" 客户服务已经不再是企业的成本中心，而是效能最高的‘再营销’和‘再销售’场景。" 近日，在 2025 Inclusion · 外滩大会间隙，数字码力董事长兼 CEO 周芸表示。
在 AI 浪潮席卷而来的第四年，AI 加持下的对话机器人已在电商、服务业广泛应用，但在性能、成本与协同机制等层面仍然存在落地难题：虽然已投入巨资引进各类 AI 工具，但未能在财务报表上产生显性的生产力变革。
对此，周芸指出，问题的根源并非技术本身，而是 AI 在企业应用中存在理想与现实的差距，不仅需要在技术架构上实现创新，还需要对业务流程进行重塑，让客服中心变成体验中心，最终变成价值中心。
" 要把每一次的客户交付变成一个全新的增长机会。" 周芸表示，过去的客服集中在售后场景，但事实上存量客户运营、潜在客户挖掘都是尚未被关注的 " 金矿 "，需要通过客户交互来实现复购、加购带来的业务增长。
为了破解 AI 在真实场景中 " 落地难、见效慢、协同繁 " 的共性困境，蚂蚁集团旗下数字码力在外滩大会正式推出首批专家级 "AI 数字员工团队 "，覆盖客服、营销、巡检、销售培训及研发等五大核心业务领域，让 AI 深度融入企业运营，为企业提供可量化、确定性的业务增长结果。
" 我们与过去 Chatbot 对话机器人是不同的，我们不交付技术指标，直接向客户交付业务效果。" 周芸表示，AI 数字客服团队可帮助中小企业提高约 70% 的人效，降低 35% 的运营成本，并大幅提高业务转化率。在数字蚂力的电商客户实践中，这一模式已为企业带来约 10% 的 GMV 增长。
数字员工革新：从交付技术指标到交付服务效果
当前市场上也有很多 AI 客服，传统企业服务领域的智能化进展如何？
周芸：从市场规模来看，人工客户服务的市场规模超过 1000 亿元，而对话机器人还是小几百亿的市场规模，这是因为传统的 Chatbot 对话机器人在客服体验上还存在局限性。
按照传统客服架构的逻辑，对话机器人的开发与人工服务系统，是相互割裂的两个体系，导致企业知识体系也是割裂的。因此对于企业而言，可以通过对话机器人来降低人工坐席的数量，但并不能够保证服务的质量，这也是用户感受到机器人服务与人的服务存在差距的最大原因。
今年以来，企业端的 AI 应用非常普遍，但很多企业没有达到预期的效果，你认为造成这种困境的原因是什么？
周芸：现在大多数 AI Agent 的定位依然是辅助工具，背后最大的原因是准确性不足。
一般 AI 应用的准确性要达到 95%-99%，企业才敢放心使用。企业的业务流程比较复杂，每个流程节点都有可能出现错误，哪怕 AI 应用的准确性已经达到 90%，但在五个节点下按 0.9 的五次方计算，整体准确性将在 60% 以下。所以现在 AI 应用 " 用起来 " 是容易的，" 用得好 "，真正产生效果、产生收益还有一段路要走。
第二点原因是，AI Agent 是具备自主性的，在现有生产关系下，让 AI 与人类员工进行协同，会对生产流程与生产关系产生革命性变革。新的生产力会改变生产关系，但旧的生产关系往往会成为阻碍。从历史经验来看，从蒸汽机到首个现代化、流程化的工程，也经历了一两百年的时间。因此，我们希望让企业不需要为协同的成本付出更高代价，而是由我们交付一个完整的客服中心，帮助企业在人机融合下重塑原有生产关系。
数字码力新推出的 AI 数字员工团队与传统对话机器人的差别在哪里？
周芸：在传统的客服体系下，一般不会考核对话机器人的满意度，而是考核转人工率、准确率等技术指标，只有对人工客服才考核满意度。这在一定程度上伤害了品牌的客户体验，因为对客户来说，机器人和人工客服的服务是一个整体的感受。
数字码力交付的不是这类技术指标，而是业务指标。我们的合同是一个三年的承诺，基于当下企业包括人工客服与对话机器人在内的整体客服成本，我们承诺每一年将成本降低至一定比例，与此同时，我们还承诺整体的服务满意度，从而为客户带来更好的体验。
客服定位革新：从成本中心到增长新入口
数字码力的这种创新业务模式背后，是基于你对客户服务市场怎样的洞察？
周芸：在流量见顶的时代，客户服务不应该是企业的成本中心，而是要把每一次客户交付变成一个全新的增长机会。
原有的客服业务流程往往聚焦在售后环节，但这意味着如果用户没有出现问题主动联系客服，就难以形成交互。我们认为，客服中心要往前 " 走两步 "，先变成体验中心，最后变成价值中心。
从客服中心到体验中心，需要企业挖掘既有客户服务中了解客户诉求，从中找到产品改善的关键点与机会点，实现产品能力的升级。从体验中心变成价值中心则是更进一步，在现在新客流量高昂的情况下，需要通过交互来刺激存量客户复购、关注或加购的客户新购，这是一个尚未被挖掘的金矿。
AI 数字员工团队是如何实现这种交互的？
周芸：AI 为客户服务带来了巨大的变化。以银行为例，以前 AUM 在 30 万以下的个人客户是没有专属银行客户经理的，因为 ROI 成本算不过来。对于大量客单价在几十、几百的品牌来说，很难让人工客服来陪伴存量客户或待转化的客户。
今天的 AI 能够及时提示员工什么时候陪伴、什么时候是触达客户的合适时机、用户偏好等等，大幅提高人工客服的效率，目前已经有企业和我们一起用这个模式带动增长了。
在这个过程中，如何提高 AI 数字员工团队的准确性与智能化水平？
周芸：正如我前面所说，由于还存在 AI 准确性欠佳、生产力变革不完全等问题，目前我们还是以人机融合作为一个有效落地路径，把执行准确率较高的动作交给 AI 执行，把需要复杂决策与编排的部分交给人工客服，从而提高整个流程的可靠性。
与此同时，在人机融合的过程中，AI 可以学习到很多人类经验。大模型传统训练是靠数据和预训练来提高智能上限的，但在企业这一闭环组织中，必须依靠模型的自主学习能力，可以基于在交互场景中产生的数据来提高智能上限。
展望更远的未来，你认为 AI 与人工客服将是怎样的关系？数字码力对 AI 有怎样的期许？
周芸：AI 团队完全取代人类实现决策，这不是能力的问题，而是治理机制的问题。在 AI 客服团队中，我们会赋予人一些特定的分工，来区别人与 AI 的工作。例如涉及赔付或高额优惠等问题时，可以让机器人提供辅助判断、识别用户意图、提供用户标签等等，但具体为价格敏感型客户提供多少优惠，这一决策还是需要人工来做。
我们相信，AI 不仅是降低成本的工具，更是驱动增长的核心引擎。在最复杂的场景中，数字蚂力将继续锤炼企业级能力，共同探索 AI 驱增长，效能即未来的新范式。
