分析师/贾玥
5月15日，江西上饶，第十届中国客户服务节。
会场座无虚席。客服负责人从全国各地赶来，不少人的笔记本上记着同一个问题：AI到底还能帮客服做点什么？
过去三年，这些人的KPI里都有一条——用AI降本。响应速度提了多少，人工成本砍了多少。但今年，台上的演讲者反复提到一个词，台下的人频频点头。
这个词叫“增长”。
容联七陌AI客服产品负责人陈倩茹的演讲，恰好踩中了这个集体焦虑的临界点。她给出的判断很直接：AI正在推动客服中心从“服务响应中心”走向“经营增长入口”。而这条路上，企业必须完成三次跃迁——从“能回答”到“能协同”，再到“能经营”。
这不是工具升级，是角色升级，更是价值升级。
听完她的演讲，一个更底层的问题浮出水面：为什么“降本”的故事讲了十年，今天突然讲不下去了？答案或许不在AI本身，而在于——当“省钱”省到极致，企业终于发现，客服的真正价值从来不在成本表上，而在客户的账单里。
过去十年，智能客服的核心叙事是“降本增效”。企业采购AI客服系统，最先问的三个指标极其一致：响应速度、接待效率、人工成本削减比例。
这套逻辑今天依然成立，但已经不完整了——因为三件事同时在变。
客户变了。“以前客户觉得有人回复就不错了，现在他们希望企业能真正理解他的状态、推动问题解决。”陈倩茹说。一个典型场景：客户问快递什么时候到，传统机器人甩一个物流链接就结束；但今天的客户期待系统能判断“我已经等了很久”，主动说“抱歉，我帮您催一下”。当客户找到客服时，他到底找的是什么？客户表面要的是解决问题，深层次要的是被看见、被重视、被妥善安置。
经营逻辑变了。企业不再只看客服“花了多少钱”，而是开始追问：服务带来了多少复购？减少了多少流失？有没有帮产品部门发现真正的痛点？客服的价值维度，从单一的“成本控制”，扩展到了体验价值、经营价值和协同价值。
AI的能力边界变了。“过去的AI主要做问答，现在它可以进入服务流程、协同人工、触发业务动作、沉淀数据。”陈倩茹说。
三重变化叠加，把一个尖锐的矛盾推到了台前：企业对客服的投入逻辑已经悄悄从“省钱”转向“赚钱”，但市面上的AI客服方案，多数还在“问答效率优化”的旧轨道上跑。
一组行业数据可以佐证这个矛盾：据第一新声智库预测，2026年中国智能客服市场年增速将超过30%，市场规模已突破五十亿。但同时，大量已部署AI客服的企业反馈“降本效果明显但增长贡献有限”——AI确实帮他们省了人力，但没有帮他们多赚钱。
这里有一个值得玩味的信号：当“降本”成为标准答案时，它其实已经不再是答案。企业花在客服上的每一分钱，过去是“花了就花了”，现在则被追问“带来了什么”。这种追问本身，就是一场价值考核的升级。而那些只盯着“省了多少人”的系统，正在被悄悄替换。
大量AI项目ROI不达预期，根子就在这里。“会答不等于会办”——问答机器人解决了“有没有人理我”，但如果它没有连接真实的业务流程、没有推动业务动作、没有形成结果回流，它就是一个“更快的复读机”。
大模型和Agent技术的爆发，正在改写这个行业的基本假设。
什么是客服Agent？简单说，它是一个能够模拟人类客服的交互方式，自主完成客户咨询、问题解决、需求响应等服务的数字员工。它不再仅仅依靠关键词匹配，而是具备了感知、决策、记忆、执行和可观测的能力。
陈倩茹对客服Agent的定义更直白：它不是更聪明的问答机器人，而是让AI从一个“回答问题”的工具，变成“参与业务过程”的能力节点。
她举了一个反差强烈的对比：同样是客户问“订单什么时候到”，普通机器人回复物流状态就结束了；但基于Agent能力的AI客服，会先看客户的情绪——如果识别出“着急”或“不满”，它可以主动触发补偿方案、创建工单、安排回访，甚至识别出这是一个高价值客户，推送复购优惠。
“Agent不只是理解一句话，而是结合上下文、客户状态、业务规则和系统数据，去判断下一步该做什么。”陈倩茹说。
这个变化的意义，远比技术本身更大。它意味着AI客服第一次真正有可能嵌入企业的业务链条——不再是“接电话”的终点，而是“解决问题”的起点。
但技术的演进从来不是均匀的。当我们把目光投向行业现场，一个更真实的图景浮现出来：谁在跑，谁在跟，谁还在原地打转？
电商零售跑得最快。用户咨询量大、问题高频，客服不仅要解决售前售后，还要承接活动咨询、商品推荐、会员运营。这类企业往往在“能回答”到“能协同”阶段推进较快——它们的数字化基础天然更成熟。
汽车行业是另一个典型。服务链路更长：从线索咨询、预约试驾、购车跟进，到售后保养、维修、回访，客服得串联销售和服务两个节点。陈倩茹认为，这个行业最有启发性的是——客服不再只是处理问题，而是成为客户生命周期中连续的触点。一辆车的服务周期可能是五年、十年，每个触点都是信任的累积或消耗。
能源、医疗等行业则是另一套逻辑。更看重服务规范、流程严谨、风险控制。“他们对准确性、合规性、质检的要求更高。AI的重点不是自动回答，而是辅助人工规范流程、提升服务稳定性。”
这些差异揭示了一个被低估的事实：AI客服的竞争壁垒，正在从“算法精度”转向“行业理解深度”。谁能把某个行业的服务流程拆解得足够细、把客户的潜台词翻译成可执行的业务动作，谁就能在那个行业里建立护城河。
当AI开始真正参与业务流程，一个更深层的问题浮出水面——客服部门的KPI，应该怎么改？
陈倩茹提出的“三次跃迁”框架，给出了清晰的参照系。很多人以为升级AI模型就够了，但如果这么理解，就浅了。
第一次跃迁：能回答。这是基本功。通过语义理解、多轮对话、情绪识别，让AI在标准化咨询场景中做到75%以上的自动解决率。容联七陌的X-Bot机器人已经覆盖20多个渠道，将重复性咨询的自动解决率稳定在这个水平以上。这一步解决的是“有没有人理”的问题。
第二次跃迁：能协同。这是效率放大器。AI不回答完就结束，而是推动下一步动作——自动创建工单、智能分配、跨部门流转、触发线下服务。陈倩茹特别点出一个容易被忽视的难点：协同的关键不在技术，在组织。“客服系统需要与CRM、工单、售后、物流等系统打通。很多企业的问题不是AI不行，是流程没打通。”换句话说，技术买了，但组织没准备好。
陈倩茹分享了一个本地生活服务行业的客户案例来印证这一点。该客户用户量大、咨询高频，问题涉及会员权益、订单状态、服务预约、售后处理。上线容联七陌大模型客服后，解决率从80%左右提升到接近93%；在一次未转人工会话抽检中，真实解决率达到96%以上，而原有系统仅约78%。满意度方面，七陌方案最高接近90%，相较客户原有系统的66%有明显提升。
这个案例基本完成了从“能回答”到“能协同”的升级，也开始具备“能经营”的雏形。AI从回答高频问题（会员权益、订单查询），逐步进入业务办理（预约变更、售后登记、工单创建），实现了服务流程的闭环。而“能经营”的体现，在于服务数据开始反向优化业务——哪些问题最容易导致未解决，哪些环节用户最不满意，哪些服务规则解释成本最高，都可以沉淀下来，反哺流程改进。
第三次跃迁：能经营。这是价值引擎，也是目前行业里能走到的企业“还很少”的阶段。作为连续两年稳居垂类客服厂商第一的容联七陌，已累计服务超过2万家企业，覆盖汽车、零售、能源、医疗、房产、餐饮等八大行业。在头部客户中，已经开始用客服数据反向驱动产品迭代和增长决策。
到了“能经营”阶段，每一次服务不再是消耗成本，而是沉淀资产——客户状态数据、痛点分布、流失预警信号、产品改进线索。
她举了一个场景：当客服数据能够系统化地反哺产品改进，客服部门就成了产品经理的“前线侦察兵”；当AI能识别高价值客户并主动服务，客服就成了增长团队的“转化引擎”。
“客服从响应中心走向经营入口，本质上是企业重新理解客户关系的一次升级。”
这种变化已经开始体现在商业模式上。过去SaaS客服软件的主流收费是按坐席订阅——对应的是系统的使用权。但当AI真正参与服务流程和经营转化后，客户自然会关心它带来了什么实际价值。
陈倩茹透露，容联七陌目前是“混合模式”——基础SaaS能力保留订阅制，AI能力叠加用量计费、场景计费，部分场景也在探索与业务结果挂钩。“比如机器人的回答解决率、会话量、转人工率，这些是比较可能量化的指标。”
她也坦率地说，按效果付费在客服场景中并不简单。“客服的效果不完全取决于系统本身，还取决于企业自身的流程和组织协同。企业需要把价值指标定义清楚。”
方向是明确的，但跃迁进度参差不齐。市场上有三类玩家在同时奔跑——互联网大厂的自研体系、垂类厂商的行业方案、传统呼叫中心的AI升级。每一类都有自己的牌，也都有自己的盲区。
陈倩茹认为，目前大多数企业处于“从能回答走向能协同”的阶段，少数头部厂商开始探索“能经营”。差距不只在技术，更在对业务场景的理解深度。
当被问及与互联网大厂自研客服体系的竞争时，陈倩茹认为垂类厂商有自己的独特优势。“大厂有很强的技术能力和生态资源，但对大量企业来说，客服系统不只是搭一个模型或做一个聊天窗口，而是需要长期处理渠道接入、呼叫中心、工单、质检、报表、系统对接和服务稳定性。”
她判断，到了“能经营”阶段，垂类厂商的机会反而更大。“客户需要的不只是技术能力，而是一套能够落到服务现场的行业方案。容联七陌的价值就是把通讯能力、客服系统、AI能力和行业实践结合起来，帮企业打通服务链路、数据链路和经营链路。”
如果我们把视角拉高一层，会发现一个更有趣的格局：大厂在“能回答”阶段有天然优势——数据多、模型强、品牌响；但到了“能经营”阶段，优势开始转移。因为“经营”需要深度嵌入企业的业务流程、数据链路和决策体系，这恰恰是大厂的标准化产品不愿碰、也碰不了的“脏活累活”。而垂类厂商，正是在这些缝隙里找到了自己的生存空间。
关于未来1-3年最大的技术变量，陈倩茹的回答很明确：Agent系统如何可靠落地。
“客服场景对可靠性要求非常高。AI回复错了，不只是写错一句文案，可能影响客户体验、投诉风险、服务合规、品牌信任。”她说，“所以AI客服不能只追求更聪明，还要更可控、更稳定、更可评估。”
容联七陌接下来的布局也围绕这一点展开：企业知识与业务流程的结合、人机协同机制、语音和文本多渠道统一体验、服务数据经营化分析，以及安全治理能力。“简单说，让AI不只是生成答案，而是在企业真实服务体系中稳定工作。”
对于那些还在观望的企业，陈倩茹的建议很务实——不一定要一上来就做全景重构，可以从一个低风险、高频的场景开始试点：售后进度查询、线索初筛、满意度回访。“跑通一个小闭环，企业就能看到AI带来了什么——是提升了能力、节省了成本，还是提高了解决率。”
她也提醒企业最容易掉进的陷阱：一是觉得AI能完全替代人工；二是把AI当成单点工具上线，只关心准确率，却忽略了知识是否可用、流程是否打通、人工是否愿意协同。“结果就是AI能回答一部分问题，但遇到稍微复杂的场景就断掉，客户还是要重新找人工，体验反而被割裂了。”
客服这个职能存在了上百年。从接线员到呼叫中心到智能体客服，每一次身份变化，都是企业对“客户关系”重新定价的结果。
“把服务做成价值，把体验做成信任，把客户声音做成经营资产。”——陈倩茹这句话，说的是理想状态。
但落到企业决策者的桌面上，真正值得问自己的问题是另一句话：你花在客服上的每一分钱，现在是”花了就花了”，还是正在变成增长的子弹？
对于智能客服行业来说，下一个五年的核心叙事，大概率不是”AI有多聪明”，而是”AI帮企业赚了多少钱”。谁能用数据回答这个问题，谁就拿到了这个行业最硬的通行证。
