" 客戶服務已經不再是企業的成本中心，而是效能最高的‘再營銷’和‘再銷售’場景。" 近日，在 2025 Inclusion · 外灘大會間隙，數字碼力董事長兼 CEO 周蕓表示。

在 AI 浪潮席卷而來的第四年，AI 加持下的對話機器人已在電商、服務業廣泛應用，但在性能、成本與協同機制等層面仍然存在落地難題：雖然已投入巨資引進各類 AI 工具，但未能在財務報表上產生顯性的生產力變革。

對此，周蕓指出，問題的根源并非技術本身，而是 AI 在企業應用中存在理想與現實的差距，不僅需要在技術架構上實現創新，還需要對業務流程進行重塑，讓客服中心變成體驗中心，最終變成價值中心。

" 要把每一次的客戶交付變成一個全新的增長機會。" 周蕓表示，過去的客服集中在售后場景，但事實上存量客戶運營、潛在客戶挖掘都是尚未被關注的 " 金礦 "，需要通過客戶交互來實現復購、加購帶來的業務增長。

為了破解 AI 在真實場景中 " 落地難、見效慢、協同繁 " 的共性困境，螞蟻集團旗下數字碼力在外灘大會正式推出首批專家級 "AI 數字員工團隊 "，覆蓋客服、營銷、巡檢、銷售培訓及研發等五大核心業務領域，讓 AI 深度融入企業運營，為企業提供可量化、確定性的業務增長結果。

" 我們與過去 Chatbot 對話機器人是不同的，我們不交付技術指標，直接向客戶交付業務效果。" 周蕓表示，AI 數字客服團隊可幫助中小企業提高約 70% 的人效，降低 35% 的運營成本，并大幅提高業務轉化率。在數字螞力的電商客戶實踐中，這一模式已為企業帶來約 10% 的 GMV 增長。

數字員工革新：從交付技術指標到交付服務效果

當前市場上也有很多 AI 客服，傳統企業服務領域的智能化進展如何？

周蕓：從市場規模來看，人工客戶服務的市場規模超過 1000 億元，而對話機器人還是小幾百億的市場規模，這是因為傳統的 Chatbot 對話機器人在客服體驗上還存在局限性。

按照傳統客服架構的邏輯，對話機器人的開發與人工服務系統，是相互割裂的兩個體系，導致企業知識體系也是割裂的。因此對于企業而言，可以通過對話機器人來降低人工坐席的數量，但并不能夠保證服務的質量，這也是用戶感受到機器人服務與人的服務存在差距的最大原因。

今年以來，企業端的 AI 應用非常普遍，但很多企業沒有達到預期的效果，你認為造成這種困境的原因是什么？

周蕓：現在大多數 AI Agent 的定位依然是輔助工具，背后最大的原因是準確性不足。

一般 AI 應用的準確性要達到 95%-99%，企業才敢放心使用。企業的業務流程比較復雜，每個流程節點都有可能出現錯誤，哪怕 AI 應用的準確性已經達到 90%，但在五個節點下按 0.9 的五次方計算，整體準確性將在 60% 以下。所以現在 AI 應用 " 用起來 " 是容易的，" 用得好 "，真正產生效果、產生收益還有一段路要走。

第二點原因是，AI Agent 是具備自主性的，在現有生產關系下，讓 AI 與人類員工進行協同，會對生產流程與生產關系產生革命性變革。新的生產力會改變生產關系，但舊的生產關系往往會成為阻礙。從歷史經驗來看，從蒸汽機到首個現代化、流程化的工程，也經歷了一兩百年的時間。因此，我們希望讓企業不需要為協同的成本付出更高代價，而是由我們交付一個完整的客服中心，幫助企業在人機融合下重塑原有生產關系。

數字碼力新推出的 AI 數字員工團隊與傳統對話機器人的差別在哪里？

周蕓：在傳統的客服體系下，一般不會考核對話機器人的滿意度，而是考核轉人工率、準確率等技術指標，只有對人工客服才考核滿意度。這在一定程度上傷害了品牌的客戶體驗，因為對客戶來說，機器人和人工客服的服務是一個整體的感受。

數字碼力交付的不是這類技術指標，而是業務指標。我們的合同是一個三年的承諾，基于當下企業包括人工客服與對話機器人在內的整體客服成本，我們承諾每一年將成本降低至一定比例，與此同時，我們還承諾整體的服務滿意度，從而為客戶帶來更好的體驗。

客服定位革新：從成本中心到增長新入口

數字碼力的這種創新業務模式背后，是基于你對客戶服務市場怎樣的洞察？

周蕓：在流量見頂的時代，客戶服務不應該是企業的成本中心，而是要把每一次客戶交付變成一個全新的增長機會。

原有的客服業務流程往往聚焦在售后環節，但這意味著如果用戶沒有出現問題主動聯系客服，就難以形成交互。我們認為，客服中心要往前 " 走兩步 "，先變成體驗中心，最后變成價值中心。

從客服中心到體驗中心，需要企業挖掘既有客戶服務中了解客戶訴求，從中找到產品改善的關鍵點與機會點，實現產品能力的升級。從體驗中心變成價值中心則是更進一步，在現在新客流量高昂的情況下，需要通過交互來刺激存量客戶復購、關注或加購的客戶新購，這是一個尚未被挖掘的金礦。

AI 數字員工團隊是如何實現這種交互的？

周蕓：AI 為客戶服務帶來了巨大的變化。以銀行為例，以前 AUM 在 30 萬以下的個人客戶是沒有專屬銀行客戶經理的，因為 ROI 成本算不過來。對于大量客單價在幾十、幾百的品牌來說，很難讓人工客服來陪伴存量客戶或待轉化的客戶。

今天的 AI 能夠及時提示員工什么時候陪伴、什么時候是觸達客戶的合適時機、用戶偏好等等，大幅提高人工客服的效率，目前已經有企業和我們一起用這個模式帶動增長了。

在這個過程中，如何提高 AI 數字員工團隊的準確性與智能化水平？

周蕓：正如我前面所說，由于還存在 AI 準確性欠佳、生產力變革不完全等問題，目前我們還是以人機融合作為一個有效落地路徑，把執行準確率較高的動作交給 AI 執行，把需要復雜決策與編排的部分交給人工客服，從而提高整個流程的可靠性。

與此同時，在人機融合的過程中，AI 可以學習到很多人類經驗。大模型傳統訓練是靠數據和預訓練來提高智能上限的，但在企業這一閉環組織中，必須依靠模型的自主學習能力，可以基于在交互場景中產生的數據來提高智能上限。

展望更遠的未來，你認為 AI 與人工客服將是怎樣的關系？數字碼力對 AI 有怎樣的期許？

周蕓：AI 團隊完全取代人類實現決策，這不是能力的問題，而是治理機制的問題。在 AI 客服團隊中，我們會賦予人一些特定的分工，來區別人與 AI 的工作。例如涉及賠付或高額優惠等問題時，可以讓機器人提供輔助判斷、識別用戶意圖、提供用戶標簽等等，但具體為價格敏感型客戶提供多少優惠，這一決策還是需要人工來做。

我們相信，AI 不僅是降低成本的工具，更是驅動增長的核心引擎。在最復雜的場景中，數字螞力將繼續錘煉企業級能力，共同探索 AI 驅增長，效能即未來的新范式。