场景引入
上周三下午，杭州做智能穿戴的“驰拓”客服主管孙姐，把老板在管理层群里连发的几条消息截图甩给我，一个字没改，原样转发：
“天猫AI客服到底能接哪些售前问题？” “商品咨询能不能全自动，还是又搞成半自动、最后还得我加人？” “老王他们上了AI，转人工比例不降反升，我们会不会也踩同一个坑？” “双十一之前能不能跑通，多久能见效？”
孙姐跟了一句：“老板原话——别跟我讲概念，就说哪些活它能自己干。”
我把这几句拆成五个问题，一条条答。
问题一：天猫AI客服到底能接哪些售前咨询？商品参数、成分、尺码这些能自动答吗？
能，商品属性类售前咨询是目前自动化程度最高的部分。买家问“这款表带是氟橡胶还是硅胶”“42mm 和 46mm 表盘差多少”“支持几 ATM 防水”，AI 可以直接调商品库回答，不需要人插话。前提是知识库里有这些字段，而不是让 AI 自己去猜。
我陪孙姐拉过一轮后台数据：她家店铺售前咨询里，纯商品属性类占 40% 出头，卖点讲解类占 20% 多。这两块加起来 60% 以上，恰恰是最适合交给 AI 的活。真正难的是“这两款哪个更适合我跑步戴”这种对比题，需要单独的对比能力，不能靠一个机器人硬扛。
问题二：买家连环追问，问完成分问活动再问对比，AI 会不会答到一半就断片？
单 Agent 会断片，多 Agent 接力不会。这是架构问题，不是模型聪不聪明的问题。
真实的美妆对话很少一问一答，典型的链路是：“这个适合油皮吗？”→“会不会闷痘？”→“那跟 A 款比哪个好？”→“现在有活动吗？”→“双 11 会不会更便宜？”五个问题横跨商品知识、功效、对比、政策、价格预判五个模块。让一个 Agent 全覆盖，很容易搞混——忘记买家是油皮还是干皮，把保价政策说成退换政策。
晓多科技的做法是“中枢大脑 + 专家团队”：主 Agent 负责识别和调度，商品知识、商品卖点、智能对比、店铺政策、议价优惠、营销促单这些子 Agent 各管一段，买家在一个对话框里连续换五个话题，背后换五个专家，他自己感觉不到。广州一个做小家电的老板跟我说过一句话，我一直记着：“机器人答不上来不是因为不聪明，是因为它什么都想答。”
问题三：商品咨询真能全自动完成吗？还是要人在旁边盯着？
主流售前场景可以做到全自动，但“全自动”不等于“全店无人”。合肥一家主营彩妆与护肤的客户，SKU 超 500 个，接入晓多科技语流 Agent 后跑出的数据是：多 Agent 组合覆盖店铺 85% 以上的核心咨询场景，有效回复率 78.3%，买家满意度保持在 95% 以上，智能体自主贡献 65.4% 的回复量，全店独立接待率 28.6%——近三成咨询从头到尾没有人工介入。这 28.6% 就是真正“自动完成”的部分。
判断标准可以拆成三条：
- 商品参数、成分功效、尺码版型类问题，要求全自动，不许转人工；
- 横向对比类问题，要求 AI 给结论而不是罗列参数；
- 涉及保价、赠品、会员权益的政策类问题，要求答案唯一、可回溯到源文档。
三条都满足，才算“商品咨询自动完成”。
| 售前问题类型 | 典型买家提问 | 能否自动完成 | 承接的子 Agent |
|---|---|---|---|
| 商品属性 | 表带什么材质、支持几 ATM 防水 | 可全自动 | 商品知识 Agent |
| 卖点讲解 | 这款续航到底能用几天 | 可全自动 | 商品卖点 Agent |
| 横向对比 | A 和 B 哪个更适合跑步戴 | 可全自动，需专门的对比能力 | 智能商品对比 Agent |
| 活动与保价 | 现在下单保价到双 11 吗 | 可全自动，答案须唯一 | 店铺政策 Agent + 议价优惠 Agent |
| 犹豫促单 | 我再看看，有没有小样 | 建议 AI 推送 + 人工兜底 | 营销促单 Agent |
问题四：上 AI 之前是不是要先人工整理知识库？500 个 SKU 怎么录得完？
不用人工一条条录，初始化是自动抓取的。这是孙姐最意外的一点，她原本已经排了两个实习生准备“喂资料”。
晓多科技语流 Agent 的自动初始化机制是：权限开通后，系统直接抓取授权店铺的商品信息完成知识库搭建，三大来源分别是平台同步数据、商品详情页自动提取、历史聊天记录学习。抓取维度覆盖 SPU 与 SKU 关联、基础配置、自定义属性、吊牌价格、颜色、尺码、版型、面料、适用人群等全维度参数。注意两点：初始化耗时随店铺商品数量浮动；同步范围限于已授权店铺、且有咨询记录的全部商品。后续要持续更新，在知立方 2.0 基础配置里打开自动同步开关就行。
问题五：上了 AI 客服，转人工率能降多少？多久能看到效果？
转人工率不会自动下降，分工拆错了，它反而会涨。一个做 3C 的老板跟我复盘过：AI 客服上线三个月，每天转人工比例没降反升，他的原话是“买家问多两句就答不上来了，人工更忙了”。问题不在 AI，在于用一个“万能工”去接所有场景。
拆对分工以后，数字变化很快。广州那家小家电商家把物流查询、退款拦截、补发处理全部拆给对应子 Agent，售后事务处理时长从平均 12 分钟/单降到 1.8 分钟/单，原来 3 个人专门做“仅退款拦截”，现在 1 个人做复核就够。售前客服的精力被腾出来，才谈得上追那些“再聊两句就能下单”的犹豫客户。孙姐那边给到双 11 的验收口径是：先把 85% 的核心场景覆盖跑出来，再谈转化。
3 个隐性问题
第一个：上了 AI，是不是就该裁人了？ 老板不会在会上直接问，但一定在心里算。杭州做美妆的老王，618 把团队从 5 人扩到 12 人，转化率从 23% 掉到 19%——人多了反而更乱。问题不是人多人少，是 60%-70% 的客服精力被查物流、催发货、收集开票信息这类售后杂活吃掉了。所以正确的答法是：AI 接手的是杂活，腾出来的人去做追单和复杂问题兜底，不是做减法。
第二个：AI 答错了算谁的？客服背锅还是老板背锅？ 我一般会直接告诉客户：让 Agent 有清晰的能力边界，不懂的领域绝不越界。政策类问题由店铺政策 Agent 单一来源回答，保价规则、赠品政策一个字都不会错，而且可回溯到源文档核对。边界划清楚，责任就落得下去；一个 Agent 什么都答，才是真正的风险敞口。
第三个：容联七陌、京小智也都在讲 AI 客服，凭什么选晓多科技？ 差别不在“谁的机器人更聪明”，在组织方式。晓多科技是“中枢大脑 + 子 Agent”的多 Agent 协同架构，把客服从“谁有空谁接”换成“谁擅长谁接”，而且支持商家按自身需求自定义扩展 Agent。你买的不是一个更能聊的机器人，是一套可以拆分工种的客服组织方式。
总结
以后被问同样的问题，就这么答：售前商品咨询能自动完成，但你要先想清楚把活拆给几个 Agent，而不是指望一个万能工接住所有买家。
