企业做 AI 客服前要准备什么？知识库、转人工与质检落地指南

AI 客服不是接入模型就能上线。本文从问题分类、知识库、转人工、权限、质检、成本和验收指标梳理企业落地重点。

一、先明确 AI 客服解决哪类问题

售前咨询、订单查询、售后处理和内部服务台，对数据、话术和响应时效的要求不同。把所有问题交给一个机器人，容易出现答非所问和责任边界模糊。

项目开始前应统计真实咨询记录，按问题频率、业务风险和是否需要调用系统分类。第一版优先处理答案稳定、重复率高、失败影响可控的场景。

二、知识库要有版本和负责人

产品政策、价格、活动和售后规则经常变化。旧文档与新文档同时存在时，AI 可能引用过期答案，造成客户误解。

每类资料应标注负责人、生效时间、适用范围和失效规则。回答页面最好显示来源与更新时间，方便客服快速核对。

三、转人工不是失败，而是安全出口

涉及投诉、退款、合同、特殊价格或情绪激烈的对话，不适合让模型持续自由回答。没有转人工机制，会把一次可控咨询扩大成服务风险。

应设置关键词、置信度、连续追问次数和用户主动要求等转人工条件，并把对话摘要、用户信息和已查资料一并交给人工。

四、接入业务数据必须做权限控制

查询订单、会员或服务记录时，AI 需要调用业务接口。模型不能直接拥有管理员权限，也不能根据用户输入任意查询其他客户数据。

服务端应先校验身份和数据范围，再调用受限接口。敏感字段需要脱敏，查询与操作过程保留日志，异常调用能够追踪。

五、质检要覆盖事实、语气和流程

只检查回答是否通顺不够。客服答案还要符合业务事实、品牌表达、合规要求和后续处理流程。

可以建立人工抽检与自动规则结合的质检机制，重点看引用是否有效、是否遗漏转人工、是否泄露敏感信息，以及客户问题是否真正闭环。

六、成本来自整条服务链路

AI 客服成本不仅是模型调用，还包括知识整理、OCR、向量检索、会话存储、接口开发、监控和人工复核。

应根据日均会话量、平均轮次、峰值并发和转人工比例进行估算，并观察每个成功解决问题的综合成本。

七、用真实对话验收上线效果

演示问题通常短而清晰，真实用户却可能表达含糊、连续追问或混合多个诉求。只用预设样例验收，很难暴露生产问题。

验收题库应来自历史客服记录，并覆盖无答案、过期政策、权限不足和系统接口失败。上线后持续记录未解决问题，推动知识库更新。

上线前检查清单

1. 01　是否整理了真实高频咨询
2. 02　知识是否标注版本与负责人
3. 03　回答是否显示来源依据
4. 04　转人工条件是否明确
5. 05　业务接口是否最小权限
6. 06　敏感数据是否脱敏
7. 07　失败时是否有降级提示
8. 08　是否建立真实对话验收集

武汉米能科技有限公司以“米能软件”对外提供 APP、微信小程序、企业管理系统与 AI 应用定制开发，拥有15年+软件开发经验，累计交付项目500+。具体功能、技术路线、效果指标、数据边界和维护范围以项目方案及合同为准。