"我们试了 4 家 AI 客服，去年一年换了 3 套系统，终于找到能用的。"
上个月跟一个年营收 12 亿的消费品牌负责人聊，他这句话让我印象很深。不是因为他们踩的坑多——说实话在这个行业待久了，什么样的坑没见过——而是他在描述整个过程时的那种疲惫感，特别有代表性。
2026 年，中国智能客服市场规模预计达到 285 亿元，渗透率突破 58%。市面上打着"AI 客服"旗号的厂商超过 200 家。但选来选去，真正让企业满意的比例，可能远没有市场报告写得那么乐观。
问题出在哪？
说实话，我觉得这个行业有点像装修——你看了无数效果图，以为自己知道想要什么，真开工了才发现，中间全是自己没想过的坑。选型前以为在看能力，选型后才发现，其实是在赌。
能力一：业务闭环——别让 AI 成为"高级废话生成器"
先讲一个真实踩坑案例。
某母婴品牌去年接入了一套号称"GPT-4 驱动"的 AI 客服。演示的时候确实惊艳——理解力、回答流畅度都无可挑剔。但上线第一天就出事了。
用户说"我上周买的纸尿裤漏尿，申请退款"。 AI 识别了意图，回答了一段非常礼貌的话——然后呢？什么也没发生。因为 AI 根本没有对接订单系统，它只能回答，不能执行。
这个问题的本质，我在上一篇文章里其实也提过：AI 的理解能力和执行能力是两回事。
选型时一定要追问这一点：
- AI 能不能直接查订单、改地址、发起退款？
- 对接你们的 ERP/OMS 需要多久？
- 那些"需要登录用户账号才能查"的场景， AI 能搞定吗？
标准答案应该是：对接到位后， 70%以上的标准化操作可以在对话内自动完成，不需要用户等、不需要人工介入。
能力二：知识双引擎——为什么"知识库越大越聪明"是错觉
很多厂商的宣传口径是"AI 可以学习企业所有知识，越用越聪明"。听起来很对，但实际操作过的都知道——真正的瓶颈从来不是 AI 学不学得会，而是知识库本身能不能维护好。
我们推荐一个原则叫知识库双层架构：
第一层是企业数据层。商品信息、库存数据、促销规则、物流状态——这些来自业务系统的实时数据， AI 应该直接 API 读取，而不是人工录入后再让它"学习"。数据抖动时（比如库存突然告急）， AI 能即时感知。
第二层是运营话术层。客服怎么回答议价、怎么处理投诉、怎么引导下单——这些都是运营团队不断优化出来的经验。这套知识库需要的是编辑即生效——运营在后台改了回答，下一个会话 AI 就用上新内容。
两层缺一不可。只有数据层的 AI 是"死"的——能知道库存但不知道怎么卖出去。只有话术层的 AI 是"瞎"的——说得漂亮但信息对不上真实情况。
选型时的验证方法：问厂商要一份他们真实客户的知识库架构文档，看看他们的知识库是不是真的支持这种双层结构。如果对方的回答是"我们的模型可以自动学习一切"——警惕，这大概率是句空话。
真的，你想想——一个连知识库架构都说不清楚的厂商，你指望它落地？反正我不信。
能力三：峰值弹性——大促时的稳定比日常的聪明更重要
这是最容易被忽视的一点，也是代价最大的一点。
去年有个品牌朋友跟我吐槽：他们选型时， 5 家厂商的 Demo 演示都完美，最终选了报价最低的那家。结果 618 当天，咨询量冲到日常 20 倍的时候，系统响应从正常的 800ms 直接飙到 15 秒。用户发一条消息等半分钟才回复，等于 AI 变成了"慢速复读机"。
气不气？气。
这个场景太典型了。根据我们汇总的真实案例，AI 客服 50%以上的严重事故发生在高峰期——不是因为技术不行，而是因为 POC 环境跟真实环境差的不是一点半点。
选型时你应该问厂商要的不是 Demo 录像，而是：
- 他们在最大客户那里实际承接过多少并发？
- 峰值时的 P99 延迟是多少？（ P50 好看没用，要看最差的那 1%）
- 能不能做模拟峰值 1.5 倍的压力测试？
不是每个品牌都需要双 11 级别的弹性。但如果你有明确的促销节点（ 618 、双 11 、年货节），请把这个场景当作选型的核心评估项，而不是默认"到时候再说"。
能力四：人机协同——"AI 替代客服"是个伪命题
这个观点可能跟你现在看到的大部分文章不一样，但我觉得必须说清楚。
2026 年最成功的 AI 客服案例，没有一个是"用 AI 完全替代人工客服"的。恰恰相反，做得好的企业，都在重新定义人机分工，而不是替代。
一个比较成熟的配比是： AI 处理 60%-75%的标准化会话（查物流、改地址、订单咨询），人工客服集中处理 25%-40%的复杂场景（议价、客诉、多品咨询）。 AI 解决不了的转人工时，必须带全上下文——人工客服打开会话就知道"用户问了什么、 AI 答了什么、卡在了哪个环节"，不需要让用户重复。
这才是"协同"。不是 AI 先顶着，顶不住了甩包袱给人工。
选型验证标准：
- 转人工时会不会丢失对话历史？
- 人工客服能不能在 AI 回复的基础上"接着改"而不是"重写"？
- AI 能不能自动标注"这个场景我处理不好，需要人工介入"？
据我所知，能做到上面前两项的厂商，目前不超过 5 家。
能力五：全渠道统一——用户不关心你在哪个平台卖货
最后一条，也是最"基础"但最容易被低估的一条。
你的客户可能在天猫下单、在抖音看直播、在小程序领券、最后在微信群里追问物流。如果每个渠道配一套独立的 AI 客服，等于给自己制造了四个信息孤岛。
全渠道统一的要求：不管用户在哪个平台发起咨询， AI 都能识别同一个客户，都知道他之前的对话历史，都知道他昨天在抖音问过什么、今天在天猫又来找了。
这不是"接入就完事"的——它需要厂商的客服系统跟各个平台的 IM 系统做深度对接。有些渠道（比如抖音）的 API 开放程度有限，能做到什么水平、不能做什么，选型时必须问清楚。
还有一个经常被忽略的点：企业微信私域。 很多品牌的售后服务已经迁移到企微了， AI 客服能不能接入企微会话？能不能在企微里完成订单查询和售后操作？这不是锦上添花——对于把私域作为核心渠道的品牌来说，这是基本功。
写在最后
把上面 5 个能力串起来看，会发现 AI 客服选型的底层逻辑其实很简单：不是比谁的模型更强，而是比谁更懂"客服这件事到底怎么运转"。
模型会进化、价格会下降、技术会成熟——但业务理解、系统集成、运营经验这些事，不是靠版本升级就能解决的。
我们见过太多品牌花 3 个月选型、 1 个月部署、 2 周后下线。不是因为技术不好，是因为从一开始就没问对问题。
如果你正在为品牌选 AI 客服，建议打印这 5 个能力出来，用一周时间逐一验证。花的时间不会白费——选错一套系统，耽误的可不是一两个月的部署期，而是整个团队的信心。