关于 AI 客服，最常见的两种极端是：全自动，或者完全不用。前者遇到例外就把客户惹毛，后者在高峰期把人累垮。更实际的做法是分工。
AI 适合处理什么
- 重复且答案稳定的问题：营业时间、退款政策、物流进度、预约改期；
- 多语言与夜间时段：人下班之后，AI 仍然能接住；
- 首次响应：先把对话接住，再决定转不转人工。
人适合处理什么
- 需要判断的例外：政策没覆盖到的情况；
- 情绪激烈的对话：投诉、纠纷、退款争议；
- 涉及金额与合同的沟通；
- 审阅 AI 的答案，并把错误纠正回知识库。
这里有个容易被忽略的点：AI 的回答质量取决于你喂给它的知识。团队每天纠正的那几条，比任何「提示词技巧」都重要。
三个协作机制
1. 审阅，而不是放任
让 AI 先答，人抽查。答错的不是删掉了事，而是回到知识库改源头——否则同样的错误会重复一万次。
2. 升级规则要写死
出现哪些词、几轮没解决、客户明确要求人工——满足任一条件就立即转人，并且把完整的历史与上下文一起带过去。
3. 把知识库当产品维护
每周补进重复问题，下线过期政策，给 AI 答错的条目补上标准答案。知识库不是一次性工程。
两个常见误区
- 以为 AI 能「自己学会」业务：它不会凭空知道你的退款流程，需要你持续供给事实；
- 以为转人工是失败：恰恰相反，及时转人工是体验的底线。
怎么衡量分工是否有效
- 自助解决率：AI 独立关闭的会话占比；
- 转人工率，以及转人工之后的满意度；
- 首次响应时间：AI 应该把它压到秒级；
- 重复问题占比：越低，说明知识库越有效。
分工没有标准答案，但有判断标准：机器负责「不出错地重复」，人负责「在例外里做决定」。
先做一件小事
把最近一周重复最多的十个问题写进知识库——这是 AI 与人工都能立刻受益的一步。更多细节可以在常见问题里找到。