客服机器人要多接问题，还是要少答错？
客服团队希望机器人多覆盖用户提问、少转人工，但错误回答会带来投诉，而机器人只在一部分问题上足够可靠。
- 01转人工率是团队考核项
- 02错误回答会引发投诉
- 03部分问题类型质量不足
- 04用户对答错容忍度低
你会选择哪一种决策？
先做选择，再展开每条路径的判断。键盘按 1–4 作答。
查看这条路径的判断
推荐路径
把能力边界显式写进产品，可靠范围内自助、范围外快速转人工。代价是转人工率短期下不去，但错答带来的投诉与返工明显减少。
🎯 评审反诘 · 项目立项评审委员会「该推荐路径在保证业务确定性的同时，把大模型用在了最具杠杆价值的核心环节。如何量化并向管理层证明 ROI？」
PM 论据：以最小的工程研发复杂度锁定 90%+ 的核心诉求，风险完全隔绝在可控沙箱内，交付确定性最高。
查看这条路径的判断
有条件成立
覆盖面上去了，但「答不上」由模型自己判断并不可靠，它常在不确定时仍然作答，把错误成本转嫁给了用户与售后团队。
⚖️ 评审反诘 · 业务运维 Leader「这套方案只在特定理想条件下成立。如果前置依赖（如网络质量、向量切片准确度或并发负载）发生波动，降级预案是什么？」
PM 审视：不可把假设当成事实。必须在前置方案中明确定量成立指标，并随附故障回退 Runbook。
查看这条路径的判断
有条件成立
覆盖面提升明显，但知识补全不能保证每类问题都答得对，把质量风险摊薄后隐藏起来，出问题时更难判断是哪一类失效。
⚖️ 评审反诘 · 业务运维 Leader「这套方案只在特定理想条件下成立。如果前置依赖（如网络质量、向量切片准确度或并发负载）发生波动，降级预案是什么？」
PM 审视：不可把假设当成事实。必须在前置方案中明确定量成立指标，并随附故障回退 Runbook。
查看这条路径的判断
高风险路径
两个目标都没守住：用户先承受一批错误回答，而投诉数据只能事后归因、无法挽回体验，收敛动作通常也没有明确负责人。
⚡ 评审反诘 · 技术架构师 / 风控评审人「该方案明显引入了不可控的不确定性、调用延迟与接口成本。一旦长尾样本发生幻觉或服务超时，由谁对业务资损与客诉担责？」
PM 审视：切忌盲目“为 AI 而 AI”，确定性问题坚持规则优先，高风险链路必须设置安全熔断阀。
该选项在实际业务中存在盲区或隐性风险。已为你自动归集，随时可前往攻坚专区专项消灭。
不只记答案，记住判断方法
答完后展开
覆盖与可靠不可兼得时，先守住错误成本高的那部分边界，把扩张当作有条件的后续动作，并接受短期覆盖率的代价。
- 01哪些错误用户无法自行发现
- 02边界由谁判定且是否可靠
- 03扩张的触发条件是什么
PM 落地
如果你是产品经理，下一步做什么
列出可靠问题类型清单与转人工判定规则，把覆盖率目标与错答上限一起写进上线验收标准与复盘点。
想在真实业务场景中看本题的落地推演？
在《智能客服知识库与回答辅助》案例中，完整推演该阶段的事实依据、盲区核验、方案三选一与决策影响天平。