电商售后 AI Agent 落地：退换货、物流查询、差评安抚的自动化边界

售前客服可以”聊得开心就好”，售后客服不行——每一句话都牵扯钱和规则的执行。这决定了电商售后 AI Agent 的设计逻辑和普通客服机器人截然不同：它需要的不是”会聊天”，而是”会按规则办事且不出错”。

售后 Agent 的三类任务

任务一：信息查询（低风险，高自动化）

物流状态、订单详情、保修期限、发票进度——这类任务是只读的，最适合全自动。

• 对接订单/物流 API，Agent 用工具调用实时查询，不靠”背书”
• 回答前先核验身份（订单号 + 手机号后四位），防止信息泄露
• 查询不到时给出明确的下一步，而不是含糊其辞

这类任务能吃掉 60% 以上的售后咨询量，且几乎没有风险。

任务二：规则执行（中风险，半自动）

退换货资格判断、补偿券发放、改地址——这类任务会改变状态，必须把规则写死。

关键原则：让 Agent 判断资格，不让 Agent 自由裁量金额。

• 退货资格由规则引擎判定（是否在 7 天/15 天内、是否影响二次销售），Agent 只负责解释
• 补偿金额设上限，超出必须转人工审批
• 每次执行写审计日志，谁批的、批了多少、依据哪条规则，全留痕

任务三：情绪安抚（高风险，人工为主）

差评威胁、大额投诉、要求曝光——这类场景 AI 稍有不慎就是公关事故。

• Agent 只做第一响应（共情 + 记录 + 承诺跟进），不承诺具体赔偿
• 识别到”投诉""曝光""315""律师”等关键词，立即升级人工
• 给人工坐席准备好话术和权限，让接管无缝

知识库怎么建才不出错

售后知识库最容易犯的错是**“规则散落在客服的话术里”**。正确做法：

1. 单一事实来源：退换货政策、时效、运费规则集中维护，一处更新全局生效
2. 结构化而非纯文本：把”7 天无理由”写成可执行的规则条目（条件 + 动作），而不是一段描述
3. 版本管理：政策变更要有版本和生效时间，避免新旧规则打架

必须转人工的红线清单

无论 AI 多强，以下情况一律转人工：

• 单笔赔付超过设定阈值
• 涉及金额争议或法律威胁
• 同一用户 24 小时内重复投诉
• Agent 连续两轮无法理解用户意图
• 用户明确要求”转人工”

落地节奏建议

别一上来就全自动。先自动化”任务一”（查询），跑稳一个月，积累真实语料和失败案例；再逐步放开”任务二”（规则执行），且从低金额、低风险品类试点；“任务三”（情绪）永远保留人工主导。

售后的本质是信任修复。AI 能大幅提效，但信任的最后一公里，仍然需要人来走完。把边界划清楚，AI 才是帮手而不是隐患。