AI 客服外包是智能体落地最成熟的场景之一,也是毛利最容易被算错的场景。

很多人看到「替代人工」就以为毛利很高,实际做下来发现不赚钱。问题出在三个隐性成本上。

毛利该怎么算?

收入减成本。收入是客户付的服务费,成本包括:模型调用、人工兜底、系统维护、获客摊销。

四项里,人工兜底最容易被低估。AI 客服再准,也会有答不了的问题,这些问题要转人工,人工成本仍然存在。

人工兜底的比例是多少?

按我的实测,成熟场景的转人工率在百分之十五到三十之间。新场景起步时能到五成。

这个比例直接决定毛利。转人工率三成,意味着三成的对话要付两份成本:AI 的和人的。

怎么降低转人工率?

四个动作。第一,把高频问题做成标准问答,覆盖率做到八成。第二,把答不了的问题自动聚类,每周补一次知识库。第三,设置置信度阈值,低于阈值直接转人工,别让 AI 硬答。第四,对转人工的对话做归因,看是知识缺失还是理解错误。

第四条最关键。不归因,你永远不知道该补知识还是该换模型。

模型该怎么选?

三个原则。第一,按场景选,不按排名选。问答类场景看准确率,多轮任务看上下文保持能力。第二,按成本选,便宜模型加人工兜底,往往比贵模型全自动更划算。第三,留备用,主模型故障时能切换。

Gemini 4 Carbon 这类新模型,适合做复杂多轮场景;简单问答用便宜模型就够。

交付标准怎么定?

四个指标。第一,首响时间,通常要求三秒内。第二,解决率,通常要求七成以上。第三,满意度,用对话结束后的评分衡量。第四,转人工率,越低越好但有下限。

四个指标要写进合同,且要说明统计口径。口径不清,验收时一定扯皮。

定价该怎么定?

三种模式。第一,按坐席,适合稳定用量的客户。第二,按对话量,适合波动大的客户。第三,按解决量,只对成功解决的对话收费。

第三种最公道,但需要客户系统能提供准确的数据。多数客户做不到,所以前两种更常见。

这门生意的规模效应在哪?

在知识库。服务十个客户,知识库是十份;服务一百个客户,如果行业相同,知识库可以复用。

复用率决定毛利。做垂直行业,复用率高;做全行业,复用率低。

最容易踩的坑是什么?

承诺全自动。客户听到「AI 客服」就以为是零人工,你按这个预期报价,实际交付要三成人工兜底,毛利直接归零。

正确的做法是:一开始就说清人机协同的比例,把人工成本算进报价。

现在该不该做?

如果你的行业知识扎实,该做;如果只是会调模型,别做。AI 客服的竞争力不在模型,在行业知识库。

模型人人能买,知识库只能自己攒。

去论坛讨论

前往 ziyuanagi.com 论坛 参与讨论