生成式AI正在从“建议者”转变为“执行者”，这一转变正在客服行业引发新的效率与摩擦。近期一项针对淘宝客服的对比实验显示，当AI仅作为辅助工具时，能显著提升员工效率；而当AI开始自主处理用户会话时，虽然处理速度加快，用户满意度却出现下滑。这一现象揭示了企业采用通用目的技术时普遍面临的“生产率J曲线”困境。
实验数据提供了直观的对比。2024年1月至2月，研究者将5940名入职不满一年的淘宝客服随机分组，观察约256万次会话。配备生成式AI助手的实验组，客服识别问题时间平均下降8.2％，会话时长下降1.1％，用户“不满意”比例下降3.4％。低绩效客服的改善尤为明显。而在2024年8月的第二次实验中，647名客服参与的17天Agentic AI实验覆盖约68万次会话，AI自主处理了约5.8％的会话，处理时间下降16.8％，但用户评分下降约0.412分。速度与满意度的背离，说明AI更快结束会话并不等同于问题被更好解决。
这种差异的根源在于AI介入深度的不同。AI助手模式下，系统提供建议，人工判断并执行，企业的SOP、审批权限和责任归属均未改变，AI只是工作台中的工具。而在Agent模式下，AI开始读取真实业务数据、选择规则并调用系统，直接推进任务链。从“识别问题—确认订单—查询规则—判断资格—执行退款—写入工单”这一完整链路来看，每一步的结果都是下一步的输入，任何环节的偏差都会导致后续判断失效。
历史经验表明，这种转型阵痛并非客服行业独有。经济学家Paul A. David在研究电气化历史时指出，早期工厂将蒸汽机更换为电动机后，仍按蒸汽时代的方式运行，生产率并未立即提升。直到单机驱动普及，企业重新设计设备布局和生产组织后，效率才显著改善。Erik Brynjolfsson等人将这一滞后概括为“生产率J曲线”：通用目的技术投入初期，成本先行发生，收益需待配套资产形成后才释放。微软参与的一项覆盖66家企业、7137名知识工作者的随机实验也显示，使用Copilot 12周后，员工每周处理邮件时间减少1.4小时，但会议时间、写作时间及邮件线程、会议和文档数量无显著变化。
当AI从辅助岗位走向主导流程，企业需要重新设计的不只是软件系统，还包括数据规则、权限边界和人工接管机制。以一笔500元退款为例，AI要完成退款，需打通订单系统、规则引擎、审批流程和工单记录，而当前许多企业的实际流程仍是“AI—人—AI—人—系统”的交替模式，每次交接都增加等待和上下文丢失。模型能力的提升速度已快于企业组织流程的调整速度，这一时间差将成为未来一段时间内企业AI应用的主要矛盾。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
