Apa yang Dijangkakan Pelanggan daripada Perkhidmatan Pelanggan AI

Oleh Linh Ngo · Dikemas kini 11 Oktober 2026

Pelanggan menjangkakan perkhidmatan pelanggan AI melakukan tiga perkara: menyelesaikan permintaan mudah dengan pantas, memastikan seseorang boleh dihubungi apabila ia tidak mampu, dan menyatakan dengan jelas bahawa ia ialah AI. Mereka tidak menjangkakan kesempurnaan. Mereka menjangkakan bahawa menggunakan bot tidak akan memakan lebih banyak masa berbanding melangkaunya. Apabila AI menghalang jalan kepada manusia, membazirkan satu giliran, atau menyembunyikan jati dirinya, kepercayaan menurun, dan data tinjauan menunjukkan penurunan itu sudah pun besar.

Artikel ini ditujukan kepada pemimpin sokongan, pengarah CX dan pengurus sokongan yang sedang memutuskan sejauh mana hendak menolak AI ke barisan hadapan. Ia sebahagian daripada koleksi AI dalam perkhidmatan pelanggan, dan ia menumpukan pada satu soalan: apa yang sebenarnya dikatakan pelanggan mereka mahukan, dan bagaimana ia patut mengubah apa yang anda bina?

Fakta Utama

• Dalam tinjauan Consumer Experience Trends 2026 oleh Qualtrics XM Institute (lebih 20,000 pengguna di 14 negara, dijalankan pada S3 2025), hampir 1 daripada 5 pengguna yang menggunakan AI untuk perkhidmatan pelanggan tidak melihat sebarang manfaat, kadar yang hampir empat kali ganda lebih tinggi daripada penggunaan AI secara umum (Qualtrics).
• Dalam tinjauan Qualtrics yang sama, 50% pengguna bimbang AI akan menghalang mereka daripada menghubungi seseorang, dan 53% menamakan penyalahgunaan data peribadi sebagai kebimbangan utama mereka, meningkat 8 mata dalam setahun (Qualtrics).
• State of the AI Connected Customer oleh Salesforce (tinjauan YouGov terhadap 15,015 pengguna di 18 negara, Julai hingga Ogos 2024) mendapati 30% akan memilih ejen AI berbanding seseorang untuk perkhidmatan yang lebih pantas, dan 45% lebih cenderung menggunakan ejen AI jika ada laluan yang jelas kepada seseorang (Salesforce).
• Dalam tinjauan Salesforce itu, hampir 75% pengguna mahu tahu sama ada mereka bercakap dengan ejen AI (Salesforce).
• CFPB melaporkan bahawa lebih 98 juta pengguna, kira-kira 37% penduduk A.S., berinteraksi dengan chatbot bank pada 2022 (CFPB).

Maksud "Jangkaan Pelanggan terhadap Perkhidmatan AI"

Jangkaan, dalam erti kata ini, ialah piawaian yang dipegang pelanggan terhadap AI anda sebelum mereka menaip perkataan pertama. Ia datang daripada setiap pengalaman terdahulu dengan pokok telefon, chatbot runcit atau "pembantu maya" yang berpusing kembali ke menu yang sama. Kebanyakan pelanggan tidak menilai model anda. Mereka menilai sama ada kali ini bot akan membawa mereka ke tempat yang mereka perlukan.

Itu penting kerana jangkaan bukan satu perkara. Ia berpecah mengikut tugas. Orang yang menyemak status pesanan mahukan jawapan serta-merta dan tidak peduli siapa yang memberikannya. Orang yang mempertikaikan caj mahukan seseorang yang boleh membuat keputusan. Pelanggan yang sama memegang kedua-dua pandangan itu pada hari yang sama.

Dari segi ACE Framework, kebanyakan AI berhadapan pelanggan di sini ialah pembantu RAG (ia membaca kandungan bantuan anda dan menjana jawapan) ditambah lapisan pemarkahan dan penghalaan (ia menentukan siapa yang mengendalikan permintaan). Kedua-dua corak menjadikan soalan jangkaan itu konkrit: pembantu mesti betul, dan penghala mesti tahu bila hendak berhenti. Nama corak datang daripada ACE Framework.

Apa yang Dikatakan oleh Bukti Tinjauan

Bacaan yang jujur terhadap kajian ini bercampur-campur. Pelanggan tidak seragam memusuhi perkhidmatan AI, dan mereka juga tidak seragam menggemarinya. Beberapa dapatan berulang merentasi tinjauan bebas.

Ramai pelanggan merasakan bot tidak membantu. Angka Qualtrics terus terang: perkhidmatan pelanggan AI gagal memberi manfaat pada kadar kira-kira empat kali ganda berbanding penggunaan AI secara umum. Pengarang laporan itu berhujah bahawa syarikat menggunakan AI terutamanya untuk mengurangkan kos, dan mengesyorkan AI mengendalikan permintaan mudah dan transaksional, kemudian membekalkan latar belakang dan cadangan penyelesaian kepada ejen manusia untuk yang rumit (Qualtrics).

Menghubungi seseorang ialah kebimbangan utama. Separuh daripada responden Qualtrics takut AI akan menghalang mereka daripada manusia. Itu ketakutan yang sama yang diperikan oleh pengawal selia, seperti ditunjukkan oleh perkara CFPB di bawah.

Kelajuan ialah tarikan sebenar, bagi sesetengah orang. Dalam tinjauan Salesforce, 30% akan memilih ejen AI berbanding seseorang untuk perkhidmatan yang lebih pantas, meningkat kepada 37% dalam kalangan Gen Z dan milenial. Lebih sepertiga akan menggunakan AI untuk mengelak mengulang diri. Jadi kira-kira tujuh daripada sepuluh masih tidak akan memilih AI semata-mata kerana kelajuan. Kelajuan memberi anda percubaan, bukan kesetiaan (Salesforce).

Jalan keluar yang kelihatan meningkatkan kesediaan untuk mencuba. Salesforce mendapati 45% pengguna lebih cenderung menggunakan ejen AI apabila ada laluan eskalasi yang jelas kepada seseorang, dan 44% lebih cenderung jika logiknya diterangkan dengan jelas. Jalan keluar itu sebahagian daripada produk, bukan pengakuan kegagalan.

Pelanggan mahu tahu ia AI, dan mengapa ia membuat keputusan sedemikian. Hampir 75% responden Salesforce mahu tahu jika mereka bercakap dengan ejen AI. Dalam laporan CX Trends 2026 Zendesk (6,182 pengguna dan 5,115 responden perniagaan di 22 negara, dijalankan pada Jun 2025), 95% pengguna menjangkakan penjelasan untuk keputusan yang dibuat oleh AI, dan 80% pemimpin CX menjangkakan ketelusan AI akan diwajibkan untuk AI berhadapan pelanggan dalam tempoh dua tahun. Zendesk menjual perisian sokongan, jadi bacalah ini sebagai tinjauan vendor (Zendesk).

Kepercayaan menurun dan kebimbangan data meningkat. Salesforce mendapati 72% pengguna kurang mempercayai syarikat berbanding setahun sebelumnya, dan Qualtrics mendapati privasi ialah kebimbangan utama pada 53%. Kedua-duanya menunjuk ke arah yang sama: pelanggan akan berkongsi kurang apabila mereka kurang percaya, dan AI anda berfungsi lebih baik dengan konteks.

Pengawal selia sudah menyedarinya. Kajian CFPB tentang chatbot dalam kewangan pengguna menandakan "kitaran tanpa jalan keluar", iaitu pelanggan terperangkap dalam respons berulang tanpa laluan kepada manusia. Ia menyatakan bahawa chatbot yang cacat dan menyekat akses kepada sokongan langsung boleh membawa kepada pelanggaran undang-undang, dan bahawa chatbot yang tidak dapat memahami permintaan "tidak sesuai" sebagai saluran perkhidmatan utama (CFPB).

Daripada Jangkaan kepada Reka Bentuk: Jadual Kerja

Jadual ini memetakan setiap jangkaan kepada bukti di atas dan kepada pilihan reka bentuk yang boleh anda lancarkan.

Contoh Sebenar mengikut Fungsi

Jangkaan berlaku secara berbeza merentasi operasi sokongan.

Status pesanan dan soalan akaun. Di sinilah AI membuktikan kegunaannya. Pelanggan yang bertanya di mana pesanannya mahukan jawapan, bukan perbualan. Pembantu berasaskan pengambilan yang membaca data pesanan dan memulangkan satu baris yang jelas, dengan pautan "bercakap dengan seseorang" di bawahnya, memenuhi setiap jangkaan dalam jadual. Ia juga tempat permulaan yang berisiko paling rendah.

Pertikaian pengebilan dan bayaran balik. Pelanggan menjangkakan empati dan kuasa, dan kebimbangan CFPB tentang pertikaian yang tidak diselesaikan terletak di sini. Biarkan AI mengumpulkan fakta (invois, tarikh, apa yang dijangkakan pelanggan) dan menulis draf ringkasan, kemudian halakan kepada seseorang yang boleh memutuskan. Halaman ejen pengurus eskalasi AI membincangkan serahan ini dengan lebih terperinci.

Penyelesaian masalah teknikal. AI boleh menelusuri langkah yang didokumenkan dengan baik, tetapi "kami sudah mencuba itu" ialah kegagalan yang paling biasa. Berikan pembantu percubaan terdahulu pelanggan, dan eskalasikan apabila satu langkah berulang.

Aduan dan pembatalan. Jangan letakkan AI di antara pelanggan yang kecewa dan seseorang. Isyarat sentimen boleh menghalakan kes ini terus kepada manusia; halaman ejen QA chatbot AI menunjukkan cara menyemak perbualan itu pada skala besar.

Permintaan terkawal atau sensitif. Dalam kewangan, kesihatan dan insurans, jawapan yang salah atau mengelak bukan sekadar pengalaman buruk; ia boleh menjadi isu pematuhan. Pastikan pembantu kekal sempit di sini dan baca panduan halusinasi AI sebelum anda meluaskan skop.

Langkah demi Langkah: Mereka Bentuk Berdasarkan Jangkaan

1. Senaraikan 15 sebab hubungan teratas anda. Tarik tiket sebulan dan labelkannya. Tandakan setiap satu sebagai mudah dan transaksional, bergantung pada pertimbangan, atau sarat emosi. Hanya kumpulan pertama ialah calon untuk automasi penuh. Keputusan automasi atau bantuan merangkumi kumpulan pertengahan.
2. Tulis peraturan handoff sebelum bot. Tentukan dengan tepat bila seseorang mengambil alih: selepas satu jawapan yang gagal, pada sebarang sebutan pembatalan atau pertikaian, pada sentimen negatif, atau bila-bila pelanggan meminta. Tuliskannya dan bina ia dahulu.
3. Bina serahan transkrip. Ejen yang mengambil alih patut melihat keseluruhan perbualan, pelan pelanggan dan pesanan terkini. Jika mereka perlu meminta pelanggan bermula semula, anda telah melanggar jangkaan "jangan suruh saya mengulang".
4. Dedahkan dalam mesej pertama. Sesuatu seperti "Saya pembantu AI. Saya boleh membantu dengan soalan pesanan dan akaun, atau menyambungkan anda kepada seseorang pada bila-bila masa." Satu ayat itu merangkumi pendedahan, skop dan jalan keluar.
5. Dasarkan setiap jawapan pada sumber. Hadkan pembantu kepada kandungan bantuan dan dasar yang diluluskan, dan tunjukkan artikel mana yang menjadi sumber jawapan. Panduan guardrails merangkumi had pada apa yang boleh dikatakan atau dilakukan oleh model.
6. Ukur dari sisi pelanggan. Jejaki penyelesaian tanpa hubungan semula, kadar handoff, masa untuk sampai kepada manusia, dan semakan kepuasan satu soalan selepas perbualan AI sahaja. Pembendungan semata-mata memberi ganjaran kepada memerangkap pelanggan.
7. Lakukan pilot pada satu saluran dan semak setiap minggu. Baca 30 transkrip sebenar seminggu pada bulan pertama. Baiki tiga kegagalan paling biasa sebelum anda menambah intent.

Kesilapan Lazim

• Menyembunyikan manusia. Menyorokkan pilihan ejen di sebalik beberapa menu menjimatkan sedikit kos dan menghasilkan tepat ketakutan yang diperikan oleh tinjauan.
• Mengoptimumkan untuk pembendungan. Nombor "diselesaikan oleh bot" yang tinggi mungkin hanya bermakna pelanggan berputus asa. Gandingkannya dengan kadar hubungan semula.
• Berpura-pura bot ialah manusia. Nama menyerupai manusia dan kelewatan menaip menghakis kepercayaan apabila pelanggan menyedarinya, dan hampir tiga daripada empat mahu tahu juga.
• Mengautomasikan kes beremosi. Pembatalan dan aduan ialah tempat seseorang paling dihargai dan tempat ralat AI paling mahal.
• Menganggap satu tinjauan sebagai universal. Tinjauan berbeza dari segi sampel, negara dan perkataan. Semak tingkah laku pelanggan anda sendiri: di mana mereka meninggalkan, meminta ejen, atau memberi penilaian rendah?
• Mengumpulkan lebih banyak data daripada yang diperlukan tugas. Dengan privasi sebagai kebimbangan utama dalam data Qualtrics, soalan tambahan menelan kepercayaan.

Bagaimana Ini Berkaitan dengan Selebihnya Tindanan Sokongan AI Anda

Jangkaan ialah input reka bentuk, bukan aliran kerja yang berasingan. Ia menentukan di mana anda meletakkan human in the loop dan bagaimana anda menyusun urutan kes penggunaan yang disenaraikan dalam ejen AI untuk sokongan pelanggan. Jika sesuatu kes penggunaan tidak dapat memenuhi jadual di atas, jangan lancarkan lagi.