智能客服、对话式 AI、语音机器人，这几年在国内联络中心几乎是"标配"了。据 Call Centre Helper 与 Zoom 联合发布的一份 2026 年报告，44.1% 的企业正在制定 AI 战略，较上一年的 33% 明显上升——热度毋庸置疑。
但另一面，大量项目"上线即巅峰"：自助服务偏转率（deflection）上来了，可首解率（FCR）、客户满意度（CSAT）却没跟上，甚至不升反降。海外一线专家反复强调：失败很少是模型本身不行，问题几乎都出在"怎么用、怎么设计"。
下面把海外联络中心踩得最多的坑，归纳成六类，供国内团队在规划 chatbot 时提前规避。
一、把复杂、情绪化的事全交给机器人
现象：把投诉、拒批、理赔争议、财务分歧这类"高张力"对话也自动化。
为什么失败：机器人最擅长的是流程化、低歧义的例行查询（如查单、改地址、密码重置）。一旦涉及复杂、含糊、带情绪的表达，它往往识别不了真实意图，还容易答非所问。海外经验里，最成功的部署都把"建立客户信任"这一任务留给真人座席，而不是指望机器人完成。
国内怎么做：先做"联系原因"分类，把高敏感场景——投诉、财务纠纷、情绪化来电、身心健康相关——明确写进"强制转人工"清单，无论意图置信度多高都直接路由给人。
二、把机器人当"挡箭牌"，逼客户先过机器
现象：转人工入口藏得很深，必须先走完几层菜单、回答几个问题才放人。
为什么失败：当自动化没能交付客户期待的功能或答案时，客户反而更倾向打电话；而电话里又被机器人挡一遍，产生"被困住"的负面感受。海外专家直言，"被困住"从来不是好服务该有的情绪。
国内怎么做：把"转人工"做成一个始终可达、最多两步就能触达的出口。机器人的定位应是"分流与预处理"，而不是"拦截"。在企微/钉钉生态里尤其如此——用户本来就在对话界面，没必要再用层层选项消磨耐心。
三、转人工时丢掉上下文，客户被迫重复
现象：客户在机器人里已经说了一遍，转到坐席又要从头说一遍。
为什么失败：割裂的会话历史让客户反复陈述同一问题，挫败感层层叠加。这不是单点体验问题，而是架构问题。
国内怎么做：让机器人在转接前，把对话摘要、已识别意图、客户基本信息和工单上下文一并推送到座席工作台，形成统一视图。技术上就是"结构化升级 + 上下文透传"，应作为上线前架构的一部分，而不是客户投诉后才补的补丁。
四、知识库陈旧或割裂，机器人"一本正经胡说"
现象：商品已经下架，机器人还在推荐；退货规则改了，机器人仍报旧政策；不同渠道给的答案还不一致。
为什么失败：自服务 AI 的质量上限，等于它背后知识库的质量。把它当成"设完就忘"的系统，信息过时、相互矛盾，就会输出错误答案，客户和一线坐席都会迅速失去信任。海外实践指出，知识库需要例行刷新，而不是一次性灌入。
国内怎么做：建立知识库刷新机制，明确责任人（owner）和更新 SLA；监控对话日志里"升级 / 客户困惑"的信号，逐条回查 AI 取数的来源；用 RAG 思路把权威内容单独维护、上线前先查矛盾，再对外发布。
五、隐瞒身份，还指望机器人建立信任
现象：把机器人做得过于拟人，却不明示"我是机器"；在需要信任的关键场景用机器人顶替人。
为什么失败：再像人也不是人。隐瞒身份会造成混淆、设错客户预期；而严肃、复杂的查询恰恰是建立客户信任的机会，应当交给人。海外专家明确提醒，别指望 chatbot 去承担"建立信任"的职责。
国内怎么做：在首次交互就明确提示"你正在与智能助手对话"；把信任敏感型场景——争议处理、账户安全、大额财务——默认路由人工，并用显眼的"转人工"随时兜底。
六、上线即终点：缺少持续治理与升级设计
现象：项目上线后没人维护，无监控、无升级触发、无迭代，几个月后就"脱钩"。
为什么失败：机器人需要持续喂数据、跟业务同步；放任不管就会脱离实际。更关键的是，缺少明确的升级规则（重复提问、情绪信号、N 次未解决）会让一次失败的 AI 交互，直接甩给毫无准备的坐席。
国内怎么做：先聚焦 4–5 个高频用例小范围上线，记录成败再逐步扩面；定义升级触发条件（重复提问 / 情绪词 / 多次未解决），并主动告知客户"正在转人工"；把自服务成功率、FCR、CSAT 纳入复盘，而不是只盯偏转率这一个指标。
小结
机器人不是用来"挡"客户的，而是用来"接住"简单请求、把复杂留给有温度的人。先划清边界、做透升级、持续治理，是 chatbot 不翻车的三件事。
延伸阅读：
- The Dos and Don’ts of Automated Assistants in the Contact Centre — Call Centre Helper
- The Power of AI Self-Service: Benefits and Best Practices — Call Centre Helper