企智社 
很多企业上线客服智能体时，最关心的指标是“能解决多少问题”，却常常忽略一个同样关键的节点：智能体决定把会话交给人类的那一瞬间。那一瞬间处理得好，用户只觉得沟通连贯、被尊重；处理不好，前面智能体的努力全部清零，甚至让用户产生“这家公司只会转来转去”的印象。转人工不是智能体的退路，而是整个客服体系的枢纽。本文按落地顺序，给出四个阶段的行动建议，适用于电商、金融、软件服务、家电售后等通用行业场景。
阶段一：在上线前，先盘点自己的“转人工基线”
很多项目组上来就写规则：用户说“人工”就转，用户骂人就转。这样做不是不行，而是会让智能体变成一台“转接器”，失去了沉淀知识与经验的价值。正确的第一步，是回到历史会话里做标注。
拿一家电商客服团队举例。你可以抽取最近三个月的客服会话，按结果打上标签：用户为什么找客服？哪些是简单查询（如订单状态）、哪些是复杂流程（如退款变更）、哪些是情绪强烈（如投诉、催促）？人工最终是怎么解决的？把这些标签堆在一起，你会发现“转人工”的真实诱因往往集中在三五类场景里：用户多次表达未解决、需求超出标准流程、涉及资金或隐私敏感操作、用户主动要求真人，以及智能体连续两轮答非所问。
基于这些标签，你可以给会话分级：A类问题由智能体全流程闭环；B类问题由智能体尝试一次后，失败则触发转人工；C类问题（如高危客诉、业务办理、账号申诉）直接转人工。这一步的意义，不是让智能体变“聪明”，而是让转人工有了可解释的依据。
需要警惕的常见误区是“等智能体跑跑再看”。如果没有历史基线，上线后的转人工率要么高得离谱，要么低得像“人工坐席彻底失业”，这两种结果都无法指导策略调优。所以，阶段一的产出物，是一张分级清单，而不是一堆拍脑袋写的规则。
阶段二：设计触发条件时，把“转接体验”一并设计
转人工的触发像一个漏斗。显性触发最简单：用户主动说“转人工”“找真人”“你是机器人吗”，必须响应。隐性触发则要依赖智能体对上下文的理解，包括情感识别、重复追问、长时间未解决、多轮信息缺失等。但很多产品只做了这个漏斗的上半段，忘了下半段——转人工时的接续体验。
一个比较常见的失败场景是，智能体说“正在为您转接人工，请稍候”，然后用户进入一个冰冷的等待队列，智能体彻底退场，之前聊过的半段话像没发生过一样。人工接起后，用户又得从头复述一遍。这会让用户觉得“智能体就是来浪费时间的”。
要改善，你需要回到用户视角设计感知。给用户明确的预期：为什么转人工？前面智能体已经帮你做了什么？预计等多久？等待时不只放音乐，可以展示排队进度，或者引导用户留下电话、由人工回呼。转接不是“断开”，而是把智能体和人工放进同一个会话上下文里。智能体在转接瞬间生成一份“会话简报”，包括用户身份、当前诉求、已尝试的方案、疑似情绪状态。人工坐席一接手就能看到，用户不必重复。这份简报越清楚，转人工的体验越接近“无缝”。
我的建议是，在阶段二就定义好“转接信息包”的字段，而不是等技术开发完再补。字段至少包括：用户ID、渠道、会话摘要、智能体已尝试过的动作、用户最后一条消息的情绪标签，以及推荐的人工技能组。有了这个包，转人工才真正从“退出对话”变成“交接任务”。
阶段三：人工接管时，让智能体从“前台”退到“幕后”
转人工之后，智能体是不是就彻底没用了？很多人的答案是“是”，但更聪明的做法是“退到幕后，继续辅助”。人工坐席在处理复杂问题的两分钟里，智能体可以在旁边实时生成“知识卡片”：相似的历史工单、对应的政策条款、下一步操作建议。这会直接影响人工解决效率。
一个通用行业场景是金融App的卡片申诉。用户被转接人工后，人工需要先核对身份，再查询多张卡片的交易记录。如果智能体在转接后持续分析本次会话，自动把用户上个月的三笔争议交易列表推到人工侧边栏，人工就能直接确认，而不是逐屏点击。这类功能不需要很重的系统改造，却能把转人工的价值再次放大。
同时要建立人工侧的反向标记机制。人工坐席每天都会遇到“其实不用转”或“应该更早转”的案例。给他们一个快捷按钮，标记“转接质量低”或“智能体建议有用”。这些标记要回流到智能体的训练集里，形成闭环。很多企业忽略这一步，导致智能体在同一个地方反复犯错，转人工策略永远停留在原始版本。
值得注意的另一个常见误区，是转人工后智能体继续“插嘴”。有些产品为了让智能体显得“勤奋”，在人工对话过程中频繁弹出建议，反而干扰坐席。这里需要明确的权限设计：智能体的建议只出现在坐席工作台，不直接推送给用户；坐席可以选择采纳、忽略或屏蔽。克制，往往比功能多更重要。
阶段四：用数据调优，找出“健康转人工率”
上线后，团队最该盯的不是“智能体解决率”单指标，而是一组关联指标：转人工率、转接等待时长、人工解决率、用户满意度、二次转人工率。只看转人工率一定能被“做低”，比如增加智能体强润话术、把按钮藏起来，但用户会默默用脚投票。健康的转人工率不是一个固定数字，而是这个组合指标都不恶化的合理区间。
比如，某通用行业场景里，智能体把退货地址查询解决了，但遇到“退货后金额不一致”就转人工。转人工率如果从25%升到30%，管理者别急着失望，先看人工解决率是否同步上升、用户满意度是否改善。如果人工解决了更多原本解决不了的复杂问题，那这个转人工率升高是健康的。反之，如果转人工率低但人工解决率也低，说明智能体在硬扛，把用户拖进了更深的误会。
建议按月做策略复盘。抽10个转人工成功案例、10个失败案例，以及10个“该转没转”的案例，让运营、产品、人工坐席代表一起过。不要只讨论触发条件，还要看人工接住之后做了什么。这个动作虽然朴素，但能持续产出优化点。
需要特别提醒的是，情感词触发要“干净”。很多智能体一看到“生气”“投诉”“差评”就立刻转人工，结果是用户只是想表达对快递公司的不满，却被转来转去。更合理的做法是，把情感词分为“对服务过程的不满”和“对业务本身的不满”，前者优先安抚解决，只有出现重复愤怒、语言攻击、明确投诉时再转人工。这类精细策略，只能靠真实会话数据反复打磨。
常见问题 FAQ
客服智能体遇到用户骂人，是不是立刻转人工比较好？
不一定。用户骂人可能是对业务不满，也可能是对快递、商品质量等第三方不满。智能体先判断骂人的对象和任务属性：如果是对当前智能体表达不满，比如“你是个废物”，建议立即转人工并致歉；如果是对商品或物流不满，则先尝试共情并给出解决方案，通常比直接转人工更高效。当然，如果出现持续辱骂，转人工是合理选择。
转人工后，人工坐席总说“用户还得再讲一遍”，怎么解决？
这是典型的“会话上下文未交接”问题。核心解法是阶段二提到的“转接信息包”，由智能体在转接瞬间自动生成会话摘要和已办动作，并推到人工坐席工作台。如果系统暂时无法打通，至少要做到把聊天记录完整呈现给坐席，并让智能体给出“用户可能需要核实的三件事”，这也能明显减少复述感。
怎么判断智能体的转人工策略是不是越做越好？
不要单看转人工率升降。观察一个组合：转人工率、人工解决率、用户满意度、二次转人工率。如果转人工率稳定，但人工解决率在上升，且用户满意度不下降，说明智能体筛选转接的精度在提高。如果人工解决率下滑，同时平均接待时长变长，说明转进来的问题变复杂了，需要从业务分层、触发规则、知识储备三个方向继续优化。
