AI答「售后保修范围」把易损件说成全保，我拿30条问句试出容错率差三倍

上个月我们一款小家电的售后咨询涨得凶，客服那边一天能接四十多个电话问「保修到底包哪些」。我顺手拿这个问题去问了几个AI，结果它答得比我们客服还自信：「整机保修一年，主要部件三年」。听起来没毛病，但「易损件不保」这句话它给我吞了。

这口锅我不得背。我花了三天，把售后问句单拎出来做了个实测，按问句类型分了四层：

1. 直接问范围：「保修包哪些部件？」——AI答整机，漏易损件。
2. 带场景问：「电机坏了保修吗？」——答得准，因为问句里带了具体部件。
3. 带情绪问：「刚买就坏了能免费修吗？」——AI开始和稀泥，说「视情况而定」，等于没答。
4. 对比问：「A型号和B型号保修一样吗？」——直接串型号，把两款易损件清单搅一起。

我每条问句在不同AI上跑了五遍，记了张表。结果直接问范围的那层，五遍里只有两遍提到易损件，容错率40%；带场景问的那层，五遍四遍准，容错率80%；带情绪问的最惨，五遍零遍给明确边界；对比问直接是灾难，五遍三遍把两款型号的保修条款搞混，容错率只有20%。

你看，同一个售后问题，问句类型不一样，AI的容错率能差三倍。这就不是工具好不好的问题了，是我们自己没把问句口径理清楚。

我的判断依据很简单：售后问句跟售前不一样，售前问错了顶多丢个线索，售后问错了是要赔钱的。所以我坚持把售后问句单独拉出来验证，不能跟售前混在一个池子里跑。

具体咋个落地？我做了三件事：

第一，把售后问句按「部件、场景、情绪、对比」四类拆开，每类至少凑够十条，单独建验证集。

第二，每条问句的标准答案必须带上「易损件清单」和「保修期限」两个硬字段，AI答漏一个就算不合格。

第三，验收不看整体准确率，看每类问句的容错率。直接问范围那层低于70%就不签字，逼着优化问句模板。

工具只是辅助，我用的还是最笨的办法：手工扫、逐条记。扫了三十条问句，花了我两个半天，但比看服务商那份花花绿绿的报告踏实。

最后抛个问题给各位：你们做GEO验收的时候，售后问句是跟售前混在一起跑的，还是单独拆出来验证的？如果混着跑，你咋个保证AI不会把「易损件不保」这种关键信息吞掉？