摘要：这家全球领先的“先买后付”平台（类似于国内的“蚂蚁花呗”），在 2024 年接入 OpenAI 技术后，便风风火火地All in AI：暂停招聘、削减成本，甚至计划用 AI 逐步取代多达数千名的外包客服。

第一批因为AI裁员的公司，又把员工请回来了！

曾信誓旦旦宣布“一个 AI 顶 700 个客服”的 Klarna，如今不得不亲自“打脸”。

这家全球领先的“先买后付”平台（类似于国内的“蚂蚁花呗”），在 2024 年接入 OpenAI 技术后，便风风火火地All in AI：暂停招聘、削减成本，甚至计划用 AI 逐步取代多达数千名的外包客服。

一年多过去了，这场“AI 替代人类劳动力”的实验被叫停了！Klarna再也无法继续无视用户铺天盖地的吐槽——越来越多的抱怨集中在“答非所问”“情绪冷漠”“永远找不到真人”……问题多到用户体验直线下降。

最终，Klarna 不得不低头：承认过去拥抱AI 的方式过于激进，并开始重新招聘客服人员。

CEO Sebastian Siemiatkowski 也公开改口：“从品牌和公司角度来看，我认为让客户明确知道，‘你想找真人，一定找得到’，这件事非常关键。”他的话，也像是对服务从业者的一句忠告。

和许多公司一样，Klarna 之所以最初大力引入 AI，无外乎“降本增效”四个字。

AI应答迅速、不知疲倦、24小时在线等特点，确实乍看之下能充当一个完美客服。2024 年 2 月，Klarna 在全球媒体上大张旗鼓地宣布：上线仅一个月，AI 助理已接管了三分之二的客户对话，覆盖 230 万次互动，平均响应时间控制在 2 分钟内。

官方数据看起来令人振奋：AI 在事务处理准确率上“优于人类”，客户满意度也“不相上下”。更重要的是，它还有望在一年内为公司带来 4000 万美元利润提升。

但Klarna没有料到，这场自动化带来的“馈赠”，其实早就暗中标好了代价。

问题从来不只是“效率”本身。AI 客服的回应模板化、语气生硬，最致命的，是用户常常找不到人工客服，这一箩筐问题足以引发用户众怒。

Klarna发言人公开说，随着客户越来越多地表达对‘缺乏人情味’和‘难以联系真人客服’的不满，这种做法显然在削弱他们原本想要改善的体验。这种摩擦不仅会降低满意度，还会带来真实的财务与声誉风险。”

Klarna的解决方案就是重新招人，不过他们还开了个试点计划聘请“客服专家”给AI打辅助。“AI 解决简单的问题——我们的专家处理那些关键时刻”。发言人Nordstrom 解释说，“这也是我们正在推进这个试点的原因，吸引高学历学生、专业人士和创业者，担任一种融合前线服务与实时产品反馈的新型岗位。”

事实上，在Klarna大刀阔斧推进AI客服之初，质疑声就已经出现。

软件工程师、《The Pragmatic Engineer》通讯作者 Gergely Orosz 曾在使用 Klarna AI 助手后写道：“它……挺让人失望的。只是在复读产品文档，然后很快把我转给人工客服。”

而Klarna却花费了一年多的时间兜了一大圈，才得到了这个教训：“在这个自动化的世界里，真正优秀的人类交流仍是最宝贵的。”

发言人表示，他们会修正此前的战略，“加倍投资于提升服务的人性化：同理心、专业性和真实对话”。

当然，Klarna的转向不等于放弃AI。Nordstrom 表示，AI 目前仍发挥着关键作用，仍处理约三分之二的客户咨询。自推出以来，响应时间提升了 82%，重复问题减少了 25%。

Klarna 客服策略的转变并不令人意外，因为整体来看，消费者对聊天机器人的不满正在上升，AI 技术本身也存在缺陷。

OpenAI模型本身时常生成偏冗长的答案，应用到客服场景中，给人一种“晕字”的感觉——说了非常多，又好像什么都没说。

Klarna用户吐槽的截图翻译

在广泛的吐槽中，有人在博客梳理出了Klarna 客服的“五宗罪”：

1）响应冗长：回答太啰嗦，用户一眼望不到重点，违反对话式设计原则

2）无法完成承诺的操作：说能帮忙更新资料、查订单，结果全是跳转链接，且经常是无效链接

3）强制用户跳出支持窗口：明明是服务窗口，却总让用户去别的页面完成操作，体验割裂

4）语气“过分甜美”却缺乏共情：回复模板化、过度热情，关键时刻没有体现出对用户困境的理解

5）响应速度慢：每次等待 15–20 秒

值得注意的是，目前AI的问答能力尚可，但Agent所需的执行能力则更为其短板。就像一位用户举的让自己抓狂的案例，让人苦笑不得：

当我要求 AI 客服帮我更新个人信息时，它弹出一个按钮，让我跳转去修改。但点进去后链接根本打不开。

我又问它能否查看我的历史订单（我并没有订单，属于最简单的测试场景），它却让我“自己去找”。

接着我让它协助更改支付方式，它又给出了一长串说明，要我离开聊天窗口自己去操作。当我尝试直接在对话框中提供信息时，AI 回答“不可以”，并把我推送给真人客服。

整个测试过程里，我反复尝试让 AI 去完成它“声称可以完成的”动作——结果每一次，不是让我自己去做，就是直接失败了。

Klarna 的 AI 客服响应迟缓，背后可能并不只是“优化没做好”。

AI 客服 Tico 的开发者推测，Klarna 所使用的 OpenAI Assistants API 本身就存在一定延迟——因为它每次生成回复时，往往需要同时调用多个模块，包括知识检索、函数执行、语气调节、上下文维护等。这种多模块调用显然拉长了响应时间。

事实上，Assistants API 的确能帮助企业快速上线一个 AI 助手原型，但不一定适合追求极致响应速度或动作执行效率的场景。

同样的道理，不必为每一个问题都动用 GPT-4o 或 Claude Opus。对于绝大多数客服需求——比如 FAQ、基础流程引导、信息查询——轻量级模型 + 明确流程的组合，其实是更经济实用的选择。

企业真正该关注的，不是“AI 模型选得够不够大”，而是整体架构是否具备分层调度、任务分流与智能兜底能力。知识库 + LLM 理解层 + 对话编排平台，才是客服自动化真正能跑起来的工程路径。

智能客服的普及并未带来预期的好评，反而让“转人工”成为全球用户都在默默对抗的技术困境。

无论是在国内还是海外，智能客服的满意度始终不高。

《中国青年报》发起的调查显示，95.7%的受访者使用过智能客服，但只有四成认为“好用”。而海外研究机构 Verint 曾发布报告指出，超过三分之二的客户有过糟糕的聊天机器人体验。

在社交媒体上，甚至已经出现了大量“转人工教程”被用户像传授秘技一样反复传播，移动运营商、航空公司和各大电商平台及社交平台无不是中枪范围。

原因并不复杂：AI 确实可以应对简单问题，但一旦用户表达稍微复杂、语义模糊或情绪焦虑，它就可能“失智”。

回想当时，客服是最先受到AI冲击的那一波岗位。

那时候我们以为，自己做的是“更高级”的工作。但不久后，Sam Altman就告诉我们，AI 也开始侵入文案、设计、编程等看似稳妥的职业领域，各种一夜端掉XX行业饭碗的论调层出不穷。AI恐慌、AI焦虑似乎弥漫在整个社会之中。

不过还好，Klarna的经历真实的印证了“温度”的可贵，更说明了：技术不会让人无用，它只会逼我们更清楚地认识——人，为什么难以取代。

来源：51CTO一点号