硅谷广为流传的是，贝索斯在亚马逊总部开会有个习惯：会议桌旁永远空着一把椅子。

他跟高管们说，那把椅子坐的是“房间里最重要的人”——不在场的客户。要求所有高管每年接受两天客服培训，把“customer obsession”写进亚马逊的核心价值观。

但亚马逊客服VP汇报说电话等待时间不超过一分钟时。贝索斯自己拿起电话拨打了亚马逊客服热线，到第四分钟才有人接，贝索斯说：“只是来查一下。”然后挂掉了。

那位客服VP一年内离职。但是问题其实不在管理，而是互联网的规模型增长，客服很难跟上它的脚步。

AI让这件事情变得有些不一样了，不仅秒级响应，并且开始预测消费者需求，Agent自主处理工单，并且将高质量的服务最快效率地无限复制。

阿里发布的全新AI店小蜜，已经覆盖百万商家，日均对话接近千万，日均调用万亿Token。发布会上的数据很直接：平均询单转化提升超10%，商家转人工率降低45%以上。AI接入客服之后，转化率涨了，消费者越来越习惯AI的服务。

规模越大，注意力越稀薄

互联网之前，做好客服是一件简单的事。一家小店，老板认识每个常客，记得他的偏好，出了问题第一时间解决。这叫关系。

互联网改变了商业的规模化方式，但同时制造了一个结构性困境：物流可以指数级扩张，但真正专注的客户关注只能线性增长，跟雇了多少人正比。规模越大，每个用户分到的注意力越稀薄。客服从一种关系，变成了成本中心。

消费类业务因此分裂成了两个世界。一边是规模型——亚马逊、各大电商平台——服务亿级用户，效率和价格都到了极致，但每个用户分到的关注极薄，IVR电话树、工单队列、关键词匹配的机器人，客服成了一道必须经过但体验糟糕的关卡——从关系，变成工单编号，变成等待音乐里的那首《致爱丽丝》。

另一边是礼宾型——高端品牌、私人银行——围绕"了解你、记得你的偏好、预判你的需求"来组织，体验极好，但只服务于少数人，因为这种关注的成本极高，养不起。

硅谷互联网大厂给出的解法是：外包给印度人。

逻辑很简单：印度有大量英语人才，人力成本是欧美的十分之一，时差正好覆盖西方的夜间时段。牛津词典甚至因此收录了一个新词：「Bangalored」——专指被外包到印度的工作。

这个解法本质上是用更低的成本堆更多人力，矛盾没有消失，只是被转移了。外包的客服不懂你的产品，没有激励做好服务，离用户的真实体验越来越远。增长期没人在意，因为用户反正会留下来。存量竞争来了，这个问题就变成了致命伤。

然后AI来了，开始动摇这个死结。

MarketsandMarkets数据显示，全球AI客服市场2024年规模120亿美元，预计2030年达到478亿美元。今年5月，硅谷AI客服公司Sierra完成9.5亿美元融资，估值30亿美元，创始人是Facebook前CTO、Salesforce联席CEO Bret Taylor。

阿里从去年开始，对淘宝天猫的平台客服开始用AI进行重构，算法、研发团队规模超300人，从底层的会话、办事逻辑开始把整个系统推倒重来，并且在生产级大规模落地；这套能力也被运用在商家客服侧，截止3月底，AI店小蜜超100万商家接入，日均对话量接近千万。

这些钱押的是同一个判断：AI第一次有可能让规模型业务也提供近似礼宾级别的体验——永远在线、记得每个用户的历史、可以无限并发，成本极低。

AI学会做生意了

过去二十年，电商AI化的核心战场是行为数据——点击、浏览、购买记录。推荐算法、搜索排序、千人千面，全部建立在这个基础上。但行为数据天然是间接的，是意图的投影，不是意图本身。你点了一件红色连衣裙，算法不知道你是要参加婚礼、随便逛逛，还是帮别人选。

客服对话是电商里第一个让用户把意图直接说出来的场景。"我要去黄山徒步，需要透气的，肤色偏黑，预算500以内。"这一句话包含的信息密度，比这个用户过去一年的点击记录加起来都高。更关键的是，对话支持多轮纠错——用户说"不是这个，我要更宽松的"，每一次纠正都是实时的意图校准，是推荐系统从来拿不到的带标注反馈。

这对于AI来说，有最精确的数据和最直接的应用场景。

天猫头部一个3C商家的夜间对话：用户发来一张照片，没有文字，没有型号，只有图，问"这是什么手机"。6秒后，AI店小蜜识别出了旗舰机型，问了使用场景，把推荐链接、国补权益和领取方式一起发出去，成交。

多模态识图已经是新版店小蜜的标配能力，用户发截图、拍视频，AI店小蜜直接看懂给方案，从万级SKU里完成匹配，准确率95%以上。

服饰场景里的挑战更微妙，森马客服部门透露，服饰行业最高频的咨询是尺码，也是退货率最高的来源。

过去的AI是查表推荐，但是现在AI店小蜜会根据商品详情页、问一问、评价，以及消费者过往的购买数据，进行综合的尺码判断。

对于指向性模糊的需求语言，"运动量大要透气"、"肤色黑要显白"、"白衬衫怎么搭才不土"，AI能识别意图给出匹配建议，直接给出经过组合的商品卡片链接，甚至可以根据你要去的目的地的天气进行推荐，AI店小蜜发布会上透露，即便是服饰售前Agent的Token消耗是原来版本的3倍，Token的消耗成本仍然远低于人工成本。

同时AI不是等用户问，而是在用户浏览超过阈值时主动触达，发布会数据显示，内测商家平均询单转化提升10%以上。

原本不存在的成交机会被创造出来了。

在售后环节，AI店小蜜对工单的处理已经可以直接“办事”，可自动处理退差价、退定金、商品故障排查、改地址、物流查询等复杂流程。

AI店小蜜有详细的挽单方案：尺码不合适换尺码，款式不喜欢换款式，能换货就换货，能补发就补发，最后才是现金补偿，且在商家授权额度内逐步抬价，平均退款挽单成功率超过20%。

为了减少商家的经营风险，AI店小蜜也接入了新上线的AI假图识别模型，精准拦截“羊毛党”

现在AI能够达到的服务效果，就是每个商家最优秀的那一批客服能够达到的效果，甚至要更优秀，小米天猫官旗接入后转人工率下降了45%，特步天猫官旗转人工率下降了55%。

AI+人协作超过人，反而让人更值钱了

阿里公开了一组A/B测试数据。

测试逻辑很简单，流量进来之后随机切1%直接交给人工，剩下99%先走AI、搞不定再转人工。结果是"AI+人工"的整体转化率全面超过了纯人工，差距2至3个百分点，相对提升约10%。不只是夜间，白天也是，全时段。

大多数商家的用法是夜间开AI店小蜜省成本、白天切人工保转化。现在数据说明，继续把AI店小蜜锁在夜班，等于把白天最贵的流量、最确定的成交，主动让给对手。

因为AI客服的正确介入姿势是：全时段和人的配合协作，而不是白天纯人工，晚上用AI这样作为备选方案两边切换。

AI接手标准咨询之后，人工客服从大量重复性问答里被解放出来，得以集中精力处理真正有价值的场景：复杂售后、高客单订单、需要灵活判断的边界情况。

人可以站在AI的肩膀上做决策，当AI判断某个对话超出处理范围，转给人工时附带的不是一个空白对话框，而是一张实时生成的信息卡片——用户情绪状态、转化潜力评分、推荐话术。人工接手时站在AI的预判结果上继续，而不是从零开始。接入AI辅助的坐席，转化率比未接入的高出2个百分点。

Gartner在2025年对321名客服负责人做了调查，结果跟大多数人预期的不一样：AI介入后55%的企业是用同等或更少的人力，处理了更高的咨询量。另外，80%的组织计划把部分客服转型为更复杂的角色——不是裁掉，是往上走。

为什么会出现如此反直觉的结论？

一是需求被激活了。AI把服务变好了，用户咨询的门槛降低了，反而有更多人愿意问。这是经济学里的Jevons悖论——AI客服变得更高效更好用，反而刺激更多使用，总量涨了，人力不降反升。

二是客服工作本质上是例外处理的集合。AI接手的是标准化的那80%，但剩下20%的复杂纠纷、情绪激动的用户、需要灵活判断的边界情况，恰恰是最需要人的地方。

三是AI本身需要人来管。商家也需要有为AI客服制定基本策略的角色。品牌商家内部一直都设置有“客服训练师”的岗位，只是现在学员变成了Agent。

账可以算得很清楚

商家接入AI客服最大的收益，不在于节省成本或是减少客服出错，而是AI客服能够带来实打实的转化成交。

AI店小蜜分标准版和高阶版。标准版0.2元/通，主打稳定服务和降低转人工率；高阶版0.5元/通，Token消耗是标准版的5倍以上，对应更深度的导购和挽单能力。

高阶版的账是这样算的：月咨询1万通，成本5000元；客单价200元，转化率增加3个百分点，多成交300单，月增收6万元。5000元成本换6万的交易，投入被放大了12倍。

平台面向日咨询量较低的中小商家免费开放标准版，额外投入万亿Token补贴。

AI在广告端带来的平台级增量，分摊到每个商家是模糊的，但是在客服场景，链条极短，归因极清晰，一通对话要么成交要么没成交，ROI一目了然。

互联网让一家公司可以服务的用户规模指数级增长，却让客服变成了成本中心和体验黑洞。AI正在把这个矛盾解开——不是通过替代人，而是通过让高质量的注意力第一次可以在规模化的场景里被复制，用到对每一位客户的服务中，从而堵上转化漏斗最后一层的漏洞。

618马上开卖，这件事正在更大的规模上被验证。

本文来自虎嗅，原文链接：https://www.huxiu.com/article/4857593.html?f=wyxwapp