公开研究里的14%或35%很容易被写进采购方案，却不等于企业上线后必然取得同样结果。真正影响收益的，是新客服占比、咨询难度、知识库质量、人工复核时间，以及节省的工时能否转化为少加班、少外包或更快响应。
公开研究测量的不是‘裁掉多少人’
美国国家经济研究局发布的《Generative AI at Work》研究了5179名客服人员。企业分阶段为员工提供生成式AI对话助手，工具根据客户咨询实时给出回复建议，客服可以采用、修改或忽略。
研究观察的是单位时间内成功解决的问题数量，不是模型生成了多少句话。结果显示，使用工具后，平均每小时解决量提高约14%；提升主要来自单次处理时间下降、每小时接待量增加，以及解决率的小幅改善。
低经验、原本效率较低的员工增幅最高可到约35%，经验丰富员工的变化很小，部分质量指标甚至可能轻微下降。这说明AI更像是在复制优秀客服的常用处理方法，帮助新人更快接近团队标准，而不是让所有岗位按同一比例提效。
14%是特定企业、特定工具和特定时期的平均观察结果；35%集中在低经验群体，不能作为所有客服团队的固定收益承诺。
先把本公司的业务基线记下来
没有上线前的数据，企业无法判断变化来自AI、人员熟练度，还是咨询量和问题难度变化。试点前至少连续记录四周，并按新人、熟练客服和班次分别统计。
- 每周进入人工渠道的咨询量；
- 每小时接待量与首次解决率；
- 单次平均处理时间和转人工升级率；
- 质检不合格、返工及客户重复咨询数量；
- 加班、外包和临时增员的实际费用。
统计时应把简单查询与退款、合同、投诉等复杂问题分开。AI在高频标准问答上节省的时间，不能直接推算到需要授权判断和情绪安抚的咨询。
用三笔账判断14%有没有商业价值
第一笔是新增处理能力。假设20名客服每人每天实际在线6小时，原来每小时成功解决5个问题，月工作22天，基线解决量为13200个。若试点后提高14%，理论上每月增加1848个成功解决问题。
这1848个并不自动等于新增客户或利润。企业要继续核对：高峰期是否确有积压，响应变快后客户是否减少流失，新增处理量中有多少属于重复咨询，以及销售类咨询最终形成了多少有效线索。
第二笔是可兑现的工时。计算式可以写成：
月度可兑现收益＝减少的加班费＋减少的外包费＋避免新增人员的成本－AI费用－知识维护费－质检与复核费。
如果业务量没有增长，员工只是把空出的时间用于其他工作，这属于能力释放，不宜记成现金节省。只有减少了已发生的加班、外包或招聘，财务账上才会出现可验证的成本变化。
第三笔是质量成本。回复更快但错误率升高，会带来投诉、退款和二次处理。企业应给错误回答设置成本，例如每次返工耗时、升级主管的时间，以及涉及价格或合同承诺时的风险损失。
新人团队更适合先做小范围试点
研究显示收益在低经验员工中更集中，因此人员流动较大、培训周期较长、标准问题较多的客服团队，更值得先试。试点不必覆盖全员，可以选择一个业务线和相近的两个班组。
- 用四周历史数据建立基线，并固定咨询分类；
- 让一个班组使用AI，另一个班组保持原流程；
- 运行四至八周，剔除活动促销和系统故障等异常日期；
- 同时比较速度、解决率、返工率、满意度和转主管比例；
- 根据实际使用率计算软件、维护和复核的完整成本。
企业AI服务的价值不应只看员工是否打开过工具。建议记录建议采纳率、修改率和拒绝率。如果客服经常大幅重写答案，问题可能出在知识资料、提示规则或场景不适合自动建议。
哪些条件会让公开数字失效
原研究中的工具基于企业过往成功对话提供建议，知识和流程相对明确。如果企业资料版本混乱、商品价格频繁变化，或者没有把权限与禁答范围写清楚，工具可能加快错误信息传播。
团队结构也会改变结果。新人占比高时，AI可能缩短学习曲线；成熟团队已经形成快捷回复和清晰知识库，进一步提速的空间会小得多。中文语境、行业术语、渠道并发方式也与研究对象不同。
采购方案因此应使用区间测算。保守情景按5%提升，中性情景按10%，积极情景按14%，分别代入本公司的咨询量和成本。35%只用于观察新人子组，不进入全员预算。
达到什么结果才适合扩大投入
试点是否继续，可以在开始前约定门槛：每小时成功解决量提高，同时首次解决率不下降；质检错误和客户重复咨询没有增加；扣除软件、维护和复核成本后，节省的加班、外包或新增岗位费用仍为正。
若速度提高但错误率同步上升，应先收窄问题范围并修订知识库。若熟练员工几乎没有变化，而新人培训时间明显缩短，可以把工具定位为新人辅助，而不是全员替代。这样的采购范围更小，收益口径也更容易验收。