當ChatGPT等大模型技術橫空出世時，客服行業曾被預言將迎來革命性變革。然而一年多時間過去，這場變革的進展卻與人們的期待大相徑庭。
AI客服在實際應用中暴露出諸多問題：轉人工客服困難、回複“驢唇不對馬嘴”、繞圈回避問題.....AI客服激怒消費者的情況屢見不鮮。與此同時，人工客服成為AI客服的“背鍋俠”，一邊委屈一邊四處給AI“擦屁股”。
這場被寄予厚望的“智能革命”，並未帶來預期中的降本增效，反而讓整個行業陷入新的困境。
用戶更加憤怒，商家成本不降反增，人工客服的工作量不減反增。
然而，AI正在吞噬著人工客服補漏時產生的數據，飛速進化。這場“AI大規模取代人工客服”的變革並非遙不可及的幻想，而是隨時可能降臨的現實。
而當AI真正成熟的那一天到來時，今天的這些“清潔工”們將發現，他們投喂的每一份經驗，都成了吞噬自己的養分；他們修補的每一個缺陷，都成了自己職業城牆的缺口。
替AI背鍋的人工客服
用戶：啊？這麽貴啊？那祝你們生意興隆吧！
AI客服：感謝您對我們品牌的支持，請您盡快下單~
用戶：你是聽不懂人話嗎？
在與電商平台客服的聊天對話框中，用戶丟下差評後匆匆下線，留下客服實習生白曉慌忙撤回了這條不合時宜的感謝語。用戶的那句“祝生意興隆”明顯帶著諷刺意味，他是對安裝費較高表達不滿。
然而AI客服的情緒識別能力有限，無法分辨反諷與真心讚美，隻是機械地根據“祝福語”關鍵詞匹配出感恩話術。這不僅沒有緩解矛盾，反而火上澆油。
2025年5月9日，白曉入職了一家為平台自營網店提供服務的第三方客服外包公司。盡管平台的AI客服號稱集成了智能體和大語言模型，但在實際應用中仍頻繁出現低級錯誤。
當AI客服激怒用戶後，接盤的人工客服往往成為無辜的出氣筒。
按照設計流程，用戶進入客服頁麵後首先由AI接待，遇到超出知識庫範圍的問題或檢測到情緒化語言時，AI會主動提供轉人工服務。但轉接後，AI依然不會完全退場，而是在人工客服忙碌的間隙繼續插入“感謝”或“抱歉”等自動回複。
前麵這起鬧劇正是源於AI客服“見縫插針”的回複。
人工客服吐槽AI
幸運的是，這些差評後來被小組長認定為“非客服責任”，沒有影響她的績效。第三方外包公司規模較小，組長和項目經理會審核差評的責任歸屬。而在某在線旅遊大廠國際業務部門擔任英語客服的田玥，就沒這麽幸運了。
田玥公司的AI客服係統聲稱接入了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，係統監測到用戶情緒不佳自動轉人工，而對話界麵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麵不清晰的問題，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，市麵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，係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。
隻有在“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，平台首要保證的是係統的穩定性，哪怕傳統AI回複是錯的、機械的，也比不可預測的、可能“失控”的大模型回複要穩妥。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的自動回複進行撤回和道歉，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“安裝師傅的聯係方式”，AI隻識別到了“安裝”，輸出安裝指南 ，卻沒有正麵解決用戶的問題，這時候隻能一條條撤回，解釋道歉，再做出新的回複。
另外，AI自動回複總是使用特定話術，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的自動回複。AI發送速度很快，有時白曉超過2分鍾無法撤回，隻能向用戶道歉。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，白曉隻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客服之外嚐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/年費製度，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、客服席位的複合計費公式，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。
那什麽樣的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%基準線）、轉人工率（需壓製在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。
第二個問題是，AI客服並非是一個“買來即用”的係統，其後續伴隨著高昂的維護成本。商品信息、店鋪信息、優惠活動、問答話術、什麽情況會轉人工……讓AI客服運轉起來的一切信息都需要人工部署。
某電商平台AI客服設置後台
AI客服產品在使用前期缺乏訓練數據，為求穩妥，潘艾自行設置的初始數據都更加偏向於官方回複，“親，您好”、“在的”，而AI也隻會照搬。這樣的回複過於的機械化，沒有辦法像人工客服那樣根據具體的場景給出恰如其分的回複，為客戶提供品牌的情緒價值。
雖然商家在推銷產品時強調AI客服會越用越好，但這個過程需要人工大量投喂數據。使用AI客服後，潘艾每天需要額外花費半小時，將前一天的差評或轉人工較多的對話場景數據重新優化後輸入係統。
關鍵是，這種模式對商家店鋪規模有一定要求，規模較小的商家甚至個體戶無法為AI提供充足的訓練數據。
係統無法從日常人工客服與用戶的對話中自主學習，人工客服處理過的問題，下次遇到時機器人依然不會解答，除非有人手動將信息加入知識庫。許多平台甚至出現了“AI客服訓練師”崗位，但這筆額外的人力預算對中小商家來說難以承受。
第三個大問題，是AI無法在解決用戶問題的同時有效控製損失。
付林是一家做虛擬產品電商的客服。2025年5月下旬，在售前谘詢中，付林明確向用戶表達“下單成功後不支持全額退款”；而在售後谘詢中，平台AI客服卻向用戶回複“可以退款”。隨後，用戶拿AI的回複作為證明向平台申訴全額退款。
據徐客解釋，之所以AI會如此反饋，是因為大模型天生具有“迎合”人類的傾向，容易滑向危險的“好好先生”模式。
如果用戶使用技巧引導，一個沒有經過嚴格控製的AI客服很容易做出超出權限的承諾，比如隨意降價、同意不合理的退款請求，給商家帶來巨大損失。
事發之後，付林第一時間報告了店鋪老板，並關閉了AI輔助。此後，應老板要求，客服每次上線，都需要檢查平台AI輔助是否處於關閉狀態——但有時候，它還會自動打開。
這三大問題，使得目前市麵上絕大部分AI客服陷入尷尬處境——在90%的時間裏，它表現得像個機械的“複讀機”；在剩下10%的時間裏，又可能變成一個不可控的“危險品”。
潘艾判斷AI客服技術仍不成熟，停掉了試用。但為了滿足平台考核，她日常還是會啟用平台配置的AI客服。但考慮到效果問題，她更希望能隻在客服流量高峰期開啟AI，“它可以在首問幫我們過濾掉大部分重複問題。”
網絡另一端，用戶卻常常對這一場場喧囂一無所知。用戶的界麵並沒有用於區分人機的頭像或名稱顯示，所能看到的隻有一個對話氣泡框，無法識別對方是人工還是AI。
肖英在一家主營中老年產品的網店做客服，某天深夜將係統交給AI客服托管。第二天早上查看聊天記錄時，發現一位五十多歲的用戶與AI爭吵了一整夜。“用戶似乎沒有看出自己在跟機器人說話。”雖然處理工作的不是自己，但肖英看到本應該屬於自己接待的用戶被AI耍得團團轉，心中莫名生出了愧疚感。
而對於更大體量的消費者而言，上線就瘋狂輸出“轉人工”已經成為心照不宣的默契。麵對無法有效溝通的客服機器，消費者常常陷入“花費大量精力與AI客服拉鋸，卻依然沒有解決問題”的局麵。
很多人甚至開始懷念起和人工客服鬥智鬥勇的時代了。至少，對麵是個真的聽得懂你在說什麽的人。
用戶吐槽AI客服
上麵的一係列故事，都在證明：2024年這個智能體AI客服元年，是網店/平台、消費者和客服三方皆輸的一年。
但故事並沒結束，商家在這一年中摸索出了自己對客服AI的需求和期待，開發者也積累了不少經驗。AI的車輪也還在向前滾動著。
AI會真正取代人工客服嗎？
今年年初，公司上線接入Deepseek的AI客服後，田玥曾經聽到過人工客服要裁員的風聲。因為擔心裁員風險，田玥和同事還經常跑去查看用戶和AI的聊天記錄，借此判斷當下AI客服的專業能力。
但半年過去，田玥所在的部門還沒有人因為AI的加入而離開。不過田玥並沒有盲目樂觀，她判斷，上半年部門的業務量增長，客服人力不足，所以還沒有人因為AI被裁。
後續事態如何，她自己心裏也沒譜。
到目前為止，潘艾也並沒有因為AI客服的出現而裁員人工客服，AI更多作為工具輔助人工。她期待AI幫人工客服完成了一些比較低級的內容，那這樣人工客服會有更多的精力和時間去完成一些更高級的任務，比如說更多思考用戶到底需要什麽，如何回答才能讓用戶轉化率更高。
“我們的客服一天的接待量大概600左右，其實是沒有空間進行思考如何提升自己的。如果AI幫助接待200個，省出來的時間就可以被人工用來更好地服務這些 AI 解決不了的400個用戶了。”
“當然我們也不排除，隨著AI客服技術的成熟，在今年9月份之後，我們可能會因為采購AI客服而優化掉一部分人工客服。”但同時，潘艾表示，作為管理者，她希望那部分可能被優化掉的接待客服轉向後台、申訴，甚至稍高階的自檢和培訓師方向。“這些工種反而沒有一線接待客服那樣勞累，並且不太需要麵對巨大的負麵情緒。”
圖源視覺中國
但讓“解放人工客服的低級勞動”，讓客服做更高級的工作的想法，暫時還是隻能停留在希望層麵上。因為社會這頭巨獸的轉型比技術更遲緩。
平台本身沒有變化，依然通過校企合作等方式“靈活用工”，享用著廉價勞動力。今年5月，大二的白曉和同專業學生一起，被學校統一安排到某頭部電商平台做校企合作項目的實習，實習期持續3-5個月不等。
麵對AI技術發展對客服行業產生的震動，學校並沒有及時向白曉和同學們提供與時俱進的培訓。來到實習崗位上，白曉所負責的工作隻是為用戶答疑解惑和提供售後方案，但作為初級客服員，她的自主權限極低。“如果用戶對於售後方案不認可，或者我們滿足不了他的要求的話，案件就會升級，由二線客服接待。”這和她最初對於工作的想象並不一樣。
而他們的人力成本，更是遠低於AI。學校原本允諾參與實習項目的同學可以拿到將近兩千元每月的實習工資，實際上，實習工資發到白曉手裏時隻剩下600元。
每次上班，白曉將手機上交後走進一個大開間房，房間裏一排排桌子整齊劃一，桌子上擺滿了電腦，而每一台電腦前麵，坐著的都是自己同專業的同學。身處其中，白曉有時候會幻想自己是坐在小學的微機教室裏上和同學們一起上信息課，但“因為AI客服犯蠢而背鍋被客戶罵”之類的事情會瞬間將她拉回現實。
空間中常有此起彼伏的交流聲，這些十八九歲的青年，在遇到難以應對的局麵時會交頭接耳，互相詢問怎麽辦，或是通過向彼此吐槽來平複情緒。
在忙碌的寥寥間隙，白曉會恍然以為自己在做一場巨大的cosplay，工作內容糟糕、薪資待遇不公正什麽的不重要了，再堅持幾個月，自己就可以退出這場鬧劇，回到校園重新當個學生。關於未來，白曉不敢細想。自己會被AI取代嗎？還是繼續和AI一起混亂地工作下去？
徐客的智能體AI客服產品，根據用戶反饋，經過幾十次迭代後，已經在業內相對成熟。他表示，自己的產品自2025年開始在市場推廣以來，已經收獲了3000餘位客戶，而在這些使用該產品的公司中，人工客服的裁員比例達到了40%-50%。“目前還有很多商家在前段時間已經與別的第三方AI客服公司簽署了動輒1-2年的購買協議，如果有更多商家甚至平台開始采用更加成熟的AI客服產品，人工客服的裁員率甚至可能在未來1-2年上升至80%以上。”
當下，大語言模型的AI客服迎來了進入市場的第一個年頭，好像沒有太多人工客服因此被裁。但第二年情況會怎樣，沒有人說的清楚。
