「核心提示」
智能客服的尴尬境遇，以及它为企业带来的价值。
作者 | 詹方歌
编辑 | 邢昀
大众对智能客服的观感，往往不太友好。
寄出的快递没到，致电询问，智能客服仅重复“已签收”；问题未讲完，系统即自行跳转、答非所问；好不容易等到人工客服，又要重新陈述一遍来龙去脉。此类经历，几乎人人都有。在一次次无效沟通中，用户的耐心和信任被不断消磨。
但企业却无法舍弃智能客服。
客服是企业与消费者沟通的最前线。售前咨询、售后服务、投诉处理，用户与企业的大多互动都要经过它。然而，客服工作内容重复性强、流程繁琐、技能门槛并不高，全靠人工支撑对企业成本极大，而智能客服则足够经济。
大模型的普及，让这场关于体验与成本的博弈，找到了新路径。
围绕个体与行业，我们思考几个议题：当前的AI客服，是否还能只添乱？它能做些什么，又有哪些局限？AI为行业带来了哪些革新？
部分问题的答案已经揭晓，部分仍需探索。在探寻答案的同时，还孕育着一个更深层次的问题：AI的出现，本意并非替代人力，但它确实正在重塑工作模式。
1、吐槽中显露市场需求
客服岗位，是AI冲击下的典型案例。
原因显而易见：客服工作包含大量高频重复的事务，如退货换货、地址修改等，这些问题天然适合转化为标准化话术和流程。
实际上，智能客服很早就进入企业机构的服务体系，但效果并不理想。
市场监管总局数据显示，2024年全国消费者投诉中，电商售后服务领域关于“智能客服”的投诉达6969件，同比增56.3%。消费者普遍抱怨智能客服答非所问、人工客服难以联系、沟通效率低下等问题。
这表明，智能客服虽被企业广泛运用，却同样招致用户批评。
这背后，有技术尚未成熟的因素。
早期，工程师将用户可能提出的问题分解为关键词，搭配固定话术，逐一输入系统。只要用户表述稍偏预设，系统便立刻答非所问。这也是智能客服被嘲讽为“人工智障”的阶段。
接着，智能系统开始借助语义识别、意图分类及历史对话训练来提升回复质量，不再那么僵化。但每次新增训练的成本都很高，遇到训练数据中未覆盖的表述，智能客服仍会卡壳。
如今在大模型时代，工程师无需为每种意图单独构建模型。他们依靠知识库、检索逻辑（RAG）和提示词设计，让模型即时学习、即时应答。AI客服由此首次具备处理非标准表达的能力。
行业也因此重获生机。
国内市场中，大企业与垂直服务厂商正同步推动这一轮革新。IDC统计，2024年智能客服五大主要厂商的市场份额总计35%，主要覆盖阿里云、百度智能云、容联七陌、中关村科金和智齿科技。其中，阿里云市场份额为11.4%，百度智能云为10.4%。
大厂拥有模型、算力、云服务及企业客户资源的优势。对阿里云、百度智能云、腾讯云等公司而言，AI客服可融入云计算、大模型和智能体平台的整体方案，无需单独叙述。
但这一赛道并非由大厂独占。客服领域极为细分，不同行业、不同客户的业务规则、知识库、转人工标准及质检方法各不相同。虽然大厂具备资源和渠道，或许并不愿在每一个具体场景中重复建设交付方案。因此，容联七陌、中关村科金、智齿科技等传统客服服务商，以及众多AI语音与智能体初创企业，仍有发展空间。
近一年来，AI客服正加速向Agent形态演进。
国外，OpenAI在2024年7月推出面向企业语音的Presence产品，将模型能力重心前移至企业服务流程。AI客服赛道中最具代表性的创业公司Sierra，同年5月完成9.5亿美元融资，估值超150亿美元；不久前该公司还收购了一家专注于
