这是”服务AI新视野”的第2篇，采访自徕芬科技客服负责人殷志程

殷志程，徕芬科技客服负责人，六年以上头部企业客户服务管理经验。曾就职于京东零售体验团队，期间深入参与了零售服务的各个环节，积累了丰富的实战经验。现任徕芬科技客服负责人，负责徕芬全渠道服务体系的搭建与全流程管理，推动AI服务体系的落地，致力于以智能化手段提升服务效率与用户体验。

作为服务部门管理者，您认为AI应用将给客户服务工作带来哪些变化？

殷志程：基于我在京东及当前供职的徕芬所积累的电商服务经验，我持续观察着AI技术对客户服务领域的革新影响。

客户服务的底层逻辑可分为三大维度：首先是满足客户需求，这是所有服务行为的出发点，对应的核心指标是问题解决率；其次是提升用户体验，对应的核心指标是客户满意度；最后是服务效率提升，对应的核心指标是服务人效。在我看来，AI正在重塑客户服务的底层逻辑，推动服务效能实现质的飞跃。

回溯行业演进历程，京东早在2013年便开启智能客服探索，2016年正式立项“无人客服”项目。在AI技术成熟前，初代解决方案主要依托用户浏览记录、订单数据及用户信息，通过“猜你想问”等预设逻辑进行被动响应。这种“人机协同”模式虽能将简单咨询分流至机器人，但受限于语义理解深度，复杂问题仍需依赖人工，整体服务效能存在明显天花板。

当前电商领域的AI客服仍延续着“规则引擎+知识库”的技术路线，其服务表现与人工相比仍存在差距。这主要体现在复杂场景下的意图识别准确率不足，情感理解与共情表达较为生硬，导致解决率和满意度难以突破瓶颈。这也是当前行业普遍采取“人工为主、AI为辅”混合模式的主要原因。

但生成式AI的崛起正在改变这一格局，展现出三大突破性能力，一是深度语境理解，通过大模型训练实现对话上下文的精准捕捉，超越简单关键词匹配的预测逻辑；二是动态话术生成，根据用户情绪与场景特征实时生成个性化回复，从“千人一面”转向“一人千面”的交互体验；三是流程自动化，可自主完成服务单创建、信息填写等操作性任务，实现服务链路的端到端优化。

为了迎接这种变化，您在服务团队工作革新上有哪些布局？或计划做哪些布局？

殷志程：回顾AI在服务领域的渗透历程，徕芬早期保持审慎观察的态度，我们深知独立开展AI训练的成本压力与技术门槛。直到2024年ChatGPT引爆行业，加上今年DeepSeek横空出世，技术奇点带来的范式革命让我们看到了落地可能，由此徕芬在2025年正式启动了AI服务战略规划。

现阶段，我们是与战略合作伙伴瑞云服务云、晓多科技共建智能服务体系，核心目标是降低转人工率、提升AI渗透率。在保持服务温度与质量的前提下，我们遵循“简单场景AI主导、复杂场景人工兜底”的协同原则，通过AI能力优化配置服务资源，从而提升整个团队的服务效率。

在此战略框架下，我在管理服务团队内部革新上，计划做三点：

在培训工作中，以往我们需要依赖经验丰富的培训师来完成一项重要任务：那就是拆解员工的月考成绩，深入洞察每位员工的技能水平和知识短板，并据此制定相应的培训策略。

因为员工的水平参差不齐，所以这项工作对培训师的要求非常高。但现在我们引入了AI技术来辅助这项工作，利用员工的月考成绩作为数据输入给AI系统。

AI则会据此分析每位员工的技能掌握情况和知识短板，从而制定个性化的培训计划。比如，对于在产品知识方面得分较低、表现出知识薄弱的员工，我们会推送相关的产品培训资料以提升他们的专业知识。对于在服务软技巧上得分不高、沟通技巧有待提升的员工，我们则会推送更多的沟通技巧培训内容，帮助他们提高服务能力。

即使现在市面上已经有一些智能质检产品，但他们大多还是依赖于关键词捕捉，而现在我们可以真正依靠AI来提升质检的质量和效率。

AI能够显著提升质检的效率，多维度分析服务质量是否达标、是否按照要求执行，避免人工质检可能存在的主观偏差。徕芬内部已经建立了自己的大模型，并采用了本地化部署的方式，期望在质检方面有所突破。

之前我们有幸参加了浙江杭州余杭市场监管局组织的分享会。会上，专家介绍了他们与阿里巴巴合作，利用AI技术在市场监管投诉处理方面的应用实践，比如处理投诉举报、企业合规经营以及风险防范等，特别是在宣传合规方面，AI能够极大地提高效率。相比专业的法务人员，AI的视野更加宽广，能够发现更多潜在的问题，帮助企业减少合规风险。

您觉得AI在哪些具体服务场景中应用，能够切实提升服务效率和客户体验？

殷志程：在电商服务中应用AI其实很困难，我始终认为AI的应用需要平衡服务效率和客户体验。企业探索AI技术落地时，必须将客户体验作为核心指标，这是服务质量不可逾越的阈值，直接关系到用户满意度、口碑维护和平台考核指标。

那我介绍下徕芬是怎么做的？为了实现服务效率和客户体验的平衡，我们打造了一套双轨指标管理体系。

一方面，面向平台考核，如果AI介入接待场景过多，触发了平台的邀评或客户评价，我们的核心考核指标就会亮红灯。因此，我们会主动减少这种问题产生，让AI不要去邀评或触发评价机制。

很多AI工具都致力于提高客户满意度，比如满意度从70%提升到80%，但对于商家来说，80%的满意度可能仍然低于平均水平，难以满足实际运营需求。因此，我们会采取措施减少这类问题的发生，确保考核指标达标。

另一方面，我们自建了一套指标回收体系，目标是在AI全自动化接待用户的过程中，系统能够自动生成相应的案例单，记录客户与AI交互的关键信息。同时，系统会触发问卷或邀请用户评价，以收集客户满意度的反馈。

这一过程绕开了平台原有监管机制，既不会影响平台的考核指标，又能让我们清晰地看到在AI处理的核心场景中，客户的实际体验如何。通过收集客户满意度数据、VOC数据以及NPS数据，我们可以对AI的服务质量进行实时监控和分析，从而及时发现问题并进行调整优化。

在具体的AI应用场景中，我们目前正与瑞云服务云、晓多科技等合作伙伴共创，期望实现订单关联的动态变量闭环应答。这一举措不仅有助于降低转人工率，还能显著减轻人机结合过程中的人工负担。具体来说，当客户提出与订单相关的问题时，我们的机器人会利用自然语言处理技术对问题进行拆解，并通过API接口从瑞云服务云系统调取相关进度和信息。

随后，机器人会将获取的信息整理成预设的话术，并通过IM工作台发送给客户，徕芬旨在通过该方案在商家端实现类似消费者在京东/天猫咨询订单相关问题的客户体验，以实时信息调取信息的技术路线，来突破传统FAQ话术应答的服务模式。

您认为服务管理平台在哪些方面做AI能力提升，能够更好的支撑您的管理规划落地？

殷志程：在服务管理平台方面，我期望它能实现以下功能。

在知识管理领域，AI 在知识整理、分类以及提供解决方案等方面，相较于人工具有显著优势。因此，我希望服务管理平台能构建一套高效好用的知识管理体系，并具备相应的检索功能。

就像我前面分享的那样，我们坚信未来必然是以 AI 为主导、人工为辅助的模式。在此背景下，更应大力推动自动化任务执行的实现。

毕竟AI 能够做到 7×24 小时不间断执行任务，这是人力所无法企及的，而且人工操作往往存在较高的出错概率，而 AI 在完成条件判断等基础设置后，在任务执行方面通常比人工更加可靠、高效。

我们目前所拥有的数据规模极为庞大，倘若 AI 能在智能数据看板方面发挥优势，清晰地指出运维过程中诸如低谷等关键节点，并针对这些节点给出切实可行的建议，那将极大地提升我们管理工作的针对性，让我们在管理过程中更有方向、更有抓手。