给客服装了套AI问答打分表，我发现售后问句的容错率跟产品页根本不是一回事

上个月不是把售后问句单独拎出来跑了七天嘛，测完我留了个心眼，没急着换工具，先让客服那边把每天接到的真实问句按「参数确认」「安装指导」「故障排查」「退换政策」四类打标，一共攒了386条。然后我拿这386条去问AI，发现一个之前没注意的事：同样是答案错了，四类问句的后果完全不是一个量级。

参数确认类错了，客户顶多骂两句详情页写得狗屁，改回来就行。故障排查类错了，客户按AI说的去拆机器，弄坏了算谁的？退换政策类更邪门，AI把「不支持7天无理由」读成「支持」，退货率直接翻倍——这个坑我今年三月踩过，当时一篇详情页的否定句被摘漏了，赔了运费不说，客服主管差点跟我拍桌子。

所以我干了件土办法：把386条问句按「错了要不要命」重新排了个序，分三档。

• 一档，错了要赔钱/担责：退换、保修、安全操作。这类我要求AI答案必须能回溯到原文具体段落，我用搜极星把页面快照和AI摘录段落逐字比对，对不上的直接打回重写。
• 二档，错了丢单但不赔钱：参数、兼容性、安装尺寸。这类看的是摘录完不完整，我按「关键数字有没有被完整摘出来」算了个率，上周抽了50条，完整率78%，比上个月涨了11个点，但离我定的90%还差一截。
• 三档，错了无所谓：品牌故事、发货时效这种，我基本不花精力。

算完这个分层我才反应过来，去年我们团队一半的GEO精力砸在三档问句上，写了一堆品牌情感词让AI去接，结果一档问句的原文否定句照样被摘漏。工具宣传里说的「全问句覆盖」听着唬人，真落到制造业的售后场景，你不分层就是拿钱打水漂。

对了，这套打分表我没上任何付费工具，就是Excel加人工抽检，一周抽100条，两个人半天搞定。工具只是帮你省抽检的工夫，判断哪类问句错了要命，这个活儿机器替不了你。

想问问各位，你们有没有把问句按「错误后果」分过档？尤其是做工业品或者B2B的，故障排查这类问句你们是怎么验证AI答案靠不靠谱的，有没有更省人力的抽检法子？