10 月 14 日，Anthropic 在新加坡开出亚太办公室，同日公布了一批当地企业的 AI 应用情况；Sea 与 Claude 的合作，就是在这次披露里第一次被集中讲到。
用在哪里，披露里写得直白：Shopee 的客服聊天机器人正借 Claude 把消费者的问题答得更快、答案更准；客服环节的处理效率跟着往上走。
对于电商平台来说，客服机器人接入大语言模型，与传统的关键词匹配式机器人并不是一回事。传统机器人通常依赖预先设定的问题和答案，消费者只要换一种表达方式，或者同时询问几个问题，就可能触发错误匹配，最终仍然需要人工介入。大语言模型则能够结合上下文理解消费者的提问，并将相关信息组织成更自然的回答，适合处理表达方式多样、但答案有明确依据的常见咨询。
不过，模型能够理解问题，并不代表它天然掌握平台的最新规则或订单的实时状态。要准确回答订单进度、退款资格和物流异常等问题，系统仍然需要调用相应的业务数据，并按照平台规则处理。换句话说，模型主要负责理解和组织语言，订单系统、政策知识库及相应的业务权限则负责提供事实依据和执行条件。两者配合得好不好，才会直接影响客服机器人的实际表现。
这条披露里没有给数字：响应时间缩短了多少，准确率提到了什么水平，都没有说；能确认的只是拿 Claude 在支撑这套机器人。
另一半更值得琢磨：Sea 内部已经有数千名员工在用 Claude 写代码和调试；写代码和对外服务是两条线，两条线都在往里推。
Sea 是 Shopee 的母公司；数千人这个量级，说明 AI 在里面已经过了试用阶段，进了日常工具的位置。
过去一年电商平台谈 AI，讲的多数是商品推荐和搜索排序，那块地盘在买家看到货之前；客服落在买家已经付钱之后，位置完全不同。
位置不同，能改的东西也不同：推荐和搜索管转化率，影响赚多少；客服管售后体验和人力成本，影响花多少。
客服这块成本压得下去，平台的让利空间就宽一些；这是该往远处看的一层，眼下还看不到直接好处。
对卖家来说，眼下没有直接的动作要改；后台不会因为换了模型就多出几个开关，这一层卖家也碰不到。
真正值得留意的是方向：客服自动化一旦跑顺，商品问答、售后处理、退换纠纷这些环节都有可能往 AI 上挪；到那一步，卖家现在花在客服上的人力和话术模板，价值会被重新算一遍。
商品问答是最先能被替掉的一环：尺码、材质、发货时间这类问题，答案本来就固定；退换纠纷得往后排，那里涉及判断和责任划分，机器接手会更慢。
不过，商品问答能否自动化，不只取决于模型本身，还取决于商品信息是否完整、准确，而且能够及时更新。以服装为例，如果商品详情页没有明确标注尺码表、面料成分和版型信息，即使 AI 能够理解买家的问题，也很难在缺少依据的情况下给出可靠答案。对于电子产品，接口规格、兼容型号、供电要求和保修条件同样需要有明确记录。信息缺失时，系统更合理的做法应当是提示买家查看详情或转接人工客服，而不是自行补全答案。
这也解释了为什么客服自动化与商品详情页优化之间存在直接联系。过去，商品信息写得不够清楚，可能主要影响消费者是否下单；当平台进一步使用 AI 汇总商品信息、回答买家问题时，描述不完整还可能直接影响自动回复的质量。对卖家而言，维护商品信息不再只是优化页面展示的问题，也是为后续客服自动化提供可靠信息来源的基础。
卖家这边能提前准备的是话术和知识库：把常见问题、退换规则、物流口 径整理成结构清楚的文档，模型接手时才有东西可读；经验散在客服个人的聊天记录里，很难沉淀下来。
退换货和物流纠纷之所以更难自动化，是因为这类问题往往不只是查询一条规则，而是需要综合多个信息判断。例如，买家声称收到的商品与描述不符，客服可能需要核对商品页面、订单记录、买家提供的照片、物流信息以及平台适用的售后政策。如果涉及商品损坏、错发、部分退款或买卖双方对责任存在分歧，单纯生成一段语言通顺的回答，并不能代替完整的事实核查。
因此，更合理的自动化方式是分层处理：对于规则明确、信息完整的常见问题，由机器人直接回答；对于需要核对订单状态或执行退款等操作的问题，先调用经过授权的业务系统；对于证据不足、规则存在例外或双方发生争议的情况，再转交人工客服。这样做的重点不是让 AI 处理所有问题，而是把重复性工作交给系统，同时保留人工处理复杂情况的空间。对平台来说，只有在回答准确性、处理效率和消费者权益之间取得平衡，客服自动化才有长期价值。
还有一层得说清楚：这条消息来自 Anthropic 方面的披露和 Fintech News Singapore 的报道，讲的是已经在用的部分；至于换用之后效果能提升多少，公开信息里没有可验证的数字。