原始标题: Stop Asking and Start Solving with AI for Proactive CX - with Vasili Triant of UJET

发布日期: 2026-01-19 | 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：Vasily Triant | UJet CEO（拥有多年呼叫中心行业经验的资深从业者，UJet 是下一代云端呼叫中心平台）

核心议题：探讨企业如何利用 AI 技术从被动响应式客户服务转向主动数据驱动型客户参与，重新定义呼叫中心的战略角色。

行业坐标：企业级客户服务、呼叫中心数字化转型、客户体验管理、云计算与 AI 融合领域。

2. 现状挑战与痛点

被动服务模式的结构性缺陷：当前大多数企业呼叫中心仍处于被动响应模式，客服人员仅在客户报告问题后才进行处理。这种方式持续消耗资源、延长解决时间，并让期待快速、相关解决方案的客户感到沮丧。

数据孤岛的致命制约：过去 10-15 年间，每家供应商都在创建自己的数据孤岛。选择任何一个应用程序，都有独立的数据 silo，下一个应用又是另一个数据孤岛。所有人都试图同步这些数据，或者将数据塞入 CRM 和工单系统，但这并非单一数据源，而是数据源的一部分。要实现主动服务，需要所有组件实时协同工作。

" swivel chair" 效率困境：客服人员通常需要操作 2-4 台显示器，在多个系统之间切换寻找信息。典型场景是：客户来电，客服说"稍等，我切到那个屏幕"、“稍等，我的应用运行很慢”。这种碎片化的工具链导致客服无法专注于实时交互，每次回应都因信息分散而降低效率。

认知错位：企业长期将呼叫中心视为"成本中心"而非"收入驱动引擎"。历史原因在于 20-40 年前设置呼叫中心时，数据能力不足以支撑客户全生命周期价值分析。客户今天来了，明天可能就不是客户了——这种短期思维导致服务被视为必要之恶而非战略资产。

客户旅程追踪的滞后性：现有的客户旅程应用本质上是"事后诸葛亮"，提供标签化的事后分析，而非实时发生时的数据同步。

3. AI 破局与工作流重塑

AI 解决方案架构：UJet 倡导的 AI 解决方案核心并非替代人类客服，而是作为"同理心的眼镜"（glasses for your empathy）增强人类判断力。AI 负责聚合实时数据、提供上下文信息，而最终的情感判断和客户关怀仍由人类完成。

工作流地图对比：

  • 传统模式：客户来电描述问题 → 客服在 2-4 个屏幕间切换搜索信息 → 找到答案后回复 → 客户挂断。过程中信息分散、响应延迟、缺乏主动预防。

  • AI 赋能模式：AI 实时聚合客户全渠道数据（购买历史、交互记录、情绪状态）→ 客服眼前呈现统一视图 → 客服基于完整上下文做出人性化判断 → 主动预判客户潜在需求并提供超越预期的服务。人类回归高价值决策，AI 处理信息整合。

执行步骤与 SOP：

  1. 统一数据底座：整合所有客户接触点的数据到单一平台，消除数据孤岛
  2. 实时数据管道：建立实时数据流，确保客户旅程信息在发生时刻即被捕获
  3. AI 辅助决策层：在客服界面嵌入 AI 助手，提供上下文推荐而非直接替代决策
  4. 结果导向的 KPI 重设：根据业务属性（医疗 vs 银行 vs 航空）定义差异化的实时性要求和成功指标
  5. 渐进式自动化：从高频、低复杂度场景开始，逐步扩展到复杂交互

4. 落地建议与高管指南

首选战场：从客服代表的工作台效率切入——解决"swivel chair"问题，统一 2-4 个显示器的信息流，让 AI 先成为客服的"信息聚合眼镜"。这是高频（每天数千次交互）、低复杂度（信息整合）、业务容错率可控的环节。

局限性避坑指南：

  • 不要先建完美 Data Lake 再做 AI：数据治理是持续过程而非前置条件，应在应用中迭代完善
  • 切忌追求端到端全自动化：每个业务的结果定义不同（航班取消需要秒级响应，按揭办理可能容忍数天），一刀切的自动化会破坏客户体验
  • AI 是配料而非整杯咖啡：正如南瓜香料只是配料，需要咖啡作为载体；AI 需要扎实的服务基础才能发挥价值
  • 虚拟代理不是万能解：行业过度宣传虚拟代理（virtual agents）自动化的同时，忽视了真正问题是客服工具，而非客服本身

战略对标清单：

  1. 你的呼叫中心现在有几个显示器/系统在运行？信息是否统一呈现？
  2. 你的客户旅程数据是事后分析还是实时捕获？
  3. 你的 VP of Contact Center 或 Chief Customer Officer 是否参与 AI 战略决策？

5. 核心价值与全维 ROI

硬核指标：[嘉宾未提及具体量化数据，但提供了方向性结论]

  • 从"成本中心"转向"收入驱动引擎"
  • 提升 ARPU（每用户平均收入）和客户终身价值（LTV）
  • 首次接触解决率（First Contact Resolution）的提升依赖实时数据聚合

ROI 的非传统定义：

  • 客户留存价值：失去现有客户后重新获取的成本远高于维护成本——你需要重新建立品牌信任
  • 情感上下文指标：CSAT（客户满意度）和 NPS（净推荐值）高度依赖沟通中的情感上下文，而非单纯的问题解决
  • 战略灵活性：统一数据架构使企业能够快速响应市场变化，而非被静态报表束缚
  • 内部协作效率：消除"swivel chair"式的跨系统切换摩擦，提升客服代表工作体验和效率

6. 核心金句与反共识洞察

反直觉/非共识结论：

  • “AI 不是变革的核心，VP of Contact Center 才是”：行业普遍认为 AI 将改变客户体验，但 Vasily 指出 AI 只是一整堆技术中的一个组成部分。真正驱动变革的是负责客户体验的高管（VP of Contact Center 或 Chief Customer Officer），他们控制着技术如何与客户沟通的决策权。

  • “问题不在客服本身，而在于塞给客服的工具”：行业假设"人类客服是问题所在"，追求用虚拟代理取代人类。但真正的问题是所有这些被塞到客服面前却无法整合信息的工具。AI 的正确角色是简化这些工具，而非取代使用工具的人。

  • “AI 是同理心的眼镜，不是同理心的替代品”：AI 并不比人类更有同理心，它只是增强人类判断力的工具。最终做出关怀决定的仍是我们人类——是否在意客户明天生日、是否在客户可能心情不好时给予额外耐心。

  • “未来系统会更少，而非更多”：数据使用的正确方式意味着企业将拥有更少的系统，而不是更多。当前碎片化的工具链将被整合。

原汁原味金句：

  • “AI is glasses for your empathy. And at the end of the day, it’s still we as humans who care whether or not the customer has a birthday tomorrow.” —— 针对 AI 赋能客服场景，强调 AI 增强而非替代人类判断

  • “The most important piece of this transformation going forward is either the VP of contact center or… the chief customer officer. That is the most important piece, not AI, not anything else.” —— 针对 AI 投资决策场景，提醒企业勿本末倒置

  • “You don’t eat pumpkin spice on its own. You need coffee. The coffee needs to be good in order for you.” —— 针对 AI 炒作周期，提醒 AI 是配料而非整杯咖啡

  • “Nothing really kills a brand more than the customer feeling abandoned after a sale.” —— 针对客户留存场景，点出忽视售后体验的致命后果

  • “The problem with customer experience is all the tools that everybody shoved in front of the agent that don’t bring all the information together.” —— 针对呼叫中心效率困境，揭示真正痛点来源

📺 播客地址

播客时长: 21分钟