AI 客服不是装上就自动提升转化。它解决的是重复问题响应，复杂问题仍要人工；先算清咨询量和问题类型，再决定用哪种方案。
很多团队的真实情况是：咨询量不大，但问题很集中，比如价格区间、发货时间、售后流程。这类问题适合用 AI 客服分流；而需要报价、承诺交期、处理投诉的对话，交给人更稳。
下面把三种常见方案、成本构成、适用场景和验收指标拆开讲，方便你判断现在该不该做。
一、AI 客服的三种实现方式
| 方案 | 适合谁 | 成本构成 | 局限 |
|---|---|---|---|
| 现成客服机器人 | 咨询量稳定、问题以 FAQ 为主 | 按坐席或对话量订阅 | 话术固定，多轮理解弱 |
| 知识库型 AI 客服 | 有产品文档、希望回答更灵活 | 平台费 + 模型调用费 + 知识库整理 | 依赖知识库质量，答不准会编 |
| 定制 AI 客服 | 需要查订单、对接业务系统 | 按项目开发与维护 | 周期和成本最高，需要接口权限 |
三种方案不是越贵越好。先看你的问题有多少比例能从文档里找到答案，再决定要不要接业务系统。大部分企业第一步只需要知识库型，跑顺了再考虑定制。
二、AI 客服的成本由哪些部分构成
- 平台或开发费：SaaS 按月订阅，定制按项目报价。
- 模型调用费：按对话量或 token 计费，咨询量越大越明显。
- 知识库整理：把产品资料、售后政策、常见问题整理成可检索的内容，这项工作往往被低估。
- 人工兜底：转人工规则、值班安排、复杂问题处理。
- 维护：产品更新、话术调整、效果复盘。
具体费用取决于咨询量、渠道数量（网站、公众号、小程序）和是否需要对接订单系统，以实际需求清单为准。不要只看首年报价，把第二年续费和调用量增长一起算进去。还有一个隐性成本是知识库维护：产品更新、价格调整、政策变化都要同步，没人维护的 AI 客服三个月后就会答错。
三、AI 客服适合与不适合的场景
适合：售前常见问题、产品参数查询、售后流程说明、内部员工问答、非工作时间的初步接待。这些场景答案相对固定，答错成本低。
不适合：报价与合同条款、交期承诺、投诉处理、涉及退款和赔偿的对话。这些需要授权和判断，AI 可以收集信息，但结论应由人给出。
一个实用的做法是设置边界：AI 只回答知识库内的内容，超出范围就转人工，并明确告知用户「正在转接」。不要为了显得智能而强行编答案。涉及多语言时，要分别准备知识库，机器翻译的问答在专业术语上容易出错。
四、上线前要准备的知识库
- 收集最近三个月的真实咨询，按问题类型分组。
- 为每组写标准答案，标明适用范围和不能承诺的内容。
- 把产品资料、售后政策整理成结构化文档，便于检索。
- 设置转人工规则：关键词、连续追问、情绪词、涉及金额。
- 转人工入口放在显眼位置，别让用户找不到。
- 先小流量灰度，观察一周再全量开放。
五、AI 客服的验收指标
- 自助解决率：多少对话没有转人工就结束。
- 转人工率与转人工原因分布。
- 首次响应时间与平均对话轮次。
- 用户满意度或差评率。
- 错误回答与投诉记录，按周复盘。
指标要连续看四周，不要用第一天的数据下结论。知识库和话术通常需要两三轮调整才稳定。如果自助解决率低但转人工后满意度高，说明知识库缺内容，不是模型不行，先补内容再考虑换方案；对话记录也要定期抽检，避免答错没人发现。
小结
AI 客服值不值得上，取决于问题是否重复、答案是否可标准化、人工是否能兜底。先做知识库型方案验证效果，再决定是否投入定制开发，风险更低。
建议先选一个渠道小范围试点，按数据决定是否扩大。
需要把 AI 客服接进网站或业务系统？软件定制 页面有接口与系统对接范围；AI 处理表格文档的场景可看 这篇实践；也可以到 案例与产品 了解我们的自研工具，或直接 联系我们 说明咨询量。
