首页

机器人能做什么，可以用几组数字划出区间。有统计显示，AI 可以解决 60% 至 80% 的一线咨询，常见问题与物流查询占其中多数，客服成本随之下降 30% 至 50%。速度上的差别更直观：AI 响应时间低于 5 秒，人工邮件支持平均需要 10 分钟。成本同样悬殊，AI 的单票成本约 0.2 美元，人工约 5 美元。偏好并不平均。简单任务上约 70% 的用户愿意接受 AI，而账单争议、投诉与复杂故障这几类场景，85% 的用户更倾向人工。这组对照解释了转人工入口为何不能省：转人工率通常在 25% 左右，若转接时 AI 先把上下文摘要交给坐席，坐席的准备时间可以减少 40%。

边界可以按 4 个维度来划：问题的可判定性、风险等级、语种可用性、情绪强度。涉及金额、承诺与法律表述的会话，一律转人工。以风险为轴再分 3 档会更清楚。物流查件、发货时效、尺码政策、保修条款这类低风险且规则清晰的问题，适合 AI 直接处理；退换货初审、优惠补发、地址修改属中风险，AI 负责收集字段、匹配规则、整理摘要，落地动作由人工或受控流程确认；赔付、投诉升级、账号安全、法律或隐私请求、高价值客户协商属高风险，应直接交给人工。交接环节容易被做薄。有方案要求把客户原话、已问过的字段、订单状态、AI 已执行动作与待决策项一并交给人工，缺少任何一项，人工都要从头再问一遍，机器人在前面省下的时间又被还了回去。

咨询结构决定了自动化的上限。物流、产品、订单 3 类咨询通常占总量的 70% 到 80%，答案确定、能从系统或知识库中取到，合理目标是让其中七成在一轮内自动解决。语种与情绪是另外两个开关。情绪识别可以判断挫败与愤怒，准确率约 90%，一旦命中就应提前挂出转人工入口。语种维度用于兜底：支持 50 种以上语言的即时翻译，遇到覆盖不到的小语种直接交给人工，不做勉强应答。做法上有两个坑。一是让模型自由回答产品问题，模型会编造尺寸或作出承诺；二是把转人工入口藏起来，用户找不到出口，情绪会先升级。可以接受的做法是两者都摆到明面上：产品细节走知识库检索，转人工按钮常驻在会话上方。

放量节奏也需要控制。按问题类型逐类放量、设定回滚阈值、保留人工复核样本，这三步能避免一次切换带来的集中投诉。有平台在大促单日会话峰值 480 万条的情况下，AI 兜底率达到 77%。运输场景的翻译准确率可达 98% 以上，不过准确率再高，也不能替代对金额类问题的转人工判断。把能力区间、四维边界、三档风险与交接清单放在同一张表里，团队就能回答一个具体问题：这条咨询该由谁来答。