企业服务领域一项新的公开基准测试显示，AI客服智能体在真实电商场景中的问题解决能力存在显著分化。电商AI客户体验平台Gorgias（年经常性收入1亿美元）发布了针对13家厂商的基准测试结果，测试覆盖212家真实运营的中型电商店铺，不设沙盒环境、不使用合成商品目录或厂商演示数据。所有智能体接收相同的客户消息，由评审系统在不知晓厂商身份的情况下，依据26项二元检查对每条回复进行评分。价格、政策、SKU等事实性声明会与实时店铺数据进行程序化核验。
测试结果显示，表现最佳的AI智能体能够完全解决约70％的对话，而典型厂商的解决率不足一半。排名前五的厂商解决率在64％至75％之间，中位数厂商的解决率为48％。按对话量加权计算，整个行业的平均自动化解决率为46％。自动化率在此定义为AI在无人工介入情况下解决的已参与对话占比。
具体排名方面：Rep AI以75％的自动化率（120次对话）居首，Decagon为73％（34次），Yuma为71％（118次），Ada为68％（420次），Gorgias为64％（388次）。DigitalGenius为50％（561次），Sierra为48％（408次），Siena为46％（300次），Kodif为44％（188次），Intercom为42％（307次），Zendesk为37％（467次），Envive为22％（499次），Klaviyo为21％（309次）。
基准测试同时揭示了自动化率与回答质量之间的错位。Yuma、Decagon和Gorgias是唯一在自动化率超过64％的同时质量评分超过65的厂商。Yuma自动化率71％、质量评分72；Decagon自动化率73％、质量评分70；Gorgias自动化率64％、质量评分66。Rep AI自动化率75％但质量评分仅55，Ada自动化率68％但质量评分仅39。Sierra质量评分72与Yuma并列最高，但自动化率仅48％。
测试报告指出，仅关注自动化率可能指向错误的厂商选择。一个被标记为已解决但给出错误退货窗口的工单，会引发二次联系，其成本高于首次接触。质量评分为39的厂商实际上在制造未来的工单量。
值得注意的是，Zendesk、Intercom和Klaviyo是多数品牌已付费使用的平台，但在此次基准测试中，三者解决率均未超过42％。数据显示，现有帮助台或邮件工具内置的AI功能是当前可选方案中表现最弱的一类。
趋势数据同样不容乐观。在拥有足够历史数据的10家厂商中，9家的自动化率在过去四周出现下滑：Siena下降23个百分点，Kodif下降13个百分点，Klaviyo下降11个百分点，Sierra下降11个百分点，DigitalGenius下降10个百分点，Ada下降9个百分点，Gorgias下降6个百分点，Intercom下降6个百分点，Zendesk下降4个百分点。仅Envive一家实现增长，提升8个百分点。质量评分走势相同，10家中有9家下降，其中Ada下降17个百分点，Zendesk亦出现下滑。
该基准测试为AI客服领域提供了一个少见的真实场景参照。对于正在评估AI客服方案的企业而言，自动化率与回答质量需同时纳入考量，而现有平台内置的AI能力在短期内可能难以满足实际业务需求。
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。
