思想领袖
AI智能体正在改写联络中心的运作规则吗?

要点AI代理现通过API和MCP连接不同系统,实现对联络中心的整体协调运作。
查看更多
- AI代理现通过API和MCP连接不同系统,实现对联络中心的整体协调运作。
- 自主AI代理因实时决策脱离固定工作流程,引入了不确定性与风险。
- 组织需建立可观测性和测试机制,以监管AI决策并确保责任可追溯。
过去,呼叫中心主要用于处理大量客户来电咨询。如今,联络中心已在很大程度上取代呼叫中心,成为企业管理多渠道客户互动的运营枢纽,覆盖电话、电子邮件、社交媒体和即时通讯应用。
但尽管渠道发生变化,底层运作模式基本未变。
简单的客户请求仍需经过一套割裂的技术系统:交互式语音应答(IVR)负责验证,客户关系管理(CRM)平台提供账户详情,工单工具跟踪进度,另有独立的后端系统完成具体任务。联络中心即服务(CCaaS)等云平台拉近了这些工具之间的距离,让运营更加灵活。然而,整个体验远未达到无缝衔接,仍依赖多个步骤、交接和人工协调。
多年来,这种模式一直行得通。然后,AI登场了。
随着AI智能体日益发展,初创企业和成熟企业纷纷开始开发、部署工具,承诺带来一个新阶段。这有赖于AI跨系统智能利用信息的能力,以及对过去孤立存放的数据的利用。
彼此割裂的系统正成为过去
有了AI智能体,联络中心不再各自为政。智能体可以跨平台获取信息、触发操作并完成任务。如果客户想对一笔扣款提出异议,AI智能体可以验证其身份,从CRM调取交易记录,核查相关政策,启动异议处理流程并确认结果,整个过程在一次连续互动中完成,无须交接或人工协调。
过去需要人们在多个工具之间切换的任务,如今可以在后台完成。许多复杂环节可以对用户隐藏,客户乃至人工客服都不必了解幕后流程如何运作。
这一转变也在改变软件本身的角色。软件如今像一组积木,而AI智能体则是连接、协调各个系统的中间层。固定工作流正让位于更灵活的互动,后者由具体情境决定,而非沿着预设路径运行。决策不再依循僵化的菜单选项或预先编写的流程,而是根据上下文实时作出。
是时候重新审视技术栈了
如今,联络中心负责人面临一个重大问题:如果软件不再是价值的主要载体,技术投资应投向何处?
好在不必彻底更换现有系统。负责人需要重新思考的是这些系统如何协同。
在这一新兴模式中,AI智能体接手编排工作,跨系统协调操作,而非依赖预定义的工作流。应用程序编程接口(API)和模型上下文协议(MCP)成为系统间通信的主要方式,让智能体能够访问、解读数据、系统和上下文,从而正确使用整个技术栈中的工具。
但仅仅调整配置并不够。AI工具虽然有用,仍然可能出错。许多因素都可能使其产生幻觉、偏离原本应遵循的目标,或违反政策和指引。随着这种转变,对可观测性、衡量和问责的需求会不断增加。
AI智能体不仅执行任务,还会作出批准退款、更新账户、将问题上报至更高处理层级等决策。这些工具的运行速度远超人类,因此,一个错误可能在几小时内就在数百乃至数千个案例中重复出现。
正因如此,组织需要将可观测性融入系统,了解AI在作出什么决策;需要测试工具,及时捕捉错误;还需要日志基础设施,迅速调查错误。
在每次部署AI时妥善建立这些防护机制,将带来更灵活、响应更迅速的架构,能够以传统工作流做不到的方式处理复杂情况。不过,这种架构本身也更难预测,需要以新方法开展监督和治理。
需要作出的权衡
AI开启了许多可能性,但迈向自主运行也为联络中心带来新风险。在这一业务中,一致性与信任至关重要。
结构化工作流长期以来一直是联络中心运营的基础。每一步都事先定义,每个决策都沿着获批路径作出,每次互动都可以对照既定规则进行审计。这种结构有助于保持客户互动的一致性、满足监管要求,并在所有案例中统一执行政策。
自主AI智能体从根本上采用不同的运行方式。传统软件遵循可预测的算法,AI智能体则根据底层模型、训练数据和上下文实时决策。这种灵活性使其能够适应不同情境,也带来了差异。两个相似的客户请求可能得到略有不同的处理,取决于智能体如何解读输入、能获取哪些数据,以及底层模型如何衡量不同信号的权重。
遵循严格工作流的人通常会给出在一定程度上可预测的结果,但AI智能体可能产生意外或不一致的结果,甚至已表现出很高的偏见风险。AI智能体可能正确解决一个计费问题,却以不同方式解读相似案例。
这为组织带来重要的运营问题:当决策由AI系统而非遵循脚本的人作出时,如何维持问责?尤其当模型复杂、并不总是容易解释时,如何确保决策透明?又如何在操作动态生成的环境中保持合规?
这些问题在联络中心尤其重要,因为效率与客户体验在此交汇。回复迟缓、处理错误或缺乏解释的决策,可能让客户感到沮丧,并怀疑整个企业的可靠性。他们可能重新考虑企业是否适合自己的需求,甚至转向其他服务商。
此外,还有监督方面的挑战。随着AI智能体承担更多责任,组织需要实时监测、测试其行为,发现异常并在必要时介入。如果缺乏这种程度的可见性,就很难确认系统是否按预期运作,也难以理解偏离预期时发生了什么。
下一步如何走
组织应循序渐进地采用AI智能体。与其全面替换现有工作流,不如先对其加以增强,在风险更低、能立即获益的受控场景中引入AI。
这种方式能让联络中心在不牺牲可靠性的前提下试验、调整。它们可以在低风险情境中部署AI智能体,以识别偏见、发现路由行为偏离预期的情况,并在其他问题出现时及时处理。
归根结底,目标是保持质量。AI智能体无论多么强大,也只是又一种工具。一个能以适当的谨慎和乐观态度采用这项技术的联络中心,终有一天会让我们以同样的眼光看待联络中心和呼叫中心:它们都是过去的事物。












