Genesys 产品SVP谈智能体编排：从回答到执行、效率体验二选一失效、自主性光谱四步走

一句话结论

Genesys Cloud 产品管理高级副总裁 Eleonora Martinez 在 Level Up CX Live 的这期访谈，把”智能体 AI 改写客服规则”讲成了一条完整的逻辑链：生成式 AI 让对话自然，智能体 AI 让系统从”回答”转向”执行”——理解意图、规划步骤、跨系统完成任务并陪客户走到结果；旧的”效率与体验二选一”因为客户期待跑赢了运营模型而失效；落地的关键是把编排（orchestration）作为新的运营模型，并把自主性当作光谱按四步推进：先建议、再辅助、再执行、最后编排。

访谈背景：为什么此刻谈智能体编排

这期 Level Up CX Live 由主持人 Marissa Bembry 对话 Genesys Cloud 产品管理高级副总裁 Eleonora Martinez——她长期站在 CX 战略与 AI 创新的交叉点上。开场的三句话定了整期的基调：客户期待在上升、AI 的演化速度快于多数组织的吸收能力、为”下一个时代的 CX”做适配的压力前所未有。整期对话围绕三个问题展开：这次转变的本质是什么、为什么传统的效率-体验取舍失效了、编排在新现实里到底意味着什么。

从回答到执行：三个关键词定义智能体式客服

Martinez 用最精炼的对照定义了这次转变：在客服语境里，生成式 AI 的天职是”生成回复”，它让互动更自然、让坐席更高效；智能体 AI 在此之上”能够采取行动”。而”采取行动”不是魔法按钮，她强调这是非常刻意的设计，包含三个关键词：

1. 以意图开场（opening with intent）：理解客户开启旅程的真实目的，而不是按静态分类路由。这是一个根本性的入口变化——路由的依据从”客户长什么样”变成了”客户想完成什么”，同一个客户在不同时刻的意图不同，进入的旅程也应不同；
2. 规划步骤：系统自己想清楚这件事需要哪几步；
3. 跨系统执行：更新账户、处理请求、签发工单，并且”陪客户直到结果达成”（stay with the customer until that outcome is achieved）。这句话的分量在于它把服务的终点从”本次对话结束”移到了”客户的事情办完”，中间跨了多少系统、多少天，都不该断线。

这个定义直接解释了为什么”单次互动质量”不再是正确的优化目标：客户问题往往跨渠道、跨系统、多步骤——生成式模型会向客户”解释将会发生什么”，智能体模型直接”把活干了”。

从公司视角，这次转变同样改写了体验的设计与运营方式：过去是把 AI 叠在静态工作流之上，现在要让系统在给定约束内编排、用记忆保持跨天跨渠道的连续性、以闭环方式运营。她给出的换一种说法是：新的运营模型里，AI 不只是辅助体验，而是主动编排体验（AI isn’t just assisting the experience, it’s actively orchestrating it）。这句话值得当成智能体客服项目的立项基准——如果你的 AI 还停留在”辅助”，说明还没进入这个新模型。

效率与体验的旧取舍为什么失效

访谈中把”效率 vs 体验”这个客服行业的老命题拆得很透。Martinez 承认过去几年的投资（更短处理时长、更好路由、更多自助）都有效，但它们优化的都是”离散事件”而非完整旅程。真正让旧取舍破产的是三件事：

• 客户期待跑赢了运营模型（customer expectations have evolved faster than the operating models）：系统为处理互动而设计，客户却期待端到端无摩擦的解决；
• 客户不把公司当队列体验：客户体验的是公司整体，“你有没有支持我完成我要做的事”，而不是某个渠道里的某次排队；
• 客户费力感被低估：即使最终解决了问题，如果过程艰难，客户记住的是艰难。碎片化旅程制造重复来电、转接和升级，成本同时出现在体验端和效率端。

她还补充了企业侧的现实复杂度：旅程横跨多个系统、数据经常不完整、政策在系统间重叠冲突，而且客户还会在对话中途改变意图——比如本来要开通服务，中途又加一个需求。这些摩擦具体表现为互动断连、重复转接、处理延迟，而复杂性的代价现在同时显形在客户体验和运营效率两端。旧自动化（遵循预定义指令的自助服务）解决不了这个问题，新的要求是理解目标、在约束内做决策、跨系统行动——这是能力级别的差异，不是参数调优。

她的结论句值得引用：优化的对象要从”互动”转向”结果编排”——这同时改善效率、有效性和忠诚度，而不是在三者间做交换。

编排到底是什么：护栏内目标驱动的新运营模型

对”编排”这个被用滥的词，Martinez 给出了可操作的界定：编排=人、智能体、数据、技术的协调，以达成有意义的结果。加上”智能体式”定语后，区别在于这套协调由系统执行——理解意图、在护栏（guardrails）内运作、理解政策、调用被授权的工具去推理并推进结果。

支撑这个模型的机制变化有三层：

• 从硬编码每条路径，到给定目标/政策/里程碑/工具让系统推理：这是”设计流程”与”目标驱动执行”的分界。平台层面已经内置了定义目标、政策、里程碑和可用工具的服务与接口，系统拿到这些输入后自行推理推进，不再需要穷举每条可能路径；
• 记忆让旅程长周期存活：保险理赔可以跨月，跨渠道多日进线的客户不需要重复背景，上下文必须持久。在保险、银行等行业，长周期旅程（超过 24 小时、超过 7 天）是常态，上下文持久是硬需求；
• 闭环运营：系统在约束内自主推进，运营者管的是目标与护栏。条目的入口由意图驱动而非静态分类，运营模型从”设计流程”转向”让系统在目标驱动下执行”。

对企业的信号清单也讲得很实：编排生效时你会看到——更少的断点转接与重来；更少的”自助起步、升级到人工时零上下文”的高成本 escalation；旅程跨会话延续；系统前置澄清意图并在政策内自适应。这些是可以直接放进客服中心看板的验收信号。

效果最终会同时落在体验与经济性两端：客户满意度、NPS、净收入留存与生命周期价值上升，服务成本、解决时长、获客成本下降；还有一组新兴指标值得加进看板——系统复杂度下降与客户费力度下降。Martinez 还给了一个数据时代的类比：自助服务时代的关键不是更漂亮的可视化，而是可信的洞察；今天同理，赢点不在更漂亮的互动，而在”通过留存与扩张驱动收入的协调运营模型”——省费用靠多步骤工作自动化，提效率靠编排，控风险靠政策约束下的行动。

信任是瓶颈：自主性光谱与三步落地建议

访谈最有分量的判断：过去我们说语言是瓶颈，今天信任是瓶颈（we used to talk about language being the bottleneck. Today, trust is the bottleneck）。信任靠”受限自主+透明”挣得——领导者要能理解系统做了什么、为什么做、在什么护栏内做。

由此推出落地方法：把自主性当光谱，从业务能承受的风险起步。系统先建议、再辅助、再执行、最后编排——这个渐进在监管严格或运营复杂的环境里尤其务实，路线图扎在证据和组织承受力上，而不是愿景上。这也是 Genesys 从早期落地客户身上看到的共同最佳实践。

给 CX 领导者的三条具体建议：

1. 先问”AI 能否在你的业务现实里安全、一致地运作”：每家公司的系统集成度、数据策略、约束条件都不同，先解决工具、约束、记忆这些基础，再谈更大自主权。监管行业尤其如此——先证明系统在政策护栏内行为一致，自主权才有可能扩大；
2. 自主性按光谱推进：从能容忍风险的场景起步，随信任增长扩展，让路线图始终扎在证据上；
3. 围绕旅程和结果设计，而不是渠道和互动：以优化孤立触点为中心的路线图必然交付不足——这个缺陷直接显形在客户费力感指标上。反过来，以意图、记忆、结果与协调执行为中心的路线图，才能让企业以对公司可持续、对客户有差异化的方式进入智能体编排世界。

主持人在结尾的总结也点出了这期访谈的题眼：编排的价值在于让信任随每一次互动复合增长——客户在整个旅程中被完整看见，而不是在每个触点重复背景、在渠道切换时丢失上下文。

给运营团队的核对清单

把访谈内容转成可执行核对项：①你的客服数据是否统一到能让智能体在全旅程调用的程度（数据孤岛=智能孤岛）；②你是否定义了每类业务的目标、政策、里程碑与工具授权（而不是只买了智能体产品）；③你的看板是否跟踪断点转接率、零上下文升级率、客户费力感这些”编排生效信号”；④自主权释放是否按”建议→辅助→执行→编排”有节奏推进。这四条比”上不上智能体”更接近成败。

另一个值得记录的细节是新旧指标的关系。Martinez 特意说明：编排的效果既会出现在 CSAT、NPS、净收入留存、生命周期价值这些传统指标上，也会出现在服务成本、解决时长、获客成本这些效率指标上，还会催生系统复杂度、客户费力度这类新指标。三层指标一起看，才能避免”用旧仪表盘评价新运营模型”的错位——很多团队的智能体项目看起来”没法证明价值”，问题出在度量体系还停在单次互动口径。

原文信息

• 原视频标题：How agentic AI is rewriting the rules of CX
• 频道：Genesys
• 讲者：Marissa Bembry（主持人）与 Eleonora Martinez（Genesys Cloud 产品管理高级副总裁）
• 发布日期：2026-05-13
• 视频时长：约 20 分 28 秒