原始标题: Why Agentic and Conversational AI Products Are Not What CX Leaders Think - with Baker Johnson of UJET

发布日期: 2026-01-05 | 来源频道: @ai-in-business

📝 深度摘要

1. 核心信息与行业纵深

受访嘉宾：Baker Johnson | UJet 首席商务官（拥有销售与市场营销背景，深耕客户体验领域多年，对客户服务行业的技术演进与组织痛点有深刻洞察）

核心议题：解析企业为何在对话式 AI 与智能体 AI 领域投入巨大却未能获得预期的客户体验回报，揭示将客户服务视为成本中心的三十 年思维定式如何导致流程脱节、指标错配与低回报困境。

行业坐标：企业级客户服务（呼叫中心/联络中心）、客户体验（CX）数字化转型、人工智能商业化应用

2. 现状挑战与痛点

深层结构性痛点：

（一）客户体验的定义窄化与职能割裂。Baker Johnson 指出，客户体验本应是品牌与客户在销售、营销、支持全生命周期中每一个接触点的总和——从首次广告印象到购买、支持、忠诚度、续费、转介绍等完整链路。然而在呼叫中心或客户支持行业，人们用一种"流水线思维"将这个完整的客户体验压缩为一个路标，声称这就是客户体验的触点。表面上都在讲"以客户为中心"，实际上仍然回到了老旧的部门割裂、由内而外的思维模式。客户服务被降格为一个"支持性术语"，与收入、忠诚度、品牌建设割裂开来。

（二）三十年的成本中心思维根深蒂固。过去三十年，企业将客户体验 operationalize（运营化）为成本中心，一切以"无情效率"作为衡量成功的标准。在这种思维下，企业最小化投资，用东拼西凑的点解决方案和过时的遗留技术来支撑客户服务。即便引入 AI 这样具有变革性的技术，也只是用它来自动化那些遗留的流程和思维。成功与否的衡量标准变成了"我们能多有效地转移（deflect）客户"——也就是多有效地阻止客户联系人工客服。最终，人工客服被迫成为所有混乱的"接盘侠"，却因流程设计缺陷而被指责"无法胜任人类整合桥梁"的角色。

（三）技术迭代中的概念混淆与期望落差。从第一代聊天机器人（本质上只是美化了的搜索引擎和知识库）到对话式 AI（生成式 AI 时代具备更好的语言预测能力），再到如今的智能体 AI（agentic），术语的模糊导致认知混乱。更深层的问题在于：企业在没有厘清"智能体到底能做什么、不能做什么"的情况下，就盲目将 AI 部署到错误的业务场景。企业给 AI 设定目标和标准，实际上并不支持客户和企业的最佳整体利益，而 AI 却能"高效地"完成这些目标。其结果是人类客服在后台"收拾残局"，却还要为这些残局背锅。

（四）数据孤岛与实时性缺失。企业拥有传统的系统 of record（记录系统，如 CRM、ERP），同时拥有实时的交互系统（如呼叫中心、网站客服）。挑战在于：将虚拟客服定位为实时交互系统的延伸或增强时，却存在过多的数据延迟和上下文缺失，导致 AI 无法准确、有效、知情且有担当地提供服务。在企业没有建立衡量标准和流程来调和"记录系统"与"实时交互系统"之间的数据之前，任何先进模型的部署都将面临大量失败。

3. AI 破局与工作流重塑

AI 解决方案架构：

Baker Johnson 在访谈中提到的 AI 应用形态包括：

  • 对话分析平台（收购的 Spiral 公司产品）：可大规模分析和理解呼叫中心正在发生的对话，核心目的不是"转移客户"或"让 AI 做中间人"，而是围绕客户关注点设计组织架构蓝图。
  • 小语言模型（Small Language Models）：相比通用大语言模型，小语言模型与微调（fine-tuning）和企业数据就绪度紧密相关，正成为新趋势。
  • 下一代消费者 AI：未来的发展方向是消费者 AI——用户不再需要自己打电话给银行，而是让用户的 AI 代理（AI Agent）代为执行任务，这催生了 A2A（agent-to-agent）或 MCP 协议的需求。

工作流地图（传统模式 vs AI 赋能模式）：

传统模式（遗留流程）：

  • 客户来电或通过网站联系 → IVR（交互式语音应答）引导 → 聊天机器人（美化版搜索引擎）尝试回答简单问题 → 成功后结束，失败则转人工 → 人工客服面对已被"折磨"一番、怒火中烧的客户 → 客服被迫处理最复杂的问题和最复杂的客户 → 因流程设计缺陷被指责"无能" → 企业继续用"转移率"衡量成功。
  • 核心特征：将人工客服视为成本，用 AI 做"守门人"阻止客户接触人工；衡量成功的唯一指标是" deflection rate"（转移率/拦截率）。

AI 赋能模式（重构后）：

  • 第一步：从白纸（pen and paper）开始，重新设计理想流程，不执着于保留"遗留流程"中的任何"神圣不可侵犯"的部分。
  • 第二步：引入 AI 作为"协作者"而非"守门人"。AI 负责处理高频、低复杂度、可标准化的事务，让人工客服回归高价值、高复杂度的决策和情感连接环节。
  • 第三步：建立数据治理和知识管理的闭环，确保系统 of record（CRM/ERP）与实时交互系统的数据能够实时同步、无缝衔接。
  • 第四步：用"结果导向指标"替代"效率导向指标"——不只看"转移了多少客户"，更要看"问题解决率"、“客户满意度”、“首次接触解决率（FCR）“等结果性指标。

执行步骤/SOP：

  1. 清点现有流程，从白纸开始：Baker 建议领导者"从白纸开始”（start with a clean sheet of paper），不要在遗留流程上修修补补。现状不是"深思熟虑后到达的终点”，而是多年错误思维和错误技术积累的债务。
  2. 优先从高频、低复杂度环节切入 AI：选择业务容错率相对可控的环节先试点，不要一上来就追求端到端全自动化。
  3. 建立数据调和机制：在部署 AI 之前，先解决系统 of record 与实时交互系统之间的数据延迟和上下文缺失问题。
  4. 用小语言模型 + 企业私有数据进行微调：避免通用大模型的"开箱即用"幻觉，确保 AI 的输出与企业的具体业务场景和合规要求匹配。
  5. 重新定义人与 AI 的角色：AI 负责执行和推理，人负责异常识别、策略调整和情感连接。“笔和纸”（手动流程）在 AI 时代仍有价值——它让人保持对流程的敏感度和异常识别能力。

4. 落地建议与高管指南

首选战场（Beachhead Strategy）：

Baker Johnson 建议企业从**“高频、低复杂度、容错可控”**的环节切入 AI。例如：

  • 常见的账单查询、订单状态追踪、退换货流程等标准化咨询场景
  • 呼叫中心的预处理阶段——让 AI 完成信息收集和初步分类，再将高价值客户转给人工

局限性与避坑指南：

  • 不要在遗留流程上"铺路"（Paving the Cow Paths）：Baker 引用了1987年《华尔街日报》中关于工业制造业的一句话——“不要在牛踩出的路上铺路”。即不要把一个设计糟糕的流程变得更高效，否则只是在加速问题。
  • 避免"AI 作为守门人"的思维：如果把 AI 仅当作阻止客户接触人工的工具，人工客服就会被迫处理最复杂的烂摊子，最终导致更高的流失率和更低的客户满意度。
  • 不要追求"零和博弈"：AI 取代 X 个人类员工不是转型的正确衡量方式。转型不是"一对一"的替换，而是人机协同产生的乘数效应。
  • 慎用"开箱即用"的通用大模型：企业必须进行微调、私有化部署和持续的知识管理，否则 AI 输出的不过是更高级的聊天机器人，且存在幻觉（hallucination）风险。
  • 数据治理必须先于 AI 部署：在解决数据延迟、数据孤岛、知识管理问题之前，任何先进的 AI 模型都会失败。

战略对标清单（2-3条自查建议）：

  1. 你的 AI 项目是在优化遗留流程，还是在重新设计理想流程？ 如果是前者，立即停下来，从白纸重新开始。
  2. 你衡量成功的指标是"转移率"（deflection）还是"首次接触解决率"和"客户满意度"？ 如果仍停留在效率指标上，说明思维还停留在成本中心时代。
  3. 你的 AI 是"守门人"还是"协作者"？ AI 应该让人回归更高价值的工作，而不是取代人的工作。如果你的 AI 设计初衷是"让客户尽量不要找人工"，这就是根本性的战略错误。

5. 核心价值与全维 ROI

硬核指标/证据：

  • Baker 提到，UJet 收购的 Spiral 对话分析平台能够"大规模分析和理解呼叫中心正在发生的对话"，这代表了从" deflection（转移）“到” outcome（结果）“的范式转变。
  • 在 AI 部署成熟的企业中，转型的 ROI 无法简单用"减少了多少个人类工时"来量化。Baker 强调：” It can’t be quantified in, I changed this many motherboards for this many humans. That’s not how it works."（这不能用"换掉了多少人力主板"来量化，这不是转型的正确方式。）

ROI 的非传统定义：

  • 内部情绪指标：人工客服不再被迫做"背锅侠"，工作满意度和留存率提升（跨部门 NPS 潜在提升）。
  • 战略灵活性：企业不再被遗留流程绑架，可以快速响应市场变化。
  • 消除内耗：当 AI 和人类的角色边界清晰后，跨部门协作摩擦大幅降低。
  • 反应速度：实时数据调和后，问题发现和解决的周期从"天"级压缩到"分钟"级。

6. 核心金句与反共识洞察

反直觉/非共识结论：

  • “Delight is not the point”（“愉悦"不是目标）：Baker 在 LinkedIn 帖子中写道"stop trying to delight your customers and just give them their time”（别再试图让客户愉悦了，把时间还给他们）。这是对传统 CX 思维的颠覆——客户不是来"体验一段美好旅程"的，客户要的是"目的地"，不是"旅程"。
  • “The best interaction is the one that never happens”（最好的互动是根本不发生）：客户不想被"愉悦"，客户只想"拿钱走人"。这彻底颠覆了"客户旅程设计"学派的核心假设。
  • “We’re leading with the tool and not with the thought process”（我们被工具牵着走，而不是被思维牵着走）：这是企业 AI 失败的第一原因——先选工具，再想怎么用它，而不是先想清楚业务问题，再选择合适的工具。
  • “The status quo is something that we accumulated like debt over years with bad thinking and bad technology”（现状是多年错误思维和错误技术积累的债务）：这意味着任何在遗留流程上的"迭代"都是负债的叠加，而不是价值的创造。

原汁原味金句：

  • “Stop trying to delight your customers and just give them their time.” —— 针对的场景：企业不应执着于让客户体验"迪士尼乐园"般的愉悦感，客户只需要办事快、不费劲。
  • “The best interaction is the one that never happens.” —— 针对的场景：客户服务中心应追求的是客户无需联系我们就能解决问题，而非创造一次次"难忘的互动"。
  • “It’s not about the technology that companies sell. It’s about the technology on which those companies operate.” —— 针对的场景：像 Kodak 那样的公司死于对"所销售技术"的固守，而忽视了"所运营技术"的进化。AI 时代的生存法则是用 AI 共同设计、共同建模业务，而不是用 AI 自动化旧流程。
  • “We are leading with the tool and not with the thought process.” —— 针对的场景：企业 AI 失败的首因——先选工具（如 ChatGPT），再往现有流程里硬塞，而不是先重新设计流程，再选择合适的 AI 能力。

备注：本摘要基于提供的转录稿生成，未引入外部知识或网络搜索内容。部分细节如具体金额、精确时间压缩比例等未在转录稿中提及，标注为 [嘉宾未提及]。

📺 播客地址

播客时长: 34分钟