"我们想做个 AI 客服，多少钱？"
这个问题我今年被问了起码三十次。但我从来不直接报价，而是先问五个问题。因为答不上来这五个问题的项目，做完基本都是废的——钱花了，客服还是人在顶着。
问题一：你的答案，现在是"成型"的吗
AI 客服的水平，上限由你的知识决定，不由模型决定。
要先把一个事实摆出来：如果你的客服问题，现在只有老员工脑子里有答案、或者散在十几个微信群里，那 AI 客服给不出靠谱回答。它能学的是文档，不是经验。
判断标准很简单，做个小测试：把最近 100 条客户咨询拉出来，看有多少条能在你的现有资料（产品手册、FAQ、售后政策）里找到明确答案。
- 80 条以上能找到 → 知识基础够，可以直接做
- 50 到 80 条 → 先补资料的缺口，再上 AI
- 50 条以下 → 先做知识整理，这一步没法跳过
这个测试我们通常会陪客户一起做，一两个小时就有结论。
问题二：上线后谁来改知识
这是最容易被忽略、也最容易导致项目死亡的一条。
AI 客服上线三个月后，必然会出现两类问题：答错了，或者答得跟不上业务变化（比如你改了退货政策）。
这时候需要有个人能进后台改知识条目，改完立刻生效。这个人通常是客服主管或者运营，不需要懂技术。
如果一个公司里没有人愿意承担这个角色，AI 客服三个月后就会变成一个"客户骂它答错、客服嫌它添乱"的摆设。 我们在项目里一定会明确这个角色并做培训——不是为了推责任，是因为不设这个人，项目一定烂尾。
问题三：答不出来的时候怎么办
大多数客户第一次听到这个问题会愣一下。
但这是设计里最关键的一环。AI 一定会答不出来（任何方案都会），关键是在那一刻它做什么：
- 硬编一个答案（最糟，会编造政策、编造价格，这是投诉的源头）
- 说"这个问题我还不清楚，帮你转人工"（推荐）
- 提示几个相关问题让客户选（体验好，适合咨询面宽的行业）
我们给客户的默认策略是：不确定就说不知道，然后转人工。宁可多转十次人工，也不要胡答一次。
这条策略必须在合同里写清楚，因为它直接决定你会不会在某个下午突然收到一个愤怒的客户投诉。
问题四：你的咨询量，值不值得
算笔账。
AI 客服的成本 = 一次性建设费 + 每月模型调用费（或私有化部署的服务器成本）。
收益 = 减少的人工客服工时 × 时薪 + 非工作时间能接住的咨询量。
判断线大致是：每天咨询量在 30 条以上、问题重复率在 60% 以上，做 AI 客服才划算。 低于这个量，直接加个人工客服更便宜，而且体验更好。
我拒绝过几个单子，就是因为客户一天只有三五条咨询。我会直接告诉对方：这钱你现在别花，等你量上来了再说。
问题五：怎么和人工衔接
AI 客服不是替代人，是给人做前置过滤。
要设计清楚这几点：
- 1. 转人工的触发条件：客户说"转人工"、AI 连续两次没答对、客户情绪激动（AI 判断到投诉关键词）、涉及具体金额或订单
- 2. 转过去的上下文：把前面 AI 和客户的对话一起给人工，客户不用重复一遍——这一条体验差距巨大
- 3. 工作时间的定义：非工作时间转到哪里？留言、工单、还是次日回电？
做好了这三条，客户的感觉是"这个公司响应很快"。做不好，客户的感觉是"这个机器人很烦人，还找不到人"。
五个问题过关了，再来谈怎么做
如果这五条你都能答上来，技术方案其实不复杂，主要就是三步：把资料整理成知识库 → 配置问答口径和兜底策略 → 接入到你的网站或小程序里。
真正花时间的不是技术，是前面这些业务决定。
顺便说一句我对这个行业的看法：现在市面上 AI 客服的产品很多，价格从几百块到几十万都有。区别不在技术，在有没有人认真陪你回答上面这五个问题。 只看模型参数的方案，落地时都会在第二条和第三条上翻车。
我们做 AI 应用项目，第一步永远是这个五问清单，不收费，也不需要你先承诺什么。因为把这些问清楚了，你自己就知道该不该做、该花多少。
本文为引潮网络原创内容，基于真实项目与本地报价经验撰写，转载请注明出处。
