创新案例 | Klarna 用 AI 替代了 700 个客服，15 个月后又把人请了回来

一句话看懂：Klarna用AI客服助手在15个月内承担了约853名全职客服的等效工作量，年化节省约6000万美元，却在IPO前公开承认过度以成本为导向导致质量下滑，重新招募人工客服。它的核心启示是：AI降本的账本必须同时记下直接成本、服务质量、风险合规与组织品牌四栏。Klarna做对的事不是简单替代，而是跑完了一个完整的“激进实验—承认过度—回调修正”周期，最终形成“AI优先+人工兜底”的混合模式。这个案例为中国企业管理者揭示了AI替代人工的真实边界：收益立竿见影，代价却滞后且难以计量，而最终的稳态是分层分工，而非完全替代。

Klarna 做对的事，不是简单地「用 AI 替代人工」，而是把一次激进的 AI 降本实验完整跑了一个周期——高调上线、宣布成效、公开承认过度、重新加强人工支持——并带着这套修正后的「AI 优先 + 人工兜底」混合模式，在 2025 年 9 月登陆纽交所。它既证明了 AI 能承接大量标准化客服工作，也证明了只用成本指标决定自动化边界会付出代价。

数字先摆出来，并注意口径。2024 年 2 月，Klarna 宣布其 AI 客服助手上线首月处理 230 万次对话，承担了约 700 名全职客服的等效工作量（注意：这是工作量等效换算，不等于实际裁掉 700 人；CEO 后来在受访中也用过「替代了 700 名全职合同制客服」的措辞，指向的主要是外包坐席）；平均解决时长从 11 分钟压到 2 分钟以内。公司对这笔账给过三个不同口径的数字：2024 年 2 月最初预计带来约 4000 万美元的年化利润改善；后续 IPO 招股书披露 2024 年实际实现约 3900 万美元成本节省；2025 年三季度财报电话会上，CEO Sebastian Siemiatkowski 又给出更新估算——AI 助手承担约 853 名全职客服的等效工作量，年化节省约 6000 万美元。同期，公司全职员工数从 2022 年底的 5527 人降至 2024 年底的 3422 人，两年缩减约 38%（但公司未披露其中可单独归因于 AI 客服的具体人数）。2025 年 9 月 10 日，Klarna 以每股 40 美元定价 IPO，此次发行约 3431 万股、总额约 13.7 亿美元，其中公司自身发行约 500 万股、对应毛收入约 2 亿美元，其余主要为老股东出售所得；上市估值约 151 亿美元，首日收涨约 15%。

但这不是一个「AI 降本大获全胜」的故事。2025 年 5 月，就在 IPO 前四个月，Siemiatkowski 对 Bloomberg 公开承认：过度以成本为导向的 AI 客服策略带来了「更低的质量」（lower quality），公司将重新招募人工客服，「投资于人工支持的质量，才是我们的未来」。

这篇案例对中国企业管理者的研究价值在于一个当下最热的问题：AI 降本的真实账本到底长什么样——账面上省了多少、账面外可能付出了什么代价、纠偏的成本几何。Klarna 是这一轮 AI 落地中公开资料相对丰富、把这本账摊得比较开的代表性案例之一，值得逐项拆开看。

一、它面对的处境与挑战

Klarna 成立于 2005 年，总部斯德哥尔摩，是「先买后付」（BNPL, Buy Now Pay Later）模式的全球代表企业之一，核心业务是在电商结账环节提供分期与延后支付，向商户收取费用、向部分消费者收取利息和滞纳金。

它的困境在 2021—2022 年间集中爆发。2021 年，在软银愿景基金领投的一轮 6.39 亿美元融资中，Klarna 估值达到 456 亿美元的巅峰，一度是欧洲估值最高的科技独角兽。但 2022 年风向逆转：全球加息压高了 BNPL 的资金成本，监管对 BNPL 的信贷属性收紧审查，行业竞争加剧，资本市场对「烧钱换增长」的金融科技公司集体重新定价。2022 年 7 月，Klarna 以 67 亿美元估值完成 8 亿美元融资——较巅峰缩水约 85%。这不是缓慢滑坡，而是一年之内估值蒸发近九成的断崖。

估值崩塌背后是真实的盈利压力。Klarna 自 2019 年起连年亏损，2022 年净亏损约 10 亿美元。作为一家客服密集型的消费金融公司，数千万用户的退款、纠纷、还款计划变更都需要处理；据其上市文件，2022 年「客户服务与运营」成本约 2.87 亿美元，是公司可以通过标准化和自动化改善的重要成本项目之一。公司若想重新赢得资本市场信任、走通 IPO 之路，必须拿出一条清晰的降本增效路径。

恰在此时，2022 年 11 月 ChatGPT 发布。Siemiatkowski 是最早押注的大公司 CEO 之一：Klarna 是全球首批上线 ChatGPT 插件的公司之一，他公开表示希望 Klarna 成为 OpenAI「最喜欢的小白鼠」。可以合理判断，盈利压力、IPO 诉求、创始人对 AI 的信仰三股力量在 2023 年汇合，把 Klarna 推向了一场当时全球最激进的 AI 替代人工实验。

二、它做对了什么：核心动作拆解

动作一：把 AI 客服做成「嵌入业务系统的智能体」，而非通用聊天机器人

为什么（Why）：客服是 Klarna 成本结构中体量大、流程标准化程度高的环节——退款进度、还款计划调整、订单状态、账户问题，这类高频、有明确解决路径的请求占客服对话的大头。如果 AI 只能「聊天」而不能「办事」，替代就无从谈起；要真正省下人力，AI 必须能端到端解决问题。

是什么（What）：2024 年 2 月 27 日，Klarna 与 OpenAI 合作的 AI 客服助手正式上线，覆盖 23 个市场、支持超过 35 种语言、全天候运行。按官方口径，上线首月处理 230 万次对话，占全部客服对话的约三分之二；解决时长从 11 分钟降到 2 分钟以内；重复咨询率下降 25%；客户满意度评分与人工客服持平。

怎么做（How）：关键在于，这个助手不是挂在网站角落的通用聊天窗口，而是被整合进 Klarna 的 App 与交易流程——据公开报道，它在对话中能调用经过身份验证的用户上下文（如购买记录、付款状态），并协助处理退款、退货追踪、还款计划、订单查询等具体任务，而非只做话术应答。同时，Klarna 始终保留人工支持通道，据报道当对话涉及模型难以判断的复杂或受监管情形时会转交人工。多数媒体标题里丢失的正是这个差异：Klarna 之所以能「等效替代」大量客服，前提是 AI 被接进了业务系统、能办事，而不只是能对话。（需要说明：关于自动转人工的精确触发规则、内部灰度与复核流程等更细的工程机制，缺乏 Klarna 一手技术披露，此处不作断言。）

动作二：用「招聘冻结 + 自然流失」收缩组织，而非一次性裁员

为什么（Why）：向资本市场证明降本，最直接的指标是人效。但 Klarna 在 2022 年 5 月已经经历过一轮约 10% 的裁员风波并付出舆论代价，管理层此后选择了另一条路：不再大规模裁人，而是广泛冻结招聘，让 AI 吃掉自然流失留下的空缺。

是什么（What）：Klarna 从 2023 年起大幅冻结常规招聘（但仍保留工程师等少量例外岗位）。据其上市文件披露，全职员工数从 2022 年底的 5527 人降至 2023 年底的 4352 人、再降至 2024 年底的 3422 人，连续两年每年缩减约 21%。公司在文件中将整体减员与「利用 AI 提升运营效率的战略决策」联系在一起，并预期员工数「在未来期间继续下降」；Siemiatkowski 2025 年 5 月对 CNBC 称，公司整体人力规模已收缩约 40%。但需要明确：公司从未披露这些减员中有多少可以单独归因于 AI 客服——其中同时包含 2022 年的裁员、自然流失、招聘冻结、组织与外包调整和一般性成本控制。700—853 人是客服工作量等效值，不能与全公司减少的员工数直接等同。

怎么做（How）：机制上依靠的是科技公司天然的人员流动率——Siemiatkowski 的原话是「像我们这样的公司自然流失率是每年 15%—20%，所以我们只要停止招聘，组织就自然收缩 15%—20%」。同时公司向员工广泛开放 ChatGPT Enterprise，希望在招聘冻结的背景下用更高的人均产出，吸收部分人员流失后留下的工作（公司披露其人均收入自 2022 年以来提升至接近四倍）。此外，被 AI 助手直接顶替工作量的一线客服，据 CEO 受访口径大部分是外包合同坐席而非正式员工。与直接裁撤正式员工相比，这种结构理论上可能降低部分组织调整摩擦，但具体影响取决于合同安排与当地劳动制度——这也是后文要谈的「不可照搬」之处。

动作三：把 AI 效率纳入公开传播与 IPO 叙事

为什么（Why）：对一家估值从 456 亿跌到 67 亿美元、急需重建资本市场信任的公司来说，「AI 驱动的结构性降本」是当时市场最愿意买单的故事之一。降本本身省的是千万美元级别，而一个可信的效率叙事，客观上有助于支撑一家亏损收窄中的公司的上市定价。

是什么（What）：Klarna 选择了极高调的传播策略：2024 年 2 月用新闻稿直接给出「等效 700 名全职客服」「预计 4000 万美元利润改善」这样具体到反常的数字；此后 Siemiatkowski 持续在访谈中输出激进观点，包括 2025 年 2 月对 Bloomberg 表示「我认为 AI 已经可以做我们人类做的所有工作」。这套叙事的传播能量远超一般企业新闻：它被全球科技与财经媒体广泛报道，成为金融科技领域最常被援引的 AI 客服参考案例之一，也在 2024—2025 年间频繁出现在企业界讨论 AI 与就业关系的场合——支持者用它论证 AI 降本立竿见影，质疑者后来又用它论证激进替代必然回调。

怎么做（How）：把 AI 从降本工具提升为公司定位——招股书与投资者沟通中，Klarna 反复强调人效指标，把「AI 原生」写进公司叙事。2025 年 9 月 IPO 定价 40 美元、高于 35—37 美元的初始指导区间，获得超额认购，首日高开后收涨约 15%。需要谨慎的是：AI 效率是 Klarna 上市叙事的重要组成部分之一，但无法从公开信息单独判断它对 IPO 定价和认购需求的具体贡献——定价同时受收入与 GMV 增长、美国市场表现、消费者与商户网络、信贷风险、市场情绪与可比公司估值等多重因素影响。从传播结果看，这套高调策略客观上强化了 IPO 叙事，但公司并未公开确认这是其传播目的。

动作四：公开承认过度，回调为「AI + 人工」混合模式

为什么（Why）：代价在 2024 年下半年逐步显性化。AI 能把简单问题解决得又快又便宜，但在复杂、情绪化、涉及金钱纠纷的场景里，「更便宜」压过了「更好」。对一家生意本质是消费者信任的持牌金融机构而言，客服既是成本项目，也是信任、合规与品牌体验的重要组成部分。继续硬扛，损耗的可能是比客服工资贵得多的东西。

是什么（What）：2025 年 5 月，Siemiatkowski 对 Bloomberg 作出后来被广泛引用的表态：「成本不幸成了组织这件事时过于主导的评估因素，结果就是更低的质量」；「从品牌和公司的角度，让客户清楚地知道——只要你想，永远有真人可以对话——这一点至关重要」；「真正投资于人工支持的质量，才是我们的未来」。公司随即启动人工客服招募试点。

怎么做（How）：需要强调的是，这不是撤回 AI、也不是全面回归传统呼叫中心，而是增加真人客服选项、强化人工支持：招募采用「Uber 式」灵活用工——远程、合同制，对象瞄准学生、偏远地区人群和 Klarna 的深度用户，主打弹性排班与有竞争力的报酬。分工逻辑被公司客服负责人概括为「AI 解决简单的事，人类专家处理关键时刻」。Klarna 官方同时强调这是「补充而非逆转」：公司从未完全取消人工支持（始终保留数千名外包坐席），且「仍然是 AI 优先的公司」。换言之，最终形态不是「AI 或人工」的替换，而是二者的重新配置。这种策略与[2026图解] 为何AI不是替代者，而是人机协作让1+1＞2 ？中探讨的人机协作理念不谋而合。

三、成果：用数据说话

财务层面（注意区分口径）：2024 年，Klarna 营收 28.1 亿美元，同比增长 24%，录得 2100 万美元净利润——这是公司 2019 年以来首个盈利年度。但需要说明利润来源：同年公司在 IFRS 经营口径下仍亏损 1.21 亿美元，调整后经营利润（非 IFRS）为 1.81 亿美元，净利润转正在相当程度上受到约 1.54 亿美元其他收入的影响，因此「首个盈利年度」并不意味着主营经营已全面转正。2025 全年，营收 35 亿美元（+25%）、GMV 1279 亿美元（+22%）、调整后经营利润 6500 万美元；但按 IFRS 口径，全年经营亏损约 2.30 亿美元、税前亏损约 2.41 亿美元、净亏损约 2.73 亿美元（归属于股东净亏损约 2.94 亿美元，基本每股亏损 0.79 美元）——增长阶段前置计提的信贷拨备是重要拖累。2026 年一季度，营收 10.1 亿美元（+44%）、净利润转正至 100 万美元（上年同期净亏损 9900 万美元）、调整后经营利润 6800 万美元。AI 客服的直接贡献，按上市招股书口径是 2024 年约 3900 万美元节省、按管理层 2025 年估算是约 6000 万美元的年化节省——相对于 35 亿美元的年营收体量，这是一个有意义但并不改变公司盈亏全局的数字。

运营层面：全职员工从 2022 年底 5527 人降至 2024 年底 3422 人；公司披露人均收入较 2022 年提升至接近四倍。GMV 从 2024 年的 1050 亿美元增至 2025 年的 1279 亿美元。活跃消费者 2026 年一季度达 1.19 亿（同比 +21%），合作商户超过 100 万家（同比 +49%）。

客户层面：官方口径下，AI 客服上线初期客户满意度与人工持平、重复咨询率下降 25%、解决时长缩短逾 80%。但 CEO 在 2025 年 5 月承认的「lower quality」说明：上线初期的满意度与效率指标不足以覆盖全部服务质量维度（CEO 所指的「质量」可能包含复杂问题处理、同理心、品牌体验等）。需要客观说明的是，公司并未公开量化究竟哪项指标下降、下降多少，也未披露 AI 客服后的分层投诉率或流失率，因此不能据此断言早期满意度数据造假或用户已大量流失。

资本市场的另一半答案：IPO 首日风光之后，KLAR 股价持续走低，2026 年上半年长期在 40 美元发行价的一半以下徘徊（6 月下旬约 17—18 美元），市值较 151 亿美元的上市估值大幅缩水。但需要厘清因果：股价回落与随后的争议主要源自信贷侧，而非 AI 客服——2025 年四季度公司单季转为净亏损 2600 万美元，信贷损失拨备同比大增约 102%（受长周期分期贷款扩张、前置计提影响）；2025 年 12 月，投资者就 IPO 文件中的信贷风险与损失拨备披露提起证券集体诉讼，相关内容仍属原告指控、尚不能视为法院认定。换言之，上市后市场重新评估的是公司整体的增长、盈利与信贷风险，不能把股价表现单独归因于 AI 客服策略的成败。

四、为什么不能盲目照搬

第一，服务质量的损耗是滞后且难以计量的，可能被系统性低估。 AI 客服的收益（工时、成本）当月就能进报表，代价（用户体验下降、口碑损耗、纠纷升级）却以季度乃至年为单位滞后显现，且很难归因。Klarna 的满意度评分始终「与人工持平」，直到 CEO 亲口承认质量下滑——这提示常规 CSAT 指标未必能接住全部真实损耗。对消费金融、医疗、高客单服务这类信任敏感型行业，这类滞后代价值得在决策时被认真定价，而不是等它显影在报表上。

第二，Klarna 的前提是数字原生 + 高度标准化的客服场景，多数企业不具备。 它的 AI 助手之所以能端到端办事，是因为 Klarna 二十年积累的全线上业务、统一的交易数据底座，以及占比很高的标准化请求（退款、账单、还款计划）。一家渠道分散、系统割裂、非标请求占比高的传统企业，照搬同样的替代比例，得到的未必是节省，而可能是客诉。先问自己：你的客服请求里，有多少是 AI 拿到系统权限后能「一次办结」的？

第三，「先大幅缩减、再重新补强」对组织的影响是单向的。 Klarna 的收缩靠招聘冻结与自然流失完成，且被替代工作量的一线坐席多为外包合同人员，对正式员工的直接冲击相对有限——即便如此，「AI 会替代大量工作」的持续官方叙事，叠加两年缩员 38%，对留下者的心理契约仍有损耗；而回头再补强人工时，招的是「Uber 式」合同工，而非恢复原有岗位。企业若在正式雇员占比高的组织里模仿这套打法，一旦需要回调，重建信任的成本会更高。

第四，警惕数字口径与传播动机的合谋。 「等效 700 名客服」是工作量等效换算，不是裁员人数；「4000 万美元」是最初预测、「3900 万美元」才是招股书披露的实际节省、「6000 万美元」是管理层后续估算，三者口径不同，不宜并列成同一种财务结果；约 40% 的人员收缩里有多少可归因于 AI，公司也从未拆分披露。这些数字集中发布的时点恰在 IPO 筹备期——一家需要资本市场故事的公司，其 AI 成果披露天然带有叙事动机。Forrester 分析师对此的评价是 Klarna「在 AI 战略上过度转向」（overpivoted）。引用任何企业的 AI 降本数字之前，先看它当时在向谁讲故事，并区分「公司披露/管理层估算」与「独立审计结论」。

第五，中国的劳动与用工环境需要单独评估，不能套用同一套结论。 Klarna 依赖的两个条件——较高的自然流失率、以及可灵活伸缩的海外外包坐席——在中国企业中未必成立，但也不能一概而论。中国企业在复制该模式时，需要结合正式员工、劳务派遣、业务外包与非全日制/平台用工等不同法律关系，逐案评估人员调整成本、劳动争议、数据安全与服务质量风险；补偿方式取决于解除原因、合同形式、协商方式和当地规定，具体方案应由人力资源与劳动法律专业人员审核。真正要迁移的不是「裁员比例」，而是「先把哪些请求标准化、再谈自动化」的顺序。

五、给管理者的启示与行动

法则一：AI 替代人工的账，至少要记四栏——直接成本、服务质量、风险与合规、组织与品牌。 这条法则在客服、销售、风控等「界面型」岗位尤其成立：只有当你有能力观察后三栏（如分层 CSAT、升级率、AI 对话后的用户留存对比、合规事件数），第一栏的节省才是可信的。Klarna 的教训不是 AI 不行，而是成本这一栏一度盖过了其余三栏，直到质量问题被迫摆上台面。关于如何更系统地评估AI投资回报，可以参考创新研报｜95%企业AI投资失败？MIT报告揭秘成功企业如何跨越鸿沟中的框架。

法则二：AI 接管的边界，由「系统权限 + 请求标准化程度」决定，也取决于模型准确率、数据质量、合规授权与人工升级机制。 Klarna AI 助手的成效一半来自模型，一半来自它被接进了统一交易系统、拿到了办事能力。在数据底座割裂的组织里，先做系统整合与标准化，再谈 AI 替代——顺序反了，AI 只会变成一个更快地说「请联系人工」的机器人。

法则三：把降本实验与对外叙事解耦。 内部实验允许激进、允许试错回调；但一旦把阶段性成果做成公开叙事（尤其是融资叙事），回调的成本就从运营层面上升到品牌与资本市场层面。Klarna 承认「lower quality」后，媒体与分析师的叙事迅速反转；而 IPO 后不久，公司又因信贷损失披露问题遭遇证券集体诉讼——两件事各有其因，但共同说明：公开叙事一旦立起，任何回调或落差都会被市场放大定价。

自检清单（对照你自己的组织回答）：

• 我们的客服/服务请求中，标准化、可一次办结的比例到底是多少？有数据支撑吗？
• 如果 AI 上线后 CSAT 持平，我们有没有第二层指标（升级率、复访率、AI 对话后的流失率）来验证质量没有暗损？
• 我们计划的人员收缩，靠自然流失能消化多少？剩下的部分，劳动合规成本算进 AI 的账里了吗？
• 假如 18 个月后需要部分回调、重新补强人工，我们付得起组织信任和雇主品牌的代价吗？
• 我们对外宣传的 AI 成果数字，分得清「预测/管理层估算/审计披露」吗？敢不敢接受审计口径的检验？

今天就能开始的小行动：给现有客服工单打一次标签——按「AI 可一次办结 / AI 可辅助 / 必须人工」三档分类抽样统计。这一张表，比任何供应商的方案书都更接近你的真实替代空间。

结尾：一个更大的判断

Klarna 案例最有价值的部分，恰恰是它的「不完美」。2024 年它被当作「AI 替代人工」的旗帜案例传播，2025 年又被一些人读成「AI 翻车」——两种简单标签都不准确。更接近事实的版本是：AI 在标准化场景里确实实现了真实的自动化收益（招股书口径 2024 年约 3900 万美元），过度以成本为唯一标尺时质量与品牌代价也是真实的，而公司最终选择的稳态不是替代，而是分层——机器接管可标准化的大多数，人被重新配置到「关键时刻」。

更值得深想的是时间差：从高调宣布替代到公开承认过度，Klarna 用了约 15 个月。这大概就是这一代 AI 应用中「账面收益」与「隐性代价」之间的显影时滞。可以预期，一部分正在激进推进 AI 降本的企业，未来也可能经历类似的质量校准阶段。届时的问题不是要不要用 AI，而是：你是否在第一天就为纠偏留好了预算、留好了退路、留好了对客户说「永远有真人」的那句承诺。

想把这套打法用到你自己的业务上？

Klarna的故事告诉我们，AI降本的隐性代价可能滞后15个月才显现。你的组织是否也面临类似的AI替代人工决策困境？立即启动AI成熟度诊断，获取你的专属人机分工路线图。

💎 核心承诺：先诊断、再合作，思路不对不推进。

专属咨询热线：400 822 8832

扫码加顾问 Ben 评估