Bagaimana AI Mengubah Peranan dan Perancangan Tenaga Kerja Pasukan Sokongan

Oleh Linh Ngo · Dikemas kini 11 Oktober 2026

AI mengubah peranan pasukan sokongan dengan mengambil alih hubungan yang berulang dan didokumenkan dengan baik serta membantu ejen pada selebihnya, lalu menganjakkan kerja manusia ke arah kes kompleks, keputusan berasaskan pertimbangan, dan penyelenggaraan pengetahuan serta peraturan yang menjadi asas operasi AI. Perancangan bilangan kakitangan turut berubah: anda merancang tenaga kerja untuk perbualan yang lebih sedikit tetapi lebih sukar, dan anda menambah sebilangan kecil peranan yang sebelum ini tidak wujud, seperti jurulatih AI dan pengurus pengetahuan.

Panduan ini ditujukan kepada pemimpin sokongan, pengarah CX dan pengurus sokongan yang perlu memutuskan rupa carta organisasi mereka setelah AI berada dalam aliran kerja. Ia sebahagian daripada koleksi AI for Customer Service. Untuk gambaran besar, mulakan dengan AI dalam perkhidmatan pelanggan. Di sini kita menumpukan pada manusia: peranan mana yang berubah, peranan baharu mana yang muncul, dan cara menggerakkan pasukan ke sana tanpa menjejaskan perkhidmatan.

Fakta Utama

• Dalam satu kajian terhadap 5,179 ejen sokongan pelanggan, akses kepada pembantu AI generatif meningkatkan isu yang diselesaikan sejam sebanyak 14% secara purata (Brynjolfsson, Li dan Raymond, NBER Working Paper 31161).
• Kajian yang sama melaporkan peningkatan 34% bagi pekerja baharu dan berkemahiran rendah, dan kesan minimum terhadap pekerja berpengalaman dan berkemahiran tinggi (NBER Working Paper 31161).
• Biro Statistik Buruh A.S. (BLS) mengira kira-kira 2.67 juta pekerjaan wakil perkhidmatan pelanggan pada tahun 2025 dan menjangkakan penurunan 5% dari 2025 hingga 2035, iaitu kehilangan kira-kira 141,800 pekerjaan (BLS Occupational Outlook Handbook).
• BLS mengaitkan penurunan itu dengan sistem layan diri dan automasi yang mengendalikan tugas mudah, manakala sesetengah syarikat mengekalkan pusat perkhidmatan dalaman untuk pertanyaan kompleks (BLS Occupational Outlook Handbook).
• Walaupun dengan penurunan yang diunjurkan, BLS menjangkakan kira-kira 289,500 kekosongan setahun, semuanya daripada pekerja yang meninggalkan pekerjaan itu atau berpindah ke pekerjaan lain (BLS Occupational Outlook Handbook).

Apa yang Sebenarnya Berubah dalam Pasukan Sokongan

Dua daya bertindak pada organisasi sokongan pada masa yang sama, dan keduanya menarik ke arah yang berbeza.

Yang pertama ialah membantu. Copilot AI menyediakan draf balasan, meringkaskan utas yang panjang, dan mengambil artikel bantuan yang betul semasa ejen sedang menaip. Kajian NBER ialah bukti paling jelas yang kita ada untuk kesan ini. Peningkatan itu tidak tersebar sama rata. Peningkatan 34% bagi pekerja baharu dan berkemahiran rendah, berbanding kesan minimum pada yang berpengalaman, mencadangkan bahawa pembantu itu berfungsi sebahagiannya dengan menyalurkan apa yang sudah diketahui oleh prestasi teratas. Ini ada akibat terhadap tenaga kerja: tempoh penyesuaian dan nilai seorang ejen yang berkhidmat lama kedua-duanya berubah. Rencana kami tentang copilot AI menerangkan mekanismenya.

Yang kedua ialah mengautomasikan. Chatbot dan ejen AI menyelesaikan sesetengah hubungan dari awal hingga akhir, jadi hubungan itu tidak pernah sampai kepada seorang manusia. BLS menyatakannya dengan jelas dalam tinjauannya bagi pekerjaan ini: tugas mudah beralih kepada layan diri dan sistem automatik, dan apa yang tinggal untuk manusia adalah lebih kompleks. Jika anda ingin melihat bagaimana keputusan itu dibuat hubungan demi hubungan, baca automasikan atau bantu dalam perkhidmatan pelanggan.

Apabila digabungkan, isi padu yang sampai kepada manusia menjadi lebih kecil dan lebih sukar. Purata masa pengendalian bagi setiap hubungan boleh meningkat walaupun produktiviti setiap ejen bertambah baik, kerana hubungan yang mudah telah meninggalkan barisan gilir. Pemimpin yang menilai pasukan berdasarkan sasaran masa pengendalian yang lama akan menyangka keadaan bertambah buruk sedangkan ia bertambah baik.

Jadual Peranan: Sebelum dan Selepas

Gelaran berbeza-beza, tetapi anjakannya konsisten. Gunakan ini sebagai peta permulaan, kemudian laraskan mengikut struktur anda sendiri.

Tidak semua pasukan memerlukan seseorang yang bergelar "jurulatih AI." Dalam pasukan seramai 15 orang, kerjanya mungkin setengah hari seminggu bagi seorang ejen kanan. Dalam operasi besar, ia ialah sebuah pasukan. Yang penting ialah seseorang memilikinya dengan nama, kerana kualiti AI yang tiada pemilik akan hanyut.

Peranan demi Peranan: Apa yang Perlu Dijangka

Peringkat 1: hubungan lebih sedikit, standard lebih tinggi

Peringkat 1 ialah tempat automasi mendarat dahulu, kerana hubungannya berulang dan jawapannya tertulis. Jangan baca itu sebagai "peringkat 1 hilang." Bacalah sebagai "kerja peringkat 1 berubah bentuk." Ejen peringkat 1 manusia kini melihat hubungan yang tidak dapat ditutup oleh bot: pelanggan yang marah, permintaan yang mencampurkan dua isu, atau akaun dengan sejarah luar biasa. Ini memerlukan lebih banyak kemahiran daripada tetapan semula kata laluan, dan profil pengambilan serta jalur gaji anda patut mencerminkannya.

Alat agent assist melakukan tugas kedua di sini. Jika copilot mencadangkan jawapan, pekerja baharu boleh mengendalikan julat isu yang lebih luas lebih awal. Itu selaras dengan corak yang ditemui kajian NBER bagi pekerja yang kurang berpengalaman, walaupun ia hanya satu kajian dalam satu persekitaran sokongan, jadi ujilah pada hubungan anda sendiri sebelum anda merancang berdasarkannya.

Pakar: laluan eskalasi menjadi lebih sibuk

Pakar dan peringkat 2 menanggung bahagian yang lebih besar daripada apa yang sampai kepada manusia. Mereka juga mendapat tugas baharu: menyemak kes di mana AI mengeskalasi, dan memberitahu jurulatih apa yang salah. Aliran kerja eskalasi yang diurus dengan baik menyampaikan konteks penuh kepada pakar supaya pelanggan tidak perlu mengulangi dirinya. Pakar yang menyukai penyelesaian masalah yang mendalam biasanya berkembang maju. Mereka yang bergantung pada kerja berisi padu untuk kekal produktif mungkin memerlukan sokongan.

Pengurus pengetahuan: peranan baharu yang paling kurang dihargai

Kebanyakan alat jawapan AI mengambil daripada kandungan bantuan anda kemudian menyediakan draf balasan, satu corak yang dipanggil retrieval-augmented generation. Jika artikel itu lapuk, jawapannya lapuk, disampaikan dengan yakin dan pada skala besar. Itu menjadikan orang yang memiliki pangkalan pengetahuan sebagai pemilik kualiti bagi setiap jawapan AI. Pengurus pengetahuan mengekalkan satu sumber rujukan tunggal, menamatkan artikel pendua dan bercanggah, dan menyemak apa-apa yang ditandakan apabila pelanggan menilai sesuatu jawapan dengan buruk. Lihat ejen AI pangkalan pengetahuan untuk cara automasi boleh membantu kerja ini tanpa menggantikan pemilik.

Jurulatih AI dan pereka perbualan

Peranan ini menulis dan menguji peraturan: bila hendak menyerahkan, nada apa yang digunakan, topik mana yang tidak boleh dijawab oleh AI seorang diri. Ia kelihatan sangat seperti kerja seorang ejen kanan digabungkan dengan editor kandungan. Calon yang baik sering datang daripada orang peringkat 2 terbaik anda, kerana mereka tahu di mana jawapan sebenar berbeza daripada yang didokumenkan.

Ketua pasukan dan QA

Jaminan kualiti dahulu mengambil sampel segelintir tiket manusia bagi setiap ejen seminggu. Dengan AI dalam campuran, anda juga menyemak perbualan bot, dan kegagalannya kelihatan berbeza: jawapan salah yang yakin, kitaran di mana pelanggan tidak dapat menghubungi seseorang, tanda kekecewaan yang terlepas. Ketua memerlukan cara untuk membaca sampel dengan pantas dan laluan yang jelas untuk membetulkan AI, bukan hanya membimbing manusia.

Cara Mereka Bentuk Semula Peranan dan Tenaga Kerja, Langkah demi Langkah

1. Petakan jenis hubungan mengikut kerumitan dan risiko. Ambil tiga bulan tiket dan kumpulkannya: berulang dan didokumenkan, berulang tetapi sensitif (pertikaian pengebilan, penutupan akaun), dan kompleks atau emosi. Peta ini mendorong semua yang lain. Jika data tiket anda bersepah, baiki itu dahulu; menyediakan data sokongan untuk AI membincangkannya.
2. Tentukan apa yang hendak diautomasikan dan apa yang hendak dibantu. Automasikan di mana jawapan stabil dan jawapan salah murah kosnya. Bantu di mana pertimbangan atau empati penting. Pastikan manusia dalam gelung pada apa-apa yang melibatkan wang, undang-undang atau keselamatan.
3. Namakan pemilik sebelum anda melancarkan. Tugaskan seseorang untuk pengetahuan, seseorang untuk peraturan AI dan penyerahan, dan seseorang untuk semakan kualiti. Ini boleh bersifat sambilan pada mulanya. Pemilikan yang tidak dinamakan ialah sebab paling biasa kualiti AI merosot selepas pelancaran.
4. Jalankan Pilot dengan satu barisan gilir dan satu pasukan. Kekalkan tenaga kerja lama semasa pilot. Ukur kualiti penyelesaian dan kadar eskalasi, bukan hanya isi padu deflection.
5. Tetapkan semula garis dasar metrik anda. Masa pengendalian, hubungan bagi setiap ejen dan kos bagi setiap tiket semuanya berubah apabila kerja mudah beredar. Tetapkan sasaran yang sesuai dengan campuran baharu, dan tambah ukuran seperti kepuasan pelanggan pada kes yang dieskalasi dan bahagian jawapan AI yang perlu dibetulkan.
6. Latih semula dan susun semula tahap peranan. Tawarkan laluan daripada peringkat 1 ke peranan pakar, jurulatih atau pengetahuan. Kemas kini huraian tugas, soalan temu duga dan jalur gaji supaya sepadan dengan kerja yang lebih sukar.
7. Rancang tenaga kerja melalui lesapan semula jadi dan penempatan semula dahulu. BLS menganggarkan kira-kira 289,500 kekosongan setahun dalam pekerjaan ini, semuanya daripada pekerja yang berhenti atau berpindah, yang menunjukkan pusing ganti sebenar. Jika pasukan anda mempunyai churn yang serupa, anda selalunya boleh membiarkan beban kerja mantap melalui lesapan semula jadi dan pemindahan dalaman dan bukannya pemberhentian. Putuskan perkara ini dengan sengaja, bukan secara lalai.
8. Semak setiap suku tahun. Campuran hubungan beralih apabila AI bertambah baik dan apabila pelanggan mengetahui apa yang boleh dilakukannya. Lawati semula peta daripada langkah 1 setiap suku tahun bagi tahun pertama.

Model Tenaga Kerja yang Sesuai dengan Campuran Baharu

Beberapa corak muncul dalam pasukan yang mengendalikan peralihan dengan baik.

Barisan hadapan terkumpul dengan cincin pakar. Satu kumpulan mengendalikan hubungan pertama, dibantu oleh AI, dan kumpulan pakar yang lebih kecil menerima eskalasi. Ini menggantikan barisan gilir peringkat 1 dan peringkat 2 yang kaku dengan penghalaan fleksibel berdasarkan kerumitan hubungan, yang boleh dipacu oleh triaj AI.

Peranan bergabung dalam pasukan kecil. Jika anda mempunyai kurang daripada sepuluh orang, jangan mengambil jurulatih AI sepenuh masa. Berikan ejen terkuat anda blok masa yang dilindungi setiap minggu untuk peraturan dan pengetahuan, dan putarkannya setiap beberapa bulan supaya pengetahuan tidak tersimpan dalam satu kepala.

Perancangan kapasiti berdasarkan penyelesaian, bukan tiket. Jika anda meramal tenaga kerja daripada isi padu tiket semata-mata, anda akan melebihkan keperluan apabila AI menyerap hubungan mudah dan mengurangkan anggaran masa bagi setiap kes yang tinggal. Ramal mengikut jenis hubungan dan jangkaan masa pengendalian bagi setiap jenis.

Liputan yang sepadan dengan risiko. Di mana AI meliputi waktu luar pejabat untuk soalan rutin, anda mungkin tidak memerlukan liputan manusia semalaman untuknya, tetapi anda mungkin masih mahukan laluan siaga kecil untuk kes mendesak. Padankan liputan dengan risiko, bukan kebiasaan.

Perangkap yang Perlu Dielakkan

• Mengurangkan kakitangan sebelum AI membuktikan dirinya. Angka deflection kelihatan baik pada awalnya, sementara masalah kualiti muncul beberapa minggu kemudian. Kekalkan penampan sehingga kadar eskalasi dan kepuasan pada hubungan yang dikendalikan AI stabil.
• Melupakan manusia yang menjadi sandaran AI. Jurulatih, pengurus pengetahuan dan penyemak kualiti memastikan sistem tepat. Menyingkirkan mereka untuk menjimatkan kos bermakna menyingkirkan perlindungan.
• Menggunakan semula sasaran lama. Menilai ejen berdasarkan masa pengendalian setelah tiket mudah beredar menghukum mereka kerana mengendalikan kerja yang lebih sukar. Kemas kini scorecard sebelum anda mengemas kini barisan gilir.
• Melangkau perbualan dengan orang. Ejen mendengar "AI" dan menganggap akan ada pemberhentian. Nyatakan dengan jelas apa yang berubah, apa yang kekal, dan apakah laluan perkembangan. Pasukan yang menjangka kejutan hilang semangat sebelum alat itu dilancarkan.
• Menganggap agent assist sebagai pengganti bimbingan. Copilot boleh meningkatkan output ejen baharu, tetapi mereka masih memerlukan maklum balas tentang pertimbangan dan nada. Penemuan NBER adalah tentang produktiviti, bukan tentang pembangunan kemahiran.
• Menyembunyikan bot. Pelanggan yang menyangka mereka bercakap dengan seorang manusia dan kemudian mendapati sebaliknya kehilangan kepercayaan. Jelaskan apabila AI berada dalam perbualan, dan sentiasa berikan laluan kepada manusia. Lihat jangkaan pelanggan terhadap perkhidmatan AI.
• Menyamaratakan satu kajian secara berlebihan. Keputusan NBER datang daripada satu kajian dalam satu persekitaran sokongan. Hasil anda akan bergantung pada produk, data dan ejen anda. Ukurlah milik anda sendiri.

Langkah Seterusnya

Reka bentuk peranan hanya berfungsi apabila AI di belakangnya tepat dan penyerahannya bersih. Baca reka bentuk human-in-the-loop untuk cara memastikan manusia mengawal langkah yang penting, dan kembali kepada panduan utama untuk peta penuh.