客服的 AI agent 正在解决真实工单量：Klarna 用 OpenAI 搭的助手，上线首月就接下了三分之二的客服对话；Intercom Fin 和 Zendesk 卖的 agent，能自己回答并关掉工单。真正重要的不是它自动化了多少，而是这些「已解决」是否真的解决了，以及客户是否始终能找到一个人。
客服是 2026 年 AI agent 落地最多的岗位，也是公开成绩单最多的一个——赢面和翻车都摆在明处。本站对每个 agent 都画同一条线：哪些步骤它自己跑，哪一步还得有人拍板。而在客服里，这条线格外锋利，因为「分好类」和「真解决」之间隔着的，是一笔退款、一次政策破例，或者一个只想找真人的客户。下面讲清楚：这些 agent 到底做什么、该信哪个指标、以及交接口该放在哪。
「客服 AI agent」到底指什么
两家厂商都把它说得很直白，而且说法一致。Zendesk 的文档把 AI agent 描述为能在消息、邮件、语音上对话，并「在授权系统里自主执行动作」的机器人——把问题解决掉，好让人工去处理复杂的活。它的计分很严格：一次自动解决只有在没有真人介入的情况下把客户问题解决了才算数，一旦对话被升级给人工，就不再计入。
Intercom 的 Fin 跑的是同一套循环，它自己的文档写得很清楚：吸收你的帮助内容、为一个问题检索到正确的段落、生成一个有依据的回答、不确定时就升级。而一次「解决」，按 Fin 的 outcomes 文档，指的是 Fin 给了回答、客户确认有帮助或直接离开不再追问的那种对话。
把这两个定义放一起，形状就清楚了：客服 agent 是一个带「逃生舱」的检索加执行系统。它从你的知识库里作答、在你的工具里做有边界的动作、力不能及时就交接出去。这跟本站为客服工单分诊拆过的「分类 vs 解决」是同一条分界——靠谱的搭法把逃生舱一开始就接好，而不是事后再补。
人人都引用的那个数，和真正重要的那个数
整个品类的头号数据是 Klarna 的。它用 OpenAI 搭的助手 2024 年 2 月上线，首月接下了 Klarna 三分之二的客服对话——230 万次对话，干了 700 名全职客服的活，见 Klarna 自己的新闻稿和 OpenAI 的说明。同一批来源还称它在客户满意度上与人工持平、把重复咨询砍了 25%、把解决时间从 11 分钟降到 2 分钟以内。这就是每份厂商 PPT 都会引用的那个数。
而他们略过的是另一个数。2025 年 5 月，Klarna 公开掉头。CEO Sebastian Siemiatkowski 对 Bloomberg 说公司「走得太远了」，「太看重成本」，「结果是质量下降」，并开始重新招聘人工客服——见 Forbes 和 Customer Experience Dive 的报道。Klarna 并没有把 agent 拔掉，而是转向一种混合模式，让客户始终能找到真人。
所以卖动整个品类的那个指标——自动化了多少比例的量——并不是能跑好一个客服团队的指标。Zendesk 自己的定义早就点破了原因：一次解决，只有真解决了才算数。建立在单薄回答之上的高自动化率，不过是延迟版的「甩单」，而随之而来的二次工单、流失的客户、受损的品牌，都不会出现在第一个数字里。真正的标尺是解决质量 + 一个够得着的真人——正是 Klarna 花钱重新学会的那个平衡。
真正在跑的部署长什么样
站得住的 agent 有个共同结构，而且不是「全都自动化」。Fin 那套有文档记录的循环让每个回答都锚在你的内容上，置信度低就升级而不是硬猜。Zendesk 的 agent 碰到解决不了的事时，会带着完整上下文交接给人工，让交接不必从头再来。两者都是同一条规则的变体：让 agent 掌管可重复的查询，把判断题拦下来。
这正好对应本站客服分诊搭建里的分层。「我的订单在哪？」是 agent 该从头管到尾的查询。「我想在退货期外退款」是判断题——agent 可以把订单、物流、政策条款都收集齐，但由人来决定这个破例。被反噬的团队，往往就是为了让自动化率图表好看，放任 agent 去关掉第二种工单。这就是聊天机器人 vs agent 那条区别加上真金白银的版本：一个能执行动作的 agent，必须被治理，而不只是被上线。
人工那条线得留在哪
上面每个部署都保留了一件由人来掌管的事，而那些把它去掉的，都付了代价。这是本站反复讲的规则：把不可逆的拦住，让可逆的跑。在客服里，可逆的活是回答、查询、查状态、常规退货——交给 agent 掌管是安全的。不可逆、影响品牌的判断，是退款破例、政策松动、安抚愤怒客户——那是一个错误的自主决定会赔上真钱或一段关系的地方，也是你该把给企业的 AI agent 护栏接进来的地方。
可抄的范式，就在本站自己的第一个搭建里。在 Issue #001 中，一个 Gmail agent 读邮件、起草每一封回复，但由人来批准发送——agent 干活，人掌管那一步你收不回来的动作。客服版形状完全一样：agent 处理查询、起草、常规解决；人掌管破例，并且始终一键可及。自动化的是活，不是决定。要是你对这套框架还陌生，agent 入门就从这里讲起。
FAQ
AI agent 能帮客服做什么？ 从你的知识库回答重复问题、在连接的工具里做有边界的动作（查订单、发起退货、更新工单），并把它解决不了的升级给人工、带上完整上下文——见 Zendesk 和 Intercom Fin 自己的文档。不该单独做的：退款破例、政策松动，以及任何会花钱或松动规则的决定。
AI 到底能自动化客服的多少？ Klarna 的助手首月接下了三分之二的对话（Klarna 新闻稿），Fin 则称解决率随你帮助内容的完整度大幅波动（Intercom）。但「自动化比例」是错的靶子：一次解决只有真解决了才算数，而 Klarna 在质量下滑后掉头收回了 AI-only 的推进。要优化的是解决质量，不是甩单率。
Klarna 的 AI 客服教训是什么？ Klarna 很快把三分之二的客服自动化、省下了真金白银，随后在 2025 年因质量下降部分掉头，其 CEO 说公司「太看重成本」（Forbes）。教训不是「别用 agent」——而是留一个够得着的真人，并衡量工单是否真被解决，而不只是被「处理」。
AI agent 该解决工单，还是只做路由？ 先从路由和分类开始，等你信得过它了，再让 agent 去解决那些安全、可重复的工单——就是本站拆解的分类 vs 解决。可逆的查询（订单状态、物流、常规退货）从头到尾交给它是安全的；动钱或松动政策的工单，应路由给人，就像 Issue #001 拦住那一步不可逆的发送一样。
每个值得跑的 agent 都遵循同一条纪律：它把活干完，然后停在那一步你收不回来的动作之前——在客服里，就是退款、破例、那个需要真人的客户。想看真实的搭建——每种职业到底自动化了哪些活、又有哪些仍靠人工过目？免费订阅，每周的搭建直接进你的邮箱。