"AI 客服"这两个字，最近两年从"实验室概念"变成了大部分企业客服系统里已经在跑的东西。国内做智能客服的厂商测算，2026 年这个市场规模会到 285 亿元左右，年增速常年维持在 30% 以上，行业渗透率已经超过八成——这个数字听起来有点吓人，尤其是对还在一线接电话、回消息的客服从业者来说：AI 都能听懂人话、能自己下单退款了，那我这个岗位还剩多少年？

这篇想认真聊聊这个问题。不是喊"AI 要取代人"的焦虑文，也不是"AI 只是工具，人不可替代"的安慰文——这两种说法都太简单，也都不太真实。我们做 AI 数字员工这行，天天在处理"AI 该干什么、人该干什么"这条边界，看到的情况比这两种简单叙事都复杂一些。

先看一个真实发生过的反转

2024 年，欧洲支付公司 Klarna 高调宣布：他们的 AI 客服机器人干了大约 700 名全职客服的活，处理量相当于人力的好几倍，公司还因此登上了不少"AI 颠覆客服行业"的头条。

半年多之后，2025 年 5 月，Klarna 自己把这个决定翻了篇——重新招回人工客服。理由很朴素：用户投诉 AI 给的答案"正确但没用"，遇到复杂、情绪化、非标准的问题时，AI 要么绕圈子，要么给出一个技术上没错但根本没解决问题的回复。CEO 后来公开承认，这一轮降本降过头了。

同一时间段，Gartner 给出了一个更谨慎的判断：到 2028 年，不会有一家财富 500 强公司把人工客服完全替换成 AI；到 2027 年，现在计划靠 AI 大幅削减客服人力的公司，有一半会放弃这个计划。

这两条放在一起说明的不是"AI 不行"，而是"降本"这笔账，很多公司一开始算错了——他们把客服岗位当成了一个可以被整体替换的成本单元，但客服这个岗位其实是好几种性质完全不同的工作叠在一起的，AI 能吃掉的只是其中一部分。

AI 真正吃掉的是"重复"，不是"客服"这个岗位

拆开来看，一线客服/数字员工的工作大致分三段：

第一段，标准化、高频、低信息量的部分——查订单、查进度、改地址、重复播报一个规则。这段本质是"信息检索+固定流程执行"，AI 做起来比人更快、更稳定、不会累、不会有情绪，这段被 AI 接管几乎是必然的，而且已经在发生。

第二段，需要判断力、需要建立信任的部分——客户在气头上、诉求本身模糊、涉及金钱纠纷、需要临场变通。这段目前 AI 依然容易翻车，不是因为模型不够聪明，而是因为这类对话往往没有"标准答案"，需要的是共情和权衡，而这恰恰是现在的大模型最不擅长稳定输出的地方。

第三段，边界情况——识别错误、设备/网络异常、场景之外的意外。我们自己在做 AI 数字员工的时候也踩过这类坑：比如客户接起电话就是一段语音留言，AMD（应答机检测）判定还没跑完，AI 已经把电话挂了——这种概率不高但真实存在的边界 case，短期内很难靠"再训练一版模型"彻底消灭。

第一段大规模转移给 AI，是这几年真正发生的事，也是行业渗透率数字背后的真实内容。第二段、第三段，目前还是人的主场，而且在可预见的时间里都会是。

真人客服的位置，从"电话这头"挪到了循环的另一个地方

有个说法我们觉得比"替代/不替代"更准确地描述了这件事：human in the loop（人在循环里）和 human on the loop（人在循环上）。

in the loop 的意思是，每一次关键动作发生之前，都需要一个人来做判断、批准或者亲自执行——人是流程的必经节点，流程离了人走不下去。传统客服/电话业务基本就是这个模式：每一通电话都是一个人从头接到尾。

on the loop 的意思是，系统本身在自主运转，人不参与每一次具体执行，而是站在系统外面监督、抽查、在出问题的时候介入——人对结果负责，但不对每一步负责。

这两种模式不是谁取代谁，而是同一个人在不同场景下切换的两种状态。我们自己产品里已经长出来的几个机制，其实就是这两种状态的具体实现：

监督者：从"一对一接电话"变成"一对多看质量"。 我们的通话监听墙，让一位坐席主管能同时"挂"在几十路正在进行的 AI 通话上，看到的是每一路的实时转写、情绪和质检信号，而不是逐字逐句陪听。绝大多数时间他是 on the loop——什么都不用做；一旦某一路通话的信号不对（客户情绪激烈、AI 明显答非所问、话题超出预设边界），他可以直接抢过这一路，瞬间切换成 in the loop，把电话接管过来自己讲。这是我们看到的第一类真实转型：从"处理一通电话"变成"守住一百通电话"，工作内容从执行变成了监督+应急响应，对人的要求也从"话术熟练"变成了"能不能在几秒内判断这通电话该不该接管"。

兜底者：AI 自己决定什么时候把电话递给人。 我们在上一篇文章里提到过，"这通该不该转人工"判断得准不准、衔接顺不顺滑，比 AI 本身聪不聪明更影响真实体验。这背后是一整条转接逻辑——AI 识别出自己接不住（情绪、金额、投诉、超纲问题），把电话或对话上下文原样交给人。这类岗位处理的每一通电话，含金量比过去更高，因为简单的已经被 AI 筛掉了，剩下的基本都是难啃的。这也意味着这类岗位需要的能力在变：更像谈判和安抚专家，而不是背话术的话务员。

训练者：不在循环里，而在循环之上。 还有一类角色，既不实时监听，也不接转接电话，而是每天回看 AI 打出去、接进来的通话记录，找它在哪一步答得别扭、哪一步转化流失了、哪一步该转人工却没转，然后把这些发现变成话术和流程的调整。这件事听起来像"质检"，但本质上是把资深客服脑子里那些没写下来的经验——"客户这么说的时候大概率是想要这个，不是字面意思"——显性化成 AI 能听懂的规则。国家这两年正式设立的"人工智能训练师"这个新职业，描述的差不多就是这类工作：不是标注民工式的重复劳动，而是需要真正懂业务的人才做得好。某种意义上，最有资格做这件事的，恰恰是干了很多年客服、对客户心理最有手感的那批人，而不是从零学 AI 的应届生。

不回避的部分：转型不是自动发生的，会有人被落下

以上三条出路都是真实存在的，但如果说"AI 来了，客服岗位不会减少，大家都能顺利转型"，那也是另一种不负责任的简单叙事。

诚实地说：第一段工作（标准化高频咨询）对应的坐席数量下降是结构性的，不是危言耸听，也没必要回避。行业渗透率从个位数涨到八成多，背后就是这部分岗位被压缩的过程。

但转型窗口不是自动打开的。从"接电话"到"看数据、写规则、改 prompt"，这中间隔着一整套新技能，需要企业主动设计培训路径和岗位过渡，而不是简单地把人裁掉、把预算挪给 AI 供应商——Klarna 交的学费、Gartner 那条"一半企业会放弃削减人力计划"的判断，说的都是同一件事：企业自己也在犯这个错，把人力单纯当成可以被 AI 直接替换的成本项，而没意识到人在这套系统里挪到了另一个更关键的位置——系统的设计者和守门人，而不是最先被优化掉的那一环。

我们在往这个方向做产品

我们做 AI 数字员工和智能客服系统，从一开始就没有把"完全替代人工"当成目标。上面提到的监听墙、转人工判断、事后复盘这几个机制，都是在往同一个方向走：让 AI 接住能接住的量，让人待在真正需要人判断力的位置上，而不是让人在系统外面看着一个黑箱、只能在出事之后收拾烂摊子。

这几件事没有一个是能一次性做完的，我们会继续在这个博客里写我们具体是怎么做的、踩过什么坑。