凯蒂·斯坦，ASAPP 首席执行官 – 访谈系列

Katie Stein，ASAPP 首席执行官，是一位拥有二十多年经验的资深技术与商业高管，业务涵盖企业战略、运营、数字化转型和企业增长。在2026年8月加入ASAPP并担任首席执行官之前，她曾担任 Atain 的首席执行官，并在 Genpact 工作了八年，期间担任首席战略官兼企业服务与分析全球业务负责人，负责企业战略、主要服务组合、客户体验以及并购（M&A）计划。她职业早期曾在 Mercer 担任高级领导职务，包括负责其25亿美元退休、健康与福利业务的全球首席运营官，并曾在 Boston Consulting Group 担任项目负责人。她的职业生涯主要致力于帮助大型组织提升运营绩效、更有效地部署技术，并实施复杂的业务转型。

ASAPP是一家专注于通过其原生 AI 客户体验平台（CXP）改造企业客服的人工智能公司。公司成立于 2015 年，开发的技术将 AI 代理、人类专业知识、客户数据和企业系统在语音和数字渠道上进行整合。平台核心是 GenerativeAgent，这是一款旨在理解对话、推理客户请求、通过连接的企业系统执行操作，并在需要额外监督或判断时让人工代理介入的 AI 客服代理。ASAPP 还提供测试、监控、治理和可观测性工具，使大型组织能够部署面向客户的 AI，同时对自动化代理的行为拥有更大的控制权。

您的职业生涯从在 BCG、Mercer 和 Genpact 的战略与转型岗位，到领导 Atain，如今成为 ASAPP 的首席执行官。是什么吸引您在职业此阶段加入 ASAPP？在您上任的前 30 天里，您认为什么是公司最大的机遇和优先事项？

ASAPP 最初在今年早些时候的冬季风暴 Fern 期间进入我的视野。当时在 Atain，我们全力以赴为一家美国最大航空公司之一提供足够的容量，以帮助成千上万受阻的旅客回家。ASAPP 不仅仅是回答问题；其 GenerativeAgent 在六天内重新预订了超过 3,800 名乘客的航班，包括复杂的行程更改。这让我看到在真实压力下企业 AI 的表现。我的前 30 天进一步验证了这一观点。我们的机会在于聚焦并规模化：专注于 ASAPP 最具竞争优势的领域，帮助客户从实验阶段转向生产影响，并以更快、更一致的速度执行。

ASAPP 的方法将自主 AI 代理、确定性工作流和人类专家整合在同一编排层中。您如何决定哪些决策应交由 AI 代理处理，哪些应遵循预定义规则，以及哪些需要人工判断？

我们不会把整段交互完全交给 AI、预定义工作流或个人。我们会根据每个决策的复杂性、风险和责任需求进行评估。AI 擅长理解意图、解释上下文并适应客户。工作流在必须遵循特定步骤或政策时提供一致性。人工在情境模糊、异常或影响重大的情况下提供判断。编排将这三者在同一次交互中融合。目标并非追求最大程度的自主，而是在每个决策点应用恰当的控制层级，以满足更多客户需求。

ASAPP 将人为参与视为 AI 系统的持续组成部分，而不仅仅是自动化失效时的升级路径。随着 AI 代理能力的提升，您认为人在客户服务交互中还能在哪些方面提供最大的价值？

人类的创造力！几个月前，我与一位资深客户体验（CX）负责人交谈，他指出相对少量的通话却占用了大量的处理时间。这些往往是没有明确 FAQ、知识文章或标准操作流程的边缘案例。之所以困难，是因为组织此前未曾遇到或未将答案制度化。人在这些时刻仍能提供最大价值：解释模糊性、平衡相互冲突的考量，并在没有既定手册的情况下作出判断。但让人介入并不意味着放弃自动化或转移整段交互。AI 收集所需信息并向人员呈现具体请求和上下文；人类提供判断，随后 AI 继续交互。这种专业判断解决了当前问题，并帮助扩展 AI 今后可解决的范围。

许多企业在试点中成功展示了生成式 AI，但在尝试将其部署到数百万真实客户交互时遇到困难。公司在从 AI 试点转向生产规模的代理系统时，最常低估的是什么？

公司最常低估长尾效应。试点通常在受控条件下测试已定义的用例。在生产规模下，罕见情形会变成日常：客户改变方向、提供不完整的信息，或以无人预料的方式组合需求。这就是为何扩展代理式 AI 不仅是模型层面的挑战。它需要与企业系统集成、治理、监控，并在需要判断时让人介入。试点证明技术可行，生产则需要架构和运营纪律，以确保在规模化时的可靠性。

随着企业从单一 AI 助手转向多个协同工作的专用代理，围绕编排、可观测性和问责制会出现哪些新的技术或治理挑战？

新的挑战是协调。更多的代理会产生更多的交接、决策点以及上下文或问责制失效的机会。企业需要能够决定哪个代理应当行动、它获取何种信息和权限，以及其工作如何促成客户问题解决的编排。可观测性必须覆盖整个交互，以便组织了解发生了什么以及原因。这将成为治理的基础。优势不会来自部署最多的代理，而是来自将所有这些专用智能协调进一个可靠、可追溯且负责任的系统。

ASAPP 最近推出了 持续红队测试，该功能会在模型演进时自动针对超过 50 类漏洞对其 AI 系统进行测试。当 AI 代理不再仅仅生成响应，而是日益能够代表客户采取行动时，企业应如何重新思考安全性？

当 AI 从回答问题转向采取行动时，风险会发生变化。未经授权的交易或客户数据泄露的后果远比不准确的回复更为严重。企业需要对代理的访问权限、可执行操作以及何时需要人工批准设定明确界限。安全性也不能仅在部署前进行一次性测试。随着 AI 能力提升，恶意行为者也在不断创新。这正是 ASAPP 持续针对超过 50 类漏洞的数千种对抗场景进行测试的原因。安全必须与技术同步演进，才能让企业在不损害客户信任的前提下扩展 AI 的功能。

生成式 AI 本质上是概率性的，但客户服务流程常常涉及交易、合规要求等必须可预测结果的任务。企业如何在保持生成式 AI 灵活性的同时，引入足够的确定性结构，使这些系统可靠？

关键在于将对话与业务流程分离。我们认为生成式 AI 应该发挥其最擅长的能力：理解客户、在模糊中导航并自然响应。但关键流程——如验证、交易和合规——应在基于步骤的工作流中运行，以强制执行公司的规则和必要顺序。这种架构为企业提供了两全其美：为客户提供灵活的体验，为业务提供可预测的执行。它还能让流程在模型演进时更易于测试、审计和改进。企业不需要把每一次客户对话都硬性固定以确保 AI 的可靠性，而是必须明确 AI 可以适应的范围以及流程绝对不能变动的环节。

传统上，呼叫中心通过如遏制率和成本降低等指标来衡量自动化。随着代理式 AI 越来越成熟，企业应使用哪些指标来判断 AI 是否真正提升了客户体验，而非仅仅减少人工参与？

我们正从转向诸如转移率和遏制率等指标，转向我所称的“已验证解决”。我希望我们对理解客户意图并真正解决问题负责。作为客户，我希望体验愉快，但更重要的是，我希望我联系的原因得到解决。当我们衡量这一结果，而不是仅仅看 AI 是否阻止了用户接触人工座席时，我们就把技术与客户实际需要完成的任务对齐。

如果一位人类专家能够日益监督或引导多个 AI 驱动的对话，您预计呼叫中心的劳动力将如何演变？您是否看到围绕 AI 监督、培训、治理和持续改进的新角色出现？

这正是让我对未来呼叫中心运营模式感到兴奋的原因。如今，人类座席站在前线，常常帮助失望、困惑或愤怒的客户，同时花费大量时间在复杂系统中寻找解决方案。这是一项高强度工作，导致倦怠率居高不下。随着代理式 AI 在语音和数字渠道上承担更多此类工作，我相信会出现一种新型的客户体验专业人士：人类座席转型为分析师。他们的时间将更多用于需要判断、非黑白分明或具监管敏感性的情境。这是一种根本不同的角色，而 AI 本身正帮助塑造这一角色。

在您领导ASAPP的前30天之后，企业在采用代理式AI方面目前的现状中，最让您感到惊讶的是什么？您认为下一阶段的AI驱动客户服务将如何定义？

我对我所交谈的客户愿意将代理式AI作为其客户体验（CX）战略的核心支柱，而不是仅仅作为旁支，感到印象深刻。挑战在于数字部门、IT部门、安全部门和运营部门往往以不同的速度前进，并以不同的方式衡量成功。这种碎片化使得企业层面的商业案例难以清晰呈现。下一阶段将要求组织围绕企业层面真正重要的事项达成一致，并了解代理式AI在CX中能够推动哪些成果。如今，这种影响往往在现有的评分卡和孤立的指标中被稀释。

感谢精彩的采访，想了解更多的读者请访问ASAPP。