網際網路公司發展到一定的規模之後，往往會面臨如何更有效率地服務用戶的問題。隨著用戶規模不斷增加，若仍照草創時期的客服模式，持續擴大客服團隊的規模，顯然不是一個有效率的方法。螞蟻金服首席技術官程立表示，對於一個大型網站而言，如何不靠數千、上萬人的客服團隊，而能提供良好的客戶服務品質，是一個非常基本的挑戰，而面對這個挑戰會全面性地從底層的運算、上層的數據，到整個智慧能力都獲得鍛鍊。
對於團隊規模相對精實的螞蟻金服來說，程立表示，能夠服務數億用戶所依賴的就是人工智慧。在客戶服務的每個環節，如理解用戶問題、識別問題、匹配與解決問題等，螞蟻金服都發展出人工智慧的能力。
在理解用戶問題的能力方面，當用戶在支付寶App發出問題時，系統要能理解問題；在識別問題方面，當用戶操作支付寶App的過程中發生問題的時候，系統要能根據用戶的行為去定義問題。同時系統要以機器學習的方式，自動從過去用戶面臨的各種問題，以及客服提供的解決方案中挖掘出知識，打造一個智慧知識庫。過去知識庫主要是靠人來維護，不僅人力消耗很大，而且知識庫的品質也不太好，但使用機器學習的方法，則可以發展出巨量而且非常精準的知識庫。接著則是如何匹配用戶的問題，在用戶遇到問題之後，先識別出問題，再自動定位到知識庫的解決方案，找出問題與解決方案的匹配。目前螞蟻金服已透過聊天機器人的型式，提供自動客服，亦可根據用戶的歷史行為預測其問題。
智慧客服引擎除了自動為用戶解答問題，螞蟻金服也將其整合在客服小二系統，主動對客服人員提供用戶的相關資訊，例如依據來電用戶的使用行為預測其問題，自動啟動後續的客服引導，協助提供更好的服務。
智慧客服另一用法在異常監控。螞蟻金服過去在客服上主要透過系統數據來監控異常，但後來發現光靠系統監控無法發現所有的異常問題，於是再進一步結合業務指標、分析用戶打進來的電話，以及串聯合作夥伴端的數據等等，將許多活的數據綜合在一起後，才能保證可以完整的覆蓋所有問題。然而這些五花八門的數據進來之後，得要將它們關聯起來，再去做智慧分析、問題定位，然後自動推導解決方法，而機器智慧在這整個過程中發揮很大的作用。
程立表示，目前螞蟻金服日常85%的客戶問題已經由智慧客服承接，只有15%的問題是由客服人員親自處理，而機器解決問題的準確率目前已達70%。過去從發現異常問題，到完成解決要花2個小時，現在以人工智慧輔助則只要30分鐘，效果已經算是很好。