"你是聽不懂人話嗎?"人工智能客服逼瘋消費者

日期: 2025-07-11 | 來源: 騰訊科技 | 有0人參與評論 | 字體: 小中大
田玥公司的AI客服系統聲稱接入了DeepSeek這樣的大模型，但依然麻煩百出。

有一次，倫敦希斯羅機場起火，用戶想要改簽，但是AI客服一直在答非所問，沒有及時提供改簽的按鈕入口，用戶的心情自然與機場一般火勢熊熊。

此時，系統監測到用戶情緒不佳自動轉人工，而對話界面左下角的評價按鈕也隨之從“給AI評價”變成“給客服評價”。最後評價變成了對田玥不滿意，但用戶很難注意到這個細微變化。

針對AI的差評往往落到人工客服頭上，直接影響績效評分和工資收入。田玥感到這實在荒謬。

田玥曾聽說公司的AI客服團隊會根據差評案例優化模型，於是通過反饋渠道投訴客服評價界面不清晰的問題，但問題至今沒有得到解決。雖然有些團隊會剔除這類差評，但田玥所在的團隊並不會做排除，她推測可能是因為業務量太大，團隊無暇分析差評的責任歸屬。

成都某智能體AI客服創業公司CEO徐客有電商背景，對當前客服機器人的局限性有深刻的感知。據他介紹，市面上許多平台雖然聲稱接入了先進大模型，但實際調用頻率很低。

當用戶提問時，系統優先調用傳統的意圖識別或關鍵詞匹配，在知識庫中尋找預設的低成本固定答案。

只有在“問答對”知識庫中檢索不到答案時，才會調用大模型對“未知問題”進行補充回答。意圖識別的計算成本極低，而每句都調用大模型會產生巨大算力消耗，平台這樣做是出於降本增效的考慮。

此外，平台首要保證的是系統的穩定性，哪怕傳統AI回復是錯的、機械的，也比不可預測的、可能“失控”的大模型回復要穩妥。這樣的客服機器人缺乏真正理解對話上下文的能力，傾向於基於用戶的上一句話去進行簡單的問答匹配，這就會讓AI客服陷入“關鍵詞陷阱”和情緒誤判。

盡管AI客服漏洞百出，白曉所在的公司仍要求人工客服接線時必須開啟AI。為差評背鍋的委屈還能被看見，但白曉接待每位用戶時都需要對AI的自動回復進行撤回和道歉，這讓她平白增加了大量隱形的額外工作。

AI客服通過識別關鍵詞來判斷用戶需求，常常出現失誤。比如用戶詢問“安裝師傅的聯系方式”，AI只識別到了“安裝”，輸出安裝指南，卻沒有正面解決用戶的問題，這時候只能一條條撤回，解釋道歉，再做出新的回復。

另外，AI自動回復總是使用特定話術，但平台質檢要求同類話術不得使用兩次以上。這時白曉也要撤回AI的自動回復。AI發送速度很快，有時白曉超過2分鍾無法撤回，只能向用戶道歉。更荒謬的是，一般情況下撤回後的道歉有兩套統一話術，但一串對話中AI客服惹的麻煩往往超過兩次，統一道歉話術很快用完，白曉只能重新組織語言道歉。

被激活的AI客服如同一架盤旋在白曉頭頂嗡鳴的直升機，無孔不入地幹擾著她的工作。

還沒出現的贏家

急於上線的AI客服錯漏百出，不僅沒能減輕人工客服的工作負擔，反而加重了情緒勞動。而那些期待通過AI客服來實現降本增效的商家，同樣大失所望。

90後的潘艾在一家做鞋類的中小品牌的客服部擔任管理層，她負責的店鋪在國內電商主流的平台都已入駐，包括天貓、京東、得物、唯品會，還有抖音、快手、小紅書等新媒體平台。

2024年年底，潘艾團隊在平台AI客服之外嘗試自己接入第三方智能體AI客服，試用期間，產品效果並沒有達到潘艾的預期。因為AI客服不光沒能節省人力成本，反而降低了產品轉化率。

目前，AI客服存在兩種主流的收費模式，傳統的SaaS月費/年費制度，以及新興的算力調用計費模式。前者通過開店數量、跨平台數量、客服席位的復合計費公式，使得很多小店的年客服運營成本超過十萬元。對於潘艾來說，這相當於雇傭2位月薪5000元的人工客服的全年支出。

憑空多出兩個人力成本，但效果卻如前文所述的尷尬。

那什麼樣的AI客服才算物有所值呢？潘艾總結出了三個核心評估指標：滿意度（AI需達到人工70%基准線）、轉人工率（需壓制在30%以下）、轉化率（30%-40%的行業平均水平）。這些數字折射出了管理者對AI客服的理想定位——不拉低營收的情況下，能盡量能低成本完成人工客服的工作。
- 新聞來源於其它媒體，內容不代表本站立場！

在此頁中閱讀全文
分類：社會百態

猜您喜歡

您可能也喜歡

評論

目前還沒有人發表評論, 大家都在期待您的高見

發表評論

視頻

相關功能

加西網微信公眾平台

加西網新聞