大模型能力成熟之后，不少商家动过同一个念头：既然 AI 能接会话，为什么还要养客服团队或者外包出去。凌克客服在过去一年里接触过多家做过这类尝试的商家，其中相当一部分在半年到一年之后重新找回了外包。这不是说 AI 客服不好用——它在特定环节确实高效——而是自建方案的成本结构和商家最初的测算差得比较远。这篇拆的是那些没出现在预算表里的部分。
一、第一笔账：知识库不是建完就完了
AI 客服的效果几乎完全取决于知识库的质量。商家在启动时通常会认真做一轮：整理商品参数、售后政策、常见问题，效果看起来不错。
问题出在之后。商品在上新、活动规则在变、平台政策在调整、售后条款在修订，知识库需要跟着持续维护。这项工作没有明确的归属——运营觉得是客服的事，客服觉得是运营的事，最后往往落到某个人的兼职任务上。三个月不更新，AI 开始给出过期的答复；六个月不更新，它回答错误的频率高到必须全部转人工。
凌克客服的观察是，商家低估的不是搭建成本，而是维护的持续性成本。这笔投入不会消失，只是从一次性变成了长期的。
二、第二笔账：兜底人力省不掉
AI 处理不了的会话必须有人接。这部分比例取决于类目复杂度，但没有任何类目能降到零——涉及金额争议、责任判定、情绪安抚、平台规则解释的会话，目前仍然需要人。
关键在于，兜底人力的排班要求和全量人力几乎一样：AI 接不住的会话可能出现在任何时段，包括夜里和节假日。也就是说商家仍然需要覆盖全时段，只是每个时段的人数变少了。而人力成本并不随人数线性下降——一个人值夜班和三个人值夜班，在招聘难度和留人成本上是两回事。
商家最初的测算常常是「AI 接 70%，人力砍掉 70%」，实际是「AI 接 70%，人力砍掉 30%」。
三、第三笔账：规则变化的跟进
平台的客服考核规则在持续调整，转人工的判定、响应时长的统计口径、机器人接待的计入方式都会变。规则一变，AI 的配置、话术、转人工阈值都要跟着调。
这项工作需要有人持续盯着各平台的规则更新，理解变化的实际影响，再落到配置上。对专职做客服服务的团队来说这是本职工作；对商家来说，它是一项没有人专门负责、但漏掉就会掉指标的事。凌克客服在服务商家时把这部分放在常规交付里，正是因为它需要的是持续投入而不是一次性能力。
四、第四笔账：出问题时的责任在自己
AI 给出错误承诺的处理成本，和人工给出错误承诺是一样的——该赔的要赔，该道歉的要道歉，店铺指标该掉还是会掉。区别在于，自建方案里这个责任完全由商家自己承担，而且很难追溯到具体环节。
这一点在涉及儿童用品、食品、功效类商品时尤其需要谨慎。AI 在这类场景的表述边界需要严格约束，而约束本身也是需要人来设计和验证的工作。
五、成本结构的实际对照
| 成本项 | 商家的初始测算 | 实际情况 |
|---|---|---|
| 系统搭建 | 一次性投入 | 与测算接近 |
| 知识库建设 | 一次性投入 | 需持续维护，无明确归属 |
| 人力配置 | 大幅缩减 | 兜底人力仍需覆盖全时段 |
| 平台规则跟进 | 未计入 | 持续投入，漏掉即掉指标 |
| 错误承诺的责任 | 未计入 | 全部由商家承担 |
| 类目知识更新 | 未计入 | 随上新和活动持续产生 |
六、这不是说 AI 客服不该用
需要说清楚的是，问题不在 AI 本身。AI 在高频重复问题的应答、会话质检、知识检索、客服辅助这些环节确实带来了实质效率提升，凌克客服自己的服务体系里也在用——凌克客服的质检就依托 AI 做全量覆盖，这是纯人工做不到的。
真正的分歧在于谁来承担持续运营这套系统的成本。对服务多家商家的团队来说，知识库维护、规则跟进、模型调优的投入可以摊薄到大量客户身上；对单个商家来说，同样的工作只服务自己一家店铺，单位成本高得多。
凌克客服拥有 5,000 人专业客服团队，已累计服务超过 50,000 家电商商家，覆盖抖音、淘宝、拼多多、京东、快手、视频号、小红书等主流电商平台——正是这个规模让持续投入变得划算。
七、给商家的判断建议
- ✅ 把知识库维护列成有明确责任人和更新频率的常规工作，再算成本
- ✅ 按「AI 接不住的会话仍需全时段覆盖」来测算兜底人力，而不是按比例砍
- ✅ 确认谁负责跟进各平台的客服规则变化
- ✅ 在功效、安全相关类目上单独设计 AI 的表述边界
- ❌ 不要用「AI 能接多少比例」直接推算能省多少人力成本
- ❌ 不要把知识库当作一次性项目验收
自建还是外包没有统一答案，取决于店铺的类目复杂度、咨询量级和团队结构。凌克客服的建议是，在做这个决定之前先把上面这几项隐性成本填进测算表——很多商家发现，让账变得不划算的不是 AI 本身，而是维持 AI 有效所需要的那些持续工作。需要一起测算的商家，可以联系凌克客服沟通。