大模型重塑 AI 客服：从「答非所问」到能办事的智能体

智能客服在国内被大规模部署已经超过十年，但用户对它的印象始终不算好——答非所问、机械跳转、绕不开的人工转接，都是多年来积攒下来的吐槽。直到大模型与检索增强生成（RAG）技术被引入客服场景，这一长期被视为「人工智障」的产品形态，才开始出现真正意义上的体验拐点。

吐槽背后，是一个存在已久的市场

智能客服之所以被企业持续使用，本质上是成本与效率的权衡。客服岗位高频、重复、门槛不高，纯粹依靠人力成本高昂，自动化成了几乎所有中大型企业的必然选择。但用户体验却长期跟不上。

市场监管总局披露的数据显示，2024 年全国消费者投诉中，电商售后服务领域关于智能客服的投诉达 6969 件，同比增长 56.3%。问题集中在答非所问、人工难寻、沟通效率低三个方面。这也说明，智能客服长期处于「一边被部署、一边被骂」的矛盾状态。

早期智能客服依赖关键词匹配与预设话术，只要用户表达稍有偏离，系统立刻失灵。第二阶段引入语义识别、意图分类与历史对话训练，回复更灵活，但拓展成本高，遇到训练集之外的问题仍会卡住。

大模型时代带来了第三条路线：不再为每种意图训练独立模型，而是依靠知识库、RAG 与提示词工程，让模型「现学现答」。这是 AI 客服第一次具备处理陌生表达、跨场景对话的能力。

中国市场格局也在同步演变。IDC 数据显示，2024 年智能客服前五大厂商合计市场份额约 35%，集中于阿里云（11.4%）、百度智能云（10.4%）、容联七陌、中关村科金和智齿科技。大厂凭借模型、算力与云服务优势打整体方案，垂直厂商则切入细分场景做重交付。

最近一年，AI 客服明显走向 Agent 化，即从单纯回答问题转向处理任务。

海外方面，OpenAI 于 7 月推出面向企业语音支持的 Presence，将模型能力前移到企业服务流程；AI 客服赛道标杆创业公司 Sierra 5 月完成 9.5 亿美元融资、估值超 150 亿美元，并收购了一家长周期 Agent 公司，意在处理更复杂的任务线程。
国内方面，中国电信人工智能研究院（TeleAI）发布的超拟人对话大模型 GOAT-SLM 已能识别用户语气中的焦虑情绪，并生成共情回复与匹配语调。
落地场景上，Sierra 为美国安防公司 ADT 部署的 AI 客服已能从单纯答疑扩展到付款、改约、订购耗材等操作；网易云商・七鱼的 AI 座席辅助可自动从对话中抽取关键信息、生成摘要并填入工单。

尽管进展明显，AI 客服仍面临两道关。

一是信任关。面对退款争议、投诉处理、责任划分、资金安全等复杂场景，AI 客服可以总结对话、提示流程，但不适合直接做最终判断。监管部门也已提示，常规咨询可由智能客服处理，涉及消费者售后投诉、资金安全等复杂或紧急问题应优先转人工。

二是可达性关。比起「不聪明」，更让用户头疼的是找不到人工。AI 端的工程化手段可以改善这一体验，例如通过 AI 提前记录关键信息、生成摘要，让人机切换时无需重复叙述。

AI 客服赛道目前主要有三种盈利模式：SaaS 订阅制、项目制，以及 Sierra 正在尝试的「按结果付费」。订阅制现金流稳定但续费率压力大；项目制单笔金额大，多见于金融、政务等大客户场景；按结果付费将支付与实际业务结果挂钩，对 AI 能力要求最高。

从技术路线来看，自研大模型的玩家仍属少数，除 TeleAI、云蝠智能等公司外，包括 Sierra 在内的大多数厂商选择调用主流大模型，并在应用层、知识库与工程化上做投入。2025 年 DeepSeek 开源后，已有大批客服厂商集中接入，将其作为底层能力。

AI 客服不是一个「性感」的赛道，但它的价值在于真实、可验证、长期存在。当大模型让 AI 客服真正听懂人话、办成事情，客服这一最古老的企业服务岗位，正成为观察 AI 改变工作方式的最直观窗口。