支持服务中AI的承诺是，由它承担枯燥的工作，把有意思的问题留给人去解决。CNBC于10月24日发布的一篇报道采访了亲身经历这一承诺的客服人员，呈现出的画面却更为复杂。有人说自己终于有时间好好照顾每一位客户了；也有人说自己整天都在"不停地救火"。对于任何正在设计人机协作支持团队的人来说，这些细节都值得仔细阅读。
客服人员的反馈
CNBC的Lindsay Dodgson采访了呼叫中心的员工、高管以及一位研究人员。几个要点值得关注：
- 行政工作减少，关注度提高。 Kaylee Harris在一家信用卡公司从事客户服务工作，她说自己以前的工作日被电话、记笔记和冗长的披露说明占满。有了AI分担其中一部分工作后，她能更专注于每一位客户，不过系统故障有时也会带来额外的工作量。
- 错误带来额外工作。 一位在卡迪夫从事电信行业工作、只透露名为Shannon的员工说，她目前工作中AI生成的笔记常常不准确，所以她会自己重新写一份。在之前的一份工作中，AI客服负责预约，但当客户要求的日期无法满足时，就会把案例转交给人工处理，这导致工作量繁重并引发职业倦怠。
- 工作量上升。 MaxContact发布的2025/26年度英国呼叫中心KPI基准报告发现，超过半数受访决策者表示客服人员的工作量有所增加，高于2024年约40%的比例。该调查并未确定导致这一上升的具体原因。
简单咨询自动化背后隐藏的代价
Jones的观点值得关注，因为它很容易在仪表盘数据中被忽略。如果AI解决了简单的咨询，那么即便总咨询量不变，到达人工客服手中的咨询的平均难度也会上升。每一次人工对话都会变得更难、更长，情感上的消耗也更大。Jones还指出，员工可能因此失去积累应对困难工作所需经验的机会，因为简单咨询恰恰是新人学习成长的途径。
这并不意味着自动化是一个错误，而是意味着人工客服的角色正在发生变化，需要被有意地重新设计，而不是被动接受剩下的工作。
四项有助于改善现状的设计调整
1. 重新审视处理时长目标
ArvatoConnect首席执行官Debra Maxwell告诉CNBC，平均处理时长可能需要提高，客服人员的考核应基于他们是否理解了客户的需求并得出了正确的解决方案："而不是是否遵循了话术脚本或达到了某个随意设定的时间目标。"如果你的人工咨询现在都是复杂案例，那么沿用旧模式设定的处理时长目标，只会促使客服人员在最需要耐心的对话上反而加快速度。
2. 修复转接流程
Shannon的经历揭示了问题所在：自动化系统收集信息，遇到障碍后，在没有提供任何背景信息的情况下就把客户转给人工处理。当一段对话转到人工手中时，客服人员应该能看到客户的目标、已经尝试过的方案，以及AI未能解决的部分。这样可以同时减少客户的重复说明和客服人员的工作量。我们的升级处理矩阵指南介绍了如何提前规划哪些情况应该转接、转接给谁。
3. 在客服人员依赖AI输出之前先进行检查
如果AI撰写的笔记或摘要经常出错，客服人员就会重新撰写，节省下来的时间也就白白浪费了。应对客服人员依赖的输出内容进行抽样检查，向团队公开错误率，并为客服人员提供快速标记错误内容的方式。将他们的修正内容当作训练数据来使用。
4. 建立恢复和成长机制
如果简单咨询已经消失，就需要创造其他的学习和恢复渠道：针对复杂案例的结构化辅导、轮岗从事知识库完善等较轻松的工作，以及在艰难对话之后安排有意识的休息时间。
可以问自己团队的问题
| 问题 | 为什么重要 |
|---|---|
| 到达人工客服手中的困难咨询比例是否上升了？ | 显示这份工作是否已在悄然发生变化 |
| 针对这些咨询的处理时长和质量目标是否依然合理？ | 防止在最困难的案例上反而加快速度 |
| 客服人员修改或丢弃AI生成笔记的频率有多高？ | 揭示隐藏的重复劳动 |
| 转接之后，客户需要重复说明问题的频率有多高？ | 衡量转接流程的质量 |
| 新入职的客服人员现在是如何积累经验的？ | 保护人才培养的渠道 |
我们在支持团队的新形态一文中探讨了角色转变的问题。这份来自一线的视角，为那篇文章提供了有益的现实检验。
结语
AI确实能让支持工作对人更友好，CNBC采访的部分客服人员表示这一点已经实现。但这种益处并非自动产生。同样的自动化在去除繁琐任务的同时，也可能把最困难的对话集中到更少的人身上。去问问你的客服人员，他们现在的工作日是什么样子，然后有意识地去设计人工客服这个角色。