过去排班靠一个公式：AHT（平均处理时长）= 通话时间 + 等待时间 + 事后处理，再乘以来电量，得到"人时"——也就是坐席排班的产能单位。在这个模型里，所有时长都默认由人工消耗，分母是人头数。只要 AHT 往下走、人时够用，运营就安心。
但 AI 进场之后，这个等式悄悄破了。
一、被吃掉的不只是等待时间
当语音代理在客户进线前就完成身份核验、意图识别和工单预填，当 agent assist 在通话中把知识卡片推到坐席眼前、通话后自动生成摘要和处置码，人工真正经手的"那段"已经不是整通电话。
问题在于：旧指标还把这 1/3 甚至更多的 AI 处理时间，继续算进"人工时长"。结果出现一个反直觉的现象——
No Jitter 在一篇讨论人机混合客服的指标文章中明确指出：当 AI 把简单问题都接走了，留给人处理的往往是更复杂的升级case，人工段的 AHT 反而走高。Liveops 的运营负责人也提醒，最危险的误区是"为了速度牺牲信任和解决率"，更快并不等于更好。换句话说，人工 AHT 上升，未必是退步，可能恰恰是 AI 在做它该做的事。
二、把 AHT 拆成两本账
第一步，别再报一个混在一起的 AHT，而是拆成：
- AI 自闭环时长：整通由语音代理/ chatbot 解决，零人工介入；
- 人工尾段时长：AI 做了预处理，人工只接手判断、协商和情绪类部分。
Call Centre Helper 在谈自动化 ROI 时给过一个很实在的判断：即便只做"部分承接"——比如 AI 先抓出客户姓名、保单号和来电原因——也能砍掉最多约三分之一原本要由人工消耗的交互时间。这省下的时间，不应该再进人工 AHT 的分母。
三、"人时"产能要重算
"人时"作为排班单位仍然成立，但它的来源要从"总来电 × 人工 AHT"改成"人工尾段来电 × 人工尾段时间 + 自闭环零人工"。
更重要的是，新增两个对老板最直观的指标：
- 节省座席工时（Agent Hours Saved）：每月被 AI 从队列里拿走、不再需要人处理的工时总量；
- 自闭环率（Containment）：AI 独立解决、无需转人工的会话占比。
No Jitter 报道过 Cobalt 信用合作社的语音代理 Coby 达到 83% 的会话自闭环率，RingCentral 的客户 PatientConnect 借助 agent assist 把通话处理时长降了 50%、升级量降了 40%——这些都是"自闭环 + 人工尾段缩短"同时发生的真实样本。
国内示意测算（脱敏，某银行信用卡中心）：
月来电 9 万通，原人工 AHT 5 分钟，即每月 7,500 人工时。假设 AI 自闭环率 55%（约 4.95 万通零人工时长），转人工的 4.05 万通每段省约 60 秒预处理，人工尾段按 4 分钟计：
- 人工尾段耗时 = 40,500 × 4 ÷ 60 ≈ 2,700 人工时
- 月节省 ≈ 7,500 − 2,700 = 4,800 人工时，约等于 30 个座席当量（按 160 有效工时/人月）
注意这是"释放的产能"，不是立刻能砍掉的 headcount——Call Centre Helper 引 Gartner 数据称，目前只有约 20% 客服负责人观察到 AI 直接带来坐席编制下降，自闭环率企稳后才会看到明显的人员缩减。
四、新的记分卡
AHT 没有作废，但它不再是唯一主角。建议把下面几项并列为常规看板：
- 自闭环率：衡量 AI 真正解决了多少，避免"假承接"（转人工时客户还要重复说一遍）。
- 复联率（24–48 小时）：客户第二天又打回来，说明上一次是"关单"不是"解决"。这是判断 AI 解决质量最诚实的信号。
- 客户费力度（CES）：AI 部署后若让客户跨系统跳转、反复验证，CES 会很低，即便 CSAT 还过得去。
- AI 辅助 FCR：把"首次解决"的定义从"人工首次解决"扩展到"任意渠道/人机协同首次解决"。Call Centre Helper 提到 Blended AI 借助预测式路由可把 FCR 提升最多约 55%，自助服务本身也在拉高 FCR。
No Jitter 另一位受访者更直接：在智能体时代，AHT 终将让位于"价值产出"——留存、客单价、客户生命周期价值才是该盯的数。
五、国内落地三提醒
- 合规前置：AI 做的身份核验与决策建议要留痕，满足个保法对自动化决策的要求；通话录音与摘要的留存期参照行业监管口径。
- 数据打通：人工尾段时长算得准的前提，是 AI 与企微/钉钉工单、CRM 共享同一上下文。上下文断在转人工那一刻，新指标就全是脏数。
- 别为降 AHT 牺牲解决率：这是老指标惯性最容易踩的坑。速度指标好看但复联率抬头，本质是把成本后移给了客户。
指标没有死，只是要从"算人工花了多少时间"，升级成"算人机协同产出了多少价值"。这届运营要补的，不是更狠的排班表，而是一套能分清"谁解决了什么"的度量语言。