一个客户问题进来后，经历的三个分叉
客户问："我的订单怎么还没发货？"
这条问题在进入客服系统后，面临三个可能的处理路径：
路径 A：AI 直接回答。如果订单状态是"已发货，预计明天到达"，AI 查询系统后直接把物流信息告诉客户，对话结束。
路径 B：AI 创建工单。如果订单状态异常——"仓库已出库但物流未揽收超过 48 小时"——AI 无法直接解决，但可以自动创建一张工单，派发给物流部门跟进，并告知客户"已为您登记，物流部门将在 2 小时内确认并回复您"。
路径 C：转人工。如果客户说"你们已经第三次延迟了，我要投诉，叫你们负责人来"——AI 检测到客户情绪激烈，且涉及投诉升级，直接转人工坐席，同步传递对话摘要和已采集的订单信息。
这三个路径的选择，不是 AI 自己"看着办"，而是企业根据业务规则预先配置好的分流逻辑。本文把配置这套逻辑的方法讲清楚。
三条判断标准
标准一：问题是否可知识化
"可知识化"意思是：这个问题有没有标准答案，且答案可以从知识库或业务系统中直接获取。
可知识化的问题：产品规格、服务流程、政策规则、门店地址、营业时间、使用方法、退换货条件、资费标准。这些问题的答案确定、变化频率低、不需要针对具体客户做个性化判断。
不可知识化的问题：为什么我的订单被取消了、这个故障是什么原因造成的、我的退款为什么比预期少、你们这个政策不合理。这些问题涉及具体客户的具体情况，答案需要查询系统、核实信息或人工判断。
判断方法：如果坐在你旁边的同事问你这个问题，你可以不查任何系统、不打电话确认就给答案——那就是可知识化的。如果需要"我帮你查一下"——就进入了下一个判断标准。
标准二：是否需要跨系统操作和多步骤闭环
有些问题 AI 可以查到答案，但查到答案只是第一步。客户真正需要的是"有人帮我把这件事办了"，而不仅仅是"告诉我怎么回事"。
需要建工单的问题：设备报修（需要派人上门）、退款申请（需要审核和财务操作）、投诉登记（需要调查和回复）、资料变更（需要审核和系统更新）、跨部门协调（需要多方确认）。这些问题的共同特征是：处理链条超过一次对话、需要多个角色参与、处理结果需要反馈给客户。
不需要建工单的问题：查物流、查余额、查网点、问流程、问规则。这些问题的答案可以在一次对话中完整给出，不需要后续处理动作。
判断方法：如果你回答完客户的问题后，客户还会追问"那然后呢"——这个问题大概率需要建工单。如果客户说"好的谢谢"就结束了——就不需要。
标准三：是否必须人工介入
有些问题 AI 在技术上完全可以处理，但从业务层面必须由人工介入。这不是技术能力问题，是业务规则和责任归属问题。
必须人工介入的场景：
投诉升级：客户明确表达不满、要求找领导、威胁投诉到监管部门。AI 检测到高情绪信号时，应主动转人工。
安全责任：涉及人身安全、财产损失、数据泄露、医疗事故等。AI 只负责记录和转接，不参与判断和决策。
合规与法律风险：涉及合同条款解释、法律责任认定、金融交易的授权和确认。需要人工审核、流程留痕和系统权限控制。
客户明确要求人工：客户说"我不要跟机器人说话"或"转人工"——无论 AI 识别到哪个阶段，立即响应并转接，不设置障碍。
特殊情况处理：老年人、残障人士等需要特殊服务方式的客户，AI 识别到后应主动提供人工通道。
判断方法：如果这个问题处理不好会让企业面临投诉升级、法律风险或客户流失——必须有人工参与。
决策框架：三步分流
把三条标准串起来，形成一套可操作的分流决策框架：
第一步：AI 知识应答
AI 先判断问题是否可知识化。如果可以，直接检索知识库或调用业务系统查询，给出标准答案。
知识应答的典型场景：
问题类型 | 示例 | AI 处理方式 |
产品咨询 | "这款产品支持蓝牙吗？" | 检索产品知识库，直接回答 |
流程指引 | "退换货怎么操作？" | 播报标准流程，发送链接 |
信息查询 | "我的订单到哪了？" | 调用订单系统，返回物流状态 |
政策说明 | "会员积分怎么算？" | 检索政策知识库，直接回答 |
门店信息 | "最近的门店在哪？" | 查询门店数据库，返回地址和电话 |
AI 回答的前提：知识库中有对应内容，且答案不依赖客户特定情况的判断。合力亿捷悦问知识库为 AI 提供企业知识的管理和检索底座，AI 从知识库中查找答案并引用来源，回答口径统一可控。
AI 回答不了时：如果知识库中没有对应内容、答案需要查询客户专属信息、或问题涉及多个系统的交叉判断，AI 进入第二步判断。
第二步：AI 建工单
AI 判断问题是否需要跨步骤处理、多角色参与或后续闭环。如果需要，AI 自动采集必要字段，创建工单并派发给对应处理部门。
建工单的典型场景：
问题类型 | 示例 | 工单处理方式 |
设备报修 | "空调不制冷了，需要维修" | 采集设备型号、故障现象、地址、联系人，创建维修工单并派发工程师 |
退款申请 | "我要退款，订单号是 XXX" | 采集订单号、退款原因，创建退款工单并流转至财务审核 |
投诉登记 | "你们的服务态度太差了" | 采集投诉对象、时间、事由，创建投诉工单并升级至主管 |
资料变更 | "我要改收货地址" | 采集新地址、订单号，创建变更工单并流转至客服处理 |
上门服务 | "需要师傅上门安装" | 采集地址、预约时间、产品型号，创建安装工单并派发服务商 |
AI 建工单的能力支撑：合力亿捷售后服务 Agent 可在通话或在线对话中采集客户身份、订单号、设备型号、故障描述、地址、期望时间及图片或视频材料，按业务规则选择模板、补全字段并派发到对应部门或服务商。工单系统支持 SLA 提醒、超时预警、处理记录、移动端处理和签名验收。
AI 建工单的前提：工单模板已配置、派发规则已设定、业务字段已定义、处理部门已接入。AI 自动建单和派发依赖已配置的流程和接口，不是开箱即用的默认能力。
建工单后：AI 告知客户"已为您登记，处理部门将在 X 小时内确认并回复您"，并发送工单编号供后续查询。客户不需要记住"我找谁、什么时候回复"，工单系统会自动追踪。
第三步：转人工
AI 判断问题是否必须人工介入。如果满足转人工条件，AI 立即转接，并同步传递对话摘要、客户意图和已采集信息。
转人工的典型场景：
触发条件 | 示例 | 转人工方式 |
情绪激烈 | "你们已经第三次了，我要投诉！" | AI 检测到高情绪，主动转人工，传递情绪标记和对话摘要 |
客户要求 | "转人工""我不要跟机器人说" | 立即响应并转接，不设障碍 |
安全责任 | "有人在你们店里受伤了" | 直接转接值班主管或安全部门 |
合规风险 | "这个条款是不是霸王条款？" | 转人工坐席，由人工按合规口径回复 |
复杂判断 | "我的情况和别人不一样，你帮我看看" | 问题涉及多因素交叉判断，AI 无法标准化处理 |
AI 置信度不足 | AI 无法确定客户意图或答案准确性 | 转人工并同步 AI 已采集的信息，坐席不重复询问 |
转人工的配套能力：合力亿捷通话 Agent 提供四类经业务实践使用的转人工策略，转人工时可保留客户意图、对话摘要和已采集信息。AI 原生工作台在转人工时，把已识别的身份类型、意图判断结果和已采集字段推送给坐席，坐席在接听前就知道"这是谁、可能有什么事"，不从零开始询问。
转人工的边界：AI 最多尝试 2 轮确认就应转人工，不强制客户在语音菜单或对话中循环。客户说"人工"或"转人工"时，无论识别到哪个阶段，立即响应并转接。转人工的兜底质量比 AI 的识别准确率更重要。
特殊行业的边界规则
医疗场景
AI 可处理：流程咨询、导诊指引、预约引导、资料准备、服务导航、理赔材料说明、工单协同和人工辅助。
AI 不承担：诊断、治疗决策、医生专业判断和用药建议。任何涉及"我这是什么病""应该吃什么药""要不要手术"的问题，必须引导患者就诊，由医生面诊后判断。
金融场景
AI 可处理：标准化请求、流程引导、资料准备、进度查询、工单协同、客户回访和坐席辅助。
涉及合规、风控、授信、理赔、交易和资金等专业判断时，需要人工审核、流程留痕和系统权限控制。AI 可以做信息收集和流程引导，但不能做最终决策。
分流规则如何配置和优化
初始配置
分流规则不是一次性设计好的，而是从最小可用规则开始，逐步迭代。
第一版：只配置最明确的规则。知识库能直接回答的 → AI 答；需要跨部门处理的 → 建工单；投诉、情绪激动、客户要求的 → 转人工。其余全部转人工兜底。
第二版：基于第一版运行数据，把"转人工"中占比最高且可标准化的场景补充到"AI 答"或"建工单"规则中。同时补充知识库中缺失的内容。
第三版：持续优化。观察转人工率的变化趋势、工单自动创建的字段完整度、客户满意度和重复联系率，调整分流阈值和规则。
运行监控
分流规则上线后，需要持续观察以下数据：
AI 独立解决率：AI 直接回答且客户未追问或转人工的比例
转人工率及原因分布：哪些问题类型转人工最多，是因为 AI 能力不足还是业务规则要求
工单自动创建成功率：AI 自动创建的工单中，字段完整、无需人工补充的比例
客户重复联系率：同一问题客户是否需要多次联系才能解决
合力亿捷 MPaaS 平台支持运行监控、日志分析、Badcase 管理和持续优化，企业可通过这些工具持续观察分流规则的效果并调整。
边界与待确认条件
知识库依赖：AI 直接回答的质量取决于知识库的完整性和准确性。知识库中缺失的内容，AI 无法凭空回答。建议在配置分流规则前，先梳理高频问题的知识覆盖情况。
系统对接：AI 自动查询订单、物流、会员等信息，需要对应的业务系统接口支持。具体可查询的字段范围、接口响应时间和数据权限需在实施阶段确认。
工单流程：AI 自动建单和派发依赖工单模板、字段定义和派发规则的预先配置。没有配置过流程的工单类型，AI 只能记录信息，不能自动流转。
合规兜底：涉及金融、医疗、法律等专业领域的最终决策，必须由具备资质的专业人员做出。AI 只负责信息收集、流程引导和工单协同，不替代专业判断。
从"AI 能不能"到"该不该"
AI 客服直接答、建工单、转人工，这三个选项不是技术选择题，而是业务设计题。技术决定了 AI 能做什么，但业务规则决定了 AI 该做什么。一个好的分流体系，不是 AI 回答的比例越高越好，而是客户在最短路径内得到最合适的处理方式——该直接答的不绕弯，该建工单的有追踪，该转人工的有温度。
合力亿捷 Synerow 智能客服 Agent 产品，通过 MPaaS 平台的流程编排能力，把"AI 知识应答 → 信息追问 → 工单创建 → 转人工"串成可执行、可追踪、可优化的分流链路。知识应答由悦问知识库提供标准口径，工单创建由售后服务 Agent 完成字段采集和派发，转人工由 AI 原生工作台完成上下文交接。
按合力亿捷 Agent 交付思路，分流规则不是一次性配置完所有场景，而是先从一个高频、可验收的业务类型跑通"答 → 建 → 转"的最小闭环，再根据真实会话数据补充知识库、优化工单模板和校准转人工阈值。分流体系的成熟标志，不是 AI 拦截率有多高，而是客户是否在最短路径内得到了最合适的处理方式。
