对话式 AI 在客服领域的现状

Stripe 以优质客服著称，经常为用户带来惊喜。但优质客服不仅仅是 Twitter 上那些手写便签和 3D 打印小物件。十多年来，Stripe 通过人力和软件工程，打造了一套每年服务数百万企业的客服体系。我 2015 年加入 Stripe 时，公司刚突破 200 人，客服团队还能围坐一张会议桌。

我是都柏林最早的员工之一，负责 Stripe 全球客服的早期布局。在那五年里，Stripe 将客服团队细分为不同专长，引入外部供应商做一级客服，拓展了渠道，增加了多语言支持，最终还推出了付费客服方案。参与这些客服项目的设计和测试后，我深刻体会到客服扩展的复杂性——这些正是对话式 AI 能大幅简化的地方。

对话式 AI

对话式 AI 包含三个核心要素，这三者协同工作：语音转文本用于捕捉用户意图，语言模型负责理解和生成智能回复，文本转语音将回复转为自然对话。

• 语音转文本： AI “耳朵”将用户的自然语言语音高精度转为文本。
• 语言模型： AI “大脑”处理文本，理解上下文，生成智能回复。
• 文本转语音： AI “声音”将文本回复转为自然语音。
• 轮流说话： 专门的服务监测打断，确保对话自然流畅，贴近真人体验。

刚加入 Stripe 时，我的任务就是尽可能多地了解产品。培训期间，我会跟随经验丰富的同事学习，复盘大量过往客服案例——这和 AI 智能体的学习方式很像。

AI 擅长模式识别，而客服本质上就是模式识别。用户先描述问题，客服处理信息、匹配已有知识，再给出答案。但客服不仅仅是知识库的机械复述，优质服务还需要共情、创造力和与用户协作解决问题。可惜，大多数客服体验都达不到这个标准。

客服的现状

客服很重要，但往往让人头疼。想想你上次打航空公司客服电话的经历：等了几个小时，好不容易接通，却被告知要找另一个部门，循环往复，令人崩溃。

其实，客服的痛点不仅在用户端。提供优质客服本身就很难，大规模更难。在以软件为主的世界里，客服却受限于“原子”——如果网站流量暴增，可以直接扩容 AWS 实例，但客服却没法一键上线。

扩展客服团队需要时间和资金。在北美，招聘、培训和入职一名客服要花约 12,000 美元。算上这些投入，客服平均时薪约 30-40 美元。有些公司选择外包，时薪 8-30 美元不等。表面上便宜，但随之而来的是对流程、质量和责任的把控力下降。

但如果客服能在几分钟内上线，并且无限扩展呢？如果能用低成本获得高质量客服呢？这正是对话式 AI 的价值所在。多年客服经验让我坚信，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，专为客服场景打造，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，我认为很少有客服能一天接 100 通电话。即使非常高效，简单问题一天也就 60 通，复杂点或经验不足的可能只有 40 通。所以至少要雇两个人，还得算加班费。

如果这些客服在北美，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——看起来便宜，但外包公司还涉及培训、管理等隐性成本，服务质量不达标还会影响品牌声誉。

AI 客服的音频成本最低可至每分钟 0.015 美元。大语言模型部分每分钟只需几美分，具体取决于模型和知识库大小。这样算下来，处理 100 通电话只需 13-18 美元，比自有客服便宜 110 多倍，比外包便宜 18 倍。以客观体验来说，Alexis 表现很不错，这个价格更是超值。

对话式 AI 实际应用

在供应链这个高度依赖线下的行业，Traba 是连接人才与企业的技术桥梁，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的工人们的重要纽带。

Traba 分析了运营团队电话时间的主要用途，发现大部分都花在解答支持问题和排班确认上。CTO Akshay Buddiga 认为自动化是必然选择，但时机同样重要：“我们发现流程需要提升效率时，更倾向于一开始就引入自动化，而不是事后再补救。”

Traba 非常重视单元经济效益和技术创新，因此将这些电话转交给对话式 AI 有多重优势。团队在选择方案时，既关注速度和成本，也重视用户体验。软件工程师 Joseph Besgen 说：“我们希望它听起来像对话，而不是录音。”ElevenLabs 的演示效果非常真实，测试时甚至有员工的父亲分不清是 AI 还是真人。

虽然为数千名工人排班很复杂，但预约一次医生其实不该这么难。可你最近试过打医生电话吗？对患者来说很烦，对医护人员也是低效。ElevenLabs 与EliseAI 合作，AI 助理正在填补医疗管理的空白，从预约到账单全流程自动化。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%，行政人员效率也大幅提升。EliseAI 还让非英语社区更容易获得医疗服务。

未来展望

分行业看，对话式 AI 的增长趋势很明显。教育科技是最早应用对话式 AI 的行业——公司终于能以合理成本提供一对一辅导和语言学习。客服紧随其后，因为客服本身就是模式识别：答案在知识库里，AI 智能体负责匹配用户问题。我们还看到物流、医疗等垂直行业出现端到端的 AI 应用，比如 Traba 和 EliseAI。这些领域重复性高、流程标准化，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”类客服的标准方案。虽然目前主要用于知识检索，但这会大幅减少客服量，让人工团队专注更有价值的工作。

到 2026 年，AI 语音智能体将从知识检索升级到实际操作。它们会调用 API，连接第三方应用，常规执行会议预约、退款等操作。

2027 年，AI 语音智能体将从客服扩展到客户成功管理。比如，整个销售流程都可能由 AI 智能体主导，甚至买卖双方都是 AI。很多人觉得这是终极形态，但我认为这才刚刚开始。那些我们曾认为只有人类才能胜任的复杂、创造性任务，也会逐步被 AI 覆盖。

客服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、提升客户生命周期价值。对话式 AI 既有真人客服的优势，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，你甚至会想主动打航空公司客服电话，只为体验一下。