该 AI 答还是人来判断：把边界写进系统，而不是靠默契

一个很常见的场景：某天下午咨询量突然涨起来，一位客户在挂件里连发三条消息，语气越来越急——「货三周没到，我要全额退款，再不处理我就投诉」。AI 客服看到「退款」两个字，从知识库里翻到一条宽松的退货政策，很客气地回了句「好的，已为您安排全额退款」。客户截图、走人。等坐席轮到这条会话，钱已经在流程里了，而这单本可以先补发、根本不必退。

出问题的不是 AI「不够聪明」。它答得又快又礼貌。问题是没有人告诉它：这类涉及金额的事，你没有权限自己拍板。AI 客服的边界如果只活在坐席的经验和默契里，那么每一次忙乱、每一个新来的兼职、每一条措辞刁钻的消息，都是一次赌博。这篇讲怎么把边界从「大家心里有数」变成系统里写死的规则。

按风险分三层：哪些机器接，哪些人判断

给客服问题分类，最实用的维度不是「难不难」，而是「答错了要付出多大代价」。同样一句话答错，告诉客户尺码偏大只是小尴尬，答应一笔不该退的钱就是真金白银。按代价把问题分成三层，每一层配一套固定的处理动作：

这张表的重点在最后一列的递进：风险越高，AI 越往后退，人越往前站。低风险层，AI 是主角，人根本不用出现；中风险层，AI 先接住、留好台阶，客户一旦不买账就干净利落地交给人；高风险层，AI 只剩「先别让客户更生气，同时把订单号、诉求、情绪都记下来」，拍板完全交给人。

关键是这三层不是靠坐席临场感觉去分，而是提前定义好、写进系统。哪些关键词、哪些意图落进哪一层，是配置出来的，不是每次现场判断的。

边界要写进系统规则，不是靠坐席默契

「退款要走审批」这种规矩，很多团队是有的——写在文档里，或者老员工带新人时口头交代一句。问题是口头共识扛不住压力。大促那天来了三个兼职，没人给他们讲过这条；或者某个坐席今天状态不好，客户一施压就松了口。默契的特点就是：平时看着都在，真到需要它那一刻最容易失灵。

写进系统规则是另一回事。它意味着：涉及退款的意图，不是提醒坐席「记得走审批」，而是系统层面根本不给 AI 自动执行这个动作的权限；高风险关键词命中，转人工自动发生，不依赖任何人记得点按钮。规则不会累、不会忘、不会因为今天客户特别凶就妥协——它对第一条会话和第一万条会话一视同仁。

在 YundaDesk 里，这些边界是 AI 客服的配置项：什么情况直答、什么情况转人工、哪些动作永远需要人，都是明确设定的，而不是模型「自己看着办」。想更细地看 AI 客服如何在直答与转人工之间切换，可以读 AI 管家产品页。

给动钱的动作加一道闸

有一类边界必须单拎出来说：**任何直接动钱的动作，永远需要人来批。**退款、赔付、改价、超额折扣——这些能让公司真金白银流出去，也是 AI 答错代价最高的地方。

正确的分工不是「让 AI 别碰钱」，那样太浪费它的能力，而是让 AI 把功课做足、把闸留给人：AI 可以识别出这是一个退款诉求，调出订单信息，判断客户是否符合政策，甚至拟好一段处理建议——「该客户下单 21 天未收货，符合超时退款条件，建议全额退款或补发」。这些都准备好，唯独最后「确认执行」那一下，留给有权限的人点。

审批可以很快。人看到 AI 备好的上下文和建议，大多数时候几秒钟就能拍板。快，但不能省——省掉的从来不是那几秒，而是出事时那笔不该退的钱。

兜底不是补丁，是下一次自动解决的起点

很多人把「转人工」理解成 AI 的失败——它没接住，所以人来补锅。这个视角会让人不自觉地想把转人工率往零压，反而逼着 AI 去硬答那些本该由人判断的事。

换个角度看：每一次人工接管都是一份现成的教材。坐席这次是怎么处理那个知识库没覆盖的问题的？怎么判断这单该补发而不是退款？这些判断如果就这么消失在会话记录里，那下次同样的问题还得再来一遍人工。而如果把它接住——坐席补答后、或者纠正 AI 之后，系统生成一条待确认的学习建议，老板在评审台看一眼、点采纳，它就沉淀成了 AI 的一项新技能。下次同类问题，AI 就能自己接住了。

这就是「越用越聪明」的实际含义：兜底不是往破洞上打补丁，而是把每一次人工介入变成下一次自动解决的起点。要注意的是，学习绝不自动生效——每条建议都需要人确认后才上线，且每条都可追溯、可测试、可一键回滚。关于这套受控学习闭环怎么运转，我们在《教 AI 越用越聪明》里讲得更细。

转人工要带上下文，别让客户重说一遍

边界划好了，转人工的动作本身也有讲究。最糟糕的交接是：AI 聊了五轮，客户把订单号、问题、情绪都倒了一遍，一转人工，坐席开口第一句还是「您好，请问有什么可以帮您」——客户得从头再说一遍。这一下前面「AI 先接」省的时间全赔进去，客户火气还得再上一个台阶。

好的转人工是带着行李一起交接的：坐席接手的瞬间，眼前就该有这次会话的完整记录、关联的订单和物流状态、以及这位客户过往的往来历史。AI 在高风险层收集的那些信息——诉求是什么、情绪到哪了、涉及哪一单——不是记给自己看的，是为了让接手的人不必重新问。

这也是为什么全渠道要汇进同一个工作台、同一份客户档案。客户上周在 Telegram 问过、今天从网站挂件来投诉，坐席看到的应该是同一个人的连续故事，而不是两段互不相干的对话。全渠道收件箱的价值，一大半就在这份「不用重说一遍」的连续性上。

怎么定「什么该转人工」

最后落到最具体的问题：系统凭什么判断这一条该转人工？实践中有四类信号，通常组合起来用：

• 高风险关键词与意图：退款、赔付、投诉、律师、差评、曝光——命中即进高风险层，直接转人工。关键词清单要按自己的品类和历史投诉去配，别照抄通用模板。
• 情绪信号：连续追问、语气升级、感叹号和全大写、明显的不耐烦。客户还没说「退款」，但情绪已经到了该由人接的程度。
• AI 置信度：AI 从知识库找不到足够依据、或者匹配度低的时候，正确的动作是承认「这个我不确定」并转人工，而不是硬编一个答案。答不上就转，是底线。
• 客户明确要求人工：只要客户说了「我要找真人」，无论问题多简单都应立即转，没有例外——客户要人时还硬塞 AI，是最快激怒人的方式。

这四类信号定清楚、配进系统，AI 客服就有了明确的「什么时候该退场」，而不是靠模型自己的分寸感去赌。

AI 客服真正的可靠，不来自它有多聪明，而来自它清楚地知道自己的边界在哪、以及越过边界时会稳稳地把事情交给人。把这条边界写进系统，而不是留在默契里——机器接住重复的那一半，判断权牢牢握在人手上，这才是「AI 先接、人工兜底」能长期跑得住的原因。