Muse 表明 AI 为何可能让联络中心重新增长

个人 AI 智能体已经跨越了 CX（客户体验）领域一条重要的界线。它们不再只是一个演示类别、一种浏览器侧的便利功能，或一场关于未来协议的讨论；它们已经出现在企业实际运营的渠道之中。

过去两年，联络中心 AI 的讨论大多集中在自动化是否会减少座席人数上。Meta 的 Muse 指向了另一种更尴尬的可能性：AI 或许能消除足够多的客户付出的精力，从而创造出更多需求，而不是更少。

更紧迫的问题在于信任。消费者想要理解自己生活的智能体，但只有当智能体能够访问邮件、日历、文件、账户和偏好设置时，它才会变得更有用。企业则从另一面面临同样的两难：应该授予一个声称代表客户行事的软件多大的权限？

我认为，这正是 CX 领导者当下应当关注的信号。Muse 的故事，是对这样一个未来的预演：客户可以派出软件去替他们排队等待、协商、重试、比价、升级投诉和持续跟进。

个人 AI 智能体已经抵达前门

NiCE 对个人 AI 智能体的分析，将 Muse 视为一个大规模普及的时刻，而非遥远的企业架构议题。该公司指出，Muse 在发布一周后便登上苹果美国 App Store 免费应用榜首，并在 12 天内于美国和加拿大累计下载 280 万次。

这条采用曲线之所以重要，是因为个人智能体无需成熟的智能体间（agent-to-agent）协议，就能对 CX 运营造成压力。它们可以使用企业已经对外暴露的界面：网站、表单、聊天、邮件和语音。NiCE 产品管理副总裁 Neeraj Verma 阐述了这一紧迫性所对应的企业就绪度问题：

“无论是封堵还是欢迎，本身都不构成一种策略。企业需要一扇受控的前门，能够分辨正在接入的是谁、或是什么。”

运营风险显而易见：如果个人智能体在企业尚未对其制定政策之前，就通过今天的各种渠道进入，那么联络中心就会成为所有悬而未决的身份、授权与问责问题最先落地的场所。

NiCE 还指出了早期市场反应的分化。亚马逊以透明度、安全和凭证方面的顾虑为由，禁止 Muse 在其平台上购物。Shopify 则走向相反的方向，通过 Shop Pay 集成了 Muse。

封堵可能降低即时风险。欢迎可能提升客户便利性。但单靠任何一个答案，都无法解决那个更棘手的 CX 问题：当一个 AI 智能体声称代表真实客户行事时，该允许它做什么。

Muse 让“上下文”成为信任的试金石

Springboard 的 AI 与特别项目负责人 Seth Greenberg 最近在领英发帖，用平实的语言道出了消费者的取舍。在测试 Muse 后，他描述了一次真正有用的助手体验：汇总学校邮件、设置提醒、生成打包清单、查询门店库存、查找本地儿童活动，以及预约理发。

这些并非臆测性的用例。它们正是那些细碎、反复出现、能让个人智能体显得有价值的任务。Greenberg 的不适，则来自让这个智能体表现出色所必需的数据访问权限：

“所以我陷入了所有人面对 AI 时都会撞上的那种张力：你给它的上下文越少，它就越没用。我想更多地使用 Muse，但我不愿意连接那些能让它变得出色的应用。”

这句话比大多数平台宣传语都更好地抓住了 CX 的核心问题。个人智能体需要上下文才能交付有意义的结果，但上下文会给消费者带来风险，也会给接收请求的企业带来不确定性。

预约理发是一回事。退款请求、争议扣款、医疗问题或账户变更则是另一回事。Greenberg 指出，Muse 无法处理亚马逊的退款请求——而这恰恰是便利性开始与授权、政策和风险相碰撞的地方。

对 CX 领导者而言，这一区别至关重要。未来的服务旅程，或许实际上会以一个 AI 智能体的到来为起点——它带着部分上下文、被委托的意图，以及并不确定的权限。

Muse 挑战了“联络中心收缩”的叙事

Five9 首席营销与增长官 Jay Lee 认为，Muse 暴露了“AI 会自动让联络中心收缩”这一假设的缺陷。旧模型把服务需求视为固定的。而在现实中，大量需求其实是被“精力成本”压抑了。

客户往往会放弃小额争议、繁琐的续订、失败的退货、预约变更和反复的服务追催，因为结果不值得花这些时间。一个个人 AI 智能体会改变这笔账。Lee 阐明了这个需求问题：

“如果一个 AI 智能体能替你在线等着，那么大量原本根本不会拨出的电话就会开始被拨出。”

这正是许多自动化方案低估之处。降低精力成本并非只是分流了交互。它可能释放出那些从未抵达企业的休眠需求。

Gartner 在 2026 年 2 月预测，在被认为通过 AI 减少了客户服务人力的公司中，有 50% 会在 2027 年前重新招聘员工，以不同的职位名称执行类似职能。Gartner 还发现，根据 2025 年 10 月对 321 位客户服务与支持领导者的调查，只有 20% 的客户服务领导者因 AI 减少了座席人员编制。

这些数字并不意味着 AI 失败。它们说明 AI 改变了工作的构成。常规交互可能被自动化，但剩下的人工工作会变得更复杂、更情绪化，或更依赖判断。

这也与 CX Today 在其他场合听到的一个观点相吻合。在今年 3 月一场关于新型“AI 加人工”劳动力的访谈中，Salesforce Agentforce 联络中心高级副总裁 Gautam Vasudev 认为，纯粹以成本为导向的自动化可能适得其反——因为失败的 AI 交互终究还是会升级转接到人工。

Muse 为这同一风险增添了客户侧的版本。如果个人智能体增加了客户发起的尝试次数，企业就可能面临更多交互、更多边缘情况，以及对手工升级路径更大的压力。

识别比授权更容易

Pindrop 对 Meta Muse 通话的分析，给出了关于联络中心内部当下正在发生什么的最具体视角。该公司称，它于 9 月 9 日检测到首批 Muse 通话，使用的是 Brett 或 Hailey 这两个声音，比 Meta 的对外通话测试版公告早了一周。

如今，仅一个月后，每周的 Muse 通话量已是第一周的八倍。Pindrop 表示，金融机构接到的 Muse 通话最多，其次是医疗和零售机构。

通话行为同样具有揭示意义。Pindrop 发现，47% 的 Muse 通话使用小键盘数字来导航 IVR 菜单。它还发现，64% 的通话能够抵达人工座席，在电话菜单中停留的中位时长为 2 分 01 秒，与人工操作员通话的中位时长为 2 分 18 秒。Pindrop 研究科学家 Rodolfo Raimundo 强调了检测的精确性：

“本次分析中的每一通 Muse 通话，都与那两个已注册声音之一匹配，因此联络中心不仅能知道线上是个机器人，还能知道它就是 Muse。”

然而，识别只是第一步。Pindrop 还在两个月内识别出 727,000 次已确认的 AI 智能体交互，其中 94% 被标记为“好的 AI 智能体”，6% 被标记为“坏的 AI 智能体”。其观察到的机器人类型包括善意的个人助手、付款方机器人、零售欺诈机器人、侦察型欺诈机器人和账户接管机器人。

这一范围解释了为什么简单的“允许或封堵”模型将难以为继。一个机器人可能是有益的、无害的、可疑的或恶意的。同一条渠道既可能携带一个查询预约的个人助手，也可能携带一个试探账户访问权限的欺诈智能体。

未来的联络中心需要一种实时区分身份、意图和权限的方式。识别出合成语音，并不能证明客户已授权此次交互。