客服 AI 按「解决」收费，账单按「回来」结算

十月中旬的一天，一位客服负责人把季度报表推到我面前。表上两个数字并排放着：AI 自主解决率从年初的 61% 涨到 76%，人力成本却比去年同期高了一成。他说这两个数写在同一张表上，他不知道怎么向老板解释。

这两个数并不矛盾，它们量的是两段时间里的两件事。解决率量的是会话结束的那一刻，人力成本量的是整月的人工支出。中间那段没人计量的时间，恰好是钱流回去的地方。

76% 是在哪一刻量的

先把口径说清楚。Fin 的官方文档给解决率的定义是：没有人工介入就结束的会话占比，计量点是会话结束那一刻。厂商声称这个数在 12,000 多家客户上平均 76%，表现好的超过 80%，少数能到 93%，每周大约 200 万次解决。Salesforce 在 9 月 10 日的收购公告里沿用了同一个 76%，但它的性质仍然是厂商声称，不是独立测评。

价格是每次解决 0.99 美元，只在 AI 自主解决时收费。这一步设计得很聪明，它把厂商的收入和它自己的结果绑在一起：AI 没解决，厂商不收钱。

同一家公司的另一篇定价文档里有一句话值得记住。它说按会话计价时，65% 的解决率意味着 35% 的 AI 支出花在了没解决的交互上。这句话本来是拿来推销按结果计价的，但它顺带承认了一件事：厂商非常清楚，计量单位决定了谁承担失败的成本。

问题在于，按结果计价只解决了厂商这一侧的对齐。买方还剩两笔钱。一笔是 AI 没解决、转人工的那部分人力，多数模型里算得清。另一笔是「解决了」但过几天又回来的第二次接触，这笔通常没人算，因为它在任何一个系统里都不叫成本，叫一个新工单。

Klarna 报的数，和它一年半后承认的事

2024 年 2 月，Klarna 公布了一组被全行业引用的数字：AI 助手首月处理 230 万次会话，占全部客服会话的 67%，相当于约 700 名全职客服的工作量，平均解决时间从 11 分钟降到 2 分钟以内，重复询问比之前少了 25%，预计当年带来约 4,000 万美元的利润改善。这些数字我看到的是媒体汇总转述，不是一手稿子，所以按二手标注。

其中「700 名全职客服」这个当量本身就值得拆一下。230 万次会话乘以 11 分钟，是 2,530 万分钟，约 42.1 万小时。按每人每月 160 个有效工时算，是 2,630 个人力当量；67% 的自动化对应约 1,760 个。这和公告里的 700 差了 2.5 倍。差额来自分母怎么取：按会话时长折算，还是按排班人数折算，还是只算能被 AI 完整接住的那部分。我没法判断哪个口径对，重要的是同一件事能算出三个不同的当量，而这个当量后来被当成结论在行业里传了一年。

2025 年 5 月，Bloomberg 报道了同一个 CEO 的另一次表态：以成本为导向的做法走得太远了，公司要保证客户在任何一个环节都能找到真人。后续报道给出的细节更硬：员工总数从约 5,500 降到约 3,000，公司开始重新招聘人工客服。

把两次表态放在一起看，值得注意的不是「AI 失败了」这个结论。两次用的是同一套指标。第一次用「解决时间 2 分钟」「重复询问少 25%」证明成功，第二次用「质量下降、客户不满」承认失败。25% 这个数在 2024 年是利好，一年后回头看，它只是没覆盖到变坏的那一类会话：情绪激烈的、跨多个步骤的、需要跨系统查证的、要破例审批的。

总量级的指标会把分层吃掉。230 万次会话里如果九成是查订单、改地址、问物流，67% 的自动化率很好看。剩下那一成崩到什么程度，76% 这个数是看不见的，因为分子和分母都把它稀释了。

计量点在哪里，成本就归谁

这件事可以拆到最朴素的一层。一个「已解决」的工单，如果客户三天后为同一个问题再开一次，买方付了两次人工、一次 AI，还多了一次不满。从买方的账上看，这个工单的成本是负的；从厂商的账上看，它是一个漂亮的解决记录。

两本账能同时成立，是因为计量点不同。厂商的计量点在会话结束那一刻，第二次接触落在窗口之外。

这不是谁的恶意。任何计价系统都必须把单位落在可观测、可结算的边界上，而会话结束是最容易结算的边界。计量点的选择看起来是技术细节，它实际上决定了成本往哪个方向转移。

零售业有一模一样的结构。收入确认在发货那一刻，退货成本发生在之后，所以做零售的人盯的是退货率，不是发货额。客服 AI 现在处在只报发货额的阶段，而且报得很有说服力，因为发货额确实在涨。

厂商为什么不主动把窗口拉长。要判断一个工单三十天内有没有回来，厂商得接入买方的工单系统，还得持续观测三十天，这等于把自己的失败率暴露在合同里。商业上没有理由主动做这件事。这个判断是推断，不是我从哪份文档里读到的结论，但它可以被检验：看有没有哪家厂商在 2027 年之前把「N 天无回流」写进标准报价。

由此得到一条判据，比看跑分有用：任何按「结束时状态」计价的 AI 服务，都会把回流的成本留给买方。客服是第一个跑通的场景，代码评审、财务对账、简历初筛的计价单位迟早会走到同一步，因为它们都有「看起来完成了、过几天又回来」的结构。

把账摊开算一遍

用 Fin 文档里的算例口径来算：一个月 5 万次会话，人工处理一次 8 美元，AI 每次解决 0.99 美元，解决率 76%。

AI 费用是 38,000 次乘以 0.99，37,620 美元。剩下 12,000 次转人工，乘以 8 美元，96,000 美元。两项合计 133,620 美元，折合每次会话 2.67 美元。全部用人工是 40 万美元，每次 8 美元。省下的比例是 66.6%。

现在把第三笔加进去。假设 8% 的「已解决」会话在 30 天内为同一个问题回来。这里要说清楚，8% 不是调研数据，是我为了展示杠杆设的参数，行业均值对你做预算没有意义。按人工每次 8 美元算，38,000 乘以 8% 是 3,040 次，24,320 美元。总成本变成 157,940 美元，每次会话 3.16 美元，省下的比例从 66.6% 掉到 60.5%。

这里还有一处容易被忽略的口径。人工一次 8 美元是含管理与排班的完全成本，不是坐席工资，因为转人工的那通会话还要占用队列、质检和管理时间。如果预算模型里用的是坐席时薪，AI 省下来的钱会被系统性高估。这件事在很多采购测算里出错，方向永远是同一个：低估人工、高估自动化。

真正该看的是变化率。回流率每涨 1 个百分点，一个月多支出 3,040 美元，一年 3.65 万美元。解决率每涨 1 个百分点，多承接 500 次会话，省下约 3,500 美元一个月。两个数落在同一个量级，这件事最值得记住：解决率往前挪一步省下的钱，可以被回流率往前挪一步全部吃掉，而后者不会出现在任何一份采购汇报里。

这也解释了开篇那位负责人看到的矛盾。解决率涨了 15 个百分点，账面上应该省不少；人力成本反而涨了一成，因为回流率同时也在动。两个变量在同一个方向上加码，一个进了报表，一个没进。

采购上能改的三件事

第一，把验收单位换成 30 天窗口内的重复联系率。合同写法很具体：同一客户、同一问题、30 天内再次开单，算未解决。这一条不需要厂商改产品，只需要改合同里的定义，而定义是甲方可以提出来的东西。

第二，让厂商分摊第二次接触。技术上可行，厂商已经能拿到工单状态，缺的只是愿不愿意把计量窗口拉长。愿意拉的厂商说明它对自己的解决质量有数；不愿意的，你至少知道自己买的是什么，这比签一份看起来省钱、实际把最大成本项留在自己账上的合同要好。

第三，抽样按问题类型分层，不按总量。抽 200 个「已解决」的会话，30 天后回访，人工判一遍。分层维度用三个：情绪强度、步骤数、跨系统程度。每一层单独算回流率，别只报总数。Klarna 的教训就是聚合指标看不见分层，而分层里最差的那一类，恰好是第二次接触的主要来源。

这三件事的共同点是不需要换供应商。换一个同样按会话结束计量的产品，拿到的是同一个结构，只是把问题往后推了一年。

36 亿美元买的是什么

2026 年 6 月 15 日签协议，9 月 10 日交割完成，Salesforce 收购 Fin。公告披露的是完成事实和 30,000 多家公司客户，交易金额约 36 亿美元来自 CMSWire 对这笔交易的统计。公告里的措辞是「可度量的结果」。

这笔钱买的是三样东西：一个已经跑起来的解决率计量体系，一个三万多家公司的装机量，以及「什么算解决」的定义权。

第三样最值钱，也最少被买方注意到。当定义权在平台手里，你续约时谈的是价格，谈不了定义。把验收标准写进合同，是用条款找回一部分定义权；不写，就是接受对方那本账。这一点在单点采购时影响有限，在平台化之后会变成结构性劣势，因为三万多家客户从此共用同一套口径，而那个口径仍然停在会话结束的那一刻。

所以我对这笔交易的判断是：它没有解决度量问题，它把度量问题固化成了基础设施。一个行业把某本账买成标准之后，纠正它的成本会高得多。

我们的判断

度量点决定成本归属。这是一条能预测下一个同类现象的判据，不是对这件事的总结。

往下推两条可检验的预测。第一，未来 12 个月内会出现第二代按结果计价的 agent 产品，把计量窗口从「会话结束」拉到「N 天无回流」，先做这件事的厂商会拿到定价权，因为买方终于能把「76%」和「真的没回来」区分开。第二，继续用会话结束计量的产品，在第二轮采购里会被要求签回流分摊条款。两条都能被证伪，一年后回来看就行。

给正在签合同的人三个问题。你们的 30 天回流率是多少，谁在测？计量窗口多长，写进合同了吗？分层抽样做没做，哪几类问题的解决率最低？三个问题都答得出来，你买的是一套可审计的服务；答不出来，你买到的是一次会话的结束通知。

这套账不只用在客服上。任何把「完成」定义在自己这一侧边界的自动化，都有同一个缺口。识别的办法不是看它报了多少完成率，是看它的计量窗口停在哪儿。

数据口径与来源

Fin 的 76% 平均解决率、12,000 多家客户、每周约 200 万次解决，以及 0.99 美元每次解决的定价：厂商官方文档，属厂商声称，未经独立测评。fin.ai/learn/ai-resolution-rate 与 fin.ai/learn/per-resolution-vs-per-conversation-ai-pricing

解决率的定义（没有人工介入即结束的会话占比）：Intercom 官方帮助文档，一手。intercom.com/help/en/articles/8205718-fin-ai-agent-outcomes

Salesforce 完成收购 Fin、30,000 多家客户、公告措辞：Salesforce 官方新闻稿，一手，2026 年 9 月 10 日。salesforce.com/news/press-releases/2026/09/10/salesforce-completes-acquisition-of-fin

交易金额约 36 亿美元、签约日 2026 年 6 月 15 日：CMSWire 对本次交易的统计，二手。cmswire.com/customer-experience/salesforce-acquires-fin

Klarna 2025 年 5 月表态：Bloomberg 一手报道，有付费墙。bloomberg.com/news/articles/2025-05-08/klarna-turns-from-ai-to-real-person-customer-service

Klarna 2024 年 2 月的六项数字，以及「700 名当量」的另一种折算：媒体汇总转述，二手，无数值独立核验。twig.so/blog/klarna-ai-customer-support-efficiency

本文算例的参数来源：每次人工 8 美元、每次解决 0.99 美元取自 Fin 文档；5 万次会话与 76% 解决率沿用同一算例；30 天内 8% 回流率是我设定的参数，正文已标明，不是调研数据。文中所有除法与百分比均可用上述参数重算。