客服是大模型落地最早、也最难讨好的场景：用户带着情绪而来，期待的是被理解，而不是被「话术库」打发。过去一年，我们帮三家企业完成了客服系统的 AI 化改造，最大的体会是——技术换代容易，服务理念换代难。这篇讲清三代形态的差异与落地的关键动作。
三代形态：从规则到理解
第一代是关键词机器人：命中词库就回复话术，跳转全靠菜单导航，用户被迫学习「机器人的语言」。第二代是检索问答：把 FAQ 做成向量库，类似问题能匹配到答案，但「类似」的边界依然机械。第三代是大模型原生客服：理解意图、记得上下文、能处理没有标准答案的问题——比如「我买的这个能不能退」背后要先读懂订单状态与政策原文，再生成答复。三代的体验差距，用户一句话就能感知。
情绪理解：先安抚，再解决
投诉场景里，把问题答对不等于把事情办好。我们给客服系统加了情绪识别层：识别到不满、焦急、威胁投诉等信号时，切换策略——先共情确认（复述用户处境），再给方案；情绪强度超阈值时主动升级人工，而不是硬撑。实测数据很直白：投诉场景接入情绪策略后，差评率下降了一半以上。用户要的往往不是马上解决，而是「有人认真对待我」。
人机协作：接力而不是替代
最稳的架构是「AI 先接、人在关键处接管」：AI 承担全部首轮响应与标准化处理，把三类会话交给人工——高情绪强度、高金额风险、AI 置信度不足。交接时把完整会话摘要与建议方案推给人工，用户不用重复叙述。反过来，人工处理的优质会话要回流到知识库与策略里，让 AI 持续学习——这个闭环跑起来，人工的工作量会逐季度下降。
度量：四个指标看清效果
客服 AI 的效果要用四个指标衡量：自助解决率（无人干预解决的比例）、一次性解决率（用户不用追问的比例）、满意度（对话后即时评分）、转人工率（及其原因分布）。只看「转人工率下降」是危险的——把该转人工的会话硬留在机器里，指标好看、体验崩坏。我们的门槛是：四项指标同时改善才算合格，且每周抽听真实会话做质控。
客服知识库的底座建设见《RAG 落地避坑指南》；多轮任务处理与工具调用见《AI 智能体落地五道关》；客服系统改造评估欢迎通过联系合作沟通。