「AI 客服」这个词容易引起两种极端反应：一种觉得能全自动省掉客服团队，一种觉得纯属噱头客户一问就露馅。
实际情况在中间，而且可以量化。
咨询量的结构
把任何一家跨境卖家的客服记录拉出来分类，结构大同小异：
- 物流类（我的包裹到哪了、多久能到、能不能加急）——占比最大
- 产品类（尺寸怎么选、材质是什么、适不适合某个场景）
- 订单类（能不能改地址、能不能取消、优惠码怎么用）
- 售后类（东西坏了、和描述不符、要退货）
- 其他（各种非标准、情绪化、或者需要判断的问题）
前三类加起来通常占七到八成，而且答案是确定的、可以从系统里查到或从知识库里取到的。
AI 能接住哪部分
物流查询——接上物流接口，直接回具体状态，比人工查还快。
产品咨询——把产品参数和常见问题做成知识库，AI 检索后回答。这部分要求答案严格来自知识库，不能让模型自由发挥。
订单操作——查询类可以完全自动，修改类建议先确认再执行。
多语种——这是 AI 相对人工客服最大的优势。同一套逻辑覆盖所有语种，不用为每个市场配母语客服。
哪部分必须转人工
售后纠纷。 客户已经不高兴了，这时候需要的是共情和让步权限，不是标准答案。AI 在这里的最优策略是快速识别情绪并转人工。
需要判断和例外处理的。 「我这种情况能不能通融」——这类问题的答案取决于商业判断，不该交给模型。
高价值客户。 B2B 询盘、大额订单，直接转人。
两个最常见的坑
坑一：让模型自由回答产品问题。 模型会编。它会用非常自信的语气告诉客户一个不存在的尺寸或者不成立的承诺，而这些承诺你可能真的要兑现。
解法：答案必须来自你提供的知识库，检索不到就明确说「我帮你转人工」，不允许自行发挥。
坑二：藏起转人工入口。 为了提高「自动化率」，把转人工做得很难找。结果是客户体验崩掉，差评和退款反而更多。
解法：转人工入口永远可见，并且在识别到情绪词或连续两轮没解决时主动转。
一个现实的目标
不要以「全自动」为目标。合理的目标是：
让七成的咨询在一轮内自动解决，让人只处理真正需要人的那三成。
这样客服人力能压下来一大半，同时客户体验不降反升——因为常见问题的响应从几小时变成了几秒。
AI
客服
自动化
