硅谷廣為流傳的是，貝索斯在亞馬遜總部開會有個習慣：會議桌旁永遠空著一把椅子。

他跟高管們說，那把椅子坐的是“房間里最重要的人”——不在場的客戶。要求所有高管每年接受兩天客服培訓，把“customer obsession”寫進亞馬遜的核心價值觀。

但亞馬遜客服VP匯報說電話等待時間不超過一分鐘時。貝索斯自己拿起電話撥打了亞馬遜客服熱線，到第四分鐘才有人接，貝索斯說：“只是來查一下。”然后掛掉了。

那位客服VP一年內離職。但是問題其實不在管理，而是互聯網的規模型增長，客服很難跟上它的腳步。

AI讓這件事情變得有些不一樣了，不僅秒級響應，并且開始預測消費者需求，Agent自主處理工單，并且將高質量的服務最快效率地無限復制。

阿里發布的全新AI店小蜜，已經覆蓋百萬商家，日均對話接近千萬，日均調用萬億Token。發布會上的數據很直接：平均詢單轉化提升超10%，商家轉人工率降低45%以上。AI接入客服之后，轉化率漲了，消費者越來越習慣AI的服務。

規模越大，注意力越稀薄

互聯網之前，做好客服是一件簡單的事。一家小店，老板認識每個?？停浀盟钠?，出了問題第一時間解決。這叫關系。

互聯網改變了商業的規?；绞?，但同時制造了一個結構性困境：物流可以指數級擴張，但真正專注的客戶關注只能線性增長，跟雇了多少人正比。規模越大，每個用戶分到的注意力越稀薄。客服從一種關系，變成了成本中心。

消費類業務因此分裂成了兩個世界。一邊是規模型——亞馬遜、各大電商平臺——服務億級用戶，效率和價格都到了極致，但每個用戶分到的關注極薄，IVR電話樹、工單隊列、關鍵詞匹配的機器人，客服成了一道必須經過但體驗糟糕的關卡——從關系，變成工單編號，變成等待音樂里的那首《致愛麗絲》。

另一邊是禮賓型——高端品牌、私人銀行——圍繞"了解你、記得你的偏好、預判你的需求"來組織，體驗極好，但只服務于少數人，因為這種關注的成本極高，養不起。

硅谷互聯網大廠給出的解法是：外包給印度人。

邏輯很簡單：印度有大量英語人才，人力成本是歐美的十分之一，時差正好覆蓋西方的夜間時段。牛津詞典甚至因此收錄了一個新詞：「Bangalored」——專指被外包到印度的工作。

這個解法本質上是用更低的成本堆更多人力，矛盾沒有消失，只是被轉移了。外包的客服不懂你的產品，沒有激勵做好服務，離用戶的真實體驗越來越遠。增長期沒人在意，因為用戶反正會留下來。存量競爭來了，這個問題就變成了致命傷。

然后AI來了，開始動搖這個死結。

MarketsandMarkets數據顯示，全球AI客服市場2024年規模120億美元，預計2030年達到478億美元。今年5月，硅谷AI客服公司Sierra完成9.5億美元融資，估值30億美元，創始人是Facebook前CTO、Salesforce聯席CEO Bret Taylor。

阿里從去年開始，對淘寶天貓的平臺客服開始用AI進行重構，算法、研發團隊規模超300人，從底層的會話、辦事邏輯開始把整個系統推倒重來，并且在生產級大規模落地；這套能力也被運用在商家客服側，截止3月底，AI店小蜜超100萬商家接入，日均對話量接近千萬。

這些錢押的是同一個判斷：AI第一次有可能讓規模型業務也提供近似禮賓級別的體驗——永遠在線、記得每個用戶的歷史、可以無限并發，成本極低。

AI學會做生意了

過去二十年，電商AI化的核心戰場是行為數據——點擊、瀏覽、購買記錄。推薦算法、搜索排序、千人千面，全部建立在這個基礎上。但行為數據天然是間接的，是意圖的投影，不是意圖本身。你點了一件紅色連衣裙，算法不知道你是要參加婚禮、隨便逛逛，還是幫別人選。

客服對話是電商里第一個讓用戶把意圖直接說出來的場景。"我要去黃山徒步，需要透氣的，膚色偏黑，預算500以內。"這一句話包含的信息密度，比這個用戶過去一年的點擊記錄加起來都高。更關鍵的是，對話支持多輪糾錯——用戶說"不是這個，我要更寬松的"，每一次糾正都是實時的意圖校準，是推薦系統從來拿不到的帶標注反饋。

這對于AI來說，有最精確的數據和最直接的應用場景。

天貓頭部一個3C商家的夜間對話：用戶發來一張照片，沒有文字，沒有型號，只有圖，問"這是什么手機"。6秒后，AI店小蜜識別出了旗艦機型，問了使用場景，把推薦鏈接、國補權益和領取方式一起發出去，成交。

多模態識圖已經是新版店小蜜的標配能力，用戶發截圖、拍視頻，AI店小蜜直接看懂給方案，從萬級SKU里完成匹配，準確率95%以上。

服飾場景里的挑戰更微妙，森馬客服部門透露，服飾行業最高頻的咨詢是尺碼，也是退貨率最高的來源。

過去的AI是查表推薦，但是現在AI店小蜜會根據商品詳情頁、問一問、評價，以及消費者過往的購買數據，進行綜合的尺碼判斷。

對于指向性模糊的需求語言，"運動量大要透氣"、"膚色黑要顯白"、"白襯衫怎么搭才不土"，AI能識別意圖給出匹配建議，直接給出經過組合的商品卡片鏈接，甚至可以根據你要去的目的地的天氣進行推薦，AI店小蜜發布會上透露，即便是服飾售前Agent的Token消耗是原來版本的3倍，Token的消耗成本仍然遠低于人工成本。

同時AI不是等用戶問，而是在用戶瀏覽超過閾值時主動觸達，發布會數據顯示，內測商家平均詢單轉化提升10%以上。

原本不存在的成交機會被創造出來了。

在售后環節，AI店小蜜對工單的處理已經可以直接“辦事”，可自動處理退差價、退定金、商品故障排查、改地址、物流查詢等復雜流程。

AI店小蜜有詳細的挽單方案：尺碼不合適換尺碼，款式不喜歡換款式，能換貨就換貨，能補發就補發，最后才是現金補償，且在商家授權額度內逐步抬價，平均退款挽單成功率超過20%。

為了減少商家的經營風險，AI店小蜜也接入了新上線的AI假圖識別模型，精準攔截“羊毛黨”

現在AI能夠達到的服務效果，就是每個商家最優秀的那一批客服能夠達到的效果，甚至要更優秀，小米天貓官旗接入后轉人工率下降了45%，特步天貓官旗轉人工率下降了55%。

AI+人協作超過人，反而讓人更值錢了

阿里公開了一組A/B測試數據。

測試邏輯很簡單，流量進來之后隨機切1%直接交給人工，剩下99%先走AI、搞不定再轉人工。結果是"AI+人工"的整體轉化率全面超過了純人工，差距2至3個百分點，相對提升約10%。不只是夜間，白天也是，全時段。

大多數商家的用法是夜間開AI店小蜜省成本、白天切人工保轉化?，F在數據說明，繼續把AI店小蜜鎖在夜班，等于把白天最貴的流量、最確定的成交，主動讓給對手。

因為AI客服的正確介入姿勢是：全時段和人的配合協作，而不是白天純人工，晚上用AI這樣作為備選方案兩邊切換。

AI接手標準咨詢之后，人工客服從大量重復性問答里被解放出來，得以集中精力處理真正有價值的場景：復雜售后、高客單訂單、需要靈活判斷的邊界情況。

人可以站在AI的肩膀上做決策，當AI判斷某個對話超出處理范圍，轉給人工時附帶的不是一個空白對話框，而是一張實時生成的信息卡片——用戶情緒狀態、轉化潛力評分、推薦話術。人工接手時站在AI的預判結果上繼續，而不是從零開始。接入AI輔助的坐席，轉化率比未接入的高出2個百分點。

Gartner在2025年對321名客服負責人做了調查，結果跟大多數人預期的不一樣：AI介入后55%的企業是用同等或更少的人力，處理了更高的咨詢量。另外，80%的組織計劃把部分客服轉型為更復雜的角色——不是裁掉，是往上走。

為什么會出現如此反直覺的結論？

一是需求被激活了。AI把服務變好了，用戶咨詢的門檻降低了，反而有更多人愿意問。這是經濟學里的Jevons悖論——AI客服變得更高效更好用，反而刺激更多使用，總量漲了，人力不降反升。

二是客服工作本質上是例外處理的集合。AI接手的是標準化的那80%，但剩下20%的復雜糾紛、情緒激動的用戶、需要靈活判斷的邊界情況，恰恰是最需要人的地方。

三是AI本身需要人來管。商家也需要有為AI客服制定基本策略的角色。品牌商家內部一直都設置有“客服訓練師”的崗位，只是現在學員變成了Agent。

賬可以算得很清楚

商家接入AI客服最大的收益，不在于節省成本或是減少客服出錯，而是AI客服能夠帶來實打實的轉化成交。

AI店小蜜分標準版和高階版。標準版0.2元/通，主打穩定服務和降低轉人工率；高階版0.5元/通，Token消耗是標準版的5倍以上，對應更深度的導購和挽單能力。

高階版的賬是這樣算的：月咨詢1萬通，成本5000元；客單價200元，轉化率增加3個百分點，多成交300單，月增收6萬元。5000元成本換6萬的交易，投入被放大了12倍。

平臺面向日咨詢量較低的中小商家免費開放標準版，額外投入萬億Token補貼。

AI在廣告端帶來的平臺級增量，分攤到每個商家是模糊的，但是在客服場景，鏈條極短，歸因極清晰，一通對話要么成交要么沒成交，ROI一目了然。

互聯網讓一家公司可以服務的用戶規模指數級增長，卻讓客服變成了成本中心和體驗黑洞。AI正在把這個矛盾解開——不是通過替代人，而是通過讓高質量的注意力第一次可以在規模化的場景里被復制，用到對每一位客戶的服務中，從而堵上轉化漏斗最后一層的漏洞。

618馬上開賣，這件事正在更大的規模上被驗證。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4857593.html?f=wyxwapp