8月14日，由Zendesk 主办，链帮出海 BrandLink 、谷歌跨境电商加速中心（深圳）、
来自出海品牌、客户体验及服务运营一线的嘉宾，围绕 Agentic Service、AI 客服、智能硬件全球服务及用户运营等话题展开交流。
当 AI 开始承担越来越多标准化客服工作，一个新的问题也越来越清晰：未来海外客户服务，真正有价值的部分是什么？
作为长期服务出海品牌的一方，链帮出海观察到，AI带来的变化并不是简单“减少客服人数”，而是在重新划分服务团队的能力边界。
标准问题越来越多交给 AI，而复杂产品问题、技术故障、用户情绪以及产品体验，则对人工服务提出了更高要求。
01 庄家焕：AI替代的不是客服，而是低价值客服工作
在当天的分享中，链帮出海 BrandLink 合伙人庄家焕以《从品牌出海到客户体验的增长闭环》为主题，从经验和人才角度分享了 AI 时代客户服务价值的变化。
过去，客服团队主要处理产品咨询、订单查询、退换货及政策解释。
但随着 AI 越来越成熟，大量标准化、高频、重复性工作都可以被自动化。
真正发生变化的，并不是“客服会不会消失”，而是：人的工作正在向更复杂、更专业、更有业务价值的部分移动。
尤其对于智能硬件、新能源、机器人等新科技产品而言，售后问题往往涉及硬件故障、软件设置、网络连接以及具体使用环境，仅依靠标准知识库并不足以解决。
因此，庄家焕提到，客服组织正在发生一个非常明显的升级：从普通客服，走向技术支持。
目前，链帮出海重点服务储能、新能源、机器人、3D打印机、智能硬件等具有一定技术复杂度的出海产品，并持续搭建包括电气工程师、理工科背景人员在内的技术支持售后团队。
这些人员不仅负责“回复用户”，还需要理解产品逻辑、判断问题，并完成基础故障排查。
而这些复杂问题在被人工解决之后，还可以进一步沉淀为案例、标签、故障路径和知识内容，再进入 AI 知识库。
最终形成：AI处理标准问题 → 技术支持处理复杂问题→ 人工沉淀新知识 → AI继续学习。
AI的价值并不是把人工完全拿掉，而是让人的时间从大量重复工作中释放出来，投入到真正需要专业判断的问题中。
02 从“使用AI”，到服务团队出现新的岗位
AI带来的第二个变化，是客户服务团队内部的岗位正在重新分化。
庄家焕提到，当越来越多品牌开始搭建自己的 AI 客服与知识库，客服团队中已经逐渐出现专门负责知识库维护、数据清洗、标签管理、提示词优化和 AI 训练的人。
过去客服更多是在“使用知识”；未来一部分客服人员，则会参与“生产和训练知识”。这意味着，未来服务团队可能进一步形成几种不同角色：AI负责标准化问题，技术支持解决复杂问题，AI Trainer持续训练系统，客户体验团队则进一步参与用户运营和增长。
因此，AI时代真正稀缺的，也不再只是“回复速度快的人”。
而是：懂产品、懂用户、懂AI，也能够理解业务的人。
03 客服KPI，也需要从“效率”走向“价值”
如果大量简单问题已经交给 AI，继续只用 AHT、响应时间、SLA 衡量客服团队，也越来越难完整体现团队价值。
庄家焕在分享中提到，未来客服指标可能进一步加入：知识库质量、AI准确率、复杂问题解决能力、VOC沉淀，以及用户转化、留存和复购等指标。
因为从消费者真正接触品牌开始，服务实际上已经参与了整个用户链路。
从下单前咨询，到购买、开箱、产品使用、故障处理、评价，再到后续复购，每一个环节都可能产生用户沟通。
在一些实际业务场景中，AI还可以先对大量售前线索进行筛选，再由人工针对高价值用户进行进一步触达和转化，变成AI筛选 + 人工深度承接的模式。
这种模式也让客户服务开始和增长产生更加直接的联系。
与此同时，每一次客户咨询本身也是一条真实的 VOC（Voice of Customer）。
这些用户问题不仅可以改善客服知识库，也能够进一步反馈到产品、研发和品牌团队。
从这个角度来看，客服不再只是“解决问题的部门”，也正在成为品牌最接近真实用户的一组数据入口。
04 从“回答问题”到“完成任务”，AI开始进入服务流程
活动中，Zendesk Partner Sales Lead Andy首先分享了 AI Agent 在客户服务领域的变化。
过去，用户需要自己搜索信息、寻找客服，再等待人工回复；随着 Agentic Service 的发展，AI开始从单纯回答问题，进一步参与到信息理解、工具调用和任务执行中。
随后，
这意味着企业部署 AI 客服，不能只关注模型能力，还需要同时考虑知识库、业务流程、权限边界、异常升级以及人工兜底机制。
真正可持续的落地方式，更接近一个持续迭代的过程：Build → Test → Launch → 收集失败样本→ 优化 → 再上线
AI不再只是客服系统里的一个功能，而开始进入真实服务流程。
05 Ray：让服务系统从“处理问题”走向“发现问题”
他从实际应用场景介绍了 Zendesk AI 在服务运营中的进一步延伸。
例如通过 App Builder 将企业内部数据接入客服工作流，通过 Admin Copilot 识别异常并辅助优化规则，通过 Analytics Copilot 分析服务趋势和问题根因，通过 Knowledge Copilot 从真实工单中发现知识缺口。
与此同时，VoC Pattern 可以进一步把分散在大量客户对话中的问题聚合起来，形成客户声音和业务洞察。
过去客服系统更多记录“发生了什么”，而 AI 正在进一步回答：为什么发生、应该怎么处理，以及下一步应该做什么。
06 William：智能硬件全球化之后，服务复杂度正在上升
Dreame · JKA 客户服务负责人 William进行了以《一台智能硬件卖到全球后，服务如何成为下一个增长引擎》为主题的分享。
当产品进入多个国家和平台以后，服务团队往往需要同时面对多平台、多语言、长服务周期、复杂配件及专业排障。
在实际业务中，AI能够承担很多原本高度依赖人工的动作。
例如复杂工单可以自动总结历史沟通记录，帮助跨班次人员快速理解问题；情绪识别可以及时发现投诉倾向并触发升级；实时翻译则能够帮助不同语言团队互相补位。
此外，SKU、SN、库存、维修中心等原本分散在不同系统的数据，也可以进一步进入客服工作台，减少一线人员反复切换系统查询信息的时间。
对于全球化品牌而言，AI真正的价值不是“让客服少打几个字”，而是让整个服务流程更加连贯。
07 Hank Yang：服务的终点，不应该只是关闭工单
拥有 23年海外服务经验的 Hank Yang，则把讨论进一步延伸到了服务与企业经营之间的关系。
他提出，一个服务团队即使做到了很高的及时响应率和客户满意度，企业管理者仍然可能继续追问：这些指标究竟给公司增长带来了什么？
因此，服务的评价方式也经历了不断变化。
从最初的项目保障，到控制售后成本，再到客户满意度、服务收入，最终进一步进入销售、产品和用户运营指标。
服务部门的职责，也不应该只从“客户找到我以后”开始。
更成熟的方式，是向产品生命周期前端移动——从新品立项阶段进行 VOC 分析、产品体验验证，再到上市后的评价、退款率、用户反馈和产品改进。
最终形成：解决问题 → 改善产品 → 提升体验→ 沉淀用户 → 形成口碑 → 推动复购
服务由此真正进入增长链路。
写在最后
从这场活动可以看到，AI正在重新划分客户服务中的工作边界。
对于出海品牌而言，未来需要考虑的问题已经不是简单的：“AI能不能代替客服？”而是：“哪些问题应该交给AI，哪些问题需要更专业的人来解决？”
产品越复杂、市场越全球化，真正需要的就越不是单纯“能回复消息”的客服，而是能够理解产品、判断问题、理解用户，并与 AI 协同工作的服务团队。
这也是链帮出海正在持续建设的方向。
从海外客服，到专业技术支持，再到行业知识库、故障排查经验和用户问题数据沉淀，链帮出海希望帮助出海品牌建立的不只是一个“接客服”的团队，而是一套能够真正解决产品问题、持续沉淀服务能力的海外用户服务体系。
让AI负责规模化，让专业的人解决复杂问题，让每一次服务最终沉淀为品牌增长的能力。
