Scott Draeger 是 Smart Communications 的产品营销与垂直解决方案高级副总裁。 他热衷于协作，专注于如何让沟通对接收者更友好，并为企业带来更佳绩效。 他最初是一名文档设计师，使用一系列硬件和软件技术，随后转向行业的软件领域。 他拥有广泛的经验，帮助全球组织改进受严格监管的客户沟通。
随着AI在核心业务工作流和客户互动中扮演更重要的角色，挑战已不再是采纳，而是信任。即使组织扩大AI以提升效率，客户也不会自动对其产生信心。根据 KPMG的2025年全球信任、态度和人工智能使用研究，只有41%的美国人愿意信任AI，而70%的人期望它能带来好处。问题不在于人们看不到AI的价值，而在于组织要求他们信任他们并不完全了解或未见到一致结果的技术。这是因为这些工具常常建立在碎片化的数据、脱节的工作流和不一致的沟通之上。当这些系统协同不佳时，AI不会建立信任，反而可能侵蚀信任。AI扩展已有的基础AI并不会自动改进其背后的系统。在某些情况下，它甚至会暴露组织内部框架中已有的弱点。想象一下，客户通过电子邮件收到一个答案，通过短信收到另一个答案，和与客服代表交谈时得到的又不同。将AI引入此流程并不能解决根本问题，只会加速问题的出现。这些错误会让客户感到沮丧，削弱他们对承诺让生活更便捷的AI流程的信心与信任。由于AI的可靠性取决于输入的数据和运营系统，组织不能仅仅在现有业务上叠加AI并期望获得更好结果。碎片化的工作流会迫使模型在不足、过时或冲突的信息上运行。将这些系统连接起来，为AI提供一致的数据流，使其能够向内部团队和消费者提供更准确的信息。客户可能永远看不到AI应用背后的流程，但他们会看到其产出。如果AI生成的回复错误或让他们的生活更加困难，他们就会失去对组织和技术的信心。负责任的AI需要明确的边界组织需要明确AI能够提供最大价值的领域。 最近的一项研究发现，消费者担心数据安全和缺乏人工监督，只有40%的人表示信任AI处理其个人数据，47%的人对后者表示担忧。这些担忧需要影响组织设计和部署AI的方式，而不仅仅是他们的宣传方式。 为了让消费者确信AI仅会用于他们的最佳利益，组织需要建立明确的AI治理框架，精准规定它可以访问和不能访问哪些信息、可以采取哪些行动以及何时由人工介入。这并不意味着每次使用AI都必须有人在环中，而是应关注识别人工判断关键的环节，并将这些环节嵌入AI工作流中。当AI在明确的边界内运行，适当地使用客户信息并对其行为有清晰规则时，组织在赢得信任方面拥有更坚实的基础。 透明度不能事后才考虑随着组织扩大AI的使用范围，他们需要向客户明确技术在其体验中的使用地点和方式。 德勤2025年Connect消费者调查发现，消费者常常觉得技术在缺乏足够透明度的情况下快速发展。他们并不一定要求组织解释模型的工作原理；相反，他们想了解它如何使用他们的信息、对其体验的影响以及如果出现问题谁应负责。在实践中，这意味着主动沟通AI的使用方式，让人们拥有足够的清晰度来了解它的功能与限制。当组织在AI系统设计中内置这些信息时，这些问题更容易得到解答，因为消费者在了解AI工作原理后更倾向于依赖它。信任将决定AI的投资回报率尽管客户可能永远看不到AI系统内部的运作，但他们会感受到其结果。当AI生成的回复错误、他们需要重复说明，或根据提问渠道得到不同答案时，都会削弱信任。但根本问题在于：碎片化的数据、脱节的流程、薄弱的治理或不明确的沟通。这就是组织在评估成功时需要超越AI模型本身的原因。投资回报率取决于依赖它的人是否信任它，以及它是否能促进客户参与。一个无法获得信任的先进系统无法交付业务预期的成果。AI将继续变得更强大，但这些能力并不决定组织能够将其推进多远——关键在于依赖它的人。
