AI 客服这个行业正在打一场解决率军备竞赛——67%！70%！80%！——而每一个数字背后，都藏着同一个问题： AI 本不该留住的那些会话 ——后来去哪了？客户只是忍着用的 AI，和客户会为之道谢的 AI，差别不在模型，而在交接。
没人会拿来演示的那种故障
你自己就当过那个客户。机器人在原地打转。你输入“转人工”。它给你推一篇帮助中心文章。你把“人工”打成大写，好像喊得大声一点就有用。而在某个地方，一块仪表盘把这一次记成了“AI 已处理的会话”。
这不是 AI 的问题——模型多半听懂了你。说到底， 这是政策出了问题：有人把系统配置成“转人工就是失败”。把这个假设翻过来，下游的一切都会跟着变好——干净的交接该记成什么？是： 成功 ——那是系统正确认出自己知识边界的那一刻。
永远应该转人工的三个触发条件
1. 置信度低——诚实地说“我不知道”
基于检索的 AI 知道自己手里的资料什么时候不够。当一个问题的最佳匹配得分很低，正确的输出不是把一片空白创造性地改写一遍，而是转人工。阈值一开始就设保守些：一次多余的转人工，代价是客服几分钟；一条编出来的政策，代价是一个客户。
2. 明确开口要人——立刻照办，怎么说都算
“我想找个人说”“gerçek biriyle görüşmek istiyorum”“转人工”，或者一条听得出烦躁的语音留言。客户一开口要人，讨论就结束了。逼人问第二遍的系统，等于在训练客户干脆跳过 AI——而这恰恰毁掉了它们被造出来要做大的那个分流率。讽刺从不缺席。
3. 风险与情绪——永远轮不到 AI 拍板的话题
超过一定金额的退款纠纷、涉及医疗或法律的领域、大客户解约，以及明显已经动怒的客户。名单由你来定，AI 负责执行。重点不在于 AI 答不上来 ——它多半答得上来；重点在于这种时候该由谁来答： 人，因为在那些时刻，关系本身就是产品。
交接时必须一起带过去的东西
丢掉上下文的转人工，比根本没有 AI 还糟——客户得把一切重说一遍，而且这一次更火。真正的交接会带上这些：
- 完整的会话记录，这不用说——但要摆得让客服几秒钟读完，而不是滚动好几分钟。
- AI 已经试过什么 ——引用了哪些来源、给过什么答案，这样人就不必再重复一遍。
- 客户档案 ——订单、历史、同意记录，以及跨渠道的过往会话。
- 一条建议的下一句回复 ——AI 给出的最佳草稿，客服可以改，也可以丢掉。它坐的是副驾，不是主驾。
只盯一个数字：转人工之后，客户重新说明情况的频率有多高。这是衡量你 AI 落地效果最真实的分数——而多数团队从来没看过它。
被遗忘的另一半：交还
大家的注意力都放在交接上，但规模效应其实藏在回程里。客服把最棘手的那一段解决了——然后呢？在一套做得好的系统里，一键就能把会话交还给 AI，由它去做后续跟进、满意度收集，以及晚上十一点那句躲不掉的“再问一句”。人处理需要判断力的那十分钟，AI 处理随后的三天。
这正是 Wiz 在 ConnectWiz 里的做法：三个触发条件（置信度、明确请求、规则），带完整上下文转进人工本来就在用的那个收件箱，再加一键交还。AI 和客服共用一条队列，而不是各划各的地盘。
一份可以直接抄走的配置
- AI 单独作答：订单状态、物流、产品事实、营业时间——凡是能在你的内容里找到依据的都算。
- AI 起草，人来发送：公开回复（评价、社交平台），以及任何涉及钱的事。
- 一律由人处理，AI 只做简报：解约、纠纷、VIP 客户、动怒。
- 解决之后：AI 自动接回后续那一班。
就从这里开始，每周看一遍转人工日志，拿证据去挪那几条线。把 AI 客服做对的团队，不是解决率最高的那些——而是客户不再用大写敲“人工”的那些。
