AI应用的效果跟实际应用业务有关系。一般来说有几种
- 效率提升：用AI来改造工作流。引入AI后，原来做这件事要多久，现在要做多久。这是效率上的提升。
- 成本降低：用AI的高效率代替人工，节省了多少人工成本。
- 创造增量：没有AI之前做不了的，现在有AI了就能做了。这属于增量价值。
AI客服符合效率提升、成本降低、创造增量三个特点。所以也是企业率先落地的业务之一。对企业来说，如果展开的AI业务能够直接给公司带来经济上的收益，那么就有更多的钱去研究和探索AI。所以给企业做AI落地的时候，一定要优先抓能产生经济效应的业务。
AI客服的优劣势
AI客服的优势
- 使用成本低。
- 回复效率高。
- 迭代速度快。
- 无需培训，没有培训成本。
电商偶尔爆单的时候，加人工是个很麻烦的事。但添加一个AI客服是相对容易的。2台电脑开20个账号，接待100人/分钟是可以的。
AI客服的劣势：
- AI对问题的理解比不上人工。
- AI客服没办法主动发送商品链接，没办法做促单。
- AI客服会有回复幻觉的问题。
可以预见短时间里AI很难克服这些问题。所以未来很多公司一定是大部分AI + 少部分人工去服务用户。
创造增量
原来企业有几个渠道是没人服务的，因为性价比不高。
- 企业微信的公众号咨询。
- 电商客户晚上23点-08点的咨询。
这两个场景很多企业是没有人服务的。但AI客服可以。效果也比较容易计算。比如，原来电商公司，晚上服务不了用户的，现在加入AI后，AI的咨询转化有多少？这部分就是增量价值。
效率提升
AI在辅助客服解决用户问题上，原来一个客服只能解决100个用户的售后，结合AI工作流改造之后，能解决1000个，这就是效率的提升。这个具体是要结合业务系统打通。
成本降低
人力成本的降低是比较明显的，但还要考虑到客服询单的转化。用人工的转化率和现在用AI+人工的转化率做对比。节省的人工费和转化销量上可以计算出AI客服的价值。
AI客服是一个相对比较容易落地的AI案例。但想要把效果做好并不容易。因为企业追求的不仅仅是帮助用户解决问题，还需要把咨询转化为具体的收益。现在的流量很贵，并不是加个大模型+知识库就能解决。这里有很多细节需要打磨。用过的企业应该心里都清楚，这些细节不解决，根本就没办法用AI客服。
AI客服落地电商的流程：
选好RPA工具
首先，电商平台之间相互独立，你想要做一个通用的AI客服就要借助RPA技术去实现。这块市场上有一些工具，但很多都不完善。你需要找到：
- 支持关键词回复；节省成本。
- 支持AI大模型转人工；用AI大模型灵活控制转人工的场景。
- 支持转人工过滤转给自己；避免死循环。
- 支持带上商品说明书和订单信息给到AI；更精准的回复用户咨询。
- 支持对接自定义的FastGPT或dify平台；这是AI模块的核心，到时候想换RPA工具就很简单。
- 能够识别平台自动回复的内容；像拼多多，自动回复过的咨询，也有主动在回复下，不然影响三分钟应答率。
- 支持替换AI回复的内容。例如敏感词，尤其是现在拼多多出现敏感词会让你考试，导致AI回复不了其他咨询。
- 支持一台电脑上多店铺多开，并且能同时调用AI。这样能解决很多用户同时进线导致AI回复不过来的问题。
搭建AI大模型+知识库应用程序开发平台
用的最多的是FastGPT和dify这两款开源平台，支持工作流排版。当然，对使用人员能力有一定要求。如果公司没人弄，也可以用RPA自带的AI能力，就是价格会贵很多。
- GPT4o目前市场价格主流是3:1美金，官方价格计费。
- 国内推荐使用DeepSeekV3，目前效果已经接近GPT4o，缺点是没有多模态能力，无法识别图片。价格很便宜1元/百万token输入（命中0.1元/百万），2元/百万token输出。2025年2月8号之后，价格会涨到2元/百万token输入（命中0.5元/百万），8元/百万token输出。整体还是不贵的。像客服场景下，1快钱能回复用户1000次左右咨询。不过Deepseek爆火后，官方的响应时间要10多秒了，不适合客服场景。
- 客服场景下，命中缓存的量会非常大。80%-90%的输入都会命中缓存。
- 未来肯定越来越便宜。
用new-api管理你对接的AI大模型。
- 上游需要对接多个渠道的AI大模型，一个渠道挂了，可以自动切换到另一个渠道。
- 解决并发问题。有些渠道有并发限制，多个渠道可以解决并发问题。
上面是前期准备工作，接来真正的关键点是如何让AI能精准回复用户问题。这里的关键，还是提示词+知识库。普通用户使用提示词提问可以是开盲盒，偶尔错误没关系。但产品经理要把提示词调试的很精准，最好好枪枪命中靶心。这就需要对提示词做持续迭代了。
AI客服落地的步骤
- 先收集用户最常见的问题，把相关资料放在系统提示词里。
- 对于那些不常见的问题，用Excel表记录QA问答。这样可以节省成本。提示词越长，消耗的token越多。
- 把那些问题录入到知识库里，一般选择混合检索，排序0.5以上，分块按根据自己的实际情况选择。
- 提示词做完后，记得用AI完善一下自己写的提示词。AI的提示词结构化会更强。
- 然后就可以先上测试了。白天人守着看下效果，ok的话，挂在晚上进行接待。大部分电商客服都只服务到晚上23点。之后就算回复超时也不计算三分钟应答率。
- 每天白天起来看AI的回复，把那些回复不正常的，通过提示词或者知识库的方式进行解决。
- 测试一段时间后，把一些常见的问题，放到关键词回复里。不要模糊匹配，选择精准匹配。这样可以节省一定的成本。注意，要加随机符号。因为有些用户就持续问一个问题，会导致平台判断你服务态度差。
- 根据自己的业务，设置一定的关键词直接转人工。比如退货、退款的请求。避免AI回复不全，导致用户仅退款成功。
- 然后就就是持续迭代。公司前期准备的数据越全，这个迭代时间越短。
- 知识库和提示词基本完善好之后，可以考虑使用微调来提高用户咨询的效率。因为微调后的AI大模型小，输出的速度会快很多，而且不用经过知识库查询。整体效果就非常快。而且成本也低。
效率和效果有时候会有冲突，一般来说，我们希望一个对话能在5秒内进行回复。一般调用大模型回复需要2-3秒，调用2次基本就会超过5秒了。所以有一些复杂业务场景，你就得考虑是要效率还是要效果。
AI能力进阶：打通业务系统
FastGPT和dify平台是支持调用外部API接口的。也就是可以根据用户咨询的内容，调用业务系统进行业务处理。例如，预约的时候，可以根据用户咨询的日期和要求进行预约，并返回预约结果。还比如，我们公司销售的是硬件设备，可以根据用户传入的信息，查询设备状态，并根据不同状态告诉用户不同的解决方案甚至直接解决用户的问题。
其实还很多细节是需要解决花很长时间去解决的。主要原因还是大部分企业并没有完整业务数据，也没有一个能清晰讲明白自己业务需要的人。所以很多时候只能一步一步往前拱。但好在技术一直在迭代。AI模型的能力也一直在提升。相信2025年大多数电商公司都会配备好AI客服。