客服工单经过 AI 语音转写整理之后，下一步是分类：退货、换货、催单、咨询、投诉，AI 按内容自动分流，客服按分类处理。分类这一步省时间，但有一个前提不能丢：AI 分流的结果必须经过人工复核。不是全自动无人审，更不是 AI 分什么就是什么。分类错了，工单就会流到错误的处理流程里，轻则耽误回复，重则把投诉当成普通咨询晾着，把小问题拖成大纠纷。

人工复核不是把 AI 分过的工单全部重做一遍，那样就失去了分流的意义。复核的正确做法是抽查：每天从 AI 的分类结果里抽出三类最容易出错的工单，重点复核，抽查出问题就纠偏、调规则。下面三个抽查点，就是人工复核的底线。

第一个抽查点：分类错，盯住边界类工单

分类最容易错的地方，是两类之间的边界。举个例子：消费者说东西不合适想换一款，AI 可能把它分到退货，也可能分到换货，分错了，后续流程就全错了：退货流程走的是退款，换货流程走的是补发，两个流程的客服话术、处理时限、需要的信息完全不同。再比如催单和投诉的边界：消费者连问三遍货怎么还没到，语气已经很急，AI 可能还按普通催单分流，可实际上它已经接近投诉了，处理优先级应该提上来。

抽查的方法是每天抽边界类工单复核：把 AI 判定置信度不高的、或者内容里同时出现两类关键词的工单挑出来，人工看一遍分类对不对。抽查不是抽全部，而是抽最容易错的那一小部分。抽查出分类错的比例高，说明 AI 的分类规则要调了：边界词要加进去，判定逻辑要改，而不是靠人工一直兜底。人工复核的价值，一半在纠错，一半在发现规则哪里要改。

第二个抽查点：情绪急，优先复核激烈工单

情绪激烈的工单是复核的第二重点。消费者在工单里写了投诉、举报、再不解决就怎样，或者连续发了好几条消息，情绪已经很急了，AI 按内容分类的时候，可能只看它说了什么事，没看它急到什么程度，结果把它分到了普通咨询的队列里。普通咨询的队列处理时限是最长的，情绪急的工单在里面多等一天，升级的概率就大一分。

抽查的方法是每天把带激烈情绪词的工单单独拎出来复核：不管 AI 分到了哪一类，只要情绪词出现，就人工看一遍，判断要不要升级处理。升级不是把工单转给别人就完了，而是要缩短处理时限、提高回复优先级，必要的时候由经验更丰富的客服接手。情绪急的工单最怕的不是处理慢，而是没人发现它急。复核的作用，就是把这类工单从普通队列里捞出来。

第三个抽查点：金额大，高金额工单必审

金额大的工单是复核的第三重点，因为分错类的代价最大。举个例子：一笔大额订单的退款申请，AI 分错了类，流到了普通退款流程，按常规时限处理，消费者等了几天没动静，直接升级投诉；或者一笔高金额的赔偿诉求，被 AI 当成普通咨询分流，错过了最佳处理时机。大额工单的分错类，代价不是一句道歉能解决的，往往涉及实打实的资金和店铺评分。

抽查的方法是设一个金额线，超过这条线的工单，不管 AI 分到哪一类，人工必审。金额线定多少，各家按自己的客单价定：客单价低的店，线可以定低一点；客单价高的店，线要相应提高。关键是这条线要写进复核规则里，而不是凭客服当天的感觉决定。金额大的工单人工必审，不是信不过 AI，而是分错的代价太大，大到不值得用抽查的概率去赌。

复核方法：抽查加纠偏，不是重做一遍

三个抽查点落到每天的操作上，是这样一个流程：每天从 AI 分类结果里抽三类工单，分类错的抽边界类，情绪急的抽激烈词工单，金额大的按金额线必审；抽查出问题先纠正这单的分类，再记下来错分的原因；每周汇总一次错分原因，错分多的类目就回炉调规则：加边界词、改判定逻辑、调金额线。复核的终点不是抽查本身，而是让 AI 下次分得更准。

要特别说明的是，复核不是对 AI 的不信任，而是分工：AI 负责把大量的工单快速分开，人工负责把最容易出错、最不能出错的那一小部分守住。分流省的是分的时间，不是审的责任。分类错、情绪急、金额大这三个抽查点守住了，AI 分类才能真正帮客服提效，而不是帮麻烦加速流转。