第 3.2.1 节：先判断客服与售后哪些环节适合做 Agent
进入实现之前，先围绕“先判断客服与售后哪些环节适合做 Agent”划清适用场景、不做范围和判断条件。完成本节后，你应该能够写出客服与售后环节的适用场景、不适用场景、前置条件和进入工程实现的判断标准。
章节定位
客服与售后是 AI Agent（人工智能体）最容易落地的项目类型之一。原因不是它最简单，而是它通常已经有大量可用资料：官网内容、产品说明书、FAQ（常见问题）、售后政策、历史对话、工单记录和质检标准。客户也容易理解价值：更快响应、减少重复问答、降低漏处理、沉淀标准话术，并让主管看到服务质量。
但客服项目也最容易踩坑。很多人把它做成“会聊天的机器人”，却没有处理依据来源、转人工规则、退款赔付边界、客诉升级和工单追踪。真正可交付的客服智能体，不是把客户挡在机器人外面，而是把重复问题自动处理，把复杂问题整理好交给人工，把风险问题及时升级，并把每一次服务都留下可复盘记录。
本章从官网客服、售后工单、产品说明书问答、客诉风险识别和客服质检五类场景出发，讲清楚一个客服售后智能体项目应该如何定义范围、设计技术流、制定字段契约、安排验收和对外报价。
行业业务问题
客服售后部门常见的业务问题包括：
- 重复问题占比高：价格、发货、安装、退换、保修、账号、使用方法等问题每天反复出现。
- 答复口径不一致：不同客服使用不同说法，导致客户体验不稳定，甚至出现错误承诺。
- 资料查找慢：说明书、政策、活动规则、售后条款分散，客服需要在多个文档和系统之间切换。
- 工单信息不完整：客户只说“坏了”“不能用”，人工还要反复追问型号、订单、截图、时间和期望处理。
- 客诉升级滞后：客户已经表达投诉、曝光、法律或监管倾向，但系统没有及时提醒主管。
- 质检依赖抽样：主管只能抽查少量对话，很难持续发现违规话术、遗漏步骤和优秀案例。
客服项目的核心不是“回答越多越好”，而是让每个问题进入正确路径：能回答的有依据地回答，不能回答的追问字段，高风险的转人工，需要处理的生成工单，处理完的进入复盘。
适合/不适合场景
| 判断项 | 适合场景 | 不适合直接自动化的场景 |
|---|---|---|
| 问题类型 | FAQ（常见问题）、产品说明、物流进度、保修规则、操作指导 | 临时政策频繁变化且没有维护人 |
| 资料基础 | 有官网、说明书、售后规则、历史工单和标准话术 | 只有客服个人经验，且主管无法确认 |
| 系统权限 | 可只读查询订单、物流、保修状态 | 要求智能体直接退款、赔付或修改合同 |
| 服务风险 | 可通过风险词、转人工、日志追踪控制 | 涉及医疗、法律、金融等强责任建议且无专业复核 |
| 组织配合 | 有客服主管负责规则、质检和知识更新 | 客户希望上线后无人维护 |
客服智能体最适合从“有资料依据的高频问题”和“工单前置信息收集”开始。退款、赔付、投诉处理和法律承诺可以纳入流程，但应作为转人工、主管审批或草稿建议，而不是自动执行。
需求澄清清单
- 客服入口有哪些：官网、公众号、企微、电话转写、App、邮件还是工单系统？
- 每天咨询量多少？重复问题占比大概多少？高峰时段是什么？
- 常见问题集中在哪些产品、服务、地区、活动或客户类型？
- 当前客服如何判断咨询、售后、投诉、退款、订单查询和技术支持？
- 是否已有知识库、FAQ（常见问题）、产品说明书、售后政策和标准话术？
- 哪些资料是最新官方口径？谁负责更新？多久更新一次？
- 是否需要查询订单、物流、会员、保修、发票或服务记录？
- 哪些动作可以自动完成，哪些只能生成草稿，哪些必须转人工？
- 客诉风险如何定义：投诉、曝光、监管、律师、差评、威胁、情绪崩溃分别怎么处理？
- 客服主管希望看什么质检指标：响应速度、命中率、转人工率、满意度、违规话术、遗漏步骤，还是工单关闭率？
- 验收样例用哪些历史对话？如何覆盖普通问题、复杂问题、资料缺失和高风险问题？
如果这些问题无法回答，就先做客服资料梳理和流程诊断。不要在资料不清时承诺“自动回复所有问题”。