YundaDesk客户在网站挂件里打字:“我三次问同一个问题了,你们的机器人根本听不懂。“这条投诉背后,问题往往不是 AI 不够聪明,而是转人工这件事没设计好——AI 该退场的时候没退场,退场的时候又两手空空,让坐席从零开始。
转人工看似是个简单的开关:AI 答不上,交给人。但真正跑起来会发现,这里藏着两套需要提前想清楚的规则:什么时候转(触发条件),和转的时候带什么(交接上下文)。这篇就把这两件事拆开讲清楚,给出一套可以直接拿去配置的实操框架。
为什么“随缘转人工”迟早出问题
没有明确设计的转人工,通常会滑向两个极端。一个极端是转得太晚:AI 在知识库里翻来翻去,给出一个似是而非的答案,客户不满意又追问,AI 再答一次,气氛越来越僵,等真正转到人工手上,客户已经在气头上了。另一个极端是转得太早太碎:任何有一点点不确定的问题都甩给人工,坐席队列瞬间被简单问题淹没,AI 该发挥的价值一点没体现出来。
AI 转人工怎么设：把 AI 价值落到可核验数字
这两个极端的共同病因是触发条件没有写成规则,而是留给 AI 临场判断。判断标准不统一,今天严今天松,团队没法复盘也没法优化。想要稳定的体验,第一步就是把“什么情况该转”变成写死的配置,而不是模型的自由发挥。
触发条件怎么定义:四类信号
实践中,判断该不该转人工,通常组合以下四类信号,而不是单靠一条规则:
- 置信度不足:AI 从知识库里找不到足够依据支撑答案,或者匹配到的内容模棱两可。这时正确动作是承认“这个我需要帮您确认一下”,然后转人工,而不是硬凑一个听起来合理但没有出处的回答。
- 客户明确要求:只要客户说了“我要找人工”或类似表达,不管问题多简单,应立即转,没有例外。客户已经明确表态时还在坚持用 AI 应付,是最快激怒人的做法。
- 高风险动作:退款、赔付、改价、投诉、涉及法律或曝光风险的诉求。这类问题 AI 只做安抚和信息收集,不做决策,自动转人工。
- 情绪与重复信号:客户连续追问同一件事、语气明显升级、用了感叹号或全大写。哪怕客户还没说出“人工”两个字,情绪信号已经足够说明该由人接手了。
这四类信号可以叠加使用——比如“客户第三次问同一个问题+语气升级”,即便单条置信度看起来还行,组合信号也应该触发转人工。关键词和意图清单要结合自己的品类和历史工单去配,不要照搬通用模板照抄了事。
高风险动作:永远不是“AI 判断”,而是“AI 收集、人来批”
退款、赔付、改价这类涉及真金白银的动作,值得单独拿出来说,因为这里最容易出安全事故。正确的分工不是让 AI 完全绕开这些话题,那样浪费了它的能力;而是让 AI 把功课做扎实——识别出这是一个退款诉求、调出订单和物流信息、判断是否符合政策、甚至拟好处理建议——然后把“确认执行”这一下,留给有权限的人。
想更系统地理解 AI 直答与转人工之间的边界怎么划,可以参考 AI 先接、人工兜底的边界怎么设。
交接上下文:别让客户把话再说一遍
触发条件定好了,转人工这个动作本身还有一半没做完——带着什么信息交接。最糟糕的体验是:AI 陪客户聊了五轮,订单号、诉求、情绪全说了一遍,一转到坐席,对方开口第一句还是“您好,请问有什么可以帮您”,客户得从头再讲一次。这一下,AI 先接省下的时间全赔进去,客户的耐心也跟着透支。
一次完整的交接,应当带上以下几类信息:
| 交接内容 | 具体包含 |
|---|---|
| 会话全程记录 | 客户从第一句到转人工前的完整对话,而不是摘要式的一两句话 |
| 订单与物流状态 | 关联订单号、发货状态、预计到达时间,坐席不用再去后台查一遍 |
| 客户诉求与情绪 | AI 判断出的核心诉求(退款/催单/投诉)和当前情绪等级 |
| 历史往来记录 | 这位客户过往在其他渠道的咨询记录,避免坐席重复问已经问过的问题 |
这些信息不是记给 AI 自己看的,是为了让接手的人不用再重新问一遍。上下文打包得越完整,客户从“AI 时段”过渡到“人工时段”的感受就越顺滑,几乎察觉不到中间发生了切换。
共享工作台:交接的载体
上面说的这些交接内容,如果散落在不同系统里——聊天记录在一个地方、订单在另一个系统、客户历史又在第三个工具——那再完善的触发规则也白搭,因为坐席接手时依然要东拼西凑。真正让交接顺畅的,是 AI 和人工共用同一个工作台:AI 在会话里收集的信息实时可见,坐席一键接管的瞬间,眼前就是完整的会话上下文,不需要额外的系统切换或人工转述。
这也是为什么全渠道要汇进同一份客户档案。客户上周在 WhatsApp 问过发货时间,这周从网站挂件来问退款,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。共享工作台里的 AI⇄人工一键切换,让转人工这个动作本身变得轻量——不是“把客户扔给另一个系统”,而是“同一个对话换了个人接着聊”。关于全渠道信息如何汇成一份客户档案,可以看全渠道收件箱是怎么把渠道拼起来的。
转人工之后:这不是终点,是学习的起点
很多团队把转人工当成 AI 的失败记录,盯着转人工率想办法往下压。这个思路容易走偏——为了压低转人工率,逼着 AI 硬答一些本该由人判断的问题,体验反而更差。
更实用的视角是:每一次人工接管都是一次现成的教材。坐席这次是怎么处理那个知识库没覆盖的问题的?判断依据是什么?如果这些判断就这么消失在会话记录里,下次同样的问题还得再走一遍人工。而如果把它接住——坐席补答后,或者坐席“纠正 AI”之后,系统会生成一条待确认的学习建议,老板在评审台看一眼、点采纳,它才会沉淀成 AI 的新技能。下次同类问题,AI 就有机会自己接住了。
需要强调的是,这套学习绝不自动生效:每条建议都要人工确认后才上线,而且可追溯、可测试、可一键回滚。这套受控学习闭环具体怎么运转,我们在《教 AI 越用越聪明》里讲得更细。
落地检查清单
设计一套转人工规则时,可以对照以下几点自查:
- 触发条件是否写成了系统规则,而不是留给 AI 临场判断
- 高风险动作(退款/赔付/改价)是否强制要求人工审批
- 客户明确要求人工时,是否无条件立即转,没有例外
- 转人工时是否自动打包会话记录、订单信息、客户历史
- AI 和人工是否共用同一个工作台,避免坐席二次查找信息
- 每一次人工接管的处理方式,是否有机制把它变成可复用的学习素材
转人工设计得好不好,客户几乎感觉不到——他们只会觉得“这家客服挺靠谱”;设计得不好,客户会清清楚楚记住那种被反复追问的挫败感。把触发条件写成规则、把交接上下文打包完整,让 AI 先接、人工兜底这句话,真正落到每一次会话切换的细节里。