这个 AI 产品，给了我久违的惊喜。
池建强约 8 分钟还记得今年 4 月，我和几个 AI 创业的老同事交流，曾经讨论过一个问题：为什么目前还没有好的客服 Agent 出现。
按理说 AI 大模型 2023 年大火之后，我们就见过非常多的客服相关的案例，甚至墨问还做过一个 AI 客服机器人，后来微信公众号后台也支持集成一个类似客服的 AI 小助手，MacTalk 到现在还接着。
这不都是典型的 AI 和客服结合的真实案例吗？为什么 Agent 今年发展得如火如荼，前半年却没见到出圈的客服 Agent 产品？
以我的理解来看，客服应该是最容易被 AI 改造的场景，毕竟目前 ChatBot 的页面交互方式，其实和我们通常见到的客服交互场景也非常相似。而且，结合知识库和 AI，快速回答用户问题，这在 2017 年前后行业内就已经有成熟的方案出现了。
后来我们讨论的结论是，客服领域的 Agent 产品，做 Demo 容易，但想真正在生产环境可用，门槛非常之高。
本周，我终于看到了点实质性的进展。阿里旗下的瓴羊团队发布了自己的客服 Agent，这是阿里正式推出的第一批企业级 Agent 应用。
从去年底到现在，关于 Agent 的讨论一直没停过，行业里各种 AI Agent 产品看起来层出不穷，比如编程 Agent 就很火。而客服的场景，无论是深度还是价值上，我觉得一点都不弱于编程。毕竟，客服直接关系到企业的服务效率和用户体验，每一个环节都和真实的订单、用户、售后打交道，背后既有标准化的流程，也有大量灰度和个性化的场景。
很多人以为，客服就是坐在电脑前机械地敲键盘，没什么技术含量。实际上，每逢 618、双 11 大促，客服就是在硬仗模式下熬夜填写和提交工单。你想想，工单像雪崩一样砸来，订单、物流、退款、投诉混在一起，用户着急催单，情绪炸裂，随时还要提防在社交平台被挂名投诉。
很多客服经常是忙到饭都顾不上吃，晚上九十点还在回复用户消息，脑子里全是订单号，偶尔一走神还会回复错消息，被扣绩效，根据规定，客服 15 秒内就得回复消息。我知道的一些耐力不够的新手客服，很难撑过一个月，光是应付各种系统切换和反复沟通就能把人磨掉层皮。
这么说有点抽象，我们具体看看常见的退款流程中，一名客服需要完成哪些工作。
一个商品从下单到签收，大致会经历这样几个环节：1、下单成功，仓库接到工单，出库；2、快递取件，装车准备运送；3、货品运送到目的地；4、快递员配送，客户收货。这其中不仅是企业内部售前、客服、售后、库房等多个部门的协同，还涉及到快递这样的外部公司。
收到退款申请后，首先，客服需要跟仓库确认货品是否已经出库；如果已经出库，马上要跟快递确认是否装车，进行拦截；如果货品已经装车，就要联系客户，提醒客户选择拒收；后续还需要确认客户是否已经拒收，货品是否正常退回，然后才能进一步操作并完成退款。
仅这一种退款情况的一个工作流，就需要客服在至少几个系统之间切换，查询信息、沟通库房、联系客户等，繁琐又容易出错。
瓴羊的退款 Agent，可以自主的完成这整套流程，包括外呼客户提醒拒收。客服同学只需要在后台监测 Agent 对若干退款订单的处理状态就可以了。
你可能会问，Agent 能搞定消息和工单，那遇到需要打电话的场景怎么办？毕竟很多人平时未必会注意到 App 的消息通知。
这个问题，瓴羊 Agent 也做了相应的处理。比如，商品装车发走后，Agent 会自动打电话提醒用户可以选择拒收。退款完成后，也会电话告知用户结果，还能顺带问问用户是否满意。
这些外呼流程现在已经全部可以被 Agent 接管，并且通话内容会自动转成文字记录，省去了很多人工跟进的麻烦。
当然，退款只是客服万千工作当中的一种，更复杂的问题还有“补发”。比如说，客户收到货品后发现有破损，或者有赠品没收到的情况。
这时候，客服不仅需要沟通多个部门，期间还得要求客户发送货品照片，去确认破损或者缺件的具体情况，确认无误后，还需要填写工单，发起补发。这些事情，我写着都觉得繁琐，都是细碎的工作，还很容易出错。
接下来，我们看看瓴羊团队客服 Agent 产品是怎么处理补发问题的。我同样对视频做了加速处理，你一定要看完，接下来我们会反复提到其中的交互方式。
我第一次看到这个演示时，非常触动，它的设计很务实。我知道，行业内人们对 AI Agent 的期待是能够尽可能自动化地完成某个复杂任务。
像之前出圈的 Manus，以及最近 OpenAI 发布的 ChatGPT Agent，他们的设计思路都是如此，用户只需要通过自然语言描述任务，接下来 Agent 会一步步拆解任务，并完成任务。
但实话讲，我觉得这种设想在客服的场景中无法有效落地，至少现在的技术水平还远远不够。做 Demo 或许能行，可真实场景中，没人敢这么用。
拿视频里演示的补发场景来说，用户上传了一张商品破损的照片，AI Agent 很有可能误判问题的严重性，比如只是外包装有点破损，Agent 却当成了商品损坏，结果直接判定退款或者赔偿用户一大笔钱。这样一来，最后承担损失的只能是商家。
现实中，这种模糊和灰度的判断，远比标准化流程复杂得多。所以在我看来，瓴羊的 Agent 至少在客服这种容错率极低的场景里，选择了相对务实的路径，找到了人和 AI 配合的最佳方式。
我再举个例子，前段时间家人做手术，我打积水潭医院的客服电话。当时特别恼火，我这边有着急的问题要咨询，结果客服那头一上来，先是一个智能机器人在回答问题，它一个劲儿让我描述问题，但就是不解决。我说转人工，人家也不听，继续说没用的废话。
后来，我查小红书，发现很多人都在吐槽，我真的有点怀疑各家的客服电话前面，加一个智能机器人到底有多大用处。至少就我自己的经验而言，我只有在小程序或者公众号中无法找到解决方案时，才会诉诸人工客服。但你这人工客服前面先弄一个智障型的智能客服，不是给用户添堵吗？
好像过去我们在设计客服和 AI 的结合时，都在要么是人工，要么是 AI 两个极端之间摇摆。瓴羊客服 Agent 的设计相比就高明了不少，它的定位中，人还是主体，Agent 像是成为了人的一个重要帮手，去做那些琐碎繁杂的事情。比如，生成回复话术、查找物流信息、填写售后表单。
毫无疑问，这些琐碎的事情，AI 会比人效率高很多。说到底，人的价值，更多体现在那些不标准、充满变数的环节。AI 负责做减法，把枯燥的环节剥离掉，让人把精力用在最关键的节点上。这种人机分工，才是客服行业该走的路。虽然看起来不够性感，但这份务实和靠谱的背后，其实需要对业务和行业有着非常深的理解，才能进行这样的流程编排。
让人工的归人工，AI 的归 AI。
瓴羊的客服 Agent，并不是一个单独的 Agent，而是由一系列技能各异的 Agent 组合而成。如下图，这是官方 PPT 中的介绍。阿里在客服这块本来就有很多的行业 Know-how，这次瓴羊团队发布的客服 Agent，终于让我看到了行业真正往前迈了一步。
阿里的布局挺有意思，阿里云在做云计算、模型和模型相关的开发者服务，而瓴羊则专注做企业级的 Agent，二者一起形成了完整的大模型 ToB 版图。
我觉得这样的产品，接下来能够极大程度改善客服行业的现状。很简单的道理，过去客服的工作里，大量时间都消耗在重复性的流程和操作上，许多工作都要靠人工一点点往前推进，自然效率难以提升。
说白了，客服行业本质上是典型的人力密集型行业，一个客服无论多努力，单位时间内能服务的客户数量总归有限，我们去石家庄的海信客服中心现场参观，发现即便是最顶级最能干的资深电商客服，一小时也只能接待 50 名顾客。
而 Agent 的介入，实际上极大减轻了人工客服的负担。拿退换货 Agent 来说，瓴羊团队在实际内测中发现，它能帮客服节省 60% 左右的工作量，退款处理效率提升明显，出错率和资损率也随之降低。
这背后，本质上是三方共赢。对企业来说，整体运营成本降下来了，服务效率提升了，数据还能沉淀下来持续优化消费者体验；对客服团队来说，琐碎重复的事务被大幅削减，可以把更多精力投入到复杂问题和高价值服务上，职业体验也提升不少；对用户来说，遇到问题的响应速度更快、体验也更顺畅，不用再反复等待或反复解释，整个流程变得更透明、友好。
接下来几年，我觉得 Agent 会彻底改变客服团队的分工。过去，一线客服得把所有琐碎和复杂的活都扛下来，前台、后台全靠人硬撑。现在有了智能 Agent，重复、标准化的工单可以交给 AI 处理，人只需要专注那些真正需要判断、协调和沟通的环节。
理想的状态，是每个客服像队长一样带着几个 Agent，大部分机械的流程全让机器搞定，自己只负责那些需要人作出决策、理解复杂情境的部分。这样协作下来，团队效率会高不少，客服的职业体验也能好很多。
甚至，未来客服将不仅仅是客服，还可以是销冠或服务企业内部的超级客服，这也是为什么我们看到这次除了客服，瓴羊还推出了超级电销专家和超级企业服务专家，因为随着 AI 技术的发展，未来客服肯定不再困囿于传统意义上我们理解的客服职责，他们可以做更多更重要的事情，诸如销售、运营。
所以，我想说的是，AI Agent 并不是来取代谁的，而是让人真正把精力用在有价值的地方。或者说，它会让人的价值更突出。重复、机械、没有判断力的工作交给技术去做，人还是在那些需要理解、判断、同理心的场景里发挥力量。
也许，客服这个最接地气的行业，会成为 AI Agent 最早开花结果的土壤。而人和 Agent 协同的未来，已在眼前。