川海智库

报告概述

本报告由Capgemini发布，聚焦AI赋能的服务台，探讨人与AI如何协作以重塑IT支持体验。报告以传统服务台的痛点作为切入点，提出应以人的需求为中心设计AI能力，并系统阐述了AI在自动化例常事务、多语言支持、预测分析和安全防护中的价值。在此基础上，报告重点分析了从SLA到XLA的衡量体系转变，以及AI治理、测试和信任建立的关键方法。通过真实行业案例和Capgemini自身的全球服务实践，报告展示了AI服务台在提升员工满意度和企业生产力方面的实际效果。适合企业IT负责人、服务台管理者和数字化转型从业者阅读，为规划AI服务台和衡量其价值提供了整体参考。

报告的核心结论

AI增强而非取代服务台专家

报告强调“AI优先”不等于“AI唯一”。AI适合全天候响应、多语言支持和预测分析，但人类同理心、经验和创造性解决问题能力同样不可替代。在服务台中，AI自动完成创建工单、检索信息等重复任务，代理则专注与人互动，提供有温度的支持体验。

AI能力必须围绕人类需求设计

报告提出，AI设计应从人类体验出发。不同渠道需要匹配的知识呈现方式：聊天界面可展示列表，语音交互则需逐条说明并确认。服务台代理的工具也应简化操作，降低认知负荷，让人能专注于对话本身，实现顺畅的人机协作。

XLA比SLA更能衡量服务台价值

传统SLA以解决时间等产出指标衡量服务，难以反映员工真实感受。XLA以满意度等体验成果为指标，更贴合业务价值。报告指出，XLA还能帮助组织判断AI是否减少了员工摩擦和重复工作，据此持续调优AI与流程，提升整体支持质量。

服务台是企业部署AI的理想起点

报告认为，服务台具有边界清晰、可治理、见效快的特点，是部署AI的理想试验场。Capgemini多家客户从服务台开始，逐步建立多个AI代理协作的统一支持平台，让员工在一个入口获得各类帮助，进而推广AI文化并推进企业级转型。

报告回答的关键问题

AI如何提升IT服务台的支持效率？

报告指出，AI虚拟代理能自动处理常规查询，AI助手可代劳创建工单、查找信息等重复工作，让代理专注于解决复杂问题。同时，AI支持24/7和多语言响应，员工可随时获得所需帮助，从而提升整体支持效率和员工体验。

为什么服务台需要从SLA转向XLA？

因为SLA衡量的是解决时间和处理量等产出，却无法呈现员工是否满意。XLA将员工体验和满意度作为核心指标，更直接反映服务台对业务的价值。报告还指出，XLA能帮助评估AI是否真正改善了体验，并据此不断优化服务与AI。

如何确保AI服务台的安全与合规？

报告建议为AI设置清晰的行动边界，限制其只能访问组织特定知识和经筛选的第三方信息。同时要让员工了解AI回答具有概率性，可能出错。此外，需建立自动化测试机制，持续验证AI性能、安全、成本与可持续性，确保可靠合规。

人机协作在服务台安全中起什么作用？

服务台是攻击者通过社交工程获取权限的重要入口。AI能够识别异常请求和风险信号，及时提醒代理，而人类代理可结合经验和情境作出判断。这种协作模式降低了人为失误带来的风险，并支持零信任原则，有效阻断针对服务台的攻击。

报告中的代表性数据

55%

员工感到被服务台完全支持的比例

2024年，来自Forrester《The State Of The Service Desk, 2024》，显示传统服务台模式下仅55%的员工感到完全支持，凸显体验提升空间。

4,000多名专家、450万支持人员、340万台终端设备、覆盖100多个国家

Capgemini服务台服务规模

报告发布时，报告称Capgemini拥有超过4,000名服务台专家，服务450万人，管理340万台终端设备，业务覆盖100多个国家，体现其在AI服务台领域的交付能力。

80%零接触解决率和10%自动修复

零接触解决率目标

未明确，报告提到某客户在采用AI服务台后，有望实现80%零接触解决率和10%自动修复，表明人机协作带来的效率提升。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 传统服务台模式的局限与转型背景：报告引用了Forrester的研究数据，说明现有服务台下员工支持体验的不足，指出IT支持不应只关注工单处理，而应主动解决问题并提升员工体验，为AI驱动服务台的引入提供了充分的背景分析。
  • 以人为中心的AI设计原则：报告详细展示了如何根据人的需求设计AI功能，包括聊天机器人、语音机器人不同渠道的知识呈现差异，以及服务台代理所用AI助手如何减少手动工作和认知负担，从而让代理能专注于人际互动。
  • 服务台安全与零信任实践：报告分析了服务台成为网络攻击跳板的原因，并说明AI如何通过识别社交工程信号、提醒代理潜在风险来增强安全，同时与人类判断配合，实现零信任原则，防止攻击者利用服务台渗透企业。
  • 从SLA到XLA的衡量体系革新：报告对比了SLA与XLA在衡量服务台价值上的不同，阐述了XLA如何以员工满意度和体验成果为核心，帮助组织衡量AI的实际影响，并基于这些指标持续优化服务台和AI性能。
  • AI治理与持续改进框架：报告提出了服务台AI的治理要点，包括设置严格的行为边界、限制数据源范围、向用户说明AI的概率性，以及通过自动化测试和评估来持续提升性能、安全、成本与可持续性。
  • Capgemini的AI服务台解决方案与客户证据：报告介绍了Capgemini基于PRiSM平台的AI服务台产品，包含Agent Assist等组件，并展示了全球服务台规模以及水务、饮料、生命科学等行业客户的实际部署结果，证明其端到端交付能力。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告