🕸️LangChain Blog•最新收集於 24m
Klarna 如何擴展 AI 客服
#customer-support#agentic-ai#observabilityklarna-ai-assistantklarnalanggraphlangsmith
💡了解 Klarna 如何運用 LangGraph 與 LangSmith，讓企業客服速度提升 80%。
⚡ 30-Second TL;DR
有什麼變化
Klarna 的 AI 助理服務 8,500 萬名活躍用戶
為什麼重要
這項案例顯示，代理式 AI 能在大量客服場景中帶來可量化的效率提升。對企業 AI 團隊而言，它提供了擴展 AI 助理並監控工作流程效能的實務參考。
下一步行動
使用 LangGraph 建立客服工作流程原型，並透過 LangSmith 追蹤來衡量問題解決時間與代理品質。
誰應關注：Enterprise & Security Teams
關鍵要點
- •Klarna 的 AI 助理服務 8,500 萬名活躍用戶
- •該助理涵蓋客服與個人化購物體驗
- •LangGraph 與 LangSmith 協助將客戶問題解決時間縮短 80%
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 13 個來源。
🔑 增強重點摘要
- •Klarna 的 AI 助理在 2024 年 2 月推出首月即處理了 230 萬次對話，相當於 700 名全職客服人員的工作量。
- •該系統不僅限於對話，還能直接存取驗證後的客戶資料、支付狀態與購買紀錄，並具備執行退款與管理付款計畫的權限。
- •Klarna 在 2025 年 5 月經歷了策略調整，因過度裁減人力導致客戶對純 AI 服務感到不滿，隨後轉向結合 AI 與彈性人力資源的混合模式。
- •該 AI 系統目前支援全球 23 個市場，並能以超過 35 種語言進行原生級別的處理。
- •根據 2025 年第三季的數據，該 AI 的營運效能已提升至相當於 853 名全職客服人員的處理能力，且年度利潤改善預估已達 6,000 萬美元。
📊 競品分析▸ Show
| 特性 | Klarna (AI 代理) | 傳統客服中心 (BPO) | 企業級 AI 聊天機器人 (如 Salesforce/Zendesk) |
|---|---|---|---|
| 核心架構 | Agentic AI (LangGraph) | 人力密集型 | 規則/意圖導向 AI |
| 定價模式 | 內部營運成本優化 | 按人頭/工時收費 | 軟體授權費 (SaaS) |
| 基準表現 | 解決時間從 11 分鐘降至 2 分鐘 | 依賴人員培訓與流動率 | 視配置與整合深度而定 |
🛠️ 技術深入
- 採用 Agentic AI 架構：利用 LangGraph 構建多步驟代理流程，而非傳統的單輪問答模型。
- 系統整合：透過 API 深度串接 Klarna 核心資料庫，實現即時存取支付狀態與交易歷史。
- 監控與優化：利用 LangSmith 進行 AI 代理的追蹤、除錯與效能評估，確保複雜任務的執行準確度。
- 語言處理：具備多語言原生處理能力，支援 35 種以上語言，確保全球 23 個市場的服務一致性。
🔮 前景展望AI analysis grounded in cited sources
企業將全面轉向「人機協作」的混合客服架構
Klarna 的經驗顯示，完全依賴 AI 會導致客戶滿意度下降，企業必須保留人類處理複雜與高情緒價值問題的能力。
AI 客服的績效指標將從「裁員人數」轉向「價值鏈提升」
市場趨勢已從單純的成本削減轉向利用 AI 處理重複性任務，讓人類員工專注於更高層次的客戶關係管理。
⏳ 時間線
2024-02
Klarna 與 OpenAI 合作推出 AI 客服助理
2024-03
AI 助理首月處理 230 萬次對話，解決時間縮短至 2 分鐘內
2025-05
執行長承認過度裁員，宣布調整為 AI 與人類協作的混合模式
2025-09
年度節省成本達到 6,000 萬美元，AI 處理能力提升至 853 名全職人員規模
📎 來源 (13)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： LangChain Blog ↗
每週 AI 簡報
每週一封，可隨時退訂。