAT-SLM已經能夠做到不僅聽懂用戶的字面意思，更能聽懂用戶的「弦外之音」。比如，從急促的語氣裏察覺到用戶的焦慮後，它能夠同時生成共情的文字，並用合適的語調和情緒和用戶交流。

也就是說，在不久的未來，AI客服或許不只能聽懂指令，還能真正「共情」人。

但一旦進入複雜售後，AI客服的侷限就會顯現。

比如退款爭議、投訴處理、責任劃分、資金安全、醫療用品故障等場景，用戶提出的問題往往並不標準，也不只是缺一個答案。客服需要判斷事實、識別情緒、覈驗材料、評估風險，甚至在企業規則和消費者權益之間做平衡。

這些環節，AI很難獨立完成。

AI客服能總結對話，也能提示下一步流程，但不適合直接做最終判斷。尤其在涉及賠付、投訴、賬戶安全等場景裏，如果AI理解偏差，或者把不確定信息說得過於肯定，反而會放大用戶的不信任。

正因此，監管部門曾提示，發揮智能客服和人工客服各自優勢。今年年初，浙江省消保委在一份關於客服熱線的調查中提到：常規性諮詢可由智能客服處理，涉及消費者售後投訴、資金安全等較為複雜或緊急的問題則優先轉接給人工客服。

比起AI客服「不聰明」，更讓人頭疼的問題是其實是找不到人工。

雖然要不要多養人工客服的主動權在企業手裏，但在AI這一端，通過工程化的手段同樣能夠改善用戶體驗，甚至優化人工客服的工作方式。

一方面，千千萬萬個AI客服能夠同時穩定在線，能夠在一定程度上解決人工客服等待速度太慢、在線時間太短的問題。

另一方面，與其把用戶困在死循環裏，不如利用工程化能力讓轉人工更順利，尤其是通過AI提前記錄相關信息。

比如，網易雲商·七魚的AI座席輔助能夠自動從會話中提取關鍵信息、生成摘要，並把用戶姓名、聯繫方式等自動填入工單；沃豐科技的大模型座席助手也主打「自動生成小結、自動填寫工單」。當客服擁有這些能力，用戶就不再需要像以前一樣，對着人工客服一次次複述自己的問題。

這也意味着，AI客服的下一步競爭，或許不在於能不能處理更多標準問答，而在於能不能進入更復雜的服務流程。

3、一門在驗證中的長期生意

智能客服是一個已經存在了幾十年、邊界清晰，甚至有點老派的市場。幾乎沒有人會覺得，利用AI把這件事做好，能算得上什麼「顛覆性的未來」。

但這種「不性感」或許恰恰是它的價值所在。企業不會因為經濟周期波動就停止向用戶提供客服，這也就成了一個真實、可驗證、不需要被教育的市場。

和大部分垂直領域一樣，AI客服行業有一些自研大模型的玩家。除了上述提及的中國電信TeleA，還有押注AI語音技術的南京雲蝠智能等。

不過，在這個賽道，選擇自研大模型的企業仍然是少數派。

上述提及的美國獨角獸公司Sierra也並沒有完全自研大模型，而是將AI客服的行為拆解為一個個具體任務，為每個任務選用最合適的模型。如果現成的模型無法滿足要求，再投入資源開發更為精細化的模型。同樣能夠最終交付一個模塊化、有監督、隨模型演進而持續優化的生產級智能體。

在國內，更普遍的做法是調用百度文心、阿里通義、字節豆包、DeepSeek等主流大模型的能力，利用自己積累的行業知識庫、業務流程和場景數據，把功夫下在應用層，而非底層模型。

2025年初，DeepSeek開源後，更有包括中關村科金在內的大批客服及雲服務廠商，集中宣佈接入DeepSeek，把它作為智能客服的底層能力。

對於大多數中小創業公司而言，從零訓練一個模型需要的資金和時間成本太高，調用現成模型，把精力放在場景和工程化上，才更符合現實利益。

從商業模式上看，AI客服賽道往往有兩種盈利模式：SaaS訂閱制和項目制。

訂閱制意味着可持續的經常性收入。客戶按年或按月持續付費，企業因此能獲得相對穩定、可預期的回款，現金流也更平滑。資本市場通常願意給這類業務更高的估值。

但訂閱制的另一面是，客戶隨時可以停止續費，因此產品效果和服務穩定性會被持續檢驗。如果客戶留存率和續費率不夠高，收入的「穩定性」優勢就很難真正兌現。相比之下，項目制的單個項目金額往往更大，在金融、政務等大客戶場景裏反而更常見。

而目前Sierra還在探索「按結果付費」，企業不是為使用了多少功能、消耗了多少token買單，而是為AI客服真正完成的業務結果付費。

比如成功解決了一個支持問題，避免了一次取消交易，實現了一次追加銷售或交叉銷售，或者取得了其他有價值的成果，如果相關問題未能得到解決，通常情況下，不會產生任何費用。

這種模式聽起來更容易被企業接受，但也對AI客服的能力提出更高要求。

說到底，無論是技術路線還是商業模式，這個賽道眼下都還遠遠沒有標準答案。唯一可以確定的是，聚集在這裏的玩家正在驗證一件樸素，也容易被忽略的事：一項技術要真正被信任、被規模化地應用，究竟要走過怎樣的路。沒有人知道終點是哪裏，但僅僅是走在這條路上，人類的工作方式就將發生深刻的變化。