分诊比准确率重要
做 AI 客服最常见的思路是「先让它答得准」，于是花很多时间调提示词、补知识库。
但客户体验的拐点通常不在准确率，在分诊：该它答的答得出来，不该它答的能顺利交到人手上。
一个 90% 准确率的机器人，如果那 10% 是退款投诉并且被它绕圈回答，客户的感受是「这家在推卸责任」。反过来，一个 70% 准确率但随时能转人的机器人，客户只会觉得「还行，就是有时候要等等人工」。
四档分类
一档：直接 AI 答
特征：高频、答案稳定、不涉及承诺。
- 营业时间、地址、怎么走
- 产品怎么用、有哪些规格
- 价格表、活动规则（规则原文能贴出来）
- 退换货政策（只陈述政策，不判断个案）
二档：AI 起草，人确认
特征：涉及个体情况，答案要基于客户的具体信息。
- 「我这个情况能不能退」
- 「能不能便宜点」「有没有别的优惠」
- 「我这个型号能不能配那个配件」
做法是 AI 生成一段拟回复，人看一眼改一句再发。速度快，责任还在人身上。
三档：必须人接
特征：涉及钱、情绪、承诺、投诉。
- 退款争议、金额不对
- 质量投诉、要求赔偿
- 要求承诺时效（「今天能发吗」）
- 客户已经明显生气
这一类让 AI 答，几乎一定会把小事变大。
四档：不接
特征：你根本没有资格回答。
- 法律问题（合同条款、责任认定）
- 医疗、健康相关
- 政策解读、资质认定
正确动作是转人工，或者直接给官方口径并说明「以官方为准」。
三个判断轴
拿不准某一类问题该放哪档，问三个问题：
- 一周出现几次。低于三次的，不值得为它调机器人
- 十个人问，答案是不是同一套。答案会变的，不能由 AI 定
- 说错了有代价吗。涉及钱、承诺、安全的，一律往上挪一档
落地的关键在兜底
比「答得准」更重要的是设计好「答不了」的那条路：
- 任何一轮对话，客户都能说「转人工」，不需要层层验证
- 转人工时把上下文带上，别让客户重说一遍
- 转过去要真有人接。写清人工时段与响应承诺，非时段给留言方案
第三条最容易失败。转人工按钮点了没人接，比没有按钮更伤。
常见错误
- 让 AI 处理退款。它只能念政策，不能做决定，客户会认为你在踢皮球
- 不设转人工入口。为了「显得智能」，把出口藏起来
- 把所有问题都塞给 AI。投诉率上升，人工反而更忙
- 没有兜底话术。客户问了知识库没有的问题，AI 开始编
先从哪一档开始
从一档开始，只做 10–20 个高频问题，跑两周。
看两个数：AI 独立解决的比例、转人工的比例。前者低说明知识库不够，后者高说明分档太保守，都可以调。
两周之后再考虑把二档纳入。三档不建议交给 AI，除非只是做「情绪安抚 + 转接」。
知识库怎么建，可以看《公司知识库怎么建，AI 才答得准》；第一个场景怎么挑，看《第一个 AI 场景怎么挑：三道筛》。
下一步
把最近两周的客服记录导出来，按上面四档分一遍，你会得到一张分诊表。这张表就是 AI 客服的产品需求文档。
然后只上线一档里的前 10 个问题，其余全部转到人工，跑两周再说。