通信智库

AI 用得越广,敢放手的越少:一组 ContactBabel 数据里的"采用—自主"落差

Max阅读 15

AI 用得越广,敢放手的越少:一组 ContactBabel 数据里的"采用—自主"落差

这两年参加行业交流,会听到一种高度相似的自我介绍:"我们 AI 客服上了,工单摘要上线了,座席辅助也在试。"

但接着问一句"有多少客户问题是从头到尾由 AI 结案的",房间通常会安静两秒。

这个安静是有数据支撑的。

一、采用率:已经不在"要不要上"的阶段

先看 ContactBabel 2026 年 1 月发布的美国联络中心调研,三组 AI 能力的采用情况:

AI 采用:当前 vs 两年内计划

图:本平台依据 ContactBabel 数据绘制

换句话说,到 2028 年,"有没有 AI"这件事基本不再构成差异,真正构成差异的是用在哪、用到什么程度。

另据 No Jitter 在 2026 年 7 月汇总的第三方调研(非 ContactBabel 数据,二次转引):Valoir 同年 5 月的报告称超过 95% 的组织已在运行至少一项 AI 或自动化能力。

二、自主率:完全是另一条曲线

把口径从"有没有用"换成"敢不敢放手",数字立刻掉一个数量级。

Cavell 的调研(经 No Jitter 转引)把联络中心的用法分成三档:

AI 的实际角色 占比
只用来辅助座席(摘要、话术建议、推荐回复) 35%
处理简单交互,必要时转人工 略高于 40%
端到端自主解决相当比例的交互 仅约 11%

同一份调研里,说自己已经规模化部署 AI 语音坐席(能超越基础 IVR 的对话式语音 AI)的组织,不到四分之一

这组数字解释了一开始那个"安静的两秒":绝大多数团队的 AI 不是替站在前面的人,而是站在人旁边的那一位。

而且这不是保守,这是理性。Valoir 在同一份报告里给了一句很直白的提醒——企业正在同时叠加多种 AI 能力,往往早于底层数据基础设施能可靠支撑它们。也就是说,限制自主率的往往不是模型,是数据。

三、自助服务的账,本来就难算平

ContactBabel 在《Inner Circle Guide to Self-Service》(2025 年 12 月更新)里给了一组成本对比:

项目 数值
单次自助服务成本 10 便士 / 15 美分
单次电话交互成本 £6.25 / $7.16
自助服务相对电话的成本优势 低约 95%
网页聊天中含自动化的比例 53%(2015 年仅 5%)

差了两个数量级的成本,理论上足以让任何 CFO 拍板"全力自助"。但同一份研究给出了另外三个打脸的数字:

成本账很好看,但只有在客户真的用得成的时候才兑现。这三个数字合起来说的是:自助服务的主要失败模式不是"做了没省钱",而是"做了没被用起来"。

也正因为如此,仍有约一半的联络中心决策者在未来两年没有部署语音机器人的计划——他们不是不信 AI,是在等它跨过"听得懂"那条线。

四、对国内团队的三点提醒

提醒 1:先分清"辅助率"和"自主率",再谈目标

把这两个数字分开汇报,是 AI 类项目最容易被混淆的一处。给领导看"AI 覆盖率 90%"和看"自主结案率 11%",是两个完全不同的故事,前者是投入,后者才是产出。

建议前端报表至少分三栏:AI 辅助了多少次 / AI 自主完成了多少次 / 自主完成后被推翻了多少次。第三栏最难做,也最有价值。

提醒 2:摘要类应用是最划算的第一步

ContactBabel 数据里,通话摘要是未来两年增幅最大的能力(27% → 57% 计划)。原因不难理解:它不直接面对客户,出错的代价可控,却能立刻省下座席最讨厌的那部分话后处理时间。

国内团队如果还没动手,从摘要、工单自动填单、质检红线项初筛这类"后台型"能力切入,性价比远高于一上来就做外呼机器人。

提醒 3:别跳过自助入口这个问题

"客户打电话是因为找不到自助入口"这条,在国内有额外的一层:很多企业的自助入口埋在 App 三级页面、公众号菜单深处,或者根本没在客户动线上。

在优化机器人话术之前,先做一件更便宜的事——把自助入口放到客户真正会产生需求的位置。ContactBabel 那 52% 的企业,缺的不是模型,是入口。


数据局限声明

  1. 地域:ContactBabel 数据以英国、美国市场为主;国内在渠道结构(微信/企微主导)、人力成本、客户耐心上与英美差异显著,不可作为目标值
  2. 年份:采用数据为 2026 年 1 月发布,自助服务数据为 2025 年 12 月更新版。
  3. 口径:原文未对"AI 聊天机器人"限定是否大模型驱动;跨能力、跨报告的"采用率"不可直接相加或横向比较。
  4. 转引:Valoir、Cavell 两组数据并非取自原报告,而是转引自 No Jitter 的公开汇总报道,存在二次转述偏差。
  5. 抽样:各报告样本量与行业构成未完整披露。

本文不构成行业基准,也不可直接用于绩效考核或目标设定。


数据来源:ContactBabel《The Inner Circle Guide to Self-Service》(2025-12)、ContactBabel 美国联络中心 AI 采用调研(2026-01);Valoir、Cavell 数据经 No Jitter 报道二次转引。本文图表由本平台依据上述数据绘制,解读仅代表本平台观点。

💡 平台提供 技术培训 与 专家咨询服务,助力企业通信系统建设与智能化转型。