先分清三类动作
把客服动作拆成判断、生成、执行三类：判断指意图识别与责任归属，生成指回复草稿与对话摘要，执行指改单、退款、补发。前两类可以交给模型，执行类必须留人工或走审批流，否则一次误操作就会变成真实的资金与履约损失，这类事故在售后场景里最难挽回。
知识检索决定可用性
回答是否可用取决于检索到的知识对不对，而不是模型参数量大小。先把退换货规则、保修条款、安装说明按产品线与渠道拆成条目并标注版本，再让模型只依据命中条目作答。知识三个月不更新，回答就会集体过期，售后场景里这种过期最容易被客户当场发现。
工单字段常被忽略
很多团队只盯回复文本，忽略工单字段。让模型在对话中顺带抽取订单号、故障现象、购买渠道与期望处理方式并回填工单，坐席不必二次录入，后续统计与责任追溯才有依据；字段抽取不到时要显式标红留给坐席补充，不能靠猜测自动补全。
决策与承诺不外发
退款比例、赔付额度、责任划分、承诺时限属于决策与承诺，模型只能给建议和依据，不能直接对外表述。涉及资金与责任的对话必须转人工并留痕，这是客服场景最常见的事故来源，也是投诉升级的主要触发点，处理不好会连带影响品牌口碑。
接管规则写成条件
接管规则要写成可执行条件：连续两轮未命中知识、客户出现投诉或法律措辞、涉及账户与支付信息、置信度低于阈值，都应立即转人工并交接上下文。规则不写清，坐席会在一无所知的情况下接手一段已经失控的对话，客户则要在两个系统之间重复讲述。
适用与不适用
适合谁
- 有稳定咨询量、问题类型相对集中的电商与制造售后团队
- 坐席流动率高、培训周期长、经验散落在个人手里的企业
- 愿意指定专人维护知识条目与接管规则的客服中心
不适合谁
- 没有任何工单系统与历史对话记录可用的团队
- 希望 AI 直接承诺退款赔付、不设人工审核的企业
典型场景
某家电品牌把近三年售后工单导出，按产品线清洗成故障现象与处理方案对照表，先接入在线客服单一渠道。AI 判断故障类型并给出排查步骤，命中不了即转人工；坐席每天抽检二十条会话，核对知识引用是否准确。质检主管每周看漏检清单，据此补齐知识条目，并调整接管阈值与交接字段。
可执行步骤
- 导出近半年工单并按问题类型归类，统计各类占比与渠道分布，确定首批试点场景
- 把退换货、保修、安装规则拆成带版本号的知识条目，逐条标注适用范围与生效时间
- 选一个咨询量最大的渠道做灰度，先只开放查询类问题，观察两周再决定是否扩
- 配置接管条件与交接字段，明确谁在什么情况下接手，并把时限写进值班表
- 每周抽检会话，把知识缺口与接管问题回写成待办，指定责任人与截止时间
常见坑
- 知识条目按整篇文档导入，检索命中一大段无关内容，回答开始跑偏；应按问题拆条并标注适用产品线。
- 只统计机器人拦截率，不看转人工后的真实解决情况，指标好看但投诉量在悄悄上升，往往到季度复盘才发现。
- 接管时不把上下文交接给坐席，客户要重复描述一遍，体验反而比纯人工更差，投诉常因此升级。
- 让模型自行给出补偿方案，一次越权承诺就形成对外口径，事后难以收回，还可能被客户截图传播。
自检与验收清单
- 知识条目是否按问题拆条，并标注版本、适用范围与失效时间
- 是否定义接管条件、交接字段与接手人，并写进值班表
- 抽检样本是否覆盖各渠道与高频问题，每周是否有固定抽检量
- 越权承诺是否在对外发送前被拦截，会话是否保留完整留痕
- 知识更新是否有固定周期、责任人与缺口清单
常见问题
机器人答错造成客户投诉，责任怎么算？
责任仍在企业。AI 只是工具，对外表述由企业承担，因此要把金额、责任与承诺类问题设为硬拦截，并在会话中保存知识引用与模型输出，便于事后复盘与举证，不能把责任推给模型供应商。
历史对话很乱，能直接拿来训练吗？
不建议直接用。历史对话含个人信息、情绪化表达与过期政策，应先脱敏、按问题归类、剔除失效口径，再作为知识条目或评测样本使用；训练数据来源要可追溯，避免把旧的错误口径固化进系统。
上线后坐席会减少吗？
多数项目带来的是坐席结构变化：重复查询类对话变少，复杂投诉、例外处理与知识维护岗位增加。企业应同步做能力盘点与转岗安排，把人力从重复应答转到复核与例外处理。