引言“这个东西多少钱还能优惠吗”这是客服对话中普通且常见的一句话。在传统智能客服的系统里它会触发一个标准动作调取价格回复然后附上一句“欢迎下单”。任务完成对话结束。但在容联七陌AI策略与运营服务负责人刘倩看来这个再平凡不过的问题恰恰暴露了整个行业过去二十年的思维惯性——把客服当作一台回答机器追求的是“快”和“准”而不是“值”。“用户问多少钱真的只是想知道价格吗他可能正在比价已经有购买意向只是差一个理由。传统客服给的是数字而AI Agent却能捕捉用户问题背后的潜在诉求甚至主动促成转化。”这个细微的差异正是客服中心从“成本中心”转向“增长引擎”的起点。作为长期深耕智能客服领域的企业容联七陌在2024年推出了支持“需求预判—场景分流—策略服务”全链路的生成式大模型客服系统。技术之外他们更沉淀了一套让AI Agent真正创造业务价值的方法论——如何在会话中读懂隐性需求如何在服务中嵌入运营策略如何让机器学会“创造价值”而不是“完成指令”。本次《客户观察》专访刘倩女士正是要拆解这套方法论。我们将从她亲历的实战案例出发探讨企业最关心的几个核心问题AI Agent与传统智能客服的本质区别到底是什么为什么大量企业手握海量对话数据却挖不出增长大促节点识别高潜用户有没有不增加人工负担的轻量级方案当“需求预判”从单点实验走向规模化复制最难跨越的瓶颈是技术、数据还是部门之间的壁垒…这些问题刘倩将结合她近十年在智能客服深耕中的亲身实践逐一拆解。她主导过教育、政务、电商等领域的大模型智能客服项目累计服务客户咨询量突破千万人次。她的解答不漂浮在概念上而是生长在真实的企业痛点和具体的对话数据里。接下来让我们跟随刘倩女士的视角一起走进这场关于AI Agent与价值增长的深度对话。感谢刘倩女士接受《客户观察》本次专访请先介绍一下您个人的职业经历简要介绍一下容联七陌的发展历程、业务范畴以及核心服务理念。《客户观察》的朋友们大家好我是容联七陌的AI策略与运营服务负责人刘倩。我在智能客服领域已经深耕近10年。这10年里我的角色有一个很明显的变化早期更多是在做产品和能力建设比如怎么把产品理解能力做扎实、怎么让机器人能“听懂话”这两年我的角色逐渐转向业务端怎么让这些能力真正跑进企业的业务场景里产生结果。在容联七陌我之前主要负责AI产品体系的搭建主导了新一代大模型智能客服解决方案的发布。现在我的工作更偏向“前后打通”一方面参与售前方案和Demo设计另一方面也深度参与交付、训练和效果优化。核心目标只有一个——把AI技术转化为企业可落地的降本、提效、增长能力。关于容联七陌我们其实是一家全球性的“软件服务”双轮驱动的解决方案供应商。我们提供智能客服、呼叫中心、大模型客服等产品矩阵以自然语言理解和大模型AI能力为基础输出对应的解决方案。同时我们也深度布局全域运营服务涵盖全渠道流量运营、存量客户激活、私域精细化运营管理覆盖用户从服务咨询到成交转化的完整生命周期。这两年我们一直关注AI Agent的落地。它不仅仅是提升服务效率的工具更能在业务中帮企业实现咨询与转化的闭环。目前业内都在落地AI Agent客服的价值不再止于“不出错”而在于“能创收”。在您看来真正实现这一跃迁需要客服系统的底层能力发生怎样的质变您认为传统智能客服与AI Agent的本质区别是什么其实这个问题可以总结成一句话——传统智能客服解决的是“如何更快地回答这个问题”而AI Agent思考的是“如何在对话中创造价值”。从行业的发展历程上来看整体可以分为两个阶段。第一阶段是大模型出现之前我们主要聚焦于让智能客服回答得准确、快速——也就是“读懂”和“答对”。但这个阶段的边界很明显它仍然是被动响应客户咨询AI去做解答提升的主要是服务效率。第二阶段随着大模型的发展AI Agent带来了两个深刻变化。第一个是技术能力的变化大模型让系统具备了更强的理解和生成能力不再局限于预设问答而是可以处理更复杂、更模糊的用户表达。更重要的是它可以进行多轮推理和上下文理解这让“判断用户意图”这件事从规则匹配变成了语义理解。第二个是业务逻辑的变化过去客服系统的目标是“把问题解决掉”但AI Agent的目标是在对话中不断判断这个用户有没有潜在需求有没有转化机会是否值得进一步运营能不能带来更大价值也就是说从“响应问题”走向“预判需求”。我举个例子。比如某用户问“这个东西多少钱”。传统智能客服会直接回复价格然后说“欢迎下单购买”。但AI Agent会想这个用户可能正在比价并且会结合用户的历史画像生成针对性的、吸引用户下单的话术从而促成售前转化。其实这也可以看到一个转变——客服正从一个成本中心变为增长的一个触点。很多企业沉淀了大量客服对话数据但真正能从中挖掘出用户隐性需求、反哺运营机制、推动业务决策的却很少。根据您的观察阻碍企业“读懂”会话的主要障碍是什么我观察下来大多数企业“读不懂会话”其实不是单一问题而是三个层面叠加的结果数据、能力和组织缺一不可。第一层是数据问题。很多企业的第一反应是“自己企业内部接收到的数据不够优质”但实际上大多数企业并不缺数据而是缺“结构化能力”。客服每天都在产生大量对话但这些数据是分散的、非结构化的没有被整理成可以分析和复用的资产。所以根本问题不在于数据量而在于没有把对话变成可运营的数据。第二层是能力问题。即使有数据如果没有一套方法去理解它也很难产生价值。客户表达的诉求和深层需求往往是含蓄、隐性的传统的关键词分析很难捕捉。如果还停留在关键词匹配或简单分类是很难挖掘出真正的用户需求的。大模型和AI Agent的出现恰恰解决了这个问题。第三层也是最容易被忽视的一层组织机制问题。这一点也是我们在项目中感触最深的一层。很多企业其实是能够意识到分析会话的重要性的甚至有不少企业都做了这一步但数据被洞察之后却无人推进。这正是因为组织管理严重断层各部门之间的协作没有打通。因为客服部门的重心是服务数据分析团队做分析运营部门搞活动——彼此之间是断点的自然而然就会难以推进下去。所以我们在做的其实是三件事同时推进把对话数据结构化用AI去做意图理解和需求挖掘更重要的是把这些结果直接嵌入运营动作里。最终的目标是让每一段对话不只是被记录而是被运用。正值大促节点我们会发现客服团队往往疲于应对大量重复问题很难顾及“用户背后可能还有别的需求”。从您的经验看有没有一种“轻量级、可复制”的思路帮助客服在不增加负担的前提下自然地识别出高潜用户或复购信号今年6·18大促早早已经开启了大促阶段流量激增是必然的。但在这种特殊阶段很多客服团队疲于承接激增流量很容易陷入忙着“回答问题”但没时间“识别机会”的怪圈。这让我想起曾经的一个案例我们服务的一个头部快消品牌大促时流量暴增很多客户有购买意向但却因为服务能力跟不上导致大量潜在订单白白流失。一般情况下企业遇到这种情况想到的办法就是招聘大量兼职客服用增加人力的方式来帮助企业扛过这一关但我们当时没有去“加人”而是设计了一套“全域运营服务 Agent”机制。具体来说第一在公域层面我们分析了所有评论和会话数据让AI Agent识别出用户提到的核心诉求如关心价格、优惠等。这类用户被标记为有潜在购买意向AI Agent会基于客户画像生成千人千面的“钩子话术”进一步提升售前转化率。第二在私域层面传统做法是人为圈定用户范围、批量发送活动现在我们用AI Agent自动执行整个环节。第三在用户运营策略上AI Agent可以基于用户生命周期区分新客、老客、高价值客户、有挖掘潜力的客户进一步执行不同的运营策略。最终在没有增加任何人力的情况下售前转化率提升了30%以上。不少企业已经尝试接入大模型客服但“需求预判”大多停留在单点实验阶段难以规模化复制。您认为最容易被忽视的非技术瓶颈是什么我认为这个问题的根因不在技术而在“体系缺失”。因为我们可以明显感受到现在的大模型越来越聪明AI智能体执行框架迭代层出不穷而且非常强大。难以规模化的主要原因在非技术层面第一数据闭环没有打通。很多企业只是把模型接进来但数据没有持续沉淀会话、订单、会员、私域数据割裂AI无法形成完整用户画像反馈没有回流提示词工程没有持续优化所以效果很难提升。第二服务和运营没有联动。客服发现需求没人承接运营要做活动客服没同步。结果对话产生了洞察但没有被用在运营上。第三也是最关键的——缺少“可复制的标准化路径”。很多企业做AI是一个个case在试但没有形成标准化的知识体系、SOP和评估方式。我们在实践中做的一件事情是把整个过程“产品化”。AI客服要规模化本质上不是追求技术升级而是从“项目制”走向“体系化”。展望未来AI Agent在客服与运营融合领域您认为最值得期待的演进方向是什么对一线人工座席有哪些新的要求简要分享一下您的观点。在运营跟服务融合方面我认为有两个演进趋势第一AI Agent正在从一个辅助工具演变为可执行的数字员工。过去智能客服的核心是提效它能做的就是自动应答、知识辅助等基础内容。而现在AI Agent不再停留在答疑服务层面而是能够分析策略、执行动作甚至对业务结果负责。第二AI Agent正在从“单点应用”走向“全链路协同”。很多企业一开始建设大模型时只用在客服或营销单一环节中未来伴随着AI Agent的能力迭代其应用也将涵盖客户从咨询、转化、复购到忠诚度的完整生命周期。这种演进趋势对于一线客服而言也提出了新的要求。在过去优秀的客服往往需要掌握大量知识、经验丰富。未来 知识沉淀和重复性工作将越来越多地由AI承接。客服的角色将转变为知识的组织者与沉淀者比如生产知识、制定策略、设计SOP。更重要的是一线客服的视角也需要转换从“解决问题”转向“经营企业与用户的关系”思考这个用户是否值得深度运营、是否有增购或转化的倾向。这些变化都将为客服从成本中心转向真正的价值中心提供落地支点。未来优秀的客服不只需要服务好用户而是要能帮助企业经营好用户。AI不会取代客服但会重塑客服。最后再次感谢《客户观察》的邀请。希望容联七陌在AI Agent与运营服务融合方面的实践能给大家带来一些启发。未来让我们携手用AI让客户服务成为增长的可能。