2026-08-13 鹈鹕全面客户体验管理 | 译者：马振江
人工智能（AI）在客户体验领域已从承诺阶段迈入生产阶段。在积极应用 AI 的联络中心和客户体验决策者中，部署已广泛普及，投资持续增长，且早期投资回报（ROI）迹象强劲。各组织已在多个方面应用 AI，包括自助服务、分析和监控以及客服座席辅助。因此，对于许多领导者而言，问题已是“如何使其在真实的客户旅程、真实的员工工作流程以及真实的业务限制条件下有效运作？”
消费者并不完全持相同看法。他们以自己的节奏前进。大多数消费者仍然更倾向于与真人交谈，而在关键时刻，人们都会拿起电话。语音并非过时的习惯，而是客户最信赖的渠道。消费者一直在尝试 AI，80% 的消费者愿意在能够明确转接人工服务的情况下尝试 AI 客服。但他们并未完全买账；有些人会对那些使用 AI 却披露不透明的公司产生不信任。
尽管如此，机遇依然随处可见，只是目标和标准已经发生了变化。对商业领袖而言，现在的问题是如何实施 AI 并加以利用——而且要善加利用。不过，需要注意的是，并没有一套通用的操作指南或运营模式。AI 并非万能良药，仅仅部署一个 AI 聊天机器人并不会彻底改变联络中心。每位领导者都必须评估自身独特的状况，选择符合需求的合适模型和基础设施，并规划在每个环节如何让人类参与其中。
数据也指明了这一趋势。AI 在客户体验领域的未来既不是完全自动化的，也不是“一刀切”的。它正越来越多地将速度、规模和智能，与人类客服人员的判断力、沟通能力以及建立关系的能力相结合。AI 将接管日常任务和行政工作，客服人员将专注于那些复杂、涉及情感且价值极高的关键时刻——这些时刻往往决定着信任的建立或破裂。利用 AI 让每次互动都更加高效、更切合实际，并最终更具人性化，将成为竞争优势。
最强大的组织是那些能够让 AI 在自身业务现实中有效运作的组织：涵盖人员、数据、工作流程、渠道、治理和基础设施等各个方面。AI 在客户体验领域的应用正在取得成效。现在，更艰巨的任务是使其大规模良好运行。
本次调查收集了来自美国、英国和德国的 3600 名受访者的观点，其中包括 3000 名消费者和 600 名商业决策者。
AI 应用的规划阶段已成过去
90% 的组织正在试点或已实施一项或多项 AI 应用场景，其中自助服务、质量保证以及语音和文本分析处于领先地位。大多数组织（84%）仍处于从本地基础设施向云端基础设施过渡的阶段，不过其中大多数采用的是混合模式，而非完全本地部署。尽管如此，AI 应用的挑战依然存在，其中数据安全、可靠性、可扩展性以及用户同意是主要障碍。解决方案策略同样存在分歧：34% 倾向于端到端平台，34% 倾向于混合方案，30% 倾向于采用最佳专用工具。这进一步证明，目前尚未形成统一的实施指南。
AI 开始带来实际效益：既惠及客服代表，也提升了企业利润
AI 的应用正在全面普及，90% 的决策者表示，在所有应用场景中都实现了正投资回报率。主要效益包括决策流程的优化、效率与生产力的提升、数据分析能力的增强以及客户体验的改善。客服代表也从中获益，包括因数据驱动的决策、异常处理、自助服务、AI 辅助记录、实时翻译和知识检索等功能，实现了角色升级和工作量减轻。
决策者与消费者之间的认知差距依然存在
几乎所有（99%）的决策者都认为，过去十年间客户服务有所改善，但只有三分之二的消费者认同这一观点。消费者认为与人工客服接触机会减少是造成这一现象的主因。大多数消费者（80%）对 AI 持开放态度，但他们希望在与 AI 互动时，随时能通过一个按钮，切换到真人对话。电话沟通依然占据主导地位。各年龄段的消费者都更倾向于通过电话与真人交谈。即时通讯应用、自助服务和 AI 驱动的渠道则是他们最不青睐的选择。
AI 在客户体验领域蕴藏巨大机遇
多达三分之一的商业决策者（BDM）认为，AI 应处理相关用例，比消费者高出近三分之一，而消费者虽然相信 AI 的能力，但认为其实际应独立处理的任务范围小于预期。96% 的业务决策声称在 AI 到人工客服交接过程中能有效保留上下文信息，但多达 37% 的受访者表示存在挑战，如信息不完整和需要重复收集信息——35% 的消费者对此表示认同。
在过去的几年里，客户体验领域的领导者和决策者们一直被关于 AI 的各种问题所困扰：“它在我公司的联络中心中该如何定位？”“如何帮助客服代表提高工作效率？”“AI 能为我的组织带来哪些好处？”尽管存在这些问题，AI 的采用仍在稳步推进，几乎每个联络中心每天都涌现出越来越多的聊天机器人和 AI 工作流程。
随着时间的推移，领导者们关注的问题已从理论层面转向执行层，变成了“如何提升 AI 在组织中的应用效益？”、“下一步该在哪些领域部署 AI？”以及“如何大规模部署 AI？”。但 AI 应用初期面临的那些挑战正再次浮现，从消费者认知的差异到数据安全问题——更不用说仍在进行中的数字化转型工作了。
显而易见的是，客户体验负责人需要升级其 AI 客户体验战略，从单纯地“按下 AI 按钮”转变为深入理解 AI 对客户服务的价值——以及如何在更大范围内有效实施。向任何一位客户服务领域的商业决策者询问 AI 相关问题，你很可能会得到相同的回答：“这在我优先考虑的事项之列。” 事实上，我们发现，90% 的客户服务决策者表示，其所在组织已经部署或正在试点一个或多个 AI 应用场景。金融服务公司是领先者，其中四分之三的企业已实施 AI，领先各行业整整 13%。
与欧洲在 AI 应用方面进展缓慢的趋势一致，在德国企业中，处于 AI 呼叫中心试点阶段的企业数量远多于已投入实际应用的企业，其中超过三分之一的企业仍在等待其 AI 用例的全面上线。同样，小型组织在 AI 采用方面落后于大型组织：员工人数少于 250 人的组织中，仅有四分之一已在呼叫中心部署了 AI，而员工人数在 1000 至 10000 人的组织中，这一比例则正好相反（四分之三）。
是什么因素阻碍了 AI 的采用率呢？数据安全是最关心的问题，31% 的商业决策者表示遇到了这一挑战。然而，在列出的 18 项不同挑战中，每一项都有至少五分之一的受访者勾选了“正在面临”该挑战。事实上，仅有 4% 表示在客户体验领域采用 AI 时未遇到任何挑战，这充分说明仍有许多问题亟待解决。
数据安全、可靠性、可扩展性以及用户同意方面的问题，在全球范围内仍然是主要障碍。特别是在德国，用户同意实际上已超越数据安全，成为最受关注的议题，尽管两者差距仅为一个百分点。数据安全问题之所以持续存在——也是其总体排名第一的原因之一——可能部分归因于当前的 AI 治理方法。
在成功实施的情况下，部署 AI 最常见的应用场景是自助服务（42%）、质量保证（41%）以及语音和文本分析（40%）。鉴于 AI 的自主特性及其众所周知的数据处理能力，这一结果符合我们的预期。然而，个性化应用的实施进度相对滞后，这表明生成式 AI 的能力可能尚未达到行业领军企业所需的水准，无法支持其大规模实施个性化服务。
个性化功能及其他生成式 AI 能力（例如知识创作、实时翻译）在普及率方面排名处于后半段的原因，可能在于商业决策者在 AI 模型选择上的差异。我们发现，对 AI 模型的偏好在以下几种选择之间存在差异：来自单一供应商的通用大型语言模型（LLM）、多种大型语言模型、私有模型以及第三方应用。
然而，这种分布式架构是正确的做法，因为目前尚未出现一种占主导地位的 AI 架构，而等待其出现本身就存在风险。AI 模型必须基于海量数据进行训练才能正常运行。
这些数据的属性（例如格式、内容、数量）决定了 AI 模型能否正常运行，并决定了每个模型在哪些领域表现出色。例如，如果一个 AI 模型是基于零售行业的文本通信数据进行训练的，那么让它为一家医疗保健公司解读语音通话，很可能导致失败。因此，最初的实验已发展成为一门成熟的学科：成功的组织不会坐等单一“赢家”出现——而是将合适的模型与当前的具体业务问题相匹配。
没有任何一个 AI 模型能够独立运营呼叫中心。最明智的策略是保持开放性：为每项任务选择最合适的模型，将其与你现有的 CRM、WEM 和知识库对接，并随着市场的发展，灵活更换组件。
尽管许多组织正在努力推进 AI 采用，但其中大多数（84%）也（至今仍）处于从本地基础设施向云端基础设施转型的过程中。不过，值得欣慰的是，大多数组织认为自己属于混合型组织，而非完全采用本地部署模式；其中 68% 的混合型组织表示，其本地部署与云部署的比例已各占一半，这表明完全基于云的联络中心成为常态的日子或许已为期不远。数据安全和隐私问题以 38% 的占比位居榜首。仅有 4% 的受访者表示没有遇到任何挑战。
无论 AI 在联络中心部署于何处，其带来的益处已广泛显现。部分得益于 AI 在众多应用场景中创造的机遇，商业决策者们报告了大量应用案例——这些案例既惠及客服代表，也为组织带来了投资回报。
“决策流程的优化”是最常见的答案，五分之二的商业决策者将其列为所在企业所获得的益处。然而，“效率和生产力的提升”紧随其后（仅落后一个百分点），而“数据分析能力的增强”和“客户感知度的提升”以 37% 的比例并列第三。不过，不同地区的调查结果略有差异。美国商业决策者将“提高效率和生产力”列为首要优势（这与金融服务行业以及中型企业的结果一致），而英国受访者则将“增强数据分析能力”列为首位（与微型企业的结果一致）。
不过，无论最受欢迎的选择是什么，每一位商业决策者都一致认为，他们看到了益处，而且每项列出的益处都有三成商业决策者表示自己亲身经历过。因此，尽管在采用 AI 时可能面临诸多挑战，但一旦该技术落地，他们也能从中获得诸多益处。
AI 带来的益处也不仅限于组织层面。长期以来人们所期待的客服代表工作从低价值向高价值的转变正开始成为现实，商业决策者们报告了多个应用案例，其中 AI 正在协助客服代表处理日常工作。45% 的商业决策者表示，数据驱动的决策支持、异常处理和判断决策（占 44%）是 AI 提升客服人员价值的主要方式。然而，与其他一些调查结果相比，这些结果在不同行业间的差异更为显著，其中医疗健康行业的看法差异最大。
AI 正在兑现的另一项承诺是减轻客服人员的工作负担，企业决策者们（再次）列举了该技术提供帮助的多种方式。自助服务、文档支持、实时翻译和知识检索均位列榜首，在受欢迎程度上彼此差距均在三个百分点之内。不同地区和行业之间的结果基本一致，排名顺序差异极小。
除了提升角色价值和减轻工作负担外，AI 还在缓解客服人员的职业倦怠和人员流失，半数商业决策者报告了这一情况。不过，情况并非一成不变：这一比例在金融服务行业升至 57%，在旅游/酒店业为 55%，但在医疗健康行业降至 45%，零售业为 43%——而且 35% 的企业决策者表示职业倦怠实际上有所增加。总体效果虽属积极，但这同时也证实，在工作压力得到缓解的同时，工作复杂性也在不断增加。
五分之三的决策者表示，人工客服处理的常规咨询减少了——这类咨询历来因需要处理简单、重复的工作而让客服人员感到沮丧。然而，这种减少似乎并未转化为处理更多复杂咨询——至少并非始终如此。虽然 45% 的决策者表示，其客服人员处理的工作比两年前更复杂，但也有 42% 给出了截然相反的看法。
在所有四个领域（例如：角色提升、工作量减轻、职业倦怠缓解以及从常规工作向复杂工作的转变）所产生的广泛影响，标志着 AI 在改变客服人员角色和任务上取得了飞跃。然而，这也意味着联络中心在处理人力工作方面需要做出改变。客户体验负责人必须调整在培训、知识创造与获取以及决策支持方面的做法，才能充分利用这一演变带来的机遇。
此外，这里还存在一种累积的积极效应。随着客服人员承担更多复杂且需要判断力的工作，他们处理的每一次互动都会产生信号：他们使用的语言、处理的例外情况、做出的决策，这些都能随着时间的推移，对 AI 进行训练，使其更加精准。
人类让 AI 变得更好，而 AI 则让人类的工作更具价值。
正如往常一样，客户体验负责人面临着证明其投资财务价值的压力，而 90% 的决策者表示，在 AI 应用的所有领域都实现了正投资回报率。其中，知识编写与整理，以及通过智能虚拟助手（IVA）/聊天机器人实现的自助服务自动化表现最为突出，93% 的决策者表示这些领域的投资回报率为正；不过，实时合规监控被提及的频率最高，被认为具有非常积极的投资回报率。尽管如此，在所有受访群体中，结果大多呈现收支平衡或正回报，仅有极少数决策者报告了负投资回报率。
尽管如此，AI 能够带来投资回报这一事实，仅是整体应用图景中的一小部分。联络中心的 AI 部署仍处于起步阶段，而客户体验领域的 AI 实施指南远未明确。挑战与收益同样众多，每位客户体验负责人都必须确定自己的发展路径，才能取得成功。因此，尽管客服代表和组织已经开始收获回报，但接下来的步骤或许最为关键：让 AI 在各企业的实际运营中，以大规模的方式切实发挥作用。
尽管企业决策者或许正在为过去十年成功采用 AI 以及客户服务水平的提升而庆贺——99% 的决策者认为如今的客户服务比 10 年前更好，其中 43% 认为服务有了显著改善——但消费者对此并不完全认同。在我们调查的消费者中，30% 认为客户服务实际上有所恶化，其中超过半数（55%）将原因归咎于人工服务渠道的减少。
代际差异在此表现得尤为明显：仅有 19% 的 Z 世代受访者认为客户服务质量有所下降，而婴儿潮一代中持此观点的比例则高达 46%。（关于 Z 世代的说明：这一代人目前年龄大致在 14 至 29 岁之间。虽然所有受访者均年满 18 岁，但即使是最年长的 Z 世代受访者，十年前也还是青少年——因此，他们对客户服务变化的看法所依据的经历，远比其他世代要短。）尽管各代人对服务质量是否恶化的看法不一，但所有世代都一致认为，这种恶化是由于人工客服渠道减少所致。
消费者深知客户服务模式正在发生转变。其中一半人已经意识到，他们的大部分互动都是由 AI 处理的，而五分之四的消费者愿意尝试使用 AI 客服。消费者表示，优质客户服务的两大核心特征是快速解决问题和响应迅速——而这两点正是 AI 大有可为的领域。但消费者并未急于投身于 AI 客户服务，他们目前仍处于试水阶段。
半数消费者只会给 AI 最多五分钟的尝试时间，这进一步印证了他们对快速解决问题的渴望。但五分之一的消费者会完全绕过 AI，而两倍于此的比例（40%）仅在必要时才会使用它。仅有四分之一的消费者认为 AI 渠道比其他选项更方便，尽管总体而言，半数消费者认为全天候服务是 AI 驱动的客户服务的主要优势，这凸显了消费者认知中的两极分化。
消费者对 AI 看法存在分歧的原因之一，似乎在于联络中心使用 AI 时需要保持透明度。事实上，71% 的消费者认为，被告知自己正在与 AI 客服交谈这一点“非常重要”或“极其重要”。
尽管有些消费者选择 AI 客服服务是因为他们不想与真人交谈，但这类消费者显然是少数。我们发现，与实时聊天和电子邮件等其他渠道相比，消费者始终更倾向于致电客服中心。66% 的消费者表示，在寻求客户服务时，他们更愿意与真人交谈，而每 10 名消费者中就有 3 人会拨打电话来寻求解答。
正如许多人所预料的那样，随着消费者年龄的增长，电话成为压倒性的首选渠道，在“沉默一代”中这一比例高达 66%。然而，对于每一代人来说，对 AI 驱动的渠道、自助服务、即时通讯应用和短信的偏好都只有个位数，最低仅为 3%。这并非怀旧，而是信任。当风险很高时，客户会选择能够由有能力的人解决问题的渠道。
尽管绝大多数消费者并不青睐即时通讯应用或 AI 渠道，但这两者却是企业决策者最倾向于投资的前两大渠道，投资比例分别为 58% 和 56%，这进一步凸显了这两类群体之间的认知差距。不过，必须认识到，消费者的反感可能源于满意度问题：消费者对这两类渠道的满意度评分始终比传统渠道低约 20%。如果企业决策者选择投资提升其对消费者的实用性，满意度可能会提高，从而改变消费者的认知和偏好。
话虽如此，联络中心渠道的投资绝非单一，52% 的决策者表示计划投资实时聊天，50% 计划投资电话支持，48% 计划投资自助服务帮助中心。值得注意的是，金融服务行业的决策者将即时通讯应用列为最受欢迎的投资选项（59%），而医疗保健行业的决策者则将聊天机器人和虚拟客服列为首选（55%）。零售业倾向于传统方式——电话支持的投资占比最高，达 66%——而旅游/酒店业则完全相反：74% 的受访者计划增加对聊天机器人和虚拟客服的投资，这是渠道数据中最引人注目的数字。
我们的调查显示，提供人工服务选项会显著改变消费者对这些渠道的看法。当提供明确的人工联系选项时，仅有 21% 的消费者不相信 AI 能够解决他们的问题；而没有此类选择时，这一比例高达 47%——不到一半。尽管提供人工选项并不影响 AI 支持服务的实际效果，但“切换到人工客服按钮”却显著改变了消费者的认知，这凸显了其重要性。
对人际互动的偏好不仅影响了对 AI 的接受度，也影响了消费者对使用 AI 的企业的看法。多达 41% 的消费者仅因某家公司使用 AI 提供客户服务，就更不愿意使用该公司的服务；如果无法获得人工支持，这一比例将跃升至 53%。消费者向客户体验负责人传达的信息非常明确：“我们愿意使用 AI。但你们必须证明其有效性，并在向 AI 客户体验过渡期间保持传统渠道畅通。”
归根结底，AI 为客户服务带来的正是机遇。而且这些机会不胜枚举。消费者对 AI 的兴趣确实存在，领导者只需付诸行动即可。事实上，半数的消费者认为 AI 能够处理他们需要帮助的大部分客户服务任务，另有 12% 的消费者表示 AI 可以处理所有任务。为了了解这些应用场景，我们询问了消费者，客户服务中的 AI 能够准确完成哪些任务，结果颇具启发性。
自动化该止步于何处？来自决策者和消费者的数据都指向同一个答案：既不是无处不在，也不是完全不涉及，而应遵循经过深思熟虑、基于风险的界限。几乎每位客户体验负责人都迫切希望在联络中心部署 AI。市场上关于 AI 的应用案例和概念验证正热议不断。早期实施的企业已证明了其有效性。甚至我们调查的商业决策者也持相同观点。而且我们发现，消费者对此也表示支持。当被问及 AI 能为客户服务带来什么时，许多消费者承认，AI 可以处理各种任务，例如查询订单和账户状态、对话摘要以及下一步建议。
然而，当被问及这些任务应由 AI 客服单独处理、由 AI 客服在人类协助下处理，还是交由人类在没有 AI 协助的情况下处理时，便显现出一种认知差距。消费者普遍认为 AI 可能有能力完成某项任务，但并不完全信任它能够独立完成，这再次印证了消费者仍然更倾向于人与人之间互动这一趋势。例如，54% 的消费者认为 AI 能够准确查询订单和账户状态，但只有 35% 认为这是它应该独立完成的任务。30% 认为它能够安全地验证身份，但仅有 16% 认为它应该这样做。就连退款处理的情况也不尽如人意：23% 的消费者认为 AI 能够处理退款，但只有 15% 认为它应该这样做。
在大多数应用场景中，消费者普遍认为 AI 客服应接受人类监督。这与企业决策者在被问及“谁（或什么）应承担哪些任务”时所作的回答形成了鲜明对比，进一步印证了他们对 AI 驱动的客户服务的偏好——同时也凸显了他们与客户之间的认知差距。
尽管决策者普遍认为，与消费者相比，AI 能够独立处理更多事务（密码重置除外），但在关于谁应处理哪些用例的意见分歧中，最大的差异出现在“人工介入”查询和“仅由人工客服处理”的查询方面。例如，61% 的决策者认为费用争议应由人工监督的 AI 处理，但持相同观点的消费者仅占 37%——两者存在四分之一的差距。在敏感的身份验证方面也存在同样的差距：56% 的决策者认为应由“人工参与”的 AI 来执行此任务，而持相同观点的消费者仅占 33%。在我们调查的每个用例中，业务决策者都比消费者更倾向于让在人工监督下运行的 AI 来处理相关任务。
需要明确的是，决策者并非在所有领域都推行自动化。他们正在根据风险情况，有意识地划定界限。以风险最高的案例为例：38% 的决策者表示，高风险的升级事项应完全由人工处理；43% 认为应由 AI 在人工直接监督下处理；而仅有 19% 愿意让 AI 全程处理。自动化在风险较低的领域扩展；在风险较高的领域，则由人工判断主导。这种界限的设定本身就是一种战略。
而且，遗憾的是，如果仅考虑哪些事务应由人工客服单独处理，这种差距还会进一步扩大。在我们列举的用例中，有一半的用例让大多数消费者认为，AI 根本不应该介入这些客户服务场景，这一比例远高于决策者的看法。
消费者之所以更倾向于选择人工客服，部分原因可能是他们在使用 AI 客服时遇到了挑战。许多人表示，AI 客服存在技术误解、难以处理复杂问题、要求重复提供信息以及无法解决所提问题等令人沮丧的情况。
只要领导者提供适当的资源并实施正确的战略，这种局面是可以扭转的。正如我们之前所述，AI 需要数据才能发挥作用。如果领导者能够迎合消费者当前的偏好，并提供他们所渴望的人工主导的体验——同时收集必要的数据来训练企业的 AI，优化其模型库——那么客户体验便能逐步向更由 AI 主导的工作模式转变。客户服务自动化可以且应当扩大范围，但必须与风险、复杂性以及客户期望相匹配。
领导者最初的目标或许只是争先恐后地在客户体验中部署 AI，利用消费者最初的好奇心或许能带来早期成效，但早期成效并不等同于赢得的信任。随着企业扩大 AI 的应用规模，成功的关键可能在于设计一种周密的“人机协同”模型，在自动化与符合消费者预期的明确监督边界之间取得平衡。是时候兑现 AI 承诺、解决消费者在使用 AI 驱动的客户服务时面临的挑战，最终弥合认知差距，从而为所有相关方提供更优质客户服务了。
交接环节正是检验本报告中每一项承诺的关键所在——而矛盾就体现在一组数据之中。96% 的决策者表示，其所在组织在 AI 转人工过程中能有效保留上下文信息。然而，83% 的消费者表示，在从 AI 转接至人工客服后，他们至少有时需要重复说明情况——其中 35% 表示经常或总是如此，另有 48% 表示有时如此。几乎所有组织都认为这种交接机制运作良好；而大多数客户却曾亲身经历过交接失败的情况。而决策者们自己也指出，在这 96% 的背后存在诸多摩擦。消费者不得不重复信息、交接过程中的技术故障，以及客服人员在不同渠道间丢失上下文信息，这些因素共同造成了服务断层——简而言之，正在破坏客户服务体验。就目前而言，AI 在这一关键时刻尚未完全满足客户或客服人员的期望与需求。
这种认知差距使得交接环节成为检验 AI 是否真正提升了客户体验的最直观试金石——也是在体验领域应用 AI 以实现其潜在效益时必须解决的挑战。当 AI 运作良好时，它会让人感到有帮助且充满联结感。但一旦出现故障，它仿佛成了又一道障碍。体验负责人必须抓住这一转折点，切实改善消费者的体验，才能扭转这种局面。
交接环节的失效因对消费者产生的影响而变得更加复杂。仅有 12% 的消费者在从 AI 客服切换到人工客服时不会感到沮丧，而每 3 人中就有 1 人表示自己感到“非常”或“极其”沮丧。28% 的消费者甚至表示，由于此次交接带来的负面体验，他们未来“不太可能”或“非常不可能”使用 AI 驱动的客户服务渠道。因此，尽管 AI 能够减轻工作量，提升客服代表的角色价值，但若不解决交接过程中的摩擦问题，可能会损害客户体验，削弱效率提升的效果。
对于许多联络中心而言，采用 AI 只是客户体验转型进入更复杂阶段的起点。各组织正取得进展，投资不断增加，投资回报率的积极信号也很明显。但研究同时也表明，前方的道路仍在探索之中。而那道鸿沟——即演示效果出色的 AI 与能够日常运营联络中心的 AI 之间的差距——正是决定下一阶段客户体验成败的关键所在。
客户体验的下一阶段将由 AI 的落地执行能力所塑造：能够将自动化与人类判断相结合，在交接和跨渠道过程中保持上下文信息的一致性，将治理机制融入日常运营，并在不影响服务质量的前提下实现基础设施现代化。
真正的赢家将是那些能够将 AI 融入运营——涵盖人员、流程、治理、基础设施和客户期望——并使其在自身业务现实中切实发挥作用的组织。由 AI 驱动的客户服务体验之路，对每个组织而言都将各不相同，会根据受众、行业和组织规模而变化。
但核心任务是相同的：客户体验领导者有机会将 AI 从一种已部署的工具，转变为客户体验中值得信赖、相互关联且持续改进的组成部分。这只需要正确的战略。这项工作比演示要困难得多。这也是优势不断累积之处：企业进行的每一次互动——每一次对话、每一次交接、每一次判断——都会让 AI 学到竞争对手永远无法掌握的知识。随着每次互动，能够闭环这一过程的企业，将提供越来越智能的客户体验。
原文地址：
https://www.five9.com/resources/e-book/business-leaders-cx-report
本文为作者原创翻译，欢迎转发分享。
转载时需在文章开头注明作者和“来源：鹈鹕全面客户体验管理（微信号：CEM-tihu）”，文字颜色为黑色，且不得修改原文内容。
欢迎小伙伴投稿合作，具体请联系：易女士 Yiml@tihu.com.cn
