AI 问答库
一句话回答
诚实的回答是：没有通用的节省比例，取决于你的问题重复率和知识库质量。高重复的标准咨询（查订单、退换货规则、营业时间）能被大幅分流；需要判断、授权、安抚情绪或跨系统操作的会话替代不了。而且省下的人力常常转去维护知识库和处理升级会话，是结构变化而非净减员。要知道能省多少，先统计自己近三个月的真实会话分布。
不要问「AI 客服能省多少人」，要问「我的会话里有多少属于可自助闭环的那一类」。下表按会话类型拆开，每一类的自动化上限和制约因素都不同。做法很简单：导出近三个月的会话记录，按这五类打标，算出各自占比。这个分布决定了你能拿到的实际收益，也决定了知识库应该先建哪一块。凡是绕过这一步直接给百分比承诺的，都是在替你猜。
| 会话类型 | 能不能自助闭环 | 主要制约 | 现实做法 |
|---|---|---|---|
| 标准信息查询（营业时间、政策、参数） | 可以，重复率最高的一类 | 知识库是否完整、是否有版本与时效标注 | 优先建这块知识库，收益出得最快最稳 |
| 状态查询（订单、物流、工单进度） | 可以，但依赖系统对接 | 业务系统有没有可调用接口、数据是否实时 | 先确认接口可用性；接口不通时这类问题一条也自动化不了 |
| 操作指引（怎么退货、怎么改地址） | 部分可以，复杂流程容易答偏 | 流程是否有唯一正确版本、有没有例外分支 | 把高频流程写成结构化步骤，例外情况直接转人工 |
| 需要授权的处理（破例退款、改价、补偿） | 不能，涉及权限与责任 | 决策权在人，不在系统 | AI 只做信息收集与预填，最终动作保留人工确认 |
| 情绪安抚与投诉升级 | 不能，强行自动化会放大不满 | 客户要的是被认真对待，不是正确答案 | 做情绪识别并快速转人工，把转接速度当作核心指标 |
把「减员数」当 KPI 会立刻扭曲行为：团队会去压低转人工率，让系统在不该答的时候硬答，短期数字很好看，代价是客户满意度和二次来访率恶化，而这些通常要过一两个季度才会显现。更合适的一组指标是：自助解决率（会话在没有人工介入的情况下被客户确认解决的比例）、转人工率与转人工时长、首次响应时间、以及分场景的客户满意度。特别要看「二次来访率」—— 同一个客户就同一个问题在短时间内再次发起会话，说明第一次的自助解决是假的。评估周期也要注意：知识库刚上线的头几周指标通常最差，因为覆盖不全；真正稳定的数据要等到知识库经过两三轮补充之后。
不要向供应商要百分比，要自己算。第一步，导出近三个月的真实会话，抽样 300–500 条，按上表五类打标，得到分布。第二步，看前两类（标准查询、状态查询）合计占比，这是自动化的理论上限 —— 注意是上限不是预期值，实际会低于它。第三步，检查这两类问题的答案是否已经存在于可提取的文档或可调用的接口里；不存在的部分要先补，补的成本要算进项目预算。第四步，抽 100 条真实问题做小范围试点，用实测的自助解决率乘以第二步的占比，得到一个有依据的预期区间。第五步，把知识库维护、人工兜底、升级会话处理的工作量也算进去，再看净收益。走完这五步得到的数字虽然不好看，但它是你自己的数据算出来的，能拿去做决策；供应商给的百分比不能。
适用边界
同义问法