客户服务自动化软件早已超越了那种把问题与决策树做匹配、一旦措辞变化就无法应对的脚本机器人。现在值得购买的版本会坐在客服人员身旁，读完整个会话线程，起草一份答案，再交给客服人员审核。
这一转变改变了采购时该问的问题。现在的重点不再是这个工具能不能回答，而是它准备了多少答案内容、人工还保留了多少主导权，以及当量增长时由谁向模型提供商付费。
客户服务自动化软件能做什么
这个品类名称背后，是一份简短而具体的工作清单：把一长串会话线程总结成三行；基于你自己的帮助内容起草回复；识别意图并相应路由；检测情绪；双向翻译；为会话打标签，让报表有据可查。
这些能力单独看都算不上惊艳。但每一项都消除了一个延迟或一个手动步骤，而延迟正是客户能切身感受到的。
这种叠加效应在新员工身上体现得最明显。入职第二周的员工，回复水准就能接近工作满两年的老员工，因为草稿里已经包含了政策、账户历史、恰当的语气和最近三笔订单信息。
这里所说的自动化，默认并不意味着无人值守发送回复。下文的每一项能力都假定客服人员能在消息发出前看到草稿，平台的配置也是把这一点作为常规做法，而非例外。
自动化的三个层级，以及该选哪一种
不同供应商会用同样的词语描述截然不同的行为，因此按照谁对发出的消息负责来划分层级会更有帮助。
| 层级 | 谁撰写 | 谁发送 | 失败方式 |
|---|---|---|---|
| 脚本化流程 | 你，提前设定 | 系统 | 无法识别问题 |
| 副驾驶 | 模型 | 客服人员 | 浪费一次审核点击 |
| 自主代理 | 模型 | 系统 | 发出错误答案 |
对于措辞变化极小的高频窄类问题，脚本化流程仍然有其用武之地：订单状态、营业时间、密码重置。
对其他所有场景，副驾驶都是默认选择，因为它最坏的结果只浪费几秒钟，而自主代理最坏的结果却会牺牲一位客户。
适合大多数团队的做法：对排名前五的高频问题使用脚本化流程，其余场景使用副驾驶，只有在错误答案的纠正成本很低时才使用自主模式。
收件箱中的副驾驶模式
在副驾驶模式下，模型负责准备，客服人员负责决定。草稿会连同其来源一起出现在会话旁边，客服人员可以编辑、替换或发送它。
审核这一步不是走过场，而是一道控制机制，能把偶尔出现的错误答案挡在你公司内部，而不是流入客户的收件箱。
它还会产生一个信号，告诉你自动化是否真正奏效。每一次编辑都是一次带标签的纠正，而这些编辑的发生率正是下文所说的诚实质量指标。
自动化延伸到回复框之外的地方
如果只把 AI 当作嫁接在在线聊天上的一个小组件，那就浪费了它的大部分价值。同一层能力在每一个涉及会话的模块中都有事情要做。
在知识库中，它会从已解决的会话线程中起草文章，并标记出与更新答案相矛盾的页面。如果客户支持知识库软件从不察觉自身内容已经过时，自助服务通常正是因此而丧失了分流能力。
在路由中，它会在人工介入之前先识别意图，因此一个账单问题能够直接进入账单队列，而无需先经过分诊环节。
在报表中，它按客户实际提出的问题分组会话，而不是按客服人员记得打上的标签分组，这才是把工单数量真正转化为产品决策的关键。
在外呼工作中，同样的分类结果驱动着营销分群，因此刚投诉过的客户不会成为被推销升级方案的对象。
各模块之间的覆盖范围也决定了助手能触达多少你自己的资料。一个只能看到当前聊天的助手，写出来的内容也只基于当前聊天；而一个能看到客户档案、订单历史和过去三张工单的助手，写出来的内容会基于这一切信息。
自带 AI:谁持有模型账户
几乎每一场演示都会把两个问题混在一起。助手能做什么是一个产品问题。谁持有模型提供商的账户则是一个商业问题，它决定了更好的自动化究竟是降低还是提高你的总体成本。
当平台持有账户时，模型使用费会以平台费用项目的形式出现，通常表现为额度或席位。成本会随着成功而上升：AI 处理的会话越多，你就要以供应商的加价幅度向供应商购买得越多。
自带 AI 模式则相反。你接入自己的服务商密钥，令牌费用由服务商直接向你计费，平台不在其中加价。RolChat 就是以这种方式运作，覆盖来自七家提供商的 62 个文本模型和来自四家提供商的 23 个语音模型，合计 85 个。
在自带密钥模式下，一项能让自动化处理量翻倍的改进，只会让你能看到、也能协商的服务商账单翻倍。而在打包额度模式下，同样的改进只会让一张你无法自行设定单价的发票金额翻倍。
令牌成本随上下文而非对话量变化
首次自持密钥的团队通常以为账单会随会话数量变化，但实际上它随上下文长度变化。
基于最近四条消息起草的回复，成本只是基于一个六十条消息的会话线程起草同样回复的一小部分，而对整个线程做总结的成本又比这两者都高。
因此有三项设置决定了大部分成本：上下文窗口回溯多远、总结是对每个线程都运行还是只针对长线程运行，以及检索是拉取三篇帮助文章还是三十篇。
这些内容在方案对比页面上都看不到，却会在第一周就出现在服务商仪表盘上，这正是自己持有账户的理由所在。
按任务选择模型
对每项工作都使用同一个模型，是代价最高的默认做法。工作可以按每项任务所需的判断力清晰地拆分开来。
| 任务 | 需要 | 合理选择 |
|---|---|---|
| 打标签与意图识别 | 速度快、成本低、输出稳定 | 小型快速模型 |
| 回复起草 | 语气，基于历史的推理 | 中型或大型模型 |
| 政策与退款 | 谨慎，措辞精确 | 可用的最强模型 |
| 翻译 | 覆盖你所需的语言 | 在这方面覆盖最好的服务商 |
这样拆分通常比任何提示词调优都更能压缩账单，因为高流量的任务恰恰是成本低廉的任务，而昂贵的模型只在能物尽其值的地方运行。
一个实用的起始拆分方案：分类和打标签用快速模型，起草用中型模型，最强模型留给涉及金钱和政策的场景。
在起草任何回复之前先做路由变更
大部分可见的收益，在任何人写下一个字之前就已经产生了。分类在会话到达时就完成，因此客服人员打开会话时，它已经打好了标签、进入了正确的队列，并带有优先级。
这消除了分诊班次，而分诊班次正是团队在量增长时增设、在人手不够时又不得不撤掉的那道环节。
这也改变了 SLA 的衡量方式。从人工首次阅读消息开始计时的时钟，奖励的是分诊速度；而从消息到达开始计时的时钟，奖励的才是客户真正在意的东西，自动分类正是让后者变得可行的关键。
第二个影响体现在升级处理上。当意图和情绪从第一条消息起就已被标注，那么把一个愤怒的账单会话推送给资深客服人员的规则就能立即触发，而不必等到第二次回复才生效。
在演示中值得确认的一点：分类是在会话到达时运行，还是在首次打开时运行，因为只有前者才能真正消除分诊环节。
助手绝不应触达的数据
让助手基于你自己的内容作答，意味着要决定什么才算是你自己的内容。已解决的会话是最有价值的训练素材，同时也最有可能包含客户粘贴在聊天中的卡号和身份证件信息。
三项控制措施承担了大部分作用：在任何内容送达模型之前先做脱敏处理、对会话记录设置留存期限、以及规定助手从已发布的帮助文章中检索，而非从原始会话线程中检索。
同意授权也应纳入同一决策范畴。RolChat 将其作为一项付费附加功能提供，每个站点 5 美元，每个站点包含三项同意授权，且该功能在 Lite 方案中不可用。
删除请求是最容易让团队措手不及的情形。一条已从工单系统中删除、却仍留存在向量索引中的记录，依然是一条记录，因此要确认删除操作能同时触达检索层，而不仅仅是工单列表。
保持答案准确并符合品牌调性
有两项设置决定了哪些输出你可以直接发送，哪些则必须重写。
第一项是内容依据。答案基于经过认可的资料起草：帮助文章和已解决的会话，草稿会附带其所使用的来源。一个背后没有来源支撑的答案，不过是披着自信语气外衣的猜测。
第二项是语气调性。语气设置以及一份明确该用与不该用哪些术语的词汇表，能让草稿听起来像出自你的团队之手，而不是一个泛泛而谈的助手。
词汇表在跨语言场景中更为重要。产品名称和法律术语恰恰是翻译层如果不加限制就会“热心”地翻译掉的那些词。
RolChat 覆盖 40 种界面和挂件语言，同一份词汇表适用于所有语言。
语音：同样的问题，更紧迫的时限
语音场景的风险更高，因为没有草稿可供审核。回复是在生成的同时说出口的，因此内容依据必须提前就准确无误，而不是事后再纠正。
实际的划分方式取决于后果轻重。每通电话都做语音转文字，因为即使不完美，转录记录也是有用的。只有在出错代价很低的场景才使用语音自动应答：营业时间、状态查询、路由转接。
在 RolChat 中，通话分钟数是与方案分开单独计费的，因此语音使用量是一项你可以单独关注的费用项，而不会藏在席位价格里给你一个意外。
推行顺序和各项设置一样重要。一次性打开所有功能的团队，无法判断是哪一项变化带动了哪个指标，最终要么全部保留，要么全部放弃。
更清晰的顺序是：先上线分类，再在一个队列中启用草稿，然后推广到所有队列，最后才是任何自主处理功能。每一步都应有各自的前后对比数据。
衡量自动化是否奏效
分流率是供应商最常挂在嘴边的指标，也是最没用的一个，因为一段没有人工介入就结束的会话，既可能是问题得到了解答，也可能是客户放弃了求助。
有四个数字更能说明问题：草稿的编辑率，它会随着内容依据的完善而下降；首次响应时间，这正是副驾驶模式回本的地方；重开率，它能揪出那些看似完结实则未解决的答案；以及按自动处理与人工处理分开统计的客户评分。
把这些数字与同期的服务商账单对照来看。质量提升的同时单次会话成本下降，才是值得保留的结果；单独出现其中一项都不算数。
这四个数字都需要一个上线前的基线读数。跳过基线的团队最终只能就“到底有没有变化”争论不休，却没有办法给出定论。
值得明确说明的限制
有两项限制值得明确说明。本地部署属于企业版的专属安排，较低方案中并不提供。运行在你自己硬件上的模型目前处于规划阶段而非可用状态，因此如果你今天就需要本地推理，RolChat 尚无法满足这一要求。
定价按公司而非按客服人员计算，起价为 Lite 方案的 19 美元，企业版则按需单独报价,30 天试用期内只需绑定一张银行卡即可开放全部功能。
当自动化背后的各个渠道已经整合在一处时，评估自动化的效果也会更容易，这正是配套指南所讨论的主题。
常见问题
客户服务自动化软件到底能自动化哪些工作？
总结会话线程、基于经认可的内容起草回复、识别意图、路由、打标签和翻译。在副驾驶模式下，它准备好这一切，由客服人员决定最终发送什么。
AI 会取代客服人员吗？
在副驾驶模式下不会，而这正是大多数团队应该采用的模式。模型负责起草，客服人员负责审核和发送。消失的是重复性的准备工作，而不是对答案负责的那个人。
什么是自带 AI?
你接入自己的服务商密钥，令牌费用由服务商直接向你计费，平台不加价。这也意味着你可以更换模型或服务商，而无需更换客服系统。
运行 AI 的成本有多高？
成本主要取决于上下文长度，而非会话数量。长会话线程、对每个会话都做总结、宽泛的检索范围以及反复重新总结，都是拉高账单的设置，而这三者都由你自己掌控。
哪种任务应该用哪种模型处理？
打标签和意图识别用小型快速模型，起草用中型或大型模型，退款和政策措辞用可用的最强模型。按任务拆分通常比提示词调优节省更多成本。
如何防止 AI 编造答案？
让它基于经认可的帮助内容作答，使每份草稿都带有其来源，保留审核环节，并在上线后跟踪编辑率和重开率，而不仅仅是分流率。
模型能在我们自己的服务器上运行吗？
本地部署在企业版中可用。自托管模型目前处于规划阶段而非现行可用状态，因此如果你对本地推理有硬性要求，目前尚无法满足。
自动化能跨语言运作吗？
可以。它覆盖 40 种界面和挂件语言，支持双向翻译。请将产品名称和法律术语放入词汇表中，以确保翻译层不会改动它们。
