企业到底应该怎么用AI?

过去两年,企业已经尝试过用AI写文案、做PPT、查资料,也开始讨论AI Agent、数字员工和智能客服。但当AI真正进入业务,一个更现实的问题随之出现:

究竟应该把哪一段工作交给AI?

答案,正在真实业务里逐渐浮现。

近期,企业级AI员工平台ChatDoing深度调研了20个已经投入实际业务的AI员工,覆盖教育培训、汽车、医疗健康、保险等多个行业,并整理了这些企业在AI落地过程中的真实实践。

把这些案例放在一起看,可以更清楚地看到企业AI正在发生什么变化:

那些已经把AI放进真实业务里的企业,现在到底在让AI干什么?

一、企业AI客服正在从“回答问题”走向“完成工作”

传统智能客服解决的是一个相对明确的问题:客户问什么,系统回答什么。

生成式AI出现以后,企业AI客服的理解能力和表达能力明显提升,但在真实业务中,仅仅只是回答得更快,更像人。

企业真正需要解决的,是回答之后发生的事情。

一个学员咨询课程,需要知道他的基础情况、学习目标和预算,并进一步推荐课程、获取联系方式。

一个车主咨询维修,需要确认车型、车况和需求,再判断服务项目,并推动预约到店。

一个旅游客户说“想出去玩几天”,顾问要继续问目的地、人数、时间、预算和偏好,最后形成一套可以继续成交的旅行方案。

这也是ChatDoing客户目前正在实践的一种企业AI落地方式:把一段原本需要员工连续完成的工作,直接交给AI员工。

ChatDoing开言万境是由尘锋推出,聚焦企业级AI客服与AI员工场景的新一代企业级AI员工训练平台。企业可以基于自身业务知识、服务标准和销售经验训练AI员工,并将其部署到真实客户沟通和业务流程中。

从20个实际使用中的AI员工来看,企业率先交给AI的工作,主要集中在几个高频场景。

二、AI员工开始接管企业的第一轮客户沟通

售前咨询,是目前AI员工进入企业业务非常典型的入口。

原因并不复杂。

客户刚刚进入企业时,会产生大量咨询,同时也是需求最模糊、沟通最分散的阶段。人工需要不断回答问题、追问信息、判断意向,再决定下一步怎么跟进。

教育培训行业已经出现了比较完整的实践。

一家职业培训机构让ChatDoing的AI课程顾问先了解学员学历、基础和学习目标,再结合课程资料规划学习路径。确认客户存在进一步需求以后,AI继续完成留资,把客户交给老师进行一对一跟进。

另一家公考培训机构则进一步让AI承接销售原本负责的第一轮咨询,包括课程介绍、班型比较、政策答疑、需求了解和报名意向判断,同时将客户信息同步到SCRM。

部分企业甚至已经把低价体验产品的销售直接交给AI完成。

这意味着,过去每一条新线索都需要销售从头聊起,现在AI可以先完成大量前置工作。

类似的变化也发生在汽车行业。

车主进入咨询以后,ChatDoing AI汽车顾问首先确认车型、车况和实际需求,再结合门店业务推荐维修、保养、贴膜等服务。

企业还可以对AI提出更细致的业务要求,比如不能一上来直接邀约到店,而要先了解客户到底遇到了什么问题,确认需求后再推荐项目。

一些汽车企业甚至开始按照车型和业务拆分不同AI岗位,为奔驰、沃尔沃、小米、蔚来、特斯拉等不同车主提供针对性的接待。

AI由此开始拥有一种越来越明显的“岗位属性”。

它需要懂企业自己的产品,也需要按照企业自己的方法接待客户。

三、AI员工开始进入需求判断、方案推荐和业务执行

从ChatDoing客户的实际使用情况来看,AI承担的任务正在继续向后延伸。

旅游服务行业就是一个很典型的例子。

客户刚来咨询时,经常只有一个模糊需求:“想去这里玩几天。”

过去旅游顾问需要花大量时间了解人数、时间、预算、偏好、路线和特殊要求。

现在,AI旅游顾问可以先完成这一轮需求梳理,继续回答签证、装备、路线、安全等专业问题,并根据企业已有产品和服务经验生成第一版旅行方案。

人工真正接手时,客户的需求已经基本明确。

保险行业的逻辑类似。

AI先解释产品、询问客户基础情况、完成信息采集,再将整理好的客户需求和完整沟通上下文交给销售。

图书行业的一家企业则进一步把AI放进了营销活动执行流程。

活动开始以后,大量用户集中咨询规则、提交资料和补充信息。AI除了负责回答问题,还会继续完成资料采集、基础资格判断、信息登记以及业务系统同步。

此外,企业AI员工,也开始进入服务后的长期沟通

AI员工的价值并不只发生在成交之前。

医疗健康行业的实践,展示了另一个方向:让AI进入服务之后。

一家互联网健康服务机构使用AI健康顾问持续承接用户在服务过程中的咨询。随着用户情况变化,AI可以结合企业已有知识与服务流程,回答饮食、运动、阶段变化和方案调整等问题。

一家口腔医疗机构,则将AI用于治疗后的患者服务。

患者离开诊室以后,疼痛、肿胀、饮食、清洁、恢复进度和复诊时间,都可能产生新的问题。

其中大量问题都有明确的专业规范。

企业因此可以让AI持续承接常见咨询、注意事项说明、复诊提醒等工作,真正需要专业人员进一步判断的情况再转入人工。

对于企业来说,这类场景的价值非常明确:

员工不用反复回答已经有标准答案的问题,同时客户依然可以获得持续、及时的服务。

四、为什么企业开始需要“AI员工”,而不只是一个AI工具?

把这些ChatDoing客户的真实实践放在一起,可以看到一个明显变化。过去企业讨论AI,核心问题往往是:模型够不够聪明?回答像不像真人?能不能生成内容?

现在越来越多企业开始关心另一组问题:

AI能不能理解客户现在处于什么状态?

能不能知道下一步应该问什么?

能不能根据客户情况调用企业自己的知识和规则?

能不能继续推进留资、邀约、方案推荐和业务流程?

遇到自己无法处理的问题,能不能把完整上下文顺畅交给人工?

这也是企业AI客服逐渐走向AI员工的关键。

一个真正进入业务流程的AI,需要的不只是语言能力。

它还需要理解企业知识、保持上下文、按照业务规则行动,并且能够与企业现有系统和人工团队协作。

ChatDoing目前正在围绕这一方向,让企业生成训练新一代AI员工。

企业可以通过自然语言对话训练AI,将产品知识、销售方法、业务规则和服务要求交给AI;AI再基于真实客户上下文完成需求判断、主动追问和任务推进。

同时,企业可以先在沙箱环境中测试AI表现,再决定是否上线。在实际运行中,对话、规则和处理过程也可以持续查看和调整,并在需要时转交人工处理。

这使AI从一个独立的聊天窗口,真正进入企业已经存在的工作流程。

五、什么样的企业工作,适合先交给AI?

ChatDoing分享的20个真实AI员工背后,其实提供了一套非常简单的判断方法。

如果企业每天都有一段工作大量重复发生,同时又需要根据客户情况进行一定判断,这类任务已经值得优先尝试AI。

例如销售每天都要重新进行一遍需求了解,顾问每天反复解释类似的问题,活动期间大量用户需要完成相同的信息登记,服务结束以后客户持续提出相似咨询。

这些任务有一个共同特点:

企业已经拥有答案、规则和经验,只是过去需要员工一次又一次重新执行。

而AI员工正在把这些已经存在于企业里的经验,转化成可以持续工作的数字化能力。

对于正在考虑AI落地的企业来说,比“公司要不要上AI”更值得问的问题或许是:

公司今天有哪些工作,一直在大量消耗人,但其中的大部分经验其实已经可以被复制?

ChatDoing的20个真实AI员工已经给出了一部分答案。AI客服的下一阶段,也正在从“陪客户聊完”,走向“帮企业把事情做完”。