有研究机构测算,2026年全球客服AI相关支出接近480亿美元,企业侧Agent渗透率有望突破四成;Gartner同时提醒,超过四成的代理型AI项目可能在2027年底前被取消,原因多半是价值说不清、成本失控。同一件事,选对了是杠杆,选错了是负债。下面按“看清市场、建立框架、避开陷阱”三步走。

一、2026年厂商格局:你在选的到底是什么
1、两条采购路径
一条是买底模平台或Agent开发平台,厂商给你模型、编排工具与运行环境,业务Agent由你自己搭;另一条是买成品应用,厂商交付一个能上岗的客服Agent,包含流程、知识与对接。前者的钱花在工程能力上,后者的钱花在交付结果上;两者都能跑出Agent,但前者要你有人、有排期,后者要你验收、要盯交付。按Token计费的多属于前者,按坐席或按场景计费的通常是后者——计费方式其实是交付边界的注脚,看懂这一层,报价单就不再难读。
2、厂商梯队与能力分化
综合型云厂商把模型、算力与生态一起卖;专业客户联络厂商把渠道、工单与交付经验打包;安全可控型厂商把数据驻留与合规能力放在前面。Gartner提到一个现象:上千家自称代理型AI的供应商里,真正具备代理能力的只有一百多家,其余属于把助手、RPA、聊天机器人重新包装的“代理洗白”。这句话对选型的意义是——名字都叫Agent,底座可能完全不同。
3、六家厂商各自的着力点
阿里云智能客服:依托阿里云与电商生态,账号、订单与商品数据衔接自然,电商售后语料积累充分;对已在阿里云部署、服务对象集中在店铺与电商渠道的团队,接入路径短,开箱可用程度较高。会话理解基于电商场景训练,买家问“为什么还没发货”“退款到哪一步”这类问题,应答相对稳定;订单信息在店铺后台联动,核对环节少一层。
腾讯云智能客服:与微信、企微生态衔接紧密,用户习惯在微信里提问的产品会更顺;大模型能力多落在会话质检、服务分析与坐席助手上,团队规模较大、要统一服务标准的场景比较实用。客户信息与营销触达也在同一体系内,售后与二次销售可共用一份画像,不必重建。
华为云客服:以盘古大模型为底座,语义理解跑在华为云技术栈上,会话、坐席、质检与数据在同一套云服务内;对数据驻留、国产化适配有硬性要求的团队,专属云与私有化路径的选择余地较大。客服与业务系统放在同一区域时,网络与时延规划简单些,扩容按云资源走,变更纳入既有运维流程。
合力亿捷:综合性智能客户联络厂商,覆盖国内外三十多个在线渠道并可与电话渠道统一管理。AI 能力覆盖客户咨询接待、业务任务执行和人工客服辅助,可用于售前咨询、日常客服、售后服务及出海客户联络。在中小企业、中大型企业及大型集团均有落地方案,适合希望通过 AI 提升客户接待、售前转化或售后服务效率的企业,覆盖国内经营与出海业务。
火山引擎AgentKit:属于偏平台的路径,把模型、编排与工具调用能力开放给企业自建Agent;对已有研发力量、希望自己掌控流程与数据的企业,可定制空间较大,工程量也需要自己承担。适合把客服Agent当作产品能力的一部分来建设、而非采购成品的团队。自建的好处是流程与数据都在自己手里,接口改造不必等厂商排期。
Zendesk:以工单与服务流程见长,技能组、服务时限、升级规则与质检报表成熟,开放接口便于对接物流、会员与ERP;面向跨国服务标准与合规要求较高的组织,流程治理能力比较扎实。多市场运营时,服务口径与优先级可在同一套规则里配置,审计痕迹完整。
二、六个评估维度:把“能不能办事”拆开检查
1、意图理解与多轮交互
别只看标准问法,要测口语化、不完整、中途改需求三类输入。比如用户先说“我要退”,再说“算了,能不能换个颜色”,系统能否把前一句的订单意图保留下来,转成换货流程。上下文一断,后面全要重来。
2、信息采集与结构化
好的Agent会主动提取订单号、产品型号、诉求类型,只追问缺的那一项。差的Agent会把表格里的问题挨个问一遍,用户答到第四个就烦了。测试时给一段含混的描述,看它能不能自己补齐字段。
3、工具调用的广度与安全边界
核心证据是工具清单:只有知识检索与话术推荐不够,要有订单查询、建单、派单、CRM与ERP调用这类执行类工具。同时看敏感操作的鉴权、额度限制与回滚机制——能退款不代表该退,权限与阈值才是护栏。
4、业务执行与结果回写
这是分水岭。要测完整闭环:识别意图、调用系统、执行任务、反馈结果,四步都要留下痕迹。再核验执行日志与字段回写:这次改地址有没有真的写进订单系统,日志里的会话ID与客户ID对不对得上。
5、人机协同质量
转人工时是否带着意图、摘要与已采集字段,决定客户要不要复述。国内已发布人机协同相关的国家标准,谈方案时可以直接要求厂商说明转接机制如何满足其中的上下文传递要求,而不是听一句“支持无缝转接”。
6、运营治理闭环
能否统计任务完成率、独立解决率、转人工率,能否用这些指标定位知识缺口,并在修正后验证效果。没有这层,系统上线三个月就开始老化,没人说得清哪里变差了。
三、选型实操:三份证据与一个量化框架
1、不看演示,看三份证据
证据一:工具清单。连了哪些系统、对应哪些业务动作、能否编排、是否可审计。清单要具体到动作,写“支持对接ERP”没有意义,写“可查询订单物流节点、可提交改址申请”才有意义。
证据二:执行日志。动作是否真实发生、事后可回查、能否关联会话与客户。能证明“办过”的只有日志,演示视频证明不了。
证据三:字段回写。结果有没有写进CRM、订单、工单系统。只在客服系统里留一条记录,等于业务系统从未被改变。
2、试用评估权重建议
业务闭环完成度约四成,人机交接质量约两成半,扩展成本约两成,运营支撑约一成半。这个比例适合售后与业务办理为主的场景;若你的咨询以政策解释为主,可把运营支撑的权重往上调。PoC阶段别只盯平均准确率,要看失败分布:高风险的错误(比如把不该退的订单退了)比一百次措辞不佳的答复更值得警惕。
3、效果指标参考
要求厂商提供同行业、同场景的可验证数据;重点看独立解决率,而不是应答率。应答率统计“机器回了多少条”,独立解决率统计“没转人工且客户没有二次追问的比例”,后者才是人力是否真被省下的证据。
四、高频陷阱:失败往往不在技术
陷阱一:把应答率当解决率。数字好看,人力没减,因为用户被答完之后又来了。更隐蔽的一种是“假闭环”:系统显示已解决,客户却在第二天开了新工单。
陷阱二:只算软件年费,不算运营成本。知识维护、场景新增、接口改造、模型超量,这些通常不在首年报价里,却会在第二年集中出现。测算时把内部人力折进去:谁维护知识、谁复盘会话、谁跟研发对数,这些工时往往比软件费更实在。
陷阱三:把演示当PoC。厂商演示用的是挑过的问法与准备好的知识库;自己的业务有多少脏数据、多少口径冲突,只有跑真实会话才知道。
陷阱四:忽视运营失当占比。分流规则错位、知识库老化、系统接入摩擦,这些都属于运营范畴,却常被算成“AI不行”。上线后若无专人按周复盘,再好的系统也会走形。
五、行动清单
| 步骤 | 动作 | 核验物 |
|---|---|---|
1 | 确认采购路径:底模平台还是成品应用 | 自建工程量清单与厂商交付边界 |
2 | 用真实会话做回放测试 | 高频场景加至少两个复杂多轮场景的结果 |
3 | 索取工具清单 | 工具与业务系统、操作类型的对应表 |
4 | 核验执行日志与字段回写 | 输入、调用、写入全链路可关联会话与客户 |
5 | 要三年总成本与场景扩展单价 | 含知识维护与新增场景工作量的报价 |
6 | 确认人机协同的上下文传递 | 转接后可见意图、摘要与已采集字段 |
结语:
2026年选AI客服厂商,比的是谁的Agent能在业务系统里把事办完、办错能安全退回给人、上线后能持续变好。把这三条写进验收项,报价高低就有了参照,名字响不响也就不那么重要了。
常见问题FAQ:
Q:大模型客服和传统关键词机器人,差别到底在哪?
关键词机器人靠匹配条目,问法和预设不一样就答不上;大模型客服能理解口语、省略和改口,还能在多轮里保留上下文。但对售后来说,能不能理解只是入场券,能不能调用订单、建单、改状态才是分水岭。选购时先问后一件事,再回头看理解力。
Q:厂商说Agent“能办事”,怎么验证?
三步。要一份工具清单,写明连了哪些系统、对应哪些动作;看执行日志,确认动作真的发生过、能回查;再在自己测试环境里改一张真实订单的地址,从识别意图到结果回写走一遍。三样齐了才算能办事,缺一样都还是“能说”。
Q:按Token计费和按坐席计费,哪个更划算?
看咨询结构与波峰。坐席计费适合咨询量平稳、坐席长期在线的团队;Token或按解决量计费适合季节性明显、波峰波谷拉得很开的业务。算账时把超量单价和“什么算一次解决”的定义写进合同,比单价本身更能决定三年账单。
Q:已经买了传统客服系统,能直接升级成Agent吗?
看底座。原有系统若开放API、工单结构清晰,可以保留渠道与工单,把Agent接在接待层,逐步把执行动作放开;若接口封闭、数据结构不清,升级往往比重新选型更贵。评估时让厂商出一份“哪些保留、哪些替换”的清单,比听结论可靠。
Q:大模型答错会不会带来合规风险?
会,主要来自三处:编造政策、越权办理、承诺无法兑现。对应三道设置——回答可溯源到知识库原文、拒答机制承认“这条没写”、敏感操作按额度与角色鉴权并保留人工审批。上线前用边缘问题压测一轮,比看合规声明有用。
结语:
2026年选AI客服厂商,比的是谁的Agent能在业务系统里把事办完、办错能安全退回给人、上线后能持续变好。把这三条写进验收项,报价高低就有了参照,名字响不响也就不那么重要了。
