AI客服智能到什么程度了?教培场景实测记录

「AI客服智能到什么程度了」这个问题,在选型会上常被一句「能听懂人话」带过去。我们把教培机构日常咨询里反复出现的几类问题整理出来,逐条丢给系统试答,记录它在哪里答得准、哪里开始含糊、哪里必须交给人工。下面写的不是某个模型的能力宣传,而是接待现场能复现的观察顺序;看完你会有一个判断AI客服智能的尺子,而不是一个印象。

一、先定义「智能」指什么

聊得顺不等于答得对。接待场景里,AI客服智能至少包含四层:听懂家长在问什么、从知识库里找对内容、按机构口径把话说完整、发现答不了时主动停住并转人。缺了第四层,前面三层越顺,出错时越难被发现。

所以实测不数「聊了多少轮」,而是看每一轮的结果:问题有没有被正确归类、答案有没有依据、说不清的时候有没有说清哪里说不清。这三点都能在对话记录里回查,不靠演示时的临场印象。

二、答得准的:固定信息类问题

校区地址、营业时间、试听怎么约、开班年龄段、需要带什么材料,这类问题有明确答案、变动也少,AI客服智能在这里表现稳定。前提是知识库里存的是机构自己的信息,而不是通用话术,且每个条目写明了适用范围。

试的时候故意换个说法:把「试听课怎么报名」说成「想带孩子去听一次,要提前说吗」,再带一个错别字。能答上说明匹配不是死记关键词。再追一句「哪个校区都能约吗」,看它会不会把范围条件一起带上,这一句常常能试出边界。

三、能答一半的:需要上下文的追问

家长先问「三年级有班吗」,接着问「那周末呢」。第二句少了主语和课程,靠的是把上一轮接住。这类问题能看出AI客服智能有没有把上下文留住:接住了会给出对应班级的周末安排,没接住就变成一句泛泛的「我们有多时段课程」。

再复杂一点是澄清。家长说「想找个近一点的」,系统该问的是哪个区域或哪个校区,而不是直接推一个地址。追问一次就够,连问三轮会让人失去耐心。螳螂科技在配置时会把澄清轮数写进规则,并要求每次澄清都给出一个可选项,别让对话原地打转。

四、容易答偏的:多条件组合与模糊表达

「五年级、周六下午、离家不远、还想试听一次数学」,一句话里塞了年级、时间、位置、科目四个条件。实测里这类问题容易只被答到其中一两项,或者给出一段听起来合理但没核对过排课的信息。AI客服智能在这里的天花板,往往由知识库有没有结构化决定。

把课程表按年级、校区、时段拆成可查询的条目,比写十段长话术管用。拆不开,就老老实实回一句「这几项要一起核对,我帮您转给顾问」,并带上家长原话。含糊着答比不答更难收拾,后面顾问还得先纠正一遍。

五、必须转人工的:承诺、退费、投诉

涉及能不能退、能不能保证效果、能不能给到某个安排,这类问题的答案带承诺性质,不适合由机器人给。家长情绪明显不对、或对同一问题反复追问时也一样。判断AI客服智能是否成熟,有个挺实用的标准:它知不知道自己不该答。

转人工时别只丢一句「已为您转接」。把前面聊过的条件、家长的原话、已经答过的内容一并交给顾问,能省掉一次重复叙述。北京螳螂科技在复盘接待记录时,把「转接后是否重问」单独列成一项,重问率高说明交接信息没带过去。

六、知识库维护决定上限

同一套系统,知识库更新及时和三个月没动过,表现差得很远。课程调整、校区变动、活动结束后还留着旧条目,机器人就会照着旧信息答。AI客服智能有一半是维护出来的,不是买回来就固定不变。

建议定一个很轻的维护动作:谁负责改、改动后谁复核、旧条目怎么下架、每周看一次答不上来的问题清单。末一项尤其有用,家长问了但库里没有的内容,就是下一批该补的条目,比凭空想话术准确。

七、把实测整理成一张验收表

把四类问题各挑三条真实咨询,写成一张表:问题原话、期望动作、系统实际回复、是否转人、交接信息是否完整。让实际接待的顾问来跑,全程自己点。哪一类反复答偏,就回去补知识库或收紧转人工条件,不用急着换系统。

螳螂系统给机构的判断标准是:答案有依据、边界说得清、交接不重问。AI客服智能到什么程度,用这三条比听参数靠谱。多渠道咨询怎么统一接到这套流程里,可以参考AI智能客服系统与多渠道咨询接待的说明。

用户常见问题