Agentic AI 客服：会做事的 AI，和只会回答的分别

Gartner 估计，市面上数以千计自称「agentic AI」的供应商中，真正名副其实的只有约 130 间。其余的，分析师客气地称之为「agent washing」— 把旧有的查询式 AI 客服换个新标签再卖。直接的答案是：客服场景的 agentic AI，指的是会「采取行动」的 AI agent — 查订单、分流销售线索、更新纪录、把多步骤流程走到完成 — 而不是回一句话就停。本文拆解这对商家实际意味着甚么、怎样分辨真 agent 和翻新包装，以及真正的界限在哪里。

---

甚么是客服场景的 agentic AI？

直接答案：是替客户「完成任务」的软件，而不只是「回答关于任务的问题」的软件。界线很简单：查询式客服告诉你订单「应该」星期五到；AI agent 查到订单卡住了，开出补发，然后告诉你「已处理好」。

这个分别在一句话里听起来很小，实际差天共地。传统查询式客服是一部答问机：你问，它从知识库检索文字或跟着预设的决策树走，交回一段文字。Agentic 系统则可以把多个步骤串起来：读取资料、决定做甚么、在另一个系统执行动作、检查结果，然后才回复 — 有时要循环几次才完成。

对商家而言，回报不是新鲜感，而是工作在你睡觉时真的被做完，而不是变成一堆「明早要跟进」。诚实的前提是：「会采取行动」正是供应商宣传与现实落差最大的位置，所以更要懂得看。

还有一个安静但重要的变化值得留意。Gartner 预测，到 2028 年，70% 的客服旅程将在客户手机内置的第三方助理中开始并解决。即是说，越来越多人会先「问手机」，才会到你的网站或直接联络你。务实的结论不是恐慌，而是：你的结构化资讯、以及对真正查询采取行动的能力，比以往任何时候都重要 — 因为真正到达你手上的对话，会越来越多是需要「做点甚么」的那种，而不只是查资料。

AI agent 和查询式客服有甚么分别？

直接答案：查询式客服回答；AI agent 行动。整个分别就这一句，而大部分市场宣传想模糊的也是这一句。

查询式客服在文字的封闭回圈内运作。即使做得好、有文件支撑，本质仍是回传资讯：它答得到「退款政策是甚么」，但不会「做」退款。AI agent 则可以接下一个目标（「这位客户想退款」），逐步走向结果 — 核实订单、按你的规则检查资格、触发动作、确认 — 超出权限时转介真人。

行业的尴尬真相是：Menlo Ventures 2025 年企业生成式 AI 报告发现，只有 16% 的企业 AI 部署称得上真正的 agent — 大多数是挂着「agent」标签的固定流程。这不代表固定流程没用；设计良好的固定流程本身有真实价值。但你应该知道自己买的是哪一种。

AI agent 实际可以为商家做甚么？

直接答案：四类查询式客服做不到的工作 — 捕捉并分流、跑引导式流程、读写数据、触发下一步。每一类都是把任务从真人手上拿走，而不只是挡走一条问题。

对多数商家最立竿见影的是线索捕捉与分流：访客不再看完「联络我们」就离开，agent 会先了解查询、收集对你生意重要的资料、把线索送到正确位置 — 晚上 11 点的查询，第二天早上已是管道里的暖线索，而不是漏接。这就是「你关门后生意照样运作」的回报，也是 agentic AI 最快回本的部分。

其余三类建于其上：

1. 引导式多步流程。 预约、入职、退换、故障排查 — 任何本来要来回多次的事，都以结构化对话走到实际结果。
2. 读写数据。 已连接的 agent 可以查纪录并更新。Omago 是一个会做事的 AI agent 平台，协助商家在 WhatsApp、Telegram 与网站对话中自动处理客户查询，提供实装整合（Airtable 是其中一个具名确认的例子），让 agent 处理你的真实数据而非冻结副本。
3. 触发后续动作。 流程完成后自动开展下一步 — 记录互动、通知同事、推进任务 — 不用等人手复制贴上。

留意清单上「没有」的：任何不可逆或高风险、而无人把关的事。设计良好的 agent 不会自行批出大额退款或作出有约束力的承诺。行动的意义是清走六成常规工作，让你的人专注需要判断的四成 — 不是把人从有后果的决定中移走。

钱的部分值得讲清楚，因为「采取行动」听起来抽象，直到你看见一个行动值多少钱。Gartner 基准数据显示，自助渠道每次接触成本中位数约 US$1.84，真人处理渠道约 US$13.50。Agent 每自行「完成」（不是挡走）一宗常规查询，就把一次接触从贵的一栏搬去便宜的一栏。McKinsey 2023 年分析发现，把生成式 AI 应用于客户服务，可带来相当于现有职能成本 30–45% 的生产力价值，并最多减少 50% 的真人处理量。杠杆是真的，只是它透过「做完的任务」兑现，不是「答过的问题」。

Agentic AI 成熟了吗？还是炒作？

直接答案：它是真的、进步很快、同时也被严重过度营销 — 三者同时成立。管好期望最重要的一个数字：Gartner 预测，超过 40% 的 agentic AI 项目会在 2027 年底前被取消，原因是成本膨胀、商业价值不清、风险管控不足。

这不是避开 agentic AI 的理由，而是别成为那 40% 的理由。被取消的项目往往有共同特征：在基本功 — 干净的知识库、定义清晰的意图、合理的转介规则 — 未就绪前，先买了最进取的版本。而 Gartner 的 agent washing 发现（数千间供应商中仅约 130 间属真），意味着大量失败一开始就是买了翻新包装的查询式客服，却期望它会行动。

预测向两个方向拉，你要同时拿住两边。乐观一面：Gartner 预计到 2029 年，agentic AI 将自主解决 80% 的常见客服问题，令营运成本下降 30%；Salesforce 2025 年 State of Service 报告 AI 在 2025 年解决了 30% 个案，预计 2027 年升至 50%。现实一面同样重要：Gartner 2025 年 10 月对 321 位客服负责人的调查发现，只有 20% 机构真的因 AI 减少了人手；Gartner 同时预计超过一半客服机构会在 2028 年前把科技开支翻倍，而人手并无相应削减。翻译过来：agentic AI 目前主要在「增强」团队，远多于「取代」。任何向你推销「解散整个客服团队」的人，卖的是炒作，不是数据。

取消风险也不是平均分布的，它集中在一个可预测的错误上：基本功未稳就开启行动能力。能写入你系统的 agent，在缺乏 grounding 时比只会说话的客服危险得多 — 一个自信的错「答案」是一个坏时刻，一个自信的错「动作」会改掉一条纪录。这就是 40% 背后的不对称。成功的商家把 agentic AI 当成逐项能力「赚回来」的部署权，不是第一天全开的开关。这一切都不代表要在场边等待，而是把野心配对准备度：先从错了也便宜、可挽回的动作开始，证明 agent 处理得可靠，再凭证据而非热情去扩展。

怎样分辨真 agent 和翻新包装？

直接答案：问一条问题 —「示范它在我其中一个真实系统里采取一个动作」。真 agent 可以示范读写数据、把任务走到尾；翻新包装会把话题转回它「答得多好」。Agent washing 在 demo 面前现形，不在简报。

签约前的实用清单：

1. 它和你实际使用的工具有实装整合吗？「整合在路线图上」等于今天做不到真动作。要求具名列出已上线的整合。
2. 它能走完多步流程，还是答一次就停？ 请对方把一个预约或退换由头走到尾，不只是开场那条问题。
3. 它怎样转介？ 认真的 agent 有清晰的交接触发 — 明确要求、连续失败、高风险意图 — 并交接完整脉络，客户毋须重讲。
4. 它不知道时会怎样？ 应该说「我不知道」并转介，不是发明答案。自信的错答是信任的死因。
5. 你能看到它做过甚么吗？ 真行动会留下审计纪录。看不到 agent 改了甚么，就不能把数据交给它。

这件事重要的原因超出「避免买错」：在 Air Canada 判例（Moffatt v. Air Canada，2024）中，审裁处裁定航空公司须为其 chatbot 的错误票价指引负责，并驳回「它是独立实体」的抗辩 — 你的商户拥有 AI 所讲和所做的一切。会行动的 agent 把 grounding 和转介做对的重要性再提高一级，这正是上面那些沉闷问题比华丽 demo 重要的原因。

商家应该从哪里开始？

直接答案：从窄处开始 — 在通讯和网站渠道，先让 agent 可靠地完成几件定义清晰的任务，再逐步、有意识地加入行动能力。到 2028 年的赢家不会是自动化最快的商家，而是自动化最「可靠」的。

避开 40% 取消名单的次序是：先打好地基 — 干净、有人维护的知识库，和最高频问题的清晰答案，因为好的知识库是「有根据的 agent」和「自信地捏造的 agent」之间的分别。然后加入第一个真动作 — 线索捕捉与分流通常是回报最高、风险最低的起点：处理不好一条线索的代价很小，而「不再漏接收工后查询」的好处即时可见。

之后逐项扩展至引导流程和数据动作，并量度「解决」（问题真的被解决）而非只看「挡走」（客户没有找到真人）。McKinsey 2025 年发现 AI 可释放最多 60% 可自动化的客服量 — 但这是靠知识库纪律和每周迭代赚回来的，不是货架上买回来的。一个把行动配置得简单、结果看得清楚的平台，远比功能清单最长的平台值钱。想深入类别与成本，可参考 AI agent、真人即时对话与查询式客服的分别 及 AI agent 的真实成本拆解。

---

常见问题

用最简单的话说，agentic AI 是甚么？

是会采取行动完成任务的 AI，不只是回答问题的 AI。查询式客服告诉你退款政策；agentic AI agent 可以核实订单、检查资格、处理动作，超出规则时转介真人。

Agentic AI 只是营销术语吗？

一半一半。Gartner 估计数千间自称 agentic 的供应商中仅约 130 间名副其实；Menlo Ventures（2025）发现仅 16% 企业部署是真 agent，其余多是固定流程。技术是真的，标签被滥用 — 用实时 demo 验证它采取行动。

Agentic AI 会取代我的客服团队吗？

数据说不会 — 是增强。Gartner 2025 年 10 月调查 321 位客服负责人，仅 20% 因 AI 减少人手；同时预计逾半机构 2028 年前科技开支翻倍而人手不减。成熟模式是混合：AI 处理常规量，人处理复杂和高风险。

「挡走」和「解决」有甚么分别？

挡走（deflection）指客户没有接触到真人；解决（resolution）指问题真的被解决。沮丧放弃的客户被「挡走」了但没有被服务，所以挡走可以掩盖失败。量度解决率才知道 agent 是否真的有效。

AI agent 提供错误资讯，商户有责任吗？

有。Moffatt v. Air Canada（2024）中，审裁处裁定航空公司须为其工具的错误指引负责，驳回「独立法律实体」的抗辩。你的商户拥有 AI 所讲所做的一切 — 所以 grounding、「我不知道」行为和干净转介如此重要。

---

资料来源：Gartner（约 130 间真 agentic 供应商、逾 40% 项目 2027 年底前取消、2029 年 80% 常见问题自主解决并降 30% 成本、2028 年 70% 客服旅程始于第三方助理、每次接触成本 US$1.84 对 US$13.50、321 位客服负责人调查，2024–2026）；Menlo Ventures《2025 State of Generative AI in the Enterprise》（16% 属真 agent）；Salesforce State of Service 2025（AI 解决 30% 个案、2027 年预计 50%）；McKinsey（2023 年 30–45% 生产力价值、最多减 50% 真人处理量；2025 年最多 60% 可自动化客服量）；Moffatt v. Air Canada（BC Civil Resolution Tribunal，2024）。本文不构成法律或专业意见。