客服团队配 AI：先把知识库理干净

客服团队上 AI，效果差距往往不在模型，在知识库。同一套工具，资料干净的团队上线两周就能挡住大半重复问题；资料混乱的团队上线后转人工率反而上升，因为 AI 把错误答案说得更肯定了。所以顺序要反过来：先清资料，再选工具，最后才谈调优。

工具放大的是资料现状

客服 AI 的工作方式是检索加生成：先从知识库里找相似条目，再把内容组织成回答。检索错了，生成再流畅也是错的，而且错得更有说服力。这也是为什么有些团队上线后客诉变多，工具本身并没有判断力。

一个自查方法：如果三个坐席对同一个问题有四种答法，AI 上线后这四种答法会同时存在，只是出现得更快、更整齐。

清理的三件事怎么落地

合并重复条目。同一问题有多个答案的，保留一条，其余标注已合并至某条。判断标准是这条目能不能覆盖实际问法的八成，覆盖不到就说明该拆成两条，而不是继续加同义词。

标注更新时间。每条知识带最后确认日期，超过约定期限未确认的自动进入待复核队列。政策、价格、活动类条目期限要短，产品参数类可以长一些。

明确适用范围。这条知识适用于哪个产品线、哪个地区、哪类用户。没有范围的知识是最容易被误用的知识，尤其在多业务线共用一个库的时候。

分流要拆成两个维度

只按关键词分流容易错。把问题类型和紧急程度分开看：类型决定去哪，自助文档、AI 回答还是人工；紧急程度决定多快，立即、一小时内还是当天。

账户安全、资金相关、投诉升级，这三类不管类型判断得多准，都直接进人工队列。分流规则里写死这三条，比事后复盘有效。

转人工时带三样东西：对话摘要、已尝试的方案、客户已经提供的信息。三样一起过去，客户不用重复描述，坐席也不用从头问一遍。

这一步对满意度的影响常被低估。客户真正的挫败感来自同样的话说了三遍，不是等了五分钟。转接时多说一句已核对过什么，体验差别很明显。

知识库体检表

体检表按月跑一次，比上线前突击整理一次有用。整理是持续动作，不是项目节点。

哪些答复不能让 AI 发出

退款金额、赔付方案、服务标准的承诺、涉及账户操作的指令，这四类只能由人工确认，AI 可以拟稿。拟稿和发出之间必须隔一个人，这一步不能省。

边界要写进使用规范，而不是靠坐席自觉。规范里写清拟稿加确认的流程，出问题时才有依据，新人也知道在哪一步停下来。

清理之后怎么维持

知识库会腐烂。产品改版、政策调整、活动上下线，都会让旧条目变成错误答案。需要三条机制：新增条目审核、过期条目复核、客户追问回收。

客户追问是成本最低的信号。同一个问题一周内被追问多次，说明现有条目没讲清，应该回写而不是让坐席记住。通话录音也能用，转写工具的准确率要按嘈杂环境实测，转错的关键词会让回收的素材没法用。

部署形态影响响应速度和数据边界，云端与本地的体验差异值得提前评估，尤其是通话要落到内网的团队。

怎么衡量清理有没有用

四个指标：首次解决率、转人工率、重复追问率、条目命中率。前后对比要用同一批问题，否则数字没有可比性。

还有一个软指标：坐席愿不愿意查库。如果坐席宁可自己打字也不查，说明条目写得不像人话，这时候继续加条目只会让检索更乱。

工具选型也不必绑在一家，按任务类型分工选工具的思路在客服同样成立：检索、生成、质检可以分开选，前提是知识库这一层是共用的。

上线前速查

• 先清资料再选工具，顺序反了等于加速出错
• 每条知识带三样：更新日期、负责人、适用范围
• 分流看两个维度：类型决定去哪，紧急度决定多快
• 转人工带三样：摘要、已试方案、客户已给信息
• 退款、赔付、服务承诺只拟稿，不自动发

三则实操问答

条目要多少条才够用？不看条数看覆盖。用近三个月的真实对话回测，能命中多少比例的高频问题才是关键；两千条互相重复的条目，不如三百条写得清楚的。

上线后转人工率反而升了，正常吗？常见，通常是两种情况：AI 拦下了不该拦的问题，客户追问后还是转人工；或者答得模棱两可，客户不敢信。看重复追问率能区分这两种。

多业务线能共用一个知识库吗？结构可以共用，条目要分开维护。共用一套条目又没标适用范围，是跨业务串答案的主要原因，补救成本比一开始就分开高得多。