Klarna CEO Sebastian Siemiatkowski：让 AI 完成 700 名客服的工作 | 训练数据
摘要
Klarna CEO Sebastian Siemiatkowski 分享了这家全球金融科技巨头如何将 AI 深度嵌入客户服务、市场营销和内部知识管理的惊人故事。Klarna 的 AI 客服助手已处理三分之二的客户服务咨询，相当于替代了 700 名全职客服人员的工作量，为公司带来每年约 4000 万美元的利润改善。Sebastian 回顾了他如何在 2022 年 11 月首次体验 ChatGPT 后被彻底震撼，立即飞往旧金山与 Sam Altman 会面，并建立了与 OpenAI 的合作关系。他分享了一个关键洞察：AI 客服的成功不仅依赖于模型能力，更依赖于清晰、详细的内部文档——"把 AI 当作一个每天上班却忘记了所有事情的新员工"。Sebastian 还坦诚地讨论了 AI 对社会就业的影响、LLM 在创意文案方面的局限性（"它们被训练成平均值，而创意不是平均值"），以及 Klarna 的长期愿景：成为每个人的 AI 数字金融助手。
正文
从 ChatGPT 到生产力变革：Klarna 的 AI 觉醒
2022 年 11 月，Sebastian 在 Twitter 上看到有人推荐 ChatGPT。他试了试，当场被震撼——"我这辈子从未见过这样的东西，也许 20 年前第一次用 Google 时有过类似感觉，但这次更令人印象深刻。"圣诞节假期过后，他意识到 Klarna 必须全力投入 AI。
他的第一步是飞到旧金山与 Sam Altman 见面。凭借红杉资本同时是 Klarna 和 OpenAI 的股东这一关系，他成功约到了会面——尽管原定两小时的会面被压缩到了 30 分钟。他的游说策略很聪明：让 Klarna 成为 OpenAI 的"小白鼠"，一个愿意始终测试最新最强大模型的欧洲金融客户。这次会面促成了双方建立联合 Slack 频道，开启了密集的实验阶段。
在内部，Sebastian 鼓励所有员工积极尝试 AI，同时迅速解决了 GDPR 合规等监管障碍。一个团队从最具挑战性的场景入手——争议解决（dispute resolution）。在银行业，争议解决类似一个"小法庭"：客户说没收到包裹，商户说已经发货，Klarna 需要收集证据并做出裁决。这个过程涉及大量邮件往来、证据收集和双方沟通，一直是积压最严重的环节。
该团队在两个月内就用 RAG（检索增强生成）技术构建了一个 AI 副驾驶（co-pilot），帮助加速决策并提高质量。更令人震惊的是，两个月后团队在 Slack 里发消息说："我们没有争议案件了，能多给我们一些吗？"——这在 Klarna 历史上从未发生过。
AI 客服的"意外实验"与核心洞察
当 Klarna 开始测试 AI 直接回答客户问题时，出现了一个 bug：数千次对话中，客户并不知道自己在和 AI 交流。这个意外反而成了一次完美的 A/B 测试——团队读完了这些"盲测"的对话记录，结论是 AI 的表现"出奇地好"。这个发现给了团队足够的信心将 AI 推向正式生产环境。
Sebastian 分享了一个关键的架构哲学：把 AI 当作一个每天来上班却忘记了所有事情的新员工。如果你想让一个随机的人坐在客服岗位上成功回答问题，你需要的是一份足够详细、清晰的文档——即使这个人速度很慢，也能通过查阅 FAQ 和手册来正确回答。同样的逻辑适用于 AI：模型的能力是给定的，但真正决定成败的是你喂给它的"说明书"质量。
这一哲学带来了一个良性循环：为了支持 AI，团队被迫将原本"过得去"的内部文档提高到极高标准——结果不仅 AI 变得更好，人类客服也从中受益，因为他们现在拥有了更好的工具。
关于技术细节，Sebastian 罕见地保持了谨慎——"我几乎对所有事情都极度透明，但这是少数我觉得需要保密的战略优势。"他确认 RAG 是架构的核心组成部分，但强调关键在于指令的清晰性和文档的质量。
两分钟 vs 十四分钟：AI 客服的真实优势
当被问及具体数据时，Sebastian 分享了几个关键数字：
- AI 处理占比：三分之二的客服咨询
- 等效人力：约 700 名全职客服人员
- 年化利润改善：约 4000 万美元（Klarna 年收入约 20 亿美元）
- 平均解决时间：从人类的 14 分钟降至 AI 的 2 分钟
解决时间的急剧缩短并非因为 AI "更聪明"，而是因为一个简单的原因：人类客服通常会同时处理多个对话窗口——客户在等待，客服在切换，效率自然降低。而 AI 能立即响应每一位客户，消除了并行处理带来的延迟。
然而，一个有趣的现象是：约 30% 的客户仍然选择不跟 AI 聊天——他们的第一句话往往是"Agent"或"转人工"。Sebastian 认为这不完全是因为客户真的渴望与真人交流，更多是因为过去十年的 AI 聊天机器人给人们留下了极糟糕的印象。"每个人都经历过在某家航空公司网站上跟一个蠢到令人发指的聊天机器人浪费时间。"改变实际体验只需要几个月，但改变用户的认知和期望需要更长时间。
LLM、创意与"平均值陷阱"
当被问及 AI 在创意内容方面的表现时，Sebastian 给出了一个发人深省的观察：在图像生成方面，AI 的表现令人印象深刻——它可以创造出疯狂而富有想象力的视觉效果。但在文案写作方面，LLM 的表现差强人意，原因在于：
"LLM 的工作方式是趋向平均值——它们被训练成平均值，而创意恰恰不是平均值。创意是极端——是认识到这是一种全新的方式或全新的组合。"
对于产品描述这类标准化内容，LLM 表现出色。但当需要那种"完美古怪"的文案——能吸引人类注意力、让人讨论、觉得有趣——时，AI 仍然逊色。Sebastian 将当前的 AI 比作"在框内思考"，而真正的创意需要"跳出框外"。
Klarna 的市场营销实践印证了这一观点。一位极具创造力的团队成员掌握了视频生成、声音生成等多种 AI 工具，制作出了以 Sebastian 数字分身为特色的品牌视频——效果惊人且符合品牌调性。Sebastian 认为这恰恰证明这些 AI 工具的采用者是真正的"创作者"——就像当年合成器和电脑进入音乐行业时，有人抱怨"那不是弹吉他"，但今天没人会那样说了。
电子身份验证、就业冲击与 Kiki 知识图谱
Sebastian 对 AI 时代最紧迫的政策建议出人意料：建立全球统一的电子身份验证体系。"我见过完全以假乱真的我自己的 AI 视频——我们很快就要用这些视频给上千家商户发送信息。如果 Pat 和 Sonia 无法向我要电子身份证明来验证我是真人还是 AI，诈骗和欺诈将爆炸式增长。"
在就业问题上，他提出了一个平衡的视角：左派说"阻止进步"是不现实的——因为不民主的国家不会停下脚步；右派说"总会有新工作"又过于简单化。他以布鲁塞尔的翻译员为例——1 万名翻译因 AI 翻译技术的进步而几乎变得多余，而对一位 55 岁的翻译员说"别担心，你可以成为 YouTube 网红"既残忍又不现实。他建议政府应当在接纳技术进步的同时，为受影响的群体提供支持性政策。
在内部，Klarna 正在构建一个名为 Kiki 的内部知识图谱——一个类似企业版维基百科的系统，整合了原本分散在多个系统（包括 Salesforce 和 Workday）中的信息。员工可以在 Slack 中通过自然语言询问 Kiki 任何问题，从"我们有多少员工"到"启动内部系统需要什么步骤"。这一举措实际上让 Klarna 开始停用 Salesforce 和 Workday 等传统企业软件，减少系统孤岛，实现信息的标准化和协作化。
从支付工具到 AI 金融助手：Klarna 的十年愿景
早在 2015 年，Klarna 在支付服务领域被 Stripe 和 Adyen 打得无还手之力时，管理团队就已经预见到金融服务的未来："未来某天早晨醒来，你的数字金融助手会告诉你：我分析了你的按揭贷款，发现从 A 银行换到 B 银行能帮你省 10 美元——你只需要说'好'。"
AI 的出现加速了这一愿景的实现。Sebastian 认为，银行利润的很大一部分建立在"客户惰性"之上——换银行太麻烦。当 AI 助手让这一切变得只需一声"好"时，银行业的超额利润将会"蒸发"。Klarna 的目标不是成为被颠覆的传统银行，而是成为那个帮助客户节省时间、节省金钱、掌控财务的"AI 数字金融助手"。
在购物端，Sebastian 分享了一个让他震撼的实验：团队用他个人的购物历史和品牌偏好数据，生成了一张个性化的 AI 商品图片——一只看起来像 Nike 的鞋子。"我看着那张图片，心想：我想买那个。而我不是一个爱购物的人。"他预见到一个未来：商品图片是为你个人实时生成的，你点击购买后，产品才被生产出来——这不仅更个性化，也更环保，因为不会有过剩库存。