# Klarna 重回人工客服，暴露了厂商 AI 清单没说的事

> 经得起真实用户考验的用例，要么有人为结果签字，要么有每天可核查的指标。

原文: https://fdetimes.net/zh/analysis/klarna-ai-use-cases-operational-evidence/

2024 年 2 月，Klarna 宣布其基于 OpenAI 构建的 AI 助手上线首月处理了 230 万次对话，占公司客服对话的三分之二。十五个月后，同一家公司的 CEO 表示，投入人工服务的质量才是前进方向。

这两种说法并不矛盾。它们揭示了一个在企业中部署 AI 的人迟早会遇到的规律：演示看的是自动化了多少工作，而长期运行的系统看的是机器出错时由谁来纠正。

如果想转型做前线部署工程师（FDE），这是最有价值的一课。客户会带着从厂商博客上抄来的用例清单找上门。你的工作是指出哪些用例背后有运营证据，以及每个用例需要什么，才不至于在真实用户到来时崩掉。

## 厂商清单很长，但不是每一项都有数字

用例盘点读多了，很容易得出 AI 已经渗透到各行各业的结论。Glean 按行业对检索增强生成（RAG）做了归类：客服用 RAG 调取产品信息和客户历史，给出个性化回复；法律领域则用它检索判例和法条，帮助律师做研究和起草文书。

Codica 列举了金融领域能识别异常和欺诈迹象的智能体。这些都说得通，但描述的是能力，而不是运营证据。

厂商博客能告诉你哪类问题可以着手解决，却不会告诉你错误答案的比例、用户是否信任系统，以及出了问题由谁负责。

所以读到一个用例时，先问五个问题：数据从哪里来；答案是否指明来源；结果到达最终用户前由谁审核；系统什么时候必须停下来转交给人；如果没人审核，那改为衡量什么。

对下面每个例子回答这五个问题，它们会自然分成几个清晰的类别。

## 有人读结果时，RAG 效果最好

theblue.ai 描述的两个用例值得细看，因为它们的结构都易于把控。第一个是内部问答：系统几秒内给出答案，并注明所依据的文档。

第二个是重复性的合规问卷或招标文件：RAG 根据政策和技术文档起草答案，再由专家审核批准。

两者的共同点在于，机器没有最终决定权。带引用的答案，读者可以自行核查；经专家审核的草稿，错误的句子会在发出前被发现。判例研究也是同样的模式：研究和起草仍由律师完成。

设想一个场景：一家 B2B 软件公司每季度收到约 40 份安全问卷，每份有几百个问题，其中大部分在不同问卷间重复。如果 RAG 能起草大部分答案，专家只需修改难题，节省的时间是实打实的，风险也仍掌握在懂业务的人手里。

能拿到预算批复的用例，正是这种形态。

**要点:** 最容易把控的 AI 用例，要么有人读结果，要么有每天可衡量的指标。

## Klarna 展示了客服智能体的长处与断点

根据公司自己公布的数据，客户对 AI 助手的满意度与人工客服持平，重复咨询下降了 25%，不过这些是公司自报数据，并非独立审计结果。

2025 年 5 月，Klarna CEO 的口风变了：据 Entrepreneur 报道，公司正在重新招聘客服人员，并承诺想与真人沟通的客户总能如愿。这里的教训不是 AI 失败了。它可以理解为一种转变：从把自动化当作目标的设计，转向把转交人工视为必备功能的设计。

设想一位客户咨询退款，但退款详情在支付系统里，投诉历史在工单系统里，机器人只看到了局部，于是自信满满地给出了错误答案。

正因如此，对 FDE 来说，客服项目的第一个问题是智能体能读取哪些系统，而不是选哪个模型。第二个问题是，智能体依靠什么信号判断自己信息不足、必须转交给人。

## 商品推荐是指标最清晰的 AI

关于推荐系统，Algolia 引用的数据显示，推荐贡献了电商收入的 31% 之多，并转述了 Netflix 80% 的观看内容来自推荐系统的说法。两者都是二手数据，出自一家销售搜索和推荐工具的厂商的文章，仅供参考。

更有启发的是这个问题在实践中如何运转。没有人逐条审核推荐，但一条糟糕的推荐通常只会让用户划过去，结果则通过行为来衡量：用户是否点击、购买或继续观看。系统能够全自动运行，靠的是这个反馈回路，而不是模型更聪明。

把三类用例放进一张表，会浮现出任何用例盘点都没有明说的规律。

| 用例 | 行业 | 所需数据 | 谁来签字 | 现有证据 |
|---|---|---|---|---|
| 带引用的内部问答 | 各行业 | 内部文档 | 提问者核对来源 | 厂商描述 |
| 起草合规问卷、标书 | B2B | 政策、技术文档 | 专家审核 | 厂商描述 |
| 判例和法条研究 | 法律 | 判例、法规 | 律师 | 厂商描述 |
| 客服智能体 | 金融科技、零售 | 产品、客户历史、多个系统 | 智能体，必要时转交人工 | Klarna 自报，2025 年做出调整 |
| 异常和欺诈检测 | 金融 | 交易 | 须逐案设计 | 仍只是能力清单 |
| 商品推荐 | 电商、流媒体 | 用户行为 | 自动，按行为衡量 | 二手数据，可衡量 |

规律是：出错代价越高，越需要有人签字；没人签字的地方，就必须有每天衡量的指标。两者皆无的用例，比如独自回答所有投诉、没有转人工通道的智能体，正是项目最可能被迫掉头的地方。

## FDE 作品集要展示人工转接，而不是聊天机器人

如果准备转型 FDE 岗位，不要把作品集建立在一个“有问必答”的聊天机器人上。

用真实数据搭一个范围窄的 RAG 系统，比如公开的法律文本、某所大学的规章制度或某个开源项目的产品文档，要求每个答案都注明来源，然后公布自己测得的引用准确率。

简历上写一句“为低置信度答案设计了转人工流程，每周跟踪转接率”，远比“用 GPT 搭建了聊天机器人”有分量。

看岗位描述时，留意是否提到评测、人在回路（human-in-the-loop）或多源系统集成，这说明公司已经走过演示阶段，正在处理真实运营。

与客户第一次开工作会时，在提出任何方案之前先问：现在由谁为答案签字？他们将如何检查机器？这两个问题的答案，基本决定了第一个用例该做什么。

Klarna 的案例并不能证明客服智能体是个坏主意。它说明，即便 AI 已经在处理三分之二的对话，客户在需要时仍希望另一端有个真人。

**本周动手试试:**

- 用 20–30 份公开法律文件搭一个小型 RAG，要求每个答案注明来源文档，再统计有多少答案引用正确
- 选一个你见过的智能体用例，列出智能体必须转交给人的三种情形，以及识别每种情形所需的数据
- 阅读 5 份 FDE 或 AI 工程师岗位描述，标出提到评测、人在回路或升级处理（escalation）的那些

## 信源

- [Retrieval augmented generation use cases: Transforming data into insights (Glean)](https://www.glean.com/blog/retrieval-augmented-generation-use-cases)

- [Retrieval Augmented Generation (RAG) – 5 Use Cases (theblue.ai)](https://theblue.ai/blog/rag-news/)

- [Klarna AI assistant handles two-thirds of customer service chats in its first month](https://www.klarna.com/international/press/klarna-ai-assistant-handles-two-thirds-of-customer-service-chats-in-its-first-month/)

- [Klarna Is Hiring Customer Service Agents After AI Couldn't Cut It on Calls, According to the Company's CEO](https://www.entrepreneur.com/business-news/klarna-ceo-reverses-course-by-hiring-more-humans-not-ai/491396)

- [What Role does AI Play in Recommendation Systems and Engines? (Algolia)](https://www.algolia.com/blog/ai/what-role-does-ai-play-in-recommendation-systems-and-engines/)

- [A Brief Guide on AI Agents: Benefits and Use Cases (Codica)](https://www.codica.com/blog/brief-guide-on-ai-agents/)

- [Top 15 Use Cases Of AI Agents In Business (Ampcome)](https://www.ampcome.com/post/15-use-cases-of-ai-agents-in-business)
