为什么直接上机器人会翻车
最常见的做法是：买一个智能客服，把常见问题导进去，挂到官网和店铺，然后等效果。三个月后的结果通常是——简单问题答得还行，稍微复杂一点就答偏，客户连问三句开始骂人，最后还是要转人工，而此时人工面对的是一个已经生气的客户。
问题不在模型，在没有分层。客服场景里问题的难度差异极大，从"几点营业"到"我这个故障能不能索赔"，中间隔着十层。用一个模型直接兜全部，必然出问题。
第一道闸：分流——决定这条消息该不该由AI碰
分流的目标不是回答问题，是判断归属。建议分成四类：
- 标准查询类：营业时间、物流进度、退换货政策、账号问题。这类AI可以直接答，因为答案唯一且无争议。
- 操作指导类：怎么重置、怎么安装、怎么调试。这类AI可以给步骤，但必须来自经过验证的文档，不能自由发挥。
- 责任判定类：能不能退、谁的责任、怎么赔。这类绝对不能让AI直接答，必须转人工。
- 情绪类：客户已经在投诉或表达不满。这类第一时间转人工，AI越解释越糟。
分流的准确率是这套系统成败的关键。验收方式很直接：拿过去三个月的一千条真实对话跑一遍，看分流准确率能不能到九成以上。达不到就先别上，回去补话术样本。
第二道闸：拟稿——AI出草稿，人做最后一道
对于不能直答的问题，AI的正确用法是给客服拟稿，而不是给客户答案。
具体流程：AI读取客户消息和历史记录，自动从知识库里捞出相关条款和历史处理方案，生成两到三版回复草稿，客服选一版改几个字发出。原来写一条要三分钟，现在四十秒。
这个模式的价值被严重低估——它既拿到了效率，又把责任留在人手里。我们在 AI智能体在客户与销售环节 里拆过更完整的链路，客服拟稿是其中最稳的一段。
第三道闸：转人工——要转得快、转得全
转人工做不好，前两道闸全白费。三个要点：
- 一次转到位：不要"请稍等，正在为您转接"然后转三手。按问题类型直接路由到对应的人。
- 带上下文：人工接手时必须能看到前面AI说了什么、客户说了什么，否则客户要重讲一遍，火上浇油。
- 有兜底时限：人工超过一定时间未响应，升级给主管。这一条写进制度。
知识库不是一次性工程
所有客服AI的效果上限，取决于知识库质量。而知识库最大的问题是三个月后就过期——政策改了、产品换代了、新的问题类型出现了，没人更新。
给它加一个最小机制：每周固定一次，人工客服把这周"AI答错或答不上来"的案例导出，更新进知识库或话术库。这个人可以是客服主管，每周两小时。没有这个机制，系统半年后就废了。资料怎么整理、结构怎么定，见 上AI之前先整理数据。
四个指标，看这套系统是不是真的在起作用
- 首次响应时长：这是最容易改善的，也是客户最敏感的。
- AI直答占比：健康区间在三到五成，太高说明在不该答的领域乱答。
- 转人工率：初期会升高，随着知识库完善应逐步下降。
- 同一问题二次追问率：这个数最真实，答得准不准，客户用脚投票。
别盯着"解决率"这种可以由服务商随意定义的词。上面四个数都可以从系统里直接拉，做不了假。指标怎么定才有效，可以参考 AI项目验收标准怎么定。
一条能照做的上线顺序
第一周只做分流，不上机器人；第二周开放标准查询类的AI直答；第三周给客服上线拟稿功能；第四周完善转人工与升级机制。一个月跑完，比一次性上线稳得多。
如果你在宁波，想把客服这块先跑起来，直接 联系我们，带上最近一个月的客服对话记录，我们帮你把分流类目和话术库先定出来。