想开始分享分享AI Agent在企业数智化（数字智能化）过程中发挥价值的一些场景
今天先从客服说起吧
为什么所有人都会想到客服提效？
当Agent来临后，大部分的人都会考虑先从客服切入。主要原因有三：
- 这是和文本场景最为相关的，也是GPT这种形态下，基于对话交互人们最容易联想到的地方
- 客服场景普遍是人们认为对企业塑造商业价值不大，但人力占用较大的地方
- 人们对客服的概念比较广泛，包括售前，售后，技术支持等，众多的企业角色，虽然分工各不相同，但统一都称之为客服
基于这个原因，人们看到AI的那一刻，第一反应就是：能不能搞个AI客服？
做AI客服，难吗？
想要回答这个问题，可能得先定义清楚AI客服。
我曾经发过上面这张图，很多人说很形象
其实不论是AI客服，还是任何AI提效环节，都是这样的
AI客服有很多个环节，抽象一下也有如下四步：
- 收集客户信息和问题信息
- 判断客户问题类型
- 定位SOP，寻找对应解决方案
- 提供解决方案
如果你期望全链路解决，那这个AI客服就很难做。但如果你只解决核心矛盾，这个AI客服就会简单高效达成任务。
其实这里面，AI最容易解决的，会是第一步。
我们可以设想一下，如果这四步都让AI来完成，会是什么样子
- 收集客户信息和问题信息：是不是只需要AI固定化给用户格式，用户回复内容后，AI来填充到固定化格式中即可？而且这步往往是最消耗人工的地方。
- 判断客户问题类型：当你拿到信息后，你想判断问题类型，这里就会涉及到客服的经验，客服对产品服务的了解，以及SOP的流程分类是否明确。这些咱们就不要说AI了，就新招聘一个客服，这里是不是也需要培训？单纯依靠AI的初始能力，其实是很困难的对吧？所以你大概理解了，如果想做到这一步，就需要额外的知识输入，有时还会涉及到多模态处理（如客户发送的是货品图片，需要判断受损情况等）
- 定位SOP，寻找对应解决方案：这是不是更难？因为SOP里涉及大量复杂的判断和逻辑流程与分支。很多企业主就连自己的员工有时候都会搞混，究其原因就是这些没有形成过固定化的模板或文档，随着业务不断变动与调整，没有任何最新内容的沉淀。导致很多新人上手后，也经常是手足无措。人都如此，何况机器？
- 提供解决方案：这一步可能就不止客服沟通了，他甚至需要去业务系统里进行处理。比如协助客户退款。或者给客户发放一些额外的权益或者补偿。那这些能力是不是也要和AI进行打通，让AI有能力调用这些功能，才可以满足？
我们整理一下这几个步骤
| 步骤 | 复杂度 | 人员时效占比 |
| 收集客户信息和问题信息 | 极低 | 高 |
| 判断客户问题类型 | 中（依赖知识） | 低 |
| 定位SOP，寻找对应解决方案 | 高（依赖知识和逻辑树） | 中 |
| 提供解决方案 | 极高（依赖其他系统对接） | 极高 |
看表格不难发现，这里面投产比最好，是优先解决第一步。而不是全链路提升。
AI客服落地有哪些困难
看过上面的内容，我们不难发现，AI客服落地有几重困难
- 业务往往缺少客服的标准化SOP，客服自己难以梳理，业务没人梳理，得过且过，就很难构建AI所需要的知识库，无法辨别问题分类处理
- 有一些企业是有客服文档的，但是文档是纯文本形式，可能存放在诸如腾讯文档，石墨等平台，AI想要加以利用比较复杂，需要专人有针对性的进行数据整理与清洗，最终形成AI友好使用的格式
- 客服流程中的模糊地带需要明确，譬如以前总会遇到一些流程需要人去问，人去沟通交流才能判断的，并非标准化的，这样的流程越多，AI越难落地
- 对于业务系统的对接上，原始的AI是没有能力处理的，这地方往往需要一部分API对接，或者RPA自动化脚本来完成
客服场景收益评估
只要当我们做的是利用AI数智化降本增效，而不是增收时，评估方式只有一个：
场景价值=人数*单位时间用人成本*使用频率*单次效能节约时间
比如，你当下的业务，可能每天有80个客服在处理工作，每个客服每个月5000块钱。
那么一个客服时薪就是5000/21.75(工作日）/8=28.74元/时
好了，接下来你就需要知道，这几个环节，分别占用他们多少时间。了解这个，你就能评估收益。
比如，每天在收集客户信息这块，每一个客户要耽误他们至少5分钟。
如果一天下来的有效进线量（进行咨询的客户）有50人，那就是耽误250分钟，也就是120块钱。
当你的AI提效完成后，你会获得每个月 80*120*21.75=20.88万 的时间成本收益
当然，这些收益最终能不能转化成效益，就是另外一个问题了。此时老板需要考虑的事情就是10倍ROI。
也就是说，这个场景，我花2w能搞定，我就可以尝试。
但是对于一些小型企业，可就麻烦了。如果只有5个客服，那一个月也就是省5*120*21.75=13050元
他们为此也就顶多投入1300元。所以这些人只能去买现成的SaaS，而不是定制化开发。
客服场景还能怎么进一步挖掘企业效能？
除了刚才我们聊到的这种进线客服场景，当然还有各种其他的客服，比如：
- 工单类客服：这类客服是异步客服，处理方式就会有一些差异
- 客服辅助的Copilot：
- 客户意图&情绪识别：通过聊天过程，识别客户更多信息，提供客服人员进行详细处理
- 客服引导建议：通过聊天过程，综合知识库SOP，给客服提供回复建议，自动化提供反馈语，帮助客服引导客户，解决客户问题
- 客服话术优化：客服键入回复后，进行态度改写
- 客服培训：利用AI构建问询用户，构建客服陪练或客服考官，帮助客服熟悉业务，降低客服培训成本
- 客户反馈自动化整理：对客户进线进行整理，自动化整理用户需求和不满意的地方，通过AI进行总结与整理，定期自动化反馈给产品部门
AI客服案例：电商场景如何构建AI客服
这是一个比较简单的客服流程，不难发现它包含了各类场景，甚至还需要留资做售前。
如果你的企业能将客服场景梳理出来，这就已经迈开了AI自动化的第一步。
优秀的老板都在关注Yangyi，与你和你的团队分享高效增长的策略，扩大生意规模。