客户:某二线车企 投入:500 万 周期:8 个月 结果:AI 客服识别准确率 60%,客户投诉 +35%,人工客服工作量 +40%
一、看起来很美
2025 年初,这家车企决定上 AI 客服系统。
方案亮点(从 PPT 上看):
- 24 小时响应
- 多轮对话能力
- 意图识别 + 知识库
- 自动化工单生成
- 支持多语言
领导预期:节省 50% 人工,客户满意度提升到 95%。
二、8 个月后的事实
上线 8 个月后,数据是这样的:
| 指标 | 目标 | 实际 |
|---|---|---|
| AI 解决率 | 70% | 35% |
| 客户满意度 | 95% | 78% |
| 人工客服工作量 | -50% | +40% |
| 客户投诉率 | -30% | +35% |
ROI:负 60%。
三、真实根因(流程惯性反噬)
回看项目,真实根因是典型的流程惯性反噬:
根因 1:AI 没有"上下文"
AI 客服的知识库只有 FAQ 文档,没有客户历史。
- 客户问"我的车怎么启动不了"
- AI 答"请检查电瓶、燃油、车门是否关好"
- 实际客户的车是新款,启动方式是按钮式
- 客户骂"你们这 AI 是傻子吗"
根因 2:流程从"人工直接答"变成"AI 生成 + 人工改"
以前的流程:
客户提问 → 人工客服 → 直接回答 → 结束
现在的流程:
客户提问 → AI 分类 → AI 生成答案 → 人工审核(50% 不通过) → 人工改写 → 回答
步骤从 2 步变成 5 步,人工工作量不降反升。
根因 3:异常处理没设计
AI 处理不了的,自动转人工。但"处理不了"的判定本身就有问题:
- AI 信心度 60% 时转人工
- 人工审核发现 50% 答案不准确
- 人工要二次改写,工作量增加
根因 4:责任边界模糊
“AI 答错了谁负责?“这个问题没人回答。
- 产品经理说是 AI 厂商的锅
- AI 厂商说知识库是车企提供的
- 客服主管说"我们没参与设计”
- 客户投诉找不到人
四、净值计算
按流程惯性反噬公式:
净值 = 工具创造的效率 - 流程改变带来的阻力
工具效率:每天节省 100 通人工(理论上)
实际阻力:
- 客户投诉增加,多处理 200 通
- 人工二次改写,每天多花 4 小时
- 培训成本 50 万
- 客户流失损失 80 万
- 维护成本 30 万/年
净值 = 100 - (200 + 改写 + 培训 + 流失 + 维护) = 大幅负数
五、正确做法
如果重来一遍,应该这样做:
- AI 只做"分类”,不直接生成答案
- 简单问题(查违章、查天气)→ AI 直接答
- 复杂问题(车辆故障、投诉)→ 转人工
- AI 必须接入客户历史(CRM 打通)
- 异常处理有 SOP,不能"AI 答错就人工补"
- 责任写在合同里:AI 出错谁赔、谁兜底、谁改
六、流程惯性反噬的启示
这个案例的启示:
| 启示 | 含义 |
|---|---|
| PPT 上能做的,实际流程里未必能做 | 工具功能 ≠ 流程效率 |
| AI 解决 60% 不如人工解决 95% | 复杂场景不要强求 AI |
| 流程步骤增加 = 流程惯性反噬 | 5 步做 2 步的事,得不偿失 |
| 责任边界不写清楚,出问题就扯皮 | 文档化责任是项目的基础 |
完整 12 问流程自查清单,回复"清单"领取。