AI 客服翻车的案例，多数不是因为模型能力不足，而是因为它在该说"我不知道"的时候，编了一个答案。
因此设计 AI 客服的核心不是"让它答得更多"，而是"让它知道什么时候不答"。
第一道防线：禁答清单
先明确哪些问题 AI 绝对不能自己回答。
常见禁答类别
| 类别 | 示例 |
|---|---|
| 价格与商务条款 | "能不能便宜点""能不能月结" |
| 承诺性表述 | "能保证 X 天到货吗""能修好吗" |
| 责任认定 | "这是你们的质量问题吧""能赔多少" |
| 合同与法律 | "合同里这条怎么解释""能不能起诉" |
| 负面情绪处理 | 客户明显投诉或愤怒时 |
| 特殊客户约定 | 大客户的专属条款 |
| 超出产品范围 | 涉及竞品、涉及未公开信息 |
表：本表为作者依据行业公开资料整理，具体数值随企业情况而异。
一个设计原则：凡是"答错了会造成实际损失"的问题，都应该在禁答清单里。价格、承诺、责任这三类的容错成本最高，必须人工。
禁答时怎么做
不是不回复，而是转人工并说明：
“"这个问题我需要帮您确认一下，稍后由专人与您联系。"”
这句话比一个错误的答案好一万倍。
第二道防线：置信度阈值
AI 在回答时通常能给出"把握程度"。设定一个阈值：
| 置信度 | 处理方式 |
|---|---|
| 高（如 >90%） | 直接回答 |
| 中（70%–90%） | 回答并附上"如需确认可联系人工" |
| 低（<70%） | 不回答，转人工 |
表：本表为作者依据行业公开资料整理，具体数值随企业情况而异。
阈值需要根据实际表现调整：如果转人工率过高（影响体验），可以适度下调；如果出错率过高，应该上调。
一个关键的取舍：转人工率 vs 出错率。压低转人工率会推高出错率。对多数企业，宁可多转人工，也不要出错——因为一次错误答复的信任损失，远超十次转人工的体验损失。
第三道防线：转人工机制
转人工必须顺畅，否则客户会卡在中间。
三个要求
| 要求 | 说明 |
|---|---|
| 一键可达 | 不要让客户重复描述问题 |
| 上下文传递 | AI 已经了解的信息要传给人工 |
| 响应承诺 | 告知客户多久会有人联系 |
表：本表为作者依据行业公开资料整理，具体数值随企业情况而异。
最差的设计是：AI 答不了 → 客户重新描述 → 人工重新问一遍。这种体验会放大不满。
话术与语气设定
AI 客服的语气需要明确设定，否则会出现两种极端：过于机械，或过于拟人。
建议的原则
| 原则 | 说明 |
|---|---|
| 不隐瞒 AI 身份 | 不应伪装成人类（也是合规要求） |
| 语气与品牌一致 | 专业型 / 亲和型，按品牌调性设定 |
| 不用绝对化表述 | 避免"一定""保证""绝对" |
| 不确定时说明不确定 | "根据目前的资料……建议您确认" |
| 简洁 | 客服场景不需要长篇大论 |
表：本表为作者依据行业公开资料整理，具体数值随企业情况而异。
第一条尤其重要：AI 客服应当如实说明自己是 AI。这既是诚实原则，也能降低客户对它的期望，反而减少失望。部分地区的法规也对 AI 身份披露有要求。
知识准备：AI 客服答得准不准，取决于资料
| 资料类型 | 要求 |
|---|---|
| 常见问题 | 至少 20 条高频问答，答案准确 |
| 产品参数 | 结构化，纯文本 |
| 售后政策 | 退换货、保修、时效，写明确 |
| 物流信息 | 常规时效、可查询方式 |
| 价格政策 | 公开价目（如有），或明确"需人工报价" |
表：本表为作者依据行业公开资料整理，具体数值随企业情况而异。
资料有冲突或过时的，AI 会照着错。 这是 AI 客服上线前的第一检查项。
上线后的持续校正
AI 客服不是"上线即完成"，需要持续校正：
| 周期 | 做什么 |
|---|---|
| 每周 | 看转人工的问题，补充知识 |
| 每月 | 检查错误回答，修正知识库 |
| 每季度 | 评估整体表现，调整阈值与边界 |
表：本表为作者依据行业公开资料整理，具体数值随企业情况而异。
一个重要的机制：反馈闭环
当人工客服介入时，应该记录：
- AI 为什么答不了（知识缺失？规则不清？）
- 正确的答案是什么
- 是否应该补充进知识库
这个闭环决定了 AI 客服会不会越用越好。
“AI 客服的上线不是终点，是知识库持续完善的起点。”— 初元AI 团队
三个常见错误
一、让它什么都答
结果：答错率高，客户信任受损。应该先用小范围（如只答产品咨询），跑稳后再扩展。
二、没有禁答清单
结果：在价格、承诺、责任这些问题上随意作答，造成实际损失。
三、上线后不管
结果：知识过时、错误累积，半年后无人敢用。必须建立定期校正机制。
AI 客服要不要主动说明自己是 AI？+
需要，而且应该在显眼处说明。这既是诚实原则（不应误导用户以为在与人对话），也在部分地区属于合规要求。同时，说明 AI 身份能合理降低客户的期望值——客户知道是 AI 后，对复杂问题的容忍度更高，反而减少冲突。做法上可以在开场白中说明，或在对话框标注。
AI 客服答错了，责任算谁的？+
责任主体仍是企业，这是使用 AI 客服时必须接受的前提。因此风险控制的核心在于"事前设边界"而非"事后追责"。具体做法：禁答清单覆盖高风险问题、金额与承诺类必须人工确认、所有回复留痕可追溯。此外，建议在服务条款或页面说明中，明确 AI 回复的参考性质，并保留人工确认渠道。具体责任界定建议咨询法律专业人士。
怎么评估 AI 客服做得好不好？+
看四个指标。一是直接解决率（不需要转人工的比例），二是准确率（人工抽检发现错误的比例）——这个最重要，三是客户满意度（可在会话结束后询问），四是转人工后的客户体验（是否需要重复描述）。不要只看第一个指标，因为压低转人工率很容易（让 AI 什么都答），但会牺牲准确率。合理的目标是准确率优先，在此前提下提升直接解决率。
本文为 AI 客服设计的通用性建议。涉及具体合规要求（如 AI 身份披露）的部分，建议结合当地法规与专业人士意见执行。