AI 客服上线头一个月，我们挨的骂全和一件事有关：该转人工的时候它不转。客户火气都上来了，机器人还在慢条斯理地重复知识库答案；纠纷已经聊到赔偿金额了，它还在问"请问有什么可以帮您"。后来我们复盘，转人工策略不是加一个按钮就完事，而是一套信号系统的设计。两年里调了五版，稳定下来的方案里有四个触发信号，每个信号背后都是一次真实的客诉教训。

信号一：置信度连续低，不要等单次

最早用的是单次判断：机器人对答案的置信度低于阈值就转人工。跑起来发现不行，很多会话是每句话置信度都不高不低，永远够不到阈值，客户被吊着聊了十几轮。五版迭代后的方案是看趋势：连续三轮置信度都低于七成，或者同一话题五轮内没有给出一次高置信度回答，直接转。趋势比单点可靠，因为客户的真实意图常常要用好几句话才表达完整，机器人读不懂前两句很正常，但持续读不懂就是信号。

信号二：情绪词不是看脏话，是看失控

第二版我们加了情绪识别，关键词匹配"投诉"“差评”“举报”，误报率极高——客户问"你们投诉渠道是什么"其实是想反馈建议。现在的做法是看对话的失控特征而不是情绪词本身：客户连续两次问同一个问题、回复时长从秒级变成分钟级、句长突然变短加感叹号。这三个特征凑齐两个，机器人就该把位置让出来。有个细节值得记：深夜时段的失控阈值要放宽，因为深夜客户的选择本来就少，同样的话术深夜里耐受度更低，但人工也少，转了没人接更糟——我们给深夜单独配了"排队即回执"机制，转人工时明确告知排队位置和预计等待，避免二次激化。

信号三：涉钱涉法，跳过机器人

第三类信号最没有商量余地：只要对话里出现赔付、退款金额争议、人身伤害、法律条款相关的表述，不管置信度多高，一律转人工。这是被真实事故教育出来的：机器人曾经按知识库标准条款答复了一个运费争议，答复本身没毛病，但客户的情况有特殊背景，人工客服能灵活处理的三分钟事情，机器人按章办事聊了二十分钟，最后客户升级成了平台投诉。钱和法的事情，机器人的正确姿势是把路让开，外加一句有温度的承接话术：“这件事我帮您转给专门的同事，他们会尽快联系您。”

信号四：VIP 与历史客诉客户的优先转

第四个信号是身份驱动的。把两类客户列了转人工白名单：历史上有过客诉记录的客户，和店铺的高价值客户。这不是歧视普通客户，而是风险管理的常识——同样的服务瑕疵，落在不同客户身上，后果完全不同。白名单客户的会话默认降低转人工阈值，普通客户需要两个失控特征才转，白名单客户一个就够。上线之后高价值客户的二次投诉率降了一大截。普通客户的体验也没有变差，因为省下来的人工时间恰好花在了刀刃上。

转人工不是终点，是交接

调了五版之后我们才想明白一件事：转人工策略的核心不是"转"这个动作，而是转之后那一秒钟发生了什么。客户最恨的不是等人工，是接通之后人工从头再问一遍"请问您遇到什么问题"。我们的方案是转人工时自动带上三样东西：完整对话摘要、已确认的客户信息、机器人这边的初步判断。人工客服接进来开口就能接着聊，客户感受是"这个团队是一体的"。顺手还把机器人之前答应过的事情列了个清单推给人工，避免机器人承诺了人工不认账的尴尬。

用数据养策略

四个信号听起来简单，阈值全是数据喂出来的。把每次转人工都打了标签：该转的（人工确认接手后有实质纠纷）、不该转的（人工看一眼就能机器答的）、迟转的（客户已经发火才转的）。每月复盘一次标签分布，调一次阈值。两年下来，转人工率从早期的接近四成降到如今的一成出头，而客诉升级率同步在降——这说明省下来的转接没有牺牲服务质量，而是机器人在该扛的地方扛住了。机器人认怂不是失败，是整套设计里价值最高的那部分：它知道自己几斤几两，客户才愿意把它留在对话里。