客服交给 AI 之前，先把这四件事定下来

我们客服团队三个人，旺季一天要回两三百条咨询，一半的问题是同样的几个：发什么快递、能不能改地址、多久到货、发票怎么开。

去年试着接了 AI 客服，前后折腾了两个月才稳定下来。踩过的坑里，技术问题反而是最好解决的，真正难的是那几件必须在开工前定下来的事。

客服 AI 最容易死在越权承诺

先说最重要的一条。

AI 客服出事，几乎不是因为它答不上来，而是因为它答得太满。客户问「能退吗」，它答「可以退」；客户问「明天能到吗」，它答「明天一定到」。等人工接手的时候，承诺已经说出去了。

所以上线之前必须定死一件事：哪些话它可以说，哪些话它只能说「我帮你确认」。

我的做法是列一张负面清单——退货、退款、赔付、时效承诺、价格优惠，这五类一律不给结论，只允许回答「需要人工核实」。效果立竿见影，投诉量下来了。

第一件：知识边界要写死

客服 AI 的知识来源只能是两处：产品说明书和真实的历史对话。

听起来简单，实际做起来最容易出两个问题。

一是「想当然」。模型对常识性问题的回答往往很流畅，但电商场景里很多反常识的规则，比如某些商品不支持七天无理由。这类规则不写进知识库，它就会按常识答错。

二是「版本混」。促销规则一个月改一次，旧规则不清掉，就会出现两套说法同时被检索到。所以知识库必须支持按时间下线旧内容。

我给自己定的规矩是：任何对外承诺类的规则，没有在知识库里明确写到的，一律转人工。 宁可多转，不可乱答。

第二件：任务要拆开，不要一个 AI 干完

一开始我把所有事交给一个模型，结果它一边安抚客户，一边查订单，一边还想推销，最后每件事都做得半吊子。

后来拆成几个分工明确的角色：

拆开之后最大的变化是「查业务数据」这一步。过去模型只能根据上下文猜，现在它必须去查真实状态，答错的概率直接掉下来。

第三件：什么情况必须转人工

这条线要划得非常具体，不能写「复杂问题转人工」这种废话。

我实际用的规则是：

• 涉及退款、赔付金额的，一律转
• 同一客户连续两轮表达不满的，转
• 客户主动要求「找人工」的，无条件转
• 知识库里检索不到依据的，转
• 涉及账号安全、身份验证的，转

转过去的时候，要给人工客服留一份上下文摘要，不然客户得从头再讲一遍——那比直接转人工更让人恼火。

第四件：按解决问题算钱，别按席位算

这条是给要采购这类工具的同行提个醒。

市面上多数客服 AI 是按坐席数收费的，但这个计价方式跟你的收益完全脱钩：装十个席位，解决率是零，你照样付钱。

我后来换成了按「有效解决量」计费的口径。这么做还有个附带好处：供应商会真的去关心解决率，而不是只把工具卖给你就完事。

上线前一定要小范围跑

别一上来就全量放开。我的做法是先拿一个低风险的入口跑两周，比如「物流查询」这一个场景，人工在旁边盯着。

看三组数据：答错了多少、转人工了多少、客户有没有重复追问。第二组特别重要——转人工的比例过低，往往不是 AI 太强，而是它该转的时候没转。

说点实在的

AI 客服能不能用，答案不是「能」或「不能」，而是「在哪些问题上能」。

把边界划清楚、把该转的转出去，它就是一个很好的分流工具。反过来，指望它全自动扛下所有咨询，结果一定是客户流失。

本文不构成任何采购建议，具体方案请结合自身咨询量与平台规则评估。