在评估 AI Agent 时,Zendesk 客户几乎都会问同一个问题:上线之后,究竟有多少工单能被自动处理掉?过去,这个问题只能靠估算,或者做小范围试点来摸索答案。如今,答案已经直接放在 Admin Center 里 —— 就是自动化潜力仪表盘(Automation Potential Dashboard)。
本文围绕三个问题展开:这个仪表盘关注哪些指标、实际应该怎么用,以及正式上线时需要守住哪些边界。
1它到底在看什么
口不难找:先进入 Admin Center,再点击 AI,然后进入 AI agents,最后点击「View automation potential」,就能看到这个仪表盘。这条路径需要管理员权限,部分多账户的环境已经默认开启。
仪表盘回看的是过去 90 天已经解决的工单,并且每周刷新一次;它只回答一个核心问题:如果把现有知识交给 AI Agent,有多少工单本可以自动解决?答案被拆成三块:自动化潜力,指依照现有知识,AI Agent 能自动解决的工单所占比例;已被知识覆盖,指帮助中心里已经有答案的部分;知识缺口,指客服答过、但还没有写成文章的部分。
适用范围需要提前确认:包括 Suite 的 Team、Growth、Professional、Enterprise、Enterprise Plus,以及 Support 的 Team、Professional、Enterprise。试用账户、关闭了 Zendesk AI 功能或数据量不足的账户,都看不到这份报告。
它的意义也正在这里:还没自动化哪怕一条对话,就已经先把历史工单变成了改进建议。
2两个标签,两种行动
“已被知识覆盖” 指的是现在就能上线的部分。话题会按预估的自动化率标成高、中、低三档影响;展开之后,既能看到子话题和样例工单,也能预览 AI Agent 会怎么回答。这里有个前提:务必逐条审阅样例,因为客户收到的就是这些回答,文章里的信息错了,AI 的回答也会跟着错。覆盖率达到理想水平就可以开始配置;覆盖率太低,宁可推迟上线,先把知识补齐。
“知识缺口” 有两种形式。一种是缺文章,答案只存在于客服的历史回复里;这时点击生成文章,Knowledge Copilot 会据此起草,审核发布后 AI Agent 即可使用。另一种是缺用例:退款、改地址、改预订这类问题,写文章没用,需要替客户办事,应该定义用例(Use Case),再写成流程(Procedure)。
这两者其实是配合关系:自动化潜力报告是启用 AI 的起点,Knowledge Copilot 适合在上线后持续优化知识质量。
3先划边界,再放权
把对话交给 AI 之前,先回答两个问题:它做得对不对?它该不该碰这条对话?
Zendesk AI Agent 只使用你在实例中提供的知识与指令,每次回答的推理过程和来源都会记录在对话日志里,可以追溯,也可以纠正。控制范围则由宽到窄,分为四层。最外层是品牌与渠道,这是最粗略的一层,开放一个新渠道就是一个重要决定。往里一层是用例,相当于白名单:没有定义的话题,AI 不回应,邮件直接转给人工。再往里一层是客户分群,按语言、客户等级、SSO 信息区分:普通客户走自助,企业客户立即转人工。最窄的一层是触发器排除,只用于处理 “绝不让 AI 碰” 的工单,比如法务或隐私团队的工单。
另外还需要提醒:触发器条件越多,排查越难。邮件渠道的 AI Agent 通过触发器加 Webhook 接收工单,如果条件堆得太多,就可能在对话中途错误拦截更新。
4上线四步走
第一步是体检:查看自动化潜力,审阅样例回答,先把基线建立起来。
第二步是补缺:用 Knowledge Copilot 把团队的历史回复整理成帮助中心文章。
第三步是上线:在覆盖充分的话题上启用知识回复,再用触发器限定品牌与收件邮箱。
第四步是复盘与扩展:每周回看报告,在 AI Agents 报表中区分 “协助升级、已承接、已验证” 三类。承接说明对话停在了 AI,验证才说明真正解决了问题。
针对邮件场景,还有一个更务实的做法:先让 AI Agent 收集人工处理所需的信息,比如订单号、退款原因、损坏照片,让客服拿到上下文完整的工单;然后再逐步把动作交给 AI。
写在最后
邮件自动化并不是打开一个开关,它是从一个信号开始。这份报告会用你自己的工单来告诉你:哪些内容现在就能自动化,哪些还缺文章,哪些则需要补充流程。
它不会让你自动化一切,只告诉你哪些已经准备好。至于何时开始,由你决定



