企业部署 AI 客服前的准备清单

基于大模型的 AI 客服，与过去依靠关键词匹配的机器人客服相比，理解能力和表达能力都有明显提升。但很多企业上线后发现，AI 客服会一本正经地给出错误答案，或者对简单问题也频繁转人工。问题通常不在模型本身，而在于上线前的准备没有做到位。

下面是一份部署 AI 客服前的准备清单，适用于电商、软件、教育、本地服务等有大量重复咨询的业务。

一、先弄清楚客户到底在问什么

不要从「AI 能做什么」出发，而要从「客户在问什么」出发。建议导出过去几个月的客服聊天记录和工单，做一次分类统计：

• 哪些问题反复出现，例如发货时间、退换货政策、产品参数、账号问题；
• 哪些问题需要查询系统才能回答，例如订单状态、物流进度、余额；
• 哪些问题需要人工判断或授权，例如投诉、赔偿、特殊折扣；
• 哪些时间段咨询量最大，人工客服最紧张。

这份分类会告诉你 AI 客服应该优先覆盖哪些问题，以及哪些问题一开始就不应该交给 AI。

二、整理一份可供 AI 使用的知识库

AI 客服回答企业自身业务问题，依赖的是企业提供的资料，而不是模型本身的知识。资料质量直接决定回答质量。整理时要注意：

1. 收集散落在各处的资料：产品手册、售后政策、常见问题、内部培训文档、客服话术；
2. 删除过时内容。已经下架的产品、改过的政策如果还在资料里，AI 会照样引用；
3. 消除矛盾。不同文档里对同一问题的说法不一致，是 AI 答错的常见原因；
4. 把隐性知识写下来。老客服脑子里的经验，例如某型号常见故障的排查步骤，要形成文字；
5. 确定每类资料的负责人和更新机制，政策变化时知识库要同步更新。

三、划定 AI 能回答什么、不能回答什么

边界不清是 AI 客服出问题的主要原因。建议明确写下以下规则，并在系统提示词和知识检索策略中落实：

• 只基于知识库回答业务问题，知识库中没有的内容，要明确告知并转人工，而不是自行推测；
• 不承诺价格、赔偿、交付时间等需要授权的事项；
• 涉及医疗、法律、金融等专业建议时，按行业要求处理，必要时直接引导到专业人员；
• 不回答与业务无关的问题，或者礼貌地把话题引回来；
• 不输出任何客户的个人信息，查询订单时要先完成身份校验。

四、设计好转人工机制

转人工不是 AI 客服的失败，而是它的一部分。设计时要考虑：

• 触发条件：用户明确要求、连续几轮未解决、识别到投诉或负面情绪、涉及退款赔偿等敏感事项；
• 交接信息：转人工时把对话摘要和已确认的信息一并带给人工客服，用户不必重复描述；
• 非工作时间：人工不在线时，告知回复时间并留下联系方式或生成工单；
• 回流：人工处理后的新问题和标准答案，要定期补充回知识库。

五、确认渠道和系统对接

AI 客服要接入客户实际使用的渠道，并且在需要时能够查询业务系统：

• 渠道：官网在线客服、微信公众号、小程序、企业微信、电商平台客服工作台、App；
• 系统查询：订单系统、会员系统、物流接口、工单系统，需要开发相应的接口并控制权限；
• 模型选择：大陆业务通常选用已完成备案的国内大模型服务，例如 DeepSeek、豆包、通义千问、文心、混元等，按成本、响应速度和效果综合比较；
• 合规：面向公众提供生成式 AI 服务涉及相应的备案和安全评估要求，需要确认所用模型服务和自身的应用形态是否满足。

六、定义评估方法

上线前就要想好怎么判断 AI 客服是否好用。建议准备一份测试问题集，覆盖高频问题、边界问题、诱导性问题和需要转人工的问题，每次调整后都用它回归测试。上线后可以关注这些指标：

• 回答准确率：定期抽样人工审核；
• 问题解决率：用户没有再次追问或转人工的比例；
• 转人工率和转人工原因分布；
• 用户满意度评价；
• 知识库未覆盖的问题清单。

试运行阶段的建议

1. 先在一个渠道或一部分流量上试运行，而不是全量上线；
2. 初期安排人员每天抽查对话记录，及时修正知识库和规则；
3. 对答错的案例逐一分析原因：是知识缺失、知识错误、检索没找到，还是模型理解偏差；
4. 稳定运行一段时间后再逐步扩大范围。

此外，建议在试运行阶段就建立一份「答错案例库」，记录每一个答错或不当回答的原文、原因和处理方式。它既是后续优化知识库和规则的依据，也可以在更换模型或调整提示词后作为回归测试的一部分，避免修好了新问题、又带回了旧问题。

还要提前约定内部职责：知识库由哪个部门维护，对话抽查由谁负责，发现问题后多长时间内修正。AI 客服上线后的日常运营，通常需要客服主管和一位熟悉业务的知识库维护人共同参与，这部分人力要在立项时就计入。

最后，别忘了给客户一个明确的预期：在对话开始时说明对方正在与 AI 助手交流，并告知如何随时转接人工。透明的说明能减少误解，也符合生成式 AI 服务在标识方面的要求。

AI 客服的上限由知识库决定，下限由边界规则和转人工机制决定。模型选型反而是其中最容易调整的一环。

大乐网络承接 AI 客服和企业知识库项目，通常会先和客户一起完成上面的梳理工作，再进入开发。