很多企业已经在官网与店铺接入了 AI 客服。上线之后通常会出现两种结果：一种是把重复咨询挡在前面，人工得以专注处理复杂问题；另一种是咨询量看起来接住了，成交和口碑却悄悄下滑。差别往往不在技术，而在"哪些问题交给机器"的边界划分。
适合交给机器的部分
- 高频重复问题：营业时间、发货时间、退换规则、规格参数等标准答案，占咨询量的大头；
- 信息查询与引导：帮访客快速找到产品页、文档、报价说明；
- 初步意向筛选：问清需求方向、预算区间、使用场景，为人工接手准备信息；
- 非工作时间的即时响应：先把话说上，避免访客无人应答直接离开。
这些环节的共同点是：答案稳定、判断简单、出错成本低。
必须留给人处理的部分
一、涉及价格与承诺的谈判。报价、折扣、交期承诺、特殊条款，机器给出的任何让让步都可能成为后续纠纷的依据。这类问题应当被识别并转交人工。
二、情绪化的投诉。当访客带着明显不满时，先回应情绪再解决问题。机器难以把握分寸，容易在错误的时机给出生硬的解释，把矛盾放大。
三、复杂方案的定制咨询。需要结合客户业务情况做判断的问题，回答质量取决于经验。让机器硬答，会暴露专业度不足。
四、高价值客户的深度沟通。大客户的每一次接触都是关系经营的机会，交给人来做更稳妥。
落地时最容易忽略的三件事
一是转人工的路径要顺。很多系统的失败之处在于：访客想找人，却要反复表达、反复等待。转接不应设置门槛，尤其在客户已经表达不满之后。
二是知识库要持续维护。AI 客服的回答质量取决于知识库的准确度与更新频率。产品改了、规则变了，知识库不同步，机器就会一本正经地给出错误答案。
三是要有出口和记录。未解决的问题需要被记录下来，形成反馈闭环：哪些问题机器答不上，说明知识库缺什么；哪些问题机器答错了，说明规则需要调整。
怎么评估用得好不好
不要只看"机器处理了多少比例"，更要看三个结果指标：咨询到成交的转化率有没有下降、投诉率有没有上升、人工处理的问题是否更集中在高价值环节。如果机器挡住的咨询量在上升，但成交在减少，说明边界划得太宽了。
AI 客服的价值是让人的时间更值钱，而不是让人从服务里消失。把边界划清楚，机器和人才各得其所。