AI 可以帮助团队批量初筛客服对话，但不能只给一个总分。没有明确标准和原话证据的评分看起来客观，实际上很难复核。正确方法是先定义质检维度、扣分条件和例外情况，再要求 AI 为每个判断引用对话原句。
哪些客服对话适合先用 AI 初筛
适合的场景包括：检查是否回答核心问题、是否说明下一步、是否遗漏客户情绪、是否存在不当承诺，以及从大量对话中找出需要人工复核的样本。不适合让 AI 最终裁定员工绩效、重大投诉责任或法律合规问题。
如果对话来自多个工作群或平台，可先用AI把聊天记录整理成待办清单统一格式；需要形成回复邮件时，再使用AI邮件生成器整理已确认信息。
建立 5 个可复核的质检维度
- 准确性：回答是否针对客户实际问题，信息是否与已知资料一致。
- 完整性：是否说明原因、当前进度、下一步动作和预计时间。
- 时效性：是否及时响应，并在无法立即解决时给出推进方式。
- 同理心：是否识别客户焦虑、重复咨询或不满，而不是机械回复。
- 合规性：是否存在未经授权的承诺、隐私泄露或不当用词。
先写评分标准，不要让 AI 自己决定
可以采用 0、1、2 分三级评分：2 分为满足标准，1 分为部分满足，0 分为明显缺失。每个维度都要写清触发条件。例如，客服仅回复“帮您看一下”但没有后续结果或时间，完整性不能给满分；客户已经表达“昨天问过一次”，客服仍未回应情绪，同理心应标记为待改进。
可直接复制的客服对话质检提示词
你是一名客服质检助理。请严格依据我提供的质检标准检查客服对话。每项评分必须引用对应原句；没有证据时写“无法判断”，不能猜测客服后台操作或客户真实态度。
业务背景和标准答案：
[填写产品规则、订单状态说明、可承诺范围和禁用表述]
质检标准：
- 准确性：是否正确回答客户实际问题
- 完整性：是否说明原因、进度、下一步和时间
- 时效性：是否及时响应并推进问题
- 同理心：是否识别并回应客户情绪
- 合规性：是否存在不当承诺、隐私或用词风险
客服对话：
[粘贴完整对话，保留角色和时间；先删除姓名、电话、订单号等敏感信息]
请输出：
1. 对话摘要：客户问题、客服处理动作、最终状态
2. 评分表：维度、0-2 分、引用原句、评分理由
3. 关键问题：按严重程度排序
4. 推荐回复：只使用已提供的业务规则，不增加承诺
5. 培训建议：指出可练习的具体能力
6. 人工复核项：涉及规则冲突、赔付、投诉、隐私或责任认定的内容
要求：
- 客户未得到明确结果时，不得判定“问题已解决”
- 客服说“已反馈”不等于形成闭环，必须说明后续动作或查询方式
- 区分服务态度问题和业务规则限制
- 同一句话可以支持多个维度，但必须分别解释
- 输出后检查每个扣分项是否都有原话证据实际示例
客户：为什么订单还没发货？我昨天已经问过一次了。
客服：这边帮您看一下。
准确性：无法判断，客服尚未提供订单信息。
完整性：0 分，没有说明原因、处理进度、下一步和时间。
同理心：0 分，未回应“昨天已经问过一次”的重复咨询和不满。
问题状态：未解决，不能因为客服表示查询就判定闭环。
推荐回复框架：先确认客户重复咨询的不便，再说明正在查询的内容、预计回复时间和后续联系渠道。具体发货时间只能使用业务系统中的真实信息。
如何用于团队改进
不要直接按 AI 总分排名员工。更适合的做法是按周统计高频问题，例如“未给预计时间”“没有回应重复咨询”“承诺超出规则”，再抽样人工复核并形成培训案例。总结时可用AI工作总结生成器整理已经确认的数据和改进动作。
隐私与合规边界
上传前删除姓名、电话、地址、订单号、账号和支付信息。涉及赔付、医疗、金融、法律或重大投诉的对话必须人工审核。提示词结构不清楚时，可先阅读AI提示词完整写法，把业务规则、禁用项和输出格式补齐。
用交付结果倒推需要的信息
例如，客服抽检只看是否礼貌，真正导致退款的错误承诺却没有被识别。这类任务的难点通常不在“让AI写一段话”，而在于先把事实、边界和交付对象理顺。开始前应单独列出已有材料、尚未确认的信息和不能由模型替你决定的事项。没有依据的数字、承诺、人员安排和专业结论一律标记待确认，不用看似完整的句子掩盖信息缺口。
处理时重点抓住这些要素：质检范围、评分维度、致命项、证据片段、问题归因和改进动作。先用一小段材料跑通，再扩大到完整任务，能更早发现字段缺失和理解偏差。涉及多人协作时，最好让下一位执行者复述一遍：他从文档里看到了什么、准备先做哪一步、遇到什么情况需要停下。复述不一致，说明文档仍需修改。
从错误版本反推检查点
一个常见的失败版本是：把语气问题和政策错误等量计分，AI猜测用户身份，样本只选好评会话。它往往表面整齐，实际无法执行。修正时不要只让AI“更专业”，而要指出哪一项事实缺失、哪句话无法验证、哪一步没有责任人或判断条件。每轮只改一类问题，并保留修改前后的差异，后续才能沉淀出稳定做法。
- 事实核对：人名、日期、金额、指标、文件版本和业务规则回到原始材料逐项确认。
- 边界核对：区分已经决定、正在讨论、个人建议和模型推断，不能把四者混写。
- 执行核对：动作写到具体对象、负责人、时间和可观察结果，删掉“持续关注”“及时处理”这类空话。
- 风险核对：敏感数据先脱敏，合同、财务、法律、安全、医疗等结论交给相应专业人员。
交付前用一个简单标准验收：相同对话由不同质检员评分接近，致命问题能立即升级并留下证据。再安排一次反例检查，故意输入一条缺日期、缺负责人或相互冲突的材料，看结果是否会明确提示缺口，而不是自行补全。能在正常情况和异常情况下都给出可核对结果，这套做法才算真正可复用。
最后保留三样东西：原始材料、采用的版本和人工确认记录。下一次遇到相似任务，可以复用字段和检查表，但仍要替换当次事实。模板的价值是减少遗漏，不是让所有场景得到同一答案；只要任务目标、读者或约束变化，就应重新检查输入和验收条件。
把《AI怎么做客服对话质检：评分标准、问题定位和改进提示词》沉淀成下一次可复用的记录
完成后不要只保存最终成品，还要记下本次使用了哪些输入、人工改了哪些地方、哪条规则最容易被误解。把这些内容写成简短复盘：有效做法继续保留，无效步骤删除，仍不确定的事项指定负责人核实。下一次先用一份新样本验证，再决定是否沿用旧结构。这样积累的是判断依据和检查习惯，而不是一份脱离场景的万能模板。