B2B客户支持中的”叙事违规”：AI究竟是替代还是增强人类？

美国 | 科技 | 观点 | 文化 | 数据图表

我们很高兴宣布a16z的FDE Fellowship计划：这是一个为期8周的培训项目，面向处于将AI部署到真实企业前沿的FDE和应用AI领导者。 – 广告

在真正完成实际工作方面，AI取得最明显进展的两个领域是编程和客户支持。因此，很自然地，我们会从这两个领域寻找关于”AI是在替代工作，还是在增强工作？”这一问题的早期线索。在编程领域，答案似乎是后者：开发者比以往任何时候都更忙碌。但人们通常不认为客户支持是一个AI会增强人类的领域：他们认为AI会直接替代人类。（尽管正如我们上周在数据图表汇总中指出的那样，客户支持岗位的增长速度超过了整体就业市场。）

我们与Pylon（面向B2B公司的智能体支持平台）合作，分析了相关数据，发现了一个相当明确的答案：AI更多是作为一个隐形的分诊智能体或Copilot在发挥作用，而非端到端的支持处理者。它正在通过过滤噪音与真实入站请求、路由工单、将复杂问题连同客户上下文一起交给专家处理，以及提升人类在处理复杂工单时的效率和能力，来改变客户支持的前线。当AI主动参与一个工单时，相比它默默转交的情况，它可以将人类的工作量减少三分之一。

Pylon的CEO Marty Kausas直言不讳：”最优秀的AI公司并没有在替代人类。Cursor（编程）、Harvey（法律）、Abridge（医疗）、Clay（GTM），都是在增强人类，而非替代他们。我们在B2B支持领域也看到了这一点。简单问题可以自动化，但这些问题占用的时间也最少。B2B支持领域的大部分机会仍然在于增强，以及帮助支持团队更快地工作。”

以下是我们发现的数据：

一个工单的旅程：从AI到人类

AI辅助客户支持的传统核心指标是”拦截率”：入站请求中有多少比例到达了人类手中，多少没有。当我们提出诸如”AI成功完成了哪些工作、部分完成了哪些工作、协助了哪些工作？”这类问题时，拦截率就是你的核心数字。它涉及四个步骤：

正如你可能预料的那样，B2B和B2C公司的拦截率存在显著差异。目前，AI能够端到端解决B2B客户支持请求的比例大约只有15%，而在B2C企业中，这一比例约为35%。这很合理，因为平均每个B2B工单背后可能涉及更高的风险（无论是从金额还是客户关系来看！）。

拦截率作为指标的问题在于，它实际上并不能告诉你AI所做的所有艰苦工作。它只展示了最基本的过滤工作，但没有展示AI可以实际为客户解决问题、为从事客户支持工作的人类完成任务、或迭代改进流程的任何方式。

那么，它到底在做什么工作呢？

垃圾进，垃圾出

首先，显而易见的是：并非所有工单都是真实的，也并非所有解决方案都是真正的解决。

大约三分之一的AI分配的入站请求是不需要的噪音：营销邮件、误投邮件和系统通知。电子邮件是问题最严重的渠道：其中三分之二都是噪音。值得庆幸的是，专门的表单或聊天小部件的噪音要少得多。

与此同时，客户支持流程中的许多”解决方案”，你知道的，实际上并不是真正的解决。只是提出问题的人类从未再跟进而已。

所以，在基线层面，你面对的是一个相当漏水的”问题输入，答案输出”漏斗。问题是，AI能对此有所帮助吗？

核心观点：大多数时候，AI只是在安静地提供帮助

事实证明，在Pylon的数据集中，在人类-AI混合设置中，整整三分之二的时间里，AI会先查看问题，然后在不做任何回应的情况下将其分诊给人类。

AI在这里做对了两件事。首先，它成功识别了哪些问题是”足够困难，需要直接交给人类的”：AI立即分诊给人类客服代表的请求平均需要5.3条消息来解决，而基线水平（仅有人类时）是3.9条消息。其次，当AI先尝试协助客户时，即使在那些最终升级给人类的情况下，人类完成请求所需的消息数也比基线水平要少。这是强有力的证据，表明AI正在有效地帮助将工单分诊给专家，而不仅仅是为人类创造更多工作。