2023 年 6 月 15 日，Gartner 公布的一份调查里有两个数字放不到一起：退货与取消类问题，聊天机器人解决了 58%；账单争议只有 17%。同一批受访者中，最近一次客服接触里用过机器人的只占 8%（Gartner 新闻稿，2023-06-15）。两个解决率相差 41 个百分点，这件事在 AI 客服大规模上线之前就已经存在。
2024 年 2 月 27 日，Klarna 的新闻稿给了首月数据：AI 助手处理 230 万次对话，相当于其客服会话的三分之二，做了 700 名全职坐席的等量工作，重复咨询下降 25%，客户解决一件事的时间从 11 分钟降到 2 分钟以内，覆盖 23 个市场、支持超过 35 种语言（Klarna 新闻稿，2024-02-27）。这是时间轴上第一个可核对的点。要留意它给的是什么：分流比例、单次处理速度、会话内的重复咨询，没有工单总量，也没有跨渠道的接触次数。
2024 年 7 月 9 日，Gartner 的调查访问了 5728 名客户：64% 不希望公司在客服里用 AI，53% 说如果知道公司要用 AI 做客服会考虑换一家，他们最担心的第一件事是更难接触到真人，排在其后的是岗位被替代和答案出错；同一份材料里，60% 的客服负责人承压要上 AI（Gartner 新闻稿，2024-07-09）。上线半年后，供给端在加速，需求端在设防。被挡在门口的人不会消失，他们换个门进，这是工单在渠道之间搬家的第一个迹象。
2025 年 5 月 9 日，口径反转。Fortune 报道首席执行官 Siemiatkowski 对彭博的表态：把成本当成过于主导的评估因素，结果就是质量下降，公司重新开始招人，并且必须让客户清楚知道想要人时一定有人（Fortune 报道，2025-05-09）。一个把客服自动化做到三分之二的样本，评价标准从省了多少钱改回质量够不够。技术层面的分流是成立的，把分流当成问题被消灭，不成立。
2026 年 9 月 2 日，落差被量化：3566 名 B2B 与 B2C 客户中，49% 说愿意用公司提供的聊天机器人，最近一次服务里实际只有 7% 用了；有过一次负面体验后，只有 27% 愿意再试（Gartner 新闻稿，2026-09-02）。愿意与实际之间差 42 个百分点，一次失败之后再试的意愿掉到不到三成。这三年的日期排下来，指向同一件事：失败的那部分诉求没有消失，它被推到了下一个渠道、下一个时段、下一个班次。
机制由此可以写清楚：简单可判定的咨询被抽走，进入人工的是边界模糊、需要例外处理、已经被挡过一次的那部分；同一件事从一次接触变成两三次；原会话被标成已解决，新进来的是新工单号。自动解决率上升与工单总量上升可以同时成立，两个数都不假，回答的不是同一个问题。要说明的是，这是从上述公开数据推出来的机制，没有哪家公司完整披露过工单总量的变化曲线，不能当实测结论引用。这条时间轴上每一次公开数据的口径，回答的都是分流了多少，没有一次回答工单总量变了多少。
口径本身还会加三层错觉。客户关掉窗口和客户接受答案，在日志里长得一样；人工工单被重新分类，横向对比随即失效；AI 前置分诊把字段填得更规整，看起来质量变好，实际是它替人工问完了那几个问题。
所以上线前要做的事，是在时间轴的起点埋好基线：取上线前四周的同渠道数据，把四个指标算出来，否则后面没有任何一条线可以对照。四个指标是单问题接触次数、转人工耗时 P90 与放弃率、承诺一致率、7 天同主题重复咨询率。第一个按用户或订单号加 7 天窗口聚合，同一诉求跨渠道的多次接触算一件事的多次，分母是问题数不是会话数；第二个从触发转人工到真人接起算，另加排队超时离开的比例；第三个每周抽 100 条 AI 给出的条件性答复，退款金额、时效、赔付口径逐条对照现行政策，记不一致条数；第四个在 AI 判定已解决的会话里，看同用户同主题再进来的比例，这是唯一能戳破自动解决率的指标。
四个指标对字段有要求，表要在上线前改。工单表加 issue_id，把同一诉求的多次接触串在一个问题号下；加 channel 字段记来源渠道；AI 会话与会话 ID 一对一映射，转人工时把会话 ID 写进工单。缺 issue_id，第一个指标算不出来；缺 channel，看不出接触在渠道之间搬家。交接协议跟指标一起定：转人工时带上会话 ID、AI 已确认的事实、已经试过的动作、客户情绪标签，人工接手不重复问同一件事。缺这份交接，客户把同一段话讲第二遍，这一遍在日志里就是一次新接触。
上线按问题类型白名单灰度，只放出退货、改地址这类后果可回滚的类型，流量从一成起步，观察窗口不少于两周，每周按类型分组复盘四个指标，指标不动才扩大范围。全站平均会把某一类的恶化抹平；灰度范围按周记录，一个月后回看，扩得顺的类型往往是答案可枚举、错误可回滚的那几类。首月只看趋势不看单点，四个指标按周画线，与上线前四周的同期曲线并排放，两条线交叉的那一周就是收窄范围或回滚的时间点；单周异常先查口径，连续两周同向再动手。
止损写成可触发，不写成原则。下面四条写成可触发，命中任意一条先做那一条的动作，别一次改两处：
- 转人工 P90 超过上线前四周同渠道基线的 1.5 倍，或放弃率翻倍，当天把入口改成人工优先；
- 7 天重复咨询率高于人工基线，而自动解决率同期上升，判定为转移，停止扩量；
- 抽样出现金额或时效类高影响错误，直接关掉该类型的自动答复；
- 上线前没有四周人工基线，先补基线再放流量，否则止损线无从谈起。
这里的 1.5 倍、7 天、100 条、四周是建议的初始触发线，不是行业实测值，基数取你自己上线前的数据，跑满一个季度再校准。止损的开关按类型切不按全站切，每个类型一个开关、一份回滚话术、一个值班人；开关关掉后该类型的入口直接回人工队列，不做二次挽留。承诺一致率的抽样由两人独立标注，不一致的交第三人仲裁，口径写成一页纸，换人不走样。
不适合自动化的部分要留在人工。订单状态、发票下载、地址修改这类答案可枚举、后果可回滚的问题交给机器；金额争议、例外审批、投诉与情绪激烈的对话留给真人。判断依据是答案能否枚举、错误能否回滚，两项都成立才放进白名单。2023 年 6 月 15 日 Gartner 那组 58% 与 17% 的差距，就是这条线在公开数据里的版本。
