AI Agent Assist: Cadangan Masa Nyata, Pengetahuan dan Langkah Seterusnya

Oleh Linh Ngo · Dikemas kini 11 Oktober 2026

AI agent assist ialah perisian yang membaca perbualan pelanggan secara langsung dan, ketika ejen manusia masih mengendalikannya, mencadangkan balasan, memaparkan pengetahuan yang betul dan mengusulkan langkah seterusnya. Ejen kekal mengawal: setiap cadangan boleh dihantar, disunting atau diabaikan. Bahagian terakhir itulah yang membezakannya daripada chatbot. Bot bercakap dengan pelanggan. Assist bercakap dengan ejen anda, dan ejen anda bercakap dengan pelanggan.

Bagi kebanyakan pasukan sokongan, ini ialah langkah pertama yang lebih selamat ke arah AI. Pelanggan masih mendapat seorang manusia, manusia itu mendapat laluan yang lebih pantas kepada jawapan, dan anda dapat tahu dengan cepat sama ada pengetahuan anda cukup baik untuk diautomasikan. Jika anda masih menentukan di mana assist sesuai, gambaran keseluruhan AI dalam perkhidmatan pelanggan memetakan pilihan yang lebih luas, dan automasikan atau bantu menerangkan cara memilih bagi setiap topik.

Fakta Utama

• Dalam satu kajian terhadap 5,179 ejen sokongan pelanggan, akses kepada pembantu AI generatif meningkatkan isu yang diselesaikan sejam sebanyak kira-kira 14% secara purata, dan kira-kira 34% bagi pekerja baharu dan berkemahiran rendah, dengan kesan minimum terhadap pekerja berpengalaman.
• Dalam kajian yang sama, ejen mengikut cadangan AI 35% daripada masa secara purata, jadi kebanyakan cadangan tidak digunakan. Ejen yang mengikutinya dengan lebih rapat memperoleh peningkatan yang lebih besar.
• Ejen yang menerima AI dengan tempoh perkhidmatan dua bulan berprestasi sama baik seperti ejen tanpa AI yang mempunyai tempoh perkhidmatan lebih enam bulan pada ukuran utama kajian.
• Dalam tinjauan State of Service ke-7 Salesforce terhadap 6,500 profesional perkhidmatan, wakil yang menggunakan AI melaporkan menghabiskan 20% kurang masa untuk kes rutin, kira-kira empat jam seminggu dibebaskan. Itu tinjauan vendor tentang masa yang dilaporkan sendiri, bukan hasil yang diukur.
• Copilot Intercom boleh menggunakan perbualan dan tiket lepas daripada 4 bulan lalu tetapi tidak menggunakan perbualan daripada saluran e-mel.

Apa yang Dilakukan oleh Agent Assist Semasa Hubungan Langsung

Agent assist mempunyai tiga tugas, dan kebanyakan produk menggabungkannya. Adalah berguna untuk mengasingkannya, kerana setiap satu gagal atas sebab yang berbeza.

1. Cadangan balasan. Alat ini menyediakan draf apa yang perlu dikatakan seterusnya. Cadangan balasan pertama Zendesk, sebagai contoh, menyediakan draf respons pertama dalam komposer Agent Workspace, dibina daripada makro (balasan tersimpan) dan artikel pusat bantuan sedia ada daripada akaun (dan kadangkala daripada kandungan janaan LLM). Ejen boleh menghantarnya seperti sedia ada, menyuntingnya, atau menolaknya dan menulis balasan sendiri. Salesforce menerangkan balasan perkhidmatannya dengan cara yang sama: AI generatif menyediakan draf balasan untuk disemak, disunting dan disiarkan oleh wakil.

2. Pemaparan pengetahuan. Alat ini mencari artikel, dasar atau jawapan lepas yang sepadan dengan soalan, supaya ejen tidak perlu mencari-cari. Cadangan artikel Salesforce mengesyorkan artikel pengetahuan yang relevan kepada wakil pada kes yang terbuka, dan cadangan balasannya memaparkan respons lazim yang telah diluluskan semasa sembang dan pemesejan. Copilot Intercom membolehkan ejen pratonton sumber di sebalik sesuatu jawapan dalam bar sisi, dan jawapan yang dibina daripada sumber dalaman ditandakan kuning dengan amaran sebelum dimasukkan ke dalam komposer. Ini ialah retrieval-augmented generation (corak ACE rag-assistant) yang ditujukan kepada khalayak dalaman.

3. Langkah seterusnya. Alat ini mengesyorkan tindakan: menanda hubungan, menawarkan bayaran balik dalam lingkungan dasar, membuka tiket kejuruteraan, menghantar susulan. Ini ialah corak ACE workflow-copilot. Antara ketiga-tiganya, inilah yang memerlukan data paling berstruktur, kerana "langkah seterusnya" bergantung pada pelan pelanggan, status pesanan atau sejarah akaun, bukan hanya pada perkataan dalam sembang.

Dua ciri sokongan mengelilingi ketiga-tiga ini. Pengesanan niat memberitahu lapisan assist apa yang ditanyakan pelanggan, supaya ia mengambil kandungan yang betul. Ringkasan tiket memberi ejen sejarah dalam beberapa baris, supaya mereka tidak perlu membaca empat puluh mesej sebelum membalas.

Satu Hubungan Langsung, Langkah demi Langkah

Katakan seorang pelanggan menulis: "Saya dicaj dua kali untuk pelan tahunan saya." Inilah yang dilakukan oleh lapisan assist yang dikonfigurasi dengan baik dalam minit pertama.

1. Ia mengelaskan topik sebagai pertikaian pengebilan dan mengambil pelan serta invois terkini pelanggan.
2. Ia memaparkan artikel dasar bayaran balik dan makro caj berganda di sebelah perbualan.
3. Ia menyediakan draf pengakuan yang menyebut pelan itu dan menyatakan apa yang berlaku seterusnya.
4. Ia mengusulkan langkah seterusnya: semak sama ada terdapat kebenaran tertangguh berbanding caj kedua yang sebenar, dan buat bayaran balik dalam had ejen jika ia benar-benar berlaku.
5. Ejen menyunting draf, menghantarnya, dan melaksanakan langkah itu. Hubungan dicatatkan dengan kod sebab.

Tiada satu pun daripada langkah ini menyingkirkan manusia. Ia menyingkirkan pencarian, penaipan semula dan jeda "dasar mana yang terpakai?".

Apa Kata Bukti

Kajian yang paling terkenal ialah pelancaran berperingkat dalam operasi sokongan sembang sebuah syarikat, diterbitkan sebagai NBER Working Paper 31161 dan kemudian dalam Quarterly Journal of Economics. Empat penemuan wajar dibawa ke dalam perancangan anda.

Purata menyembunyikan perbezaannya. Peningkatan purata 14% disertai kira-kira 34% bagi ejen baharu dan berkemahiran rendah serta perubahan minimum bagi yang berpengalaman. Jika pasukan anda kebanyakannya veteran, jangkakan kesan produktiviti yang lebih kecil dan carilah peningkatan konsistensi sebaliknya. Jika anda mengambil pekerja secara berkelompok atau mempunyai pusing ganti yang tinggi, assist lebih penting.

Ia memendekkan tempoh penyesuaian. Ejen dengan tempoh perkhidmatan dua bulan dan akses AI berprestasi sama baik seperti ejen dengan tempoh perkhidmatan lebih enam bulan tanpanya, pada ukuran hasil utama kertas kerja itu (PDF kertas kerja). Bagi seorang pengurus, itu hujah kos latihan sama seperti hujah kelajuan.

Ia dibina untuk menambah baik. Sistem ini menghasilkan cadangan respons masa nyata dan pautan kepada dokumentasi teknikal dalaman, ditunjukkan hanya kepada ejen, yang mempunyai budi bicara sepenuhnya untuk menggunakannya. Ejen mengikut cadangan itu kira-kira 35% daripada masa secara purata, dan pematuhan meningkat dari semasa ke semasa, terutamanya dalam kalangan pekerja yang pada mulanya skeptikal. Penggunaan terpilih ialah kebiasaan, dan itu sihat: kadar cadangan yang hampir 100% bermakna tiada siapa yang berfikir.

Ia menyentuh hasil berkaitan manusia. Penulis melaporkan sentimen pelanggan yang bertambah baik, lebih sedikit pelanggan meminta penyelia, dan kadar pengurangan pekerja yang lebih rendah hasil pengekalan pekerja yang lebih baharu. Kurang pekerja baharu yang berhenti ialah item kos yang segera dikenali oleh kebanyakan pemimpin sokongan.

Satu peringatan tentang skop. Ini ialah satu syarikat, satu produk sembang, dan satu alat tertentu yang dilatih pada perbualan dan hasil daripada ejennya sendiri, dengan kebanyakan ejen berada di Filipina. Anggaplah ia bukti kukuh bahawa mekanismenya berfungsi, bukan janji 14% pada barisan gilir anda. Angka dari pihak vendor lebih lemah: keputusan tinjauan Salesforce iaitu 20% kurang masa untuk kes rutin datang daripada laporan wakil sendiri, jadi gunakannya sebagai arah, bukan sebagai sasaran.

Agent Assist Mengikut Fungsi

Coraknya sama di mana-mana, tetapi apa yang dikira sebagai "cadangan yang baik" berubah.

Dalam setiap baris, cadangan hanya sebaik kandungan dan data di belakangnya. Baris IT gagal atas sebab yang sama seperti baris teknikal: dokumentasi yang tiada siapa menyelenggara.

Cara Melaksanakan Agent Assist

Pelancaran tidak memerlukan pelancaran besar-besaran sekali gus. Urutan ini sesuai untuk kebanyakan pasukan.

1. Pilih satu barisan gilir dan satu saluran. Pilih barisan gilir berisi padu tinggi dan berisiko rendah di mana jawapan wujud secara bertulis. Sembang atau pemesejan ialah permulaan yang lazim. Semak apa yang disokong oleh alat anda: Copilot Intercom, misalnya, tidak menggunakan perbualan saluran e-mel sebagai sumber, jadi liputan saluran ialah perkara untuk disahkan lebih awal. Liputan saluran berbeza banyak mengikut produk.
2. Baiki pengetahuan dahulu. Cadangan bersumberkan makro dan artikel anda, jadi pendua, percanggahan dan dasar yang lapuk bertukar menjadi draf salah yang yakin. Mulakan dengan 50 makro yang paling banyak digunakan dan 30 artikel teratas. Menyediakan data sokongan untuk AI membincangkan pembersihan secara terperinci.
3. Tentukan apa yang boleh dicadangkan oleh alat. Senaraikan topik di mana draf dialu-alukan (cara-cara, status pesanan) dan topik di mana ia dimatikan (ancaman undang-undang, keselamatan, pendedahan terkawal selia). Tulis senarai itu sebelum pelancaran.
4. Jalankan dalam mod bayang selama dua minggu. Tunjukkan cadangan kepada kumpulan pilot yang kecil, dan rekod terima, sunting dan tolak bagi setiap satu, serta sebabnya apabila mereka menolak. Belum ada perubahan yang dilihat pelanggan.
5. Latih tentang pertimbangan, bukan butang. Ejen perlu tahu bahawa draf ialah titik permulaan. Ajarkan semakan dua saat: adakah draf sepadan dengan apa yang ditanya pelanggan, dan adakah sumber yang dipetik menyatakan perkara itu?
6. Ukur dengan kawalan. Bandingkan ejen pilot dengan ejen serupa tanpa assist, atau dengan garis dasar kumpulan pilot sendiri. Jejaki masa pengendalian, penyelesaian pada hubungan pertama, kadar buka semula, CSAT dan masa pekerja baharu mencapai kecekapan. Jangan menilai berdasarkan penerimaan cadangan semata-mata.
7. Tutup gelung maklum balas. Setiap cadangan yang ditolak ialah data. Jika ejen terus menulis semula draf yang sama, makro atau artikel di belakangnya adalah salah. Baiki di puncanya.
8. Kembangkan mengikut barisan gilir, bukan dengan suis. Tambah barisan gilir seterusnya hanya apabila yang pertama mengekalkan angka kualitinya. Pautkan assist kepada QA untuk sokongan supaya penyemak dapat melihat perbualan mana yang menggunakan draf dan sama ada ia berjaya.

Perangkap yang Perlu Dielakkan

Menganggap kadar penerimaan sebagai kejayaan. Kadar penerimaan yang tinggi boleh bermakna alat itu baik atau ejen sudah berhenti menyemak. Kajian NBER mendapati penggunaan terpilih ialah kebiasaan, sekitar 35% secara purata. Gandingkan penerimaan dengan kadar buka semula dan skor QA.

Mengabaikan pangkalan pengetahuan. Artikel Zendesk sendiri menyatakan bahawa ejen tidak dapat mempengaruhi kandungan cadangan balasan, jadi cara untuk memperbaikinya ialah memperbaiki makro dan artikel yang menjadi sumbernya. Assist mendedahkan hutang kandungan dengan cepat.

Bias automasi. Di bawah tekanan barisan gilir, ejen menghantar apa yang ada pada skrin. Pastikan pratonton sumber hanya satu klik jauhnya, seperti yang dilakukan Intercom dengan pratonton sumber dalam bar sisinya, dan semak sampel draf yang dihantar setiap minggu.

Mengukur kelajuan sahaja. Jika masa pengendalian menurun sementara hubungan berulang meningkat, alat itu membantu ejen menutup lebih cepat, bukan lebih baik. Perhatikan penyelesaian di sisi pelanggan, bukan hanya aktiviti di sisi anda.

Melupakan pelan kapasiti. Jika assist meningkatkan daya pemprosesan, pengiraan perancangan tenaga kerja anda berubah. Masukkan masa pengendalian yang baharu ke dalam ramalan isi padu dan kapasiti sebelum anda mengurangkan syif atau pelan pengambilan.

Melangkau bimbingan. Assist menyebarkan tabiat baik, tetapi ia tidak akan menyelesaikan masalah kualiti dengan sendirinya. Gunakan data terima dan tolak dalam perbualan bimbingan, di situlah kesan pembelajaran dalam penyelidikan itu sebenarnya diperkukuh.

Rupa 90 Hari Pertama yang Baik

Menjelang minggu kedua anda patut mempunyai set kandungan yang bersih dan kumpulan pilot. Menjelang minggu keenam anda patut mengetahui corak terima, sunting dan tolak mengikut topik, dan telah membetulkan sepuluh masalah kandungan teratas yang didedahkannya. Menjelang minggu kedua belas anda patut mempunyai perbandingan kumpulan kawalan tentang masa pengendalian, kadar buka semula dan CSAT, serta satu angka yang akan diterima oleh rakan kewangan anda, seperti jam seminggu yang dikembalikan kepada barisan gilir atau minggu yang dijimatkan bagi setiap pekerja baharu. Jika perbandingan itu mendatar, punca yang berkemungkinan ialah kualiti kandungan atau pasukan yang dipenuhi veteran, bukan idea itu sendiri. Baiki yang pertama dan pertimbangkan semula skop untuk yang kedua.