AI智能体做客服,客户能接受吗
2026年调查显示,76%消费者不在意AI或人工客服,只求快速解决问题。了解AI客服的接受度及其影响因素。
客服部门引入AI智能体时,决策桌上经常出现两种对立的判断。一种说客户反感机器,听到“我是智能助手”就挂电话;另一种说客户只在乎快,谁解决都行。两种判断都能找到支持自己的案例,但都不够准确。2026年几份覆盖数千名消费者的调查,把这个问题拆得比“接受或不接受”细得多。 客户给出的答案:不在意是谁,在意能不能解决 Genesys在2026年发布的一项调查覆盖了20多个国家、5811名消费者。其中一个数字值得放在最前面: 76%的消费者不在意问题最后是人工还是AI解决的,前提是解决得够快够完整 。Five9对3000名消费者的调查给出了方向一致的结论——消费者并非要求企业在AI和人工之间二选一,他们要求两者都在,并且各自做对的事。 这个态度有一个前提条件容易被忽略: 耐心是有限度的,而且限度不高。 同一份Genesys调查中,84%的消费者最多给虚拟客服三次尝试机会,三次解决不了就放弃;47%的人在两到三次失败的AI交互后会考虑换一家服务商。Five9的数据更具体:92%的消费者给AI不到10分钟,就会要求转人工;46%的人放弃AI的首要原因是“它反复误解我”。 客户对AI客服的接受,不是一种立场,而是一种 条件性的容忍 。条件满足时,他们不介意机器在服务;条件被打破时,容忍会以很快的速度耗尽。 客户不接受的,很少是“AI”本身 中消协2026年上半年的投诉数据把“不接受”的对象说得更清楚。全国消协组织受理投诉98.6万件,售后服务占比最高,达26.79%,AI客服不实承诺、人工接入困难、生成内容失准成为投诉新热点。这些投诉指向的并不是“机器在回答问题”这件事,而是机器被用来 挡住 客户通往解决方案的路。 第一种不接受:转人工被设计成迷宫。 有消费者连续发送“转人工”,对话框反复弹回“我理解您的心情”;有人的智能门锁故障,一家三口被锁门外,AI客服怎么也转不到人工,最后只能请开锁师傅。投诉分析中,问题被归纳为通过循环应答、多层跳转、隐藏入口等方式延缓或阻碍消费者获得人工服务。客户反感的不是AI先接待,而是AI被用来阻止他们找到能解决问题的人。 第二种不接受:AI说的话不算数。 有消费者在二手车平台支付订金前,AI客服明确答复车款包含过户费和上牌费;交易时销售要求另行支付,平台的回应是“AI回答不代表公司立场”。AI客服被允许对费用构成、优惠活动、售后政策给出确定性表述,事后却不被当作有效承诺。客户可以接受机器答不上来,但很难接受机器给了承诺之后企业不认。 第三种不接受:说过的话要再说一遍。 Genesys的调查中,48%的企业没有把客户已经提供过的信息传递给人工坐席,客户转人工后不得不重复陈述。Glance 2026年的研究给出更刺眼的数字:44%的消费者在切换渠道时几乎总是要重复自己,只有7%的人很少或从不需要。客户已经花时间向AI描述了问题,转人工时又回到起点,这段重复消耗的不是时间,是耐心。 这三种不接受有一个共同结构: AI被放在了客户和解决方案之间,但没有承担起把客户送到解决方案那一端的责任。 客户对AI客服的不满,很少来自“机器在说话”,更多来自“机器说了话,但事情没有往前走”。 新国标划出的底线,恰好对应客户的三个不接受 2026年9月1日,首个聚焦人工与智能客服协同机制的国家标准《顾客联络服务 人工与智能客户服务协同要求》实施。这份标准的内容,几乎是对上述三类投诉的逐条回应。 入口要清晰,转人工须支持关键词、菜单、按键、语音等多种触发方式;智能客服交互失败达到设定阈值、感知到客户负面情绪,或遇涉人身财产安全的紧急情形,系统应自动转接人工;人机切换时,客户身份、历史交互记录、问题描述须一并传递,切换后不宜再要求客户重复已陈述的问题;涉及价格、退款、赔偿等关键事项,由人工最终确认。 这些规则不是在限制AI的能力,而是在划定AI做客服时 哪些事不能做 :不能把转人工藏起来,不能替企业做超出授权范围的承诺,不能让客户为系统的割裂买单。客户接受AI客服的前提,是这些底线被守住;底线破了,AI再流畅也会被体验为障碍。 企业这一侧的可操作空间:把AI放在“分流”和“携带”上 客户接受度的数据指向一个务实的方向:AI在客服流程里的位置,更适合放在 问题进入后的分流 和 人机切换时的信息携带 上,而不是放在“尽量把客户留在AI端”这个目标上。 分流的意思是,AI先接住咨询,识别意图,简单、标准化的问题当场处理;遇到复杂纠纷、情绪信号或客户明确要求转人工时,快速退出。Five9的调查中,信任在人工选项可见时从26%翻倍到55%——客户知道有人在后面,反而更愿意和AI多聊几句。把转人工入口做得可见、可达,不会削弱AI的价值,反而会抬高客户对AI阶段的容忍度。 携带的意思是,AI在接待阶段收集到的订单号、故障描述、已尝试的方案,在人机切换时完整地交到人工手里。客户不需要重复“我刚刚已经跟机器人说过一遍了”,人工接手后的第一句话就能接上进度。这个动作的技术难度不高,但它直接对应44%的消费者反复陈述的痛点。 数据安全在这个链条里的位置 客服对话里天然包含订单信息、联系方式、故障描述,有时还有身份证号、地址、支付相关的片段。客户对AI客服的信任,除了“能不能解决问题”,还有一层不那么显性但同样起作用的东西: 这些信息去了哪里,会不会被拿去做别的事。 万达宝LAIDFU(来福)在客服场景相关部署中的公开原则是:不采集客户对话内容进行二次训练,不将敏感信息转售给第三方;所有交互在本地服务器完成处理,支持私有化部署,也支持线上部署。对客户接受度来说,这条边界的实际含义不是一句技术参数,而是 客户在对话里给出的信息,停留在完成这次服务所需的范围之内,不会在服务结束后进入一个去向不明的池子 。数据去向清楚,企业才敢让AI接触真实的客服对话;客户如果知道自己的信息不会被挪用,对AI阶段的抵触也会少一层。信任在客服场景里不是抽象的态度,它由“问题被解决”“承诺被兑现”“信息不滥用”这几件具体的事累积而成。 判断客户能不能接受,先看三个可观察的行为 企业不需要去猜测“客户心理上是否接受AI”,有几个行为指标跑两到三周就能给出方向。 转人工触发后的等待时长 :客户要求转人工到真正接通之间隔了多久,这个数字超过客户忍耐阈值,接受度会快速恶化。 重复陈述率 :转人工后,客户主动重复已经提供过的信息的比例,这个比例高,说明人机交接的信息携带没有做好。 AI阶段的问题解决率 :不是“AI拦截率”,而是客户在与AI交互后,问题是否在不需要二次联系的情况下得到了完整解决。拦截率高但解决率低,只是把不满推迟到了下一次接触。 这三个数不需要复杂的分析工具,客服系统的基本记录就能支撑。它们比“客户是否喜欢AI”这种问卷题更接近实际:客户用行为投票的方式,比用态度打分的方式诚实得多