跳至正文
MakerGain
← 返回项目

AI 答不上来的时候,这段对话摘要关不掉

编辑:MakerGain

My AskAI 把 AI 客服转人工前的对话摘要设为不可关闭,让接手客服直接获得上下文;联合创始人 Mike Heap 回忆,公司因客服占收入 70% 而从通用问答转向客服。其 Zendesk 迁移强调 24 小时就绪、历史工单回测与内部备注并行测试,再按等效聊天工单收费;TravelJoy 案例称解决率从 24% 升至约 80%。

在启用 AI 直接回复的聊天或工单里,转人工发生时,接手的人看到的不是一张空白工单,而是一段 AI 自动生成的对话摘要。My AskAI 把这段摘要设成不能关闭:AI 答不上来时,客户不用把刚才说过的话再说一遍。[1]

这是一家做 AI 客服的公司。产品接在 Zendesk、Intercom、Freshdesk、Gorgias、HubSpot 里,企业不用搬走现有 helpdesk。[2]

图:来源 My AskAI 实际图片来源[3],2026-11-10取得,保留原界面。

那个不能关的摘要,是产品里最值得停一下的设计。它不解释 AI 多聪明,只把交接时要用的上下文固定下来。支持文档列出的转人工触发包括 AI 答不了、用户要求转人、用户沮丧和预设规则;摘要做的是把前面这段对话交代清楚,让这一棒交得完整。[1]

先做通用问答,被收入数字拽去客服

联合创始人 Mike Heap 在 Pinecone 的 RAG Brag 访谈里回忆,公司最早做的不是客服。那是个通用的“输入资料、问问题”的产品,学生和律所都用过。问题出在两处:功能优先级排不明白,营销也难做。后来他们发现,客服占了当时收入的 70%,才转过来,并且把产品重建了一遍。[4]

这个转向听起来顺理成章,但 70% 是个结果,不是计划。一个通用工具被不同用户用着,最后是收入结构替他们做了选择。我比较信这种被数字推着走的故事,它比“我们洞察到客服痛点”更接近创业真实的样子。

技术上也能解释得通。Alex Rainey 在同一次访谈里说,他们从网站和文档里检索相关片段,喂给模型。这解释了为什么客服是合适场景:答案本来就在帮助中心里,检索得准,回答就有出处。RAG Brag 访谈[4] 他们用 Pinecone 做向量存储和检索,PortKey 当 LLM 网关,负责 fallback 和响应缓存。这份技术栈是访谈时点的,访谈没标发布日期。

“fallback”和“缓存”这两个词值得看一眼:访谈里,Alex 把 PortKey 的 fallback 解释成主模型服务故障时的备用,把响应缓存当作省时间、省成本的手段。他还把调 LLM 比作对付一头野兽——有力但不可预测,提示词改一点,输出就可能变。这个说法能解释他们为什么把测试做得很细。Mike 也提了一句更实在的:OpenAI 模型更新会显著影响回答质量。产品的一部分质量不在自己手里。

获客这块 Mike 说得挺坦白:早期靠 AI newsletter 和 influencer 带来客户,但渠道寿命短;找可重复的分销渠道很难;AI 领域噪音也大。RAG Brag 访谈[4] 官网 About 页还写着,两位创始人仍在亲自做演示、onboarding 和人工支持,在含人工支持的方案上,客户直接跟做产品的人合作。[2]

答错的题,得有人补

客服 AI 的麻烦不只在回答那一下。知识库里没那条,AI 答不上来,工单转给人工之后,知识库怎么补?

Self-Learning 做的是:比较转人工工单上 AI 的回复和人工的回复,自动起草知识文章,补上缺口。About Us[2] 这些草稿是否经过人工审核,About 页没提;它把“维护知识库”从等人写,变成系统先自动起草。

Tools 走得更远:连客户的 API 查订单、处理退款、取消订阅、更新账户。但它有前提——相应系统得连上,而且必须遵守企业设定的规则。About Us[2] 定价页的 FAQ 补了一句:技术团队可能需要创建或更新 API endpoint,Tasks 和 Tools 也需要相应的系统连接和访问规则。定价页[5] 换句话说,AI 能做什么,边界是客户连了什么、允许了什么。

转人工的触发条件列得很细:用户要求转人、AI 答不了、用户沮丧、预设的 guidance 规则、标签主题。Intercom、Zendesk Messaging+Tickets、HubSpot、Freshdesk、Gorgias 支持原生 handover;Freshchat 也能转人工,但邮件转交不支持。支持文档[1] 细到某个渠道不支持,这种写法不像宣传材料,读起来像踩过坑之后记下来的。

迁移才是那件脏活

只把 My AskAI 理解成“一个装进现有 helpdesk 的 AI 客服”,会漏掉它真正要卖的东西。迁移页写着:从 Zendesk AI 迁过来,拿到所需访问权限和设置细节后,24 小时内可以准备好测试;保留 Zendesk 的 tickets、macros、views 和 help center;先用历史工单回测,再在 Zendesk Tickets 里用内部备注并行测试;Zendesk Messaging 不支持备注模式,得单独测试和上线。[6]

这段流程里没有一句在讲模型多聪明。它讲的是怎么在不打断现有客服运转的前提下,让一个新东西进来。对一支正在跑的客服团队来说,这比任何解决率数字都更有说服力——回测、并行、上线,每一步都留了客户自己决定的余地。

三档的分界线

价格分三档:Pro 月付 $199,含每月 1,000 张等效聊天工单;Scale 月付 $499,含 2,000 张,不限团队席位;Enterprise 从 $999/月起,面向每月 20,000+ 张工单。计价按“等效聊天工单”走:1 个 conversation credit 等于 2 次 AI 回复,只回一次的工单算 0.5 个 credit。[5]

附加项里,API、Slack 和 Teams 访问在 Pro 是 $49/月的加购,到 Scale 才包含;Tasks、Tools 和图片回复按 $0.02/次回复;AI tagging 按 $0.05/标签,且在 Zendesk Messaging 和 HubSpot 不可用。定价页[5] 这些条件会改变实际账单:需要自动分类的团队按标签数付费;要用 My AskAI 的 API、Slack 或 Teams 访问,则 Pro 得加 $49/月。

数字与边界

公司自述是 bootstrapped、已盈利、在增长,不需要外部融资。官网 About 页还说服务 200+ 家企业、每月处理 20 万张工单、正常运行时间超过 99.99%,有 SOC 2 Type II,Enterprise 支持 HIPAA;定价页则写 250+ 家企业、累计解决 190 万+ 张工单。[2] · 定价页[5] 这些都是公司自己说的,没给统计期间和审计细节。利润仍然不清楚——模型调用、向量存储、抓取、人力的成本都没披露,利润怎么算也没说明;“已盈利”仍是公司自述。

客户案例里,TravelJoy 的路径比较典型:先用 Zendesk Advanced AI 试了几个月,没达到预期,转过来。保留 Zendesk Ticketing 和 Messaging,知识来自网站同步和内部 Notion;Messaging 从第一天就开直接回复,邮件工单用 Copilot 草稿,且只回第一条消息。上线时 AI 解决率约 76%,现在约 80%,AI CSAT 86%,覆盖每月 2,500–2,700 张工单,累计解决超过 24,500 张。[7]

同一页面还有两个省时口径:开头和概览说每月省 193 小时,后文按每工单 5 分钟处理时间算,则是 205 小时。两个数都来自厂商案例,方法、样本和统计期间没完整披露。

这份案例由 My AskAI 自己发布,数字得带着这个范围看。但至少在这个案例里,客户不是从零开始用 AI,而是从另一个 AI 那里搬过来。

这门生意最难的地方,是让客户敢把第一线交出去。My AskAI 把迁移拆成客户能先回测、再决定是否放开直接回复的步骤,但换系统的风险仍由客户自己承担。

继续阅读

AI 客服
转人工不计费:Fini 把 AI 客服的账单押在“真的解决了”上

Fini 的 AI 客服代理在客户现有 helpdesk 里接手聊天工单,用行为树和确定性执行器按节点读取套餐与账户状态,调用客户接口完成取消订阅等动作;转人工不计费,默认只把端到端解决、没有人工接手的工单算作计费单位。团队曾清空首版产品,在 fintech 客服团队驻场四周后重建,选择不替换客户现有客服系统,并把后台 AI 自行提出的知识修正置于人工审核之后,未经批准不发布。

AI 客服
先让机器人说“我不知道”,这门副业每月带来约 \$500

伦敦 HeyDeacon 的 Andy 与两位联合创始人做 Deacon,供仍自己回客服信的创始人和小团队使用。它先由联合创始人自用;答不上来时承认不知道并请访客留邮箱;对方实际留下邮箱后,对话会标成未读并给所有者发邮件,人工回复可进知识库。团队把重点放在模型外的流程,知识库需手动重抓或由发布脚本触发更新,换模型不必重做产品。

AI 客服
接手第一周数据库就崩了:Zipchat 想把每家网店的客服做成开箱即用

Zipchat 是面向电商的 AI 客服智能体。Ruslan 在 2024 年 1 月接手时,团队说不清 MRR 和客户来源,第一周数据库就开始崩。他先补账:用 Mantle 让 MRR 可见,收集聊天回复反馈;按其博客口径,约两个月后 MRR 提高 25%、首次达到 2 万美元。产品称 30 分钟可上线,但品牌规则、客服台连接和答错校正仍要逐店配置。

AI 效率
Klipy:一个销售AI,你点头它才动手

Klipy接销售会后的跟进:抓取邮件、会议和即时通信里的客户对话,生成跟进草稿、CRM更新和下次会议准备,销售批准后才发出。创始人Jung Hong Kim是韩国连续创业者,零售创业因COVID崩盘负债,做咨询时遇到联合创始人,三个月推出Klipy.ai。产品2024年11月以自动记录的AI CRM上线,2025年6月转向替销售执行下一步动作,并把计费绑在用户同意后的具体动作上。