对话式 AI 在客户支持领域的现状

Stripe 以优质支持著称，经常为用户带来惊喜和愉悦。但优质支持不仅仅是 Twitter 上看到的手写便条和 3D 打印纪念品。十多年来，Stripe 通过人力和软件工程，打造了每年为数百万企业服务的客户支持体系。我 2015 年加入 Stripe，当时公司刚超过 200 人，支持团队只需一张会议桌就能坐下。

我是都柏林最早的员工之一，负责 Stripe 全球支持的早期布局。在那五年里，Stripe 将支持团队细分为不同方向，引入外部供应商作为一级支持，拓展了渠道，增加了语言，最终还推出了付费支持方案。参与这些支持项目的设计和测试后，我深刻体会到客户服务扩展的复杂性——而对话式 AI 能大大简化这些流程。

Conversational AI

Conversational AI has three elements. These three elements work together seamlessly: Speech-to-Text captures the user’s intent, Language Models interpret and generate intelligent responses, and Text-to-Speech transforms those responses into natural conversation.

• Speech to Text: The AI ears convert a user’s spoken natural language into text, with high accuracy.
• Language Models: The AI brain processes this text and understands the context to generate intelligent responses.
• Text to Speech: The voice transforms text responses into natural-sounding speech.
• Turn Taking:A dedicated service monitors for interuptions and ensures the conversation is natural and feels human.

刚加入 Stripe 时，我的任务就是尽可能多地了解产品。培训期间，我会跟随有经验的同事学习，参考大量过往支持案例——这和 AI 智能体的学习方式很相似。

AI 擅长模式识别，而客户支持本质上也是模式识别。用户先描述问题，支持人员分析信息，结合已有知识，给出解答。但支持不仅仅是照本宣科地查知识库，优质服务还需要共情、创造力，以及和用户一起解决问题。不幸的是，大多数支持体验并不理想。

当前的支持现状

客户支持很重要，但体验常常让人头疼。比如你最近一次打航空公司客服电话，等了几个小时，好不容易接通，却被告知问题归另一个部门，反复推诿，令人沮丧。

其实，痛苦的不只是客户。提供优质支持很难，大规模更难。在以软件为主的世界里，支持却受限于人力。比如突然涌入大量客户，你可以快速扩容 AWS 保证网站稳定，但支持却无法一键上线。

扩展支持团队需要时间和资金。在北美，招聘、培训和入职一名支持人员大约要花 12,000 美元。算上这些投入，支持人员的平均时薪约为 30-40 美元。有些公司选择外包，时薪在 8-30 美元之间。表面上更便宜，但随之而来的是对流程、质量和责任的控制力下降。

如果几分钟内就能搭建支持，并且可以无限扩展呢？如果能用低成本获得高质量支持呢？这正是对话式 AI 的优势。作为多年从事支持工作的从业者，我认为这将彻底改变行业。 对话式 AI 的价值所在。作为多年支持从业者，我认为这将彻底改变行业。

Alexis 是 ElevenLabs 推出的 AI 智能体之一，专为支持场景打造，集成在 ElevenLabs 文档中，现在每天能处理超过 100 通电话。

假如 Alexis 是真人，我认为很少有支持人员能一天接 100 通电话。即使非常高效，简单问题一天大约能处理 60 通，遇到复杂问题或经验不足的员工可能只有 40 通左右。所以至少要雇两个人，还可能需要加班。

如果这些支持人员在北美，处理 100 通电话的成本至少 700 美元，平均约 1719 美元，最高可达 4094 美元。成本太高，很多公司会选择外包，费用在 128-480 美元之间，平均 288 美元，表面上便宜，但还要考虑外包公司的管理和培训成本，以及服务质量不达标带来的品牌风险。

AI 支持智能体的音频部分每分钟成本低至 0.015 美元。LLM 每分钟不到一美分到几美分，具体取决于模型和知识库大小。这样算下来，100 通电话只需 13-18 美元，比内部支持便宜 110 多倍，比外包便宜 18 倍。以客观体验来看，Alexis 的表现很不错，这个价格更是极具吸引力。

对话式 AI 的实际应用

在以纸质流程为主的供应链行业，Traba 是连接人才与企业的科技平台，帮助工业企业招聘和管理员工。虽然 Traba 提供了 App 和管理后台，但电话沟通依然是习惯纸质工时单和公告栏员工的重要渠道。

Traba 统计运营团队电话时间，发现主要集中在支持咨询和排班确认。CTO Akshay Buddiga 认为自动化是最佳选择，但时机同样重要。“我们发现流程需要优化时，倾向于尽早引入自动化，而不是事后补救。”

Traba 非常重视单元经济效益和技术创新，因此将电话转向对话式 AI 有多重优势。团队在关注速度和成本的同时，也非常重视用户体验。软件工程师 Joseph Besgen 表示：“我们希望听起来像对话，而不是录音。”ElevenLabs 的演示效果非常真实，测试时甚至有员工家属分不清是 AI 还是真人。

虽然为数千名产业工人排班很复杂，但预约一次医生其实不该这么难。你最近打过医院电话吗？对患者来说很麻烦，也浪费医护人员时间。ElevenLabs 与 EliseAI 合作，助理智能体正在填补医疗管理的空白，涵盖预约、账单等流程。某医院现在 86% 的电话都由AI 智能体 全程处理，不仅每通电话成本降低 66%，还大幅提升了行政效率。EliseAI 还让非英语社区更容易获得医疗服务。

未来展望

按行业来看，对话式 AI 的增长呈现出一些有趣趋势。EdTech 是最早采用对话式 AI 的行业，因为企业终于可以以更低成本提供个性化一对一辅导和语言学习。客户支持应用紧随其后，这类场景非常适合 AI，因为本质上是模式识别：答案通常在知识库中，AI 智能体负责将其与用户问题匹配。我们还看到越来越多垂直领域的端到端应用，尤其是在物流和医疗等行业，比如 Traba 和 EliseAI。这些领域的工作重复且可预测，非常适合 AI 智能体处理。

对话式 AI 让支持从人力转向数字化。现在，企业和客户都能获得更好的支持体验。就像云服务一样，AI 支持团队可以灵活扩展。客户无需再等待接线，你也不用为全球扩展支持中心而头疼。

过去一年，语音智能体在对话和知识检索方面表现不错，但我认为这只是开始。到 2025 年，AI 语音智能体 将成为会议预约和“产品专家”类支持的标准方案。虽然目前主要用于知识检索，但这将大幅减少支持工作量，让人类团队专注于更有价值的任务。

到 2026 年，AI 语音智能体将从知识检索进化到实际操作。标准智能体会调用 API，连接第三方应用，日常执行会议预约、退款等操作。

2027 年，AI 语音智能体将从支持扩展到客户成功。我相信，未来甚至整个销售流程都可能由 AI 智能体主导，买卖双方都能用上。对很多人来说，这似乎是终极目标，但我认为这只是开始。那些我们曾认为只有人类能胜任的复杂、创造性任务，也会逐步由 AI 实现。

客户支持将从成本中心转变为利润中心，先是降低支出，最终带来收益。AI 语音智能体会主动联系客户，减少流失，提高客户生命周期价值。对话式 AI 兼具人类支持的诸多优点，还能完美记忆、支持多语言、全天候运行。未来已来，想象一下，每次都能获得即时、共情、高效的支持。很快，你甚至会想打航空公司客服电话，只为体验一下。