AI 客服机器人能承担哪些任务，9 项按 4 类分

AI 客服机器人能承担的任务分 4 类 9 项：查单与查物流、改地址与改预约、退换货规则解释、常见问题应答。能独立闭环的是前 2 类，后 2 类要人工兜底。这份清单给准备上线客服机器人、或已上线但接管率只有 20% 到 30% 的团队用。

2026 年 5 月我参与过 1 个家电售后项目的机器人上线，前 2 周接管率 18%，把任务范围从 9 项收到 5 项、把话术里的「可能」「大概」全删掉之后，第 6 周升到 54%。

下面按 4 类列 9 项任务，每项写清输入什么、要接什么数据、失败时怎么转人工，再给 3 个核验动作、3 条选型判断和 4 个常见坑。

一、按 4 类分 9 项

1. 查询类 3 项：订单状态、物流轨迹、账户与余额，靠接口取数，答得准不准取决于数据是否实时。
2. 办理类 2 项：改收货地址、改预约时间，要写权限，边界设在「发货前 2 小时」这类硬条件上。
3. 解释类 2 项：退换货规则、发票与保修，只讲规则原文，不给个案承诺。
4. 分流类 2 项：识别意图转对应人工组、收集 3 到 5 个必填信息再转，省掉人工重复问。

9 项里查询类最容易做出效果，接口调通当天就能跑；办理类风险最高，1 次改错地址的赔偿比省下的工时贵得多。分流类常被当成配角，实际对人工效率的影响最大。

二、9 项任务逐个看

查询类的 3 项

订单状态查询要接订单中心接口，输入 1 个订单号或手机号后 4 位，返回 5 到 7 个状态节点。判断能不能上线，看接口响应时间：超过 800 毫秒的，机器人会先回「正在查询」，用户体验反而更差。

物流轨迹查询接快递接口，同一单号多个包裹要分别返回。这 1 项在电商场景占咨询量的 30% 到 40%，做扎实能直接砍掉 1/3 的人工量。我见过的失败案例是只接了 1 家快递，剩下 2 家返回空，用户以为丢了件。

账户与余额查询涉及登录态，要先做 1 次身份校验，通常用手机验证码。这一项不建议放在机器人首层，放到人工转接前的自助环节，能少 1 次验证失败。

办理类的 2 项

改收货地址的边界要写死：已发货不能改、跨境订单不能改、1 个订单只能改 1 次。3 个条件写在机器人话术里，用户听得懂，也省掉后面扯皮。接口侧要留 1 条回滚，改完 10 分钟内可以撤回。

改预约时间接的是工单系统，可选时段要实时取，别用固定 3 个时段。我遇到过 1 个售后项目，机器人给的时段人工已经排满，用户到店白跑 1 趟，投诉率比改造前还高。

解释类的 2 项

退换货规则要按品类拆，不同品类的时限与条件不同，1 段通用话术说不清。做法是把规则做成 1 张表，机器人按品类取行，回答里带上「7 天」「15 天」这类数字，用户更容易接受。

发票与保修解释只讲流程，不给个案结论。保修期内还是期外，让用户提供购买日期或序列号，机器人按规则给范围，最终判定交人工。这 1 条是合规底线，机器人不得替用户下结论。

分流类的 2 项

意图识别转人工，准确率比覆盖率重要。把 20 个意图训练到 85% 准确，比覆盖 80 个意图、每个 60% 准确更实用。判断标准是转错组的比例，超过 15% 就要收窄意图范围。

信息收集这 1 项最省钱。转人工前先问清 3 到 5 个必填项，人工接手时不用重复问，单次通话能短 40 秒。按每天 300 通算，1 天省 3 小时以上。

9 项里能独立闭环的 5 项，有条件闭环的 3 项，只做部分应答的 3 项。上线顺序按「闭环优先」排，先把 5 项做稳，再动有条件的那几项。

9 项任务要配 9 段话术模板，每段不超过 4 句。第 1 句给结论，第 2 句给条件，第 3 句给下一步动作，第 4 句留转人工入口。超过 4 句的话术，用户在手机上看不完就关窗。

三、怎么核验真能承担

1. 抽 100 条真实会话跑 1 遍，看机器人独立解决多少条，低于 40% 说明任务范围铺太大。
2. 看转人工后的重复提问率，人工又问了一遍同样问题的比例超过 20%，说明信息收集没做。
3. 查错答：把 30 天内的差评会话筛出来，逐条看机器人说了什么，错答率高于 5% 先停办理类。

3 个动作里第 1 个最直接。100 条会话跑完，能看清哪些任务真的在被用、哪些只是挂着。我那次跑到第 60 条就发现，9 项里有 3 项 30 天零调用。

机器人上线前要定 1 个数字：单次会话的平均轮次。3 轮内解决算合格，超过 5 轮说明任务边界不清或话术太长。这个数字每周看 1 次，比看满意度评分有用，评分受样本影响大，轮次是硬指标。

还要定 1 条人工兜底规则：任意时刻用户输入「人工」2 个字，必须 10 秒内转出。这条规则写进配置，不写进话术。我见过 1 个项目把转人工藏到第 3 层菜单，投诉量比上线前涨了 2 成。

四、怎么选：3 条判断

1. 咨询量每天低于 100 通：只上查询类 3 项，投入最小，见效最快。
2. 有 2 个以上业务系统：先解决接口，机器人本身的能力差别不大，接不通才是主要瓶颈。
3. 售后纠纷多：办理类先别上，把解释类与分流类做扎实，减少错承诺的风险。

9 项任务里，能明显压低人工量的是查询类与分流类，办理类影响的是体验，解释类降低的是风险。按这 3 个方向分开看投入，比笼统算 1 个接管率更能说清钱花在哪。

五、4 个常见坑

1. 把「可能」「大概」写进话术：用户理解为承诺，事后按承诺索赔。
2. 意图铺到 80 个：准确率掉到 60%，转错组的次数比省下的人工还多。
3. 不记录失败会话：不知道哪 1 项总失败，优化没有方向。
4. 转人工要排队 3 分钟：机器人的价值被等待时间吃掉，用户直接关窗。

第 1 条和第 4 条最伤。前者是法律风险，后者是体验风险。我的做法是话术里每个数字后跟 1 个条件，比如「7 天内可退，需未拆封」，条件写在数字同一句里，不给解释空间。

9 项任务全上线不等于好用。按上面 5 项闭环优先的顺序推，第 1 个月做 3 项，第 2 个月加 2 项，比 1 次铺 9 项的接管率高 20 个百分点左右。

上线顺序再补 1 句：先做查询类 3 项，跑 2 周看接管率，再加分流类 2 项。这个顺序下，人工量的下降在 3 周内能看到，比 1 次上 9 项的返工次数少。

本文信息核对时间：2026-11